L’IA salva le balene, stabilizza l’andatura e bandisce il traffico • TechCrunch

La ricerca nel campo dell’apprendimento automatico e dell’intelligenza artificiale, ora una tecnologia chiave praticamente in ogni settore e azienda, è troppo voluminosa perché chiunque possa leggerla tutta. Questa colonna, Perceptron, mira a raccogliere alcune delle scoperte e dei documenti recenti più rilevanti, in particolare nell’intelligenza artificiale, ma non solo, e spiegare perché sono importanti.

Nelle ultime settimane, i ricercatori del MIT hanno dettagliato il loro lavoro su un sistema per monitorare la progressione dei pazienti di Parkinson monitorando continuamente la loro velocità dell’andatura. Altrove, Whale Safe, un progetto guidato dal Benioff Ocean Science Laboratory e dai suoi partner, ha lanciato boe dotate di sensori alimentati dall’intelligenza artificiale in un esperimento per impedire alle navi di colpire le balene. Anche altri aspetti dell’ecologia e del mondo accademico hanno visto progressi alimentati dall’apprendimento automatico.

Lo sforzo di monitoraggio del Parkinson del MIT mira ad aiutare i medici a superare le sfide nel trattamento dei circa 10 milioni di persone affette dalla malattia a livello globale. Tipicamente, le capacità motorie e le funzioni cognitive dei pazienti con Parkinson vengono valutate durante le visite cliniche, ma queste possono essere influenzate da fattori esterni come la stanchezza. Aggiungi a quel fatto che il pendolarismo in un ufficio è una prospettiva troppo opprimente per molti pazienti e la loro situazione si rafforza.

In alternativa, il team del MIT propone un dispositivo domestico che raccoglie i dati utilizzando segnali radio che si riflettono sul corpo di un paziente mentre si sposta all’interno della propria casa. Delle dimensioni di un router Wi-Fi, il dispositivo, che funziona tutto il giorno, utilizza un algoritmo per rilevare i segnali anche quando ci sono altre persone che si muovono nella stanza.

In uno studio pubblicato sulla rivista Science Translational Medicine, i ricercatori del MIT hanno dimostrato che il loro dispositivo è stato in grado di monitorare efficacemente la progressione e la gravità del Parkinson in decine di partecipanti durante uno studio pilota. Ad esempio, hanno dimostrato che la velocità dell’andatura è diminuita quasi due volte più velocemente per le persone con Parkinson rispetto a quelle senza e che le fluttuazioni quotidiane della velocità di deambulazione di un paziente corrispondevano alla capacità di risposta ai farmaci.

Passando dall’assistenza sanitaria alla difficile situazione delle balene, il progetto Whale Safe – la cui missione dichiarata è “utilizzare la tecnologia migliore della categoria con strategie di conservazione delle migliori pratiche per creare una soluzione per ridurre il rischio per le balene” – a fine settembre ha dispiegato boe attrezzate con computer di bordo in grado di registrare i suoni delle balene utilizzando un microfono subacqueo. Un sistema di intelligenza artificiale rileva i suoni di specie particolari e trasmette i risultati a un ricercatore, in modo che la posizione dell’animale — o animali — può essere calcolato corroborando i dati con le condizioni dell’acqua e le registrazioni locali degli avvistamenti di balene. Le posizioni delle balene vengono quindi comunicate alle navi vicine in modo che possano reindirizzare se necessario.

Le collisioni con le navi sono una delle principali cause di morte per le balene, molte delle quali sono in pericolo. Secondo una ricerca condotta dall’organizzazione no profit Friend of the Sea, gli attacchi navali uccidono più di 20.000 balene ogni anno. Questo è distruttivo per gli ecosistemi locali, poiché le balene svolgono un ruolo significativo nel catturare il carbonio dall’atmosfera. Una singola grande balena può sequestrare in media circa 33 tonnellate di anidride carbonica.

Laboratorio di scienze oceaniche Benioff

Crediti immagine: Laboratorio di scienze oceaniche Benioff

Whale Safe ha attualmente boe dispiegate nel Canale di Santa Barbara vicino ai porti di Los Angeles e Long Beach. In futuro, il progetto mira a installare boe in altre aree costiere americane tra cui Seattle, Vancouver e San Diego.

La conservazione delle foreste è un’altra area in cui la tecnologia viene messa in gioco. Le indagini sull’area forestale dall’alto utilizzando il lidar sono utili per stimare la crescita e altre metriche, ma i dati che producono non sono sempre facili da leggere. Le nuvole di punti di lidar sono solo mappe di altezza e distanza indifferenziate: la foresta è una grande superficie, non un gruppo di singoli alberi. Quelli tendono ad essere rintracciati dagli umani a terra.

I ricercatori di Purdue hanno costruito un algoritmo (non proprio IA, ma questa volta lo permetteremo) che trasforma un grosso pezzo di dati lidar 3D in alberi segmentati individualmente, consentendo non solo di raccogliere dati sulla chioma e sulla crescita, ma anche una buona stima degli alberi effettivi . Lo fa calcolando il percorso più efficiente da un dato punto al suolo, essenzialmente il contrario di quello che farebbero i nutrienti in un albero. I risultati sono abbastanza accurati (dopo essere stati controllati con un inventario di persona) e potrebbero contribuire a un monitoraggio di gran lunga migliore delle foreste e delle risorse in futuro.

Le auto a guida autonoma stanno comparendo sulle nostre strade con maggiore frequenza in questi giorni, anche se sono ancora fondamentalmente solo beta test. Man mano che il loro numero cresce, come dovrebbero accoglierli i responsabili politici e gli ingegneri civici? I ricercatori della Carnegie Mellon hanno messo insieme un documento politico che contiene alcune argomentazioni interessanti.

Diagramma che mostra come il processo decisionale collaborativo in cui alcune auto optano per un percorso più lungo lo renda effettivamente più veloce per la maggior parte. Crediti immagine: Università Carnegie Mellon

La differenza fondamentale, sostengono, è che i veicoli autonomi guidano “altruisticamente”, vale a dire che accolgono deliberatamente altri conducenti, ad esempio consentendo sempre ad altri conducenti di fondersi davanti a loro. Questo tipo di comportamento può essere sfruttato, ma a livello politico dovrebbe essere ricompensato, sostengono, e gli AV dovrebbero avere accesso a cose come strade a pedaggio, HOV e corsie degli autobus, dal momento che non li useranno “egoisticamente. ” “

Raccomandano inoltre che le agenzie di pianificazione prendano una visione ingrandita quando prendono decisioni, coinvolgendo altri tipi di trasporto come biciclette e scooter e osservando come la comunicazione tra AV e tra flotte dovrebbe essere richiesta o aumentata. Puoi leggere il rapporto completo di 23 pagine qui (PDF).

Passando dal traffico alla traduzione, la scorsa settimana Meta ha annunciato un nuovo sistema, Universal Speech Translator, progettato per interpretare le lingue non scritte come l’hokkien. Come un pezzo di Engadget sulle note di sistema, migliaia di lingue parlate non hanno una componente scritta, ponendo un problema per la maggior parte dei sistemi di traduzione di apprendimento automatico, che in genere devono convertire il parlato in parole scritte prima di tradurre la nuova lingua e ripristinare il testo di nuovo al discorso.

Per aggirare la mancanza di esempi linguistici etichettati, Universal Speech Translator converte il parlato in “unità acustiche” e quindi genera forme d’onda. Attualmente, il sistema è piuttosto limitato in ciò che può fare: consente ai parlanti di hokkien, una lingua comunemente usata nella Cina continentale sudorientale, di tradurre in inglese un’intera frase alla volta. Ma il team di ricerca Meta dietro Universal Speech Translator crede che continuerà a migliorare.

Illustrazione per AlphaTensor. Crediti immagine: Mente Profonda

Altrove nel campo dell’intelligenza artificiale, i ricercatori di DeepMind hanno dettagliato AlphaTensor, che il laboratorio sostenuto da Alphabet afferma essere il primo sistema di intelligenza artificiale per la scoperta di algoritmi nuovi, efficienti e “dimostrabilmente corretti”. AlphaTensor è stato progettato specificamente per trovare nuove tecniche per la moltiplicazione di matrici, un’operazione matematica che è alla base del modo in cui funzionano i moderni sistemi di apprendimento automatico.

Per sfruttare AlphaTensor, DeepMind ha convertito il problema di trovare algoritmi di moltiplicazione di matrici in un gioco per giocatore singolo in cui il “tabellone” è una matrice tridimensionale di numeri chiamata tensore. Secondo DeepMind, AlphaTensor ha imparato a eccellere, migliorando un algoritmo scoperto per la prima volta 50 anni fa e scoprendo nuovi algoritmi con una complessità “allo stato dell’arte”. Un algoritmo scoperto dal sistema, ottimizzato per hardware come la GPU V100 di Nvidia, era dal 10% al 20% più veloce degli algoritmi comunemente usati sullo stesso hardware.

Leave a Comment

Your email address will not be published. Required fields are marked *