A fizikai Nobel-díj idei nyertesei a fizika eszközeivel fejlesztettek olyan módszereket, amelyek a nagy teljesítményű gépi tanulás alapját képezik.
Miben különbözik a gépi tanulás a generatív mesterséges intelligenciától?
Napjaink két leggyakrabban használt mesterségesintelligencia-technológiáját hajlamosak vagyunk összekeverni. Valóban gyakran használjuk együtt őket, de a kettő közötti különbségek is szignifikánsak.
Nyílt forrású nyelvmodelleken dolgozik az Apple
Az almás cég nemcsak nyílt forrású, de meglehetősen kicsi LLM-eket mutatott be. Eddigi eredményeik bizakodásra adnak okot, ráadásul az a cél, hogy a modellek peremeszközökön, tehát okostelefonokon is fussanak, így pedig a felhasználó magánadatai is védettebbek.
Folyékony neurális hálózatok
A folyékony neurális hálózatok a mesterséges intelligencia kutatás egy izgalmas, viszonylag új iránya. Friss megközelítést kínálnak olyan feladatokhoz, mint az időjárás-előrejelzés, a beszédfelismerés és az autonóm vezetés. Az LNN-ek elsődleges előnye, hogy a betanítás után tovább alkalmazkodnak az új ingerekhez.
Érthető mesterséges intelligencia dolgozik azon, hogy az emberek megbízzanak bennük
A magyarázható mesterséges intelligencia újjászülető területe az innováció és az etika metszéspontjában helyezkedik el, és arra törekszik, hogy demisztifikálja az MI összetett döntéshozatali folyamatait. Az MMI feltárása kiemeli annak központi szerepét a bizalomépítésben és az átláthatóság fokozásában, ezáltal elősegítve az emberek és a gépek közötti szimbiózis kialakulását.
Immanuel Kant és a Nagy Nyelvi Modellek
A nagy méretű nyelvi modellek (LLM) fejlődése figyelemre méltó folyékonyságot és képességeket mutatott már különböző területeken. A legtöbb prompt-technika azonban még mindig nem rendelkezik formális ismeretelméleti alapokkal a modell felépítéséhez, inkább csak az intuícióra támaszkodik.
A hasnyálmirigy-rák korai felfedezése gépi tanulással
Amerikai kutatók ígéretes eredményt értek el egy neurális hálóval. A gépi rendszer korai szakaszban azonosított hasnyálmirigy-rákos daganatokat. A rendszer előnye, hogy relatíve olcsón beszerezhető.
Arisztotelész szillogizmusai és a nagy nyelvi modellek
Az elmúlt néhány évben jelentős előrelépések történtek a gépi tanulás és a mélytanulási technológiák terén. Ennek eredményeképpen a fejlesztők képesek voltak olyan MI-eszközöket készíteni, melyek valóban képesek úgy gondolkodni, mint egy ember. Képesek összetett feladatok elvégzésére, valamint az adatok és minták elemzése alapján logikus döntéseket hozni, ami csak az embereknek volt fenntartva.
Neurális háló segíti az agysebészetet
Életeket menthet holland kutatók az agytumor típusát műtét közben azonosítani képes mesterséges ideghálózata. A rendszer mostani állapotában kilencven perc alatt valószínűleg pontos diagnózist ad, de a módszer tovább gyorsítható és pontosítható.
A gépi tanulás feltárja az emberi mozgás titkait: sportoptimalizálástól az idősgondozásig
Az emberi mozgáselemzés gépi tanulási technológiákkal történő kutatása és fejlesztése dinamikus terület, amely folyamatosan halad előre. A tudomány jelenleg többféle megközelítést alkalmaz, amelyek segítségével pontosan felismerheti, követi és értelmezheti az emberi mozgást.
Az AI ugyanazon számításokat végzi, mint az ember
A kutatók egy mély neurális hálózatot – a mesterséges intelligencia egyik típusát, amely belülről köztudottan rejtélyes – vizsgáltak meg, egy jól megszokott matematikai elemzési módszerrel, amelyet a fizikusok és a mérnökök már száz éve használnak. Ha egy mérnök kíváncsi, akkor előveszi a matematika évszázados eszközét, a Fourier-analízist.
Miben különbözünk a gépi elmétől?
Az intelligencia sokféleképpen definiálható, és az emberek és a számítógépek esetében is másképp mérhető. A Mátrixban látottak nem valóságosak, a való életben a mesterséges intelligencia másképp működik.