AI yang introspektif, berorientasi pada detail, dan mengejar bencana – TechCrunch


Makalah penelitian datang terlalu sering bagi siapa pun untuk membaca semuanya. Itu terutama berlaku di bidang pembelajaran mesin, yang sekarang memengaruhi (dan menghasilkan kertas di) hampir setiap industri dan perusahaan. Kolom ini bertujuan untuk mengumpulkan beberapa penemuan dan makalah terbaru yang paling relevan – terutama dalam, namun tidak terbatas pada, kecerdasan buatan – dan menjelaskan mengapa hal itu penting.

Dibutuhkan AI yang matang secara emosional untuk mengakui kesalahannya sendiri, dan itulah yang ingin dibuat oleh proyek dari Universitas Teknik Munich ini. Mungkin bukan emosinya, tapi mengenali dan belajar dari kesalahan, khususnya pada mobil self-driving. Para peneliti mengusulkan sebuah sistem di mana mobil akan melihat semua waktu di masa lalu ketika harus menyerahkan kendali kepada pengemudi manusia dan dengan demikian mempelajari keterbatasannya sendiri – apa yang mereka sebut “prediksi kegagalan introspektif.”

Misalnya, jika ada banyak mobil di depan, otak kendaraan otonom dapat menggunakan sensor dan logikanya untuk membuat keputusan. lagi tentang apakah suatu pendekatan akan berhasil atau tidak. Tetapi tim TUM mengatakan bahwa hanya dengan membandingkan situasi baru dengan yang lama, dapat mengambil keputusan lebih cepat apakah perlu melepaskan diri. Menyimpan enam atau tujuh detik di sini dapat membuat perbedaan besar untuk penyerahan yang aman.

Sangat penting bagi robot dan kendaraan otonom dari semua jenis untuk dapat membuat keputusan tanpa menelepon ke rumah, terutama dalam pertempuran, di mana diperlukan gerakan yang tegas dan ringkas. Lab Penelitian Angkatan Darat sedang mencari cara di mana kendaraan darat dan udara dapat berinteraksi secara otonom, memungkinkan, misalnya, landasan pendaratan seluler tempat drone dapat mendarat tanpa perlu berkoordinasi, meminta izin, atau mengandalkan sinyal GPS yang tepat.

Solusi mereka, setidaknya untuk tujuan pengujian, sebenarnya adalah teknologi yang agak rendah. Kendaraan darat memiliki area pendaratan di atasnya yang dicat dengan kode QR yang sangat besar, yang dapat dilihat drone dari jarak yang cukup jauh. Drone dapat melacak lokasi tepat pad sepenuhnya secara independen. Di masa depan, kode QR dapat dihilangkan dan drone dapat mengidentifikasi bentuk kendaraan sebagai gantinya, mungkin menggunakan logika tebakan terbaik untuk menentukan apakah itu yang diinginkannya.

Kredit Gambar: Universitas Kota Nagoya

Dalam dunia medis, AI digunakan bukan untuk tugas-tugas yang tidak terlalu sulit tetapi agak membosankan untuk dilakukan orang. Contoh yang bagus dari ini adalah melacak aktivitas sel individu dalam gambar mikroskop. Bukan tugas manusia super untuk melihat beberapa ratus bingkai yang mencakup beberapa kedalaman cawan petri dan melacak pergerakan sel, tetapi itu tidak berarti siswa pascasarjana suka melakukannya.

Perangkat lunak dari para peneliti di Nagoya City University di Jepang ini melakukannya secara otomatis menggunakan analisis gambar dan kemampuan (jauh lebih baik dalam beberapa tahun terakhir) untuk memahami objek selama periode waktu tertentu, bukan hanya dalam bingkai individu. Baca makalahnya di sini, dan lihat ilustrasi yang sangat lucu yang memamerkan teknologi di kanan… lebih banyak organisasi penelitian harus mempekerjakan seniman profesional.

Proses ini mirip dengan melacak tahi lalat dan fitur kulit lainnya pada orang yang berisiko melanoma. Meskipun mereka mungkin menemui dokter kulit setiap tahun atau lebih untuk mengetahui apakah titik tertentu tampak samar, sisa waktu mereka harus melacak tahi lalat dan bintik-bintik mereka sendiri dengan cara lain. Itu sulit ketika mereka berada di tempat-tempat seperti punggung seseorang.

Posted By : Togel Hongkong