ForkLog AI
11.1K subscribers
1.54K photos
267 videos
12 files
5.1K links
Культовый журнал об искусственном интеллекте, нейронках и машинном обучении.


Наши эксперименты с нейронными сетями: https://www.tiktok.com/@forklogai.

Реклама на ForkLog: https://forklog.com/advertisement/
Download Telegram
🤖 Исследователи из MIT создали роботизированную руку RFusion для поиска потерянных вещей.

Устройство оборудовано радиочастотной антенной и камерой. Оно отслеживает предметы по прикрепленным RFID-меткам и находит их с помощью машинного обучения. Если объект спрятан под грудой вещей, робот уберет их и возьмет необходимое.

💬 По словам разработчиков, в будущем RFusion сможет использоваться для сортировки заказов, идентификации и установки запчастей или выполнения повседневных задач.

#MIT #роботы
🔎 Исследователи из MIT и Катарского центра ИИ разработали алгоритм глубокого обучения для прогнозирования ДТП.

Модель использует исторические данные об авариях, дорожные карты, спутниковые снимки и GPS-информацию. Она строит «схему рисков» в разрешении 5x5 метров, которая выделяет потенциальные зоны возникновения столкновений.

🛣 Например, ученые с ее помощью обнаружили, что шоссе и привязанные к нему съезды более подвержены риску возникновения ДТП, чем дороги возле жилых домов.

#MIT #исследование
🤖 Инженеры из MIT обучили робогепардов Mini Cheetah перепрыгивать пропасть.

Они разработали систему управления, которая повышает скорость устройств и улучшает их маневренность на неровной местности. Представленный алгоритм состоит из двух частей: одна отвечает за сбор и обработку информации в режиме реального времени, а вторая преобразует данные в инструкции по передвижениям робота.

💬 По словам инженеров, система позволяет избежать предварительного картографирования местности и дает возможность различным службам использовать устройства в чрезвычайных ситуациях на неизвестных локациях.

#MIT #роботы
🔎 Ученые из MIT разработали алгоритм искусственного интеллекта, способный определять взаимосвязь между объектами в кадре.

Система может более точно генерировать изображения локаций по текстовому описанию предметов и отношений между ними. Например, по запросу «деревянный стол слева от синего стула, а красный диван справа от синего стула» нейросеть выведет соответствующую картинку.

🔁 Модель на основе энергии разбивает запрос на мелкие составляющие, генерирует каждую из них и объединяет в общее изображение. Этот метод позволяет использовать сеть и в обратном направлении — проанализировав картинку она выведет текстовое описание с указанием взаимосвязей.

#MIT #разработка
🤖 Ученые из MIT разработали двумерный симулятор Evolution Gym для проектирования, обучения и тестирования «мягких» ИИ-роботов. Он позволяет программировать модели на одновременное развитие их тел и «мозгов».

Исследователи создали 30 уникальных задач, среди которых ходьба, перепрыгивание препятствий, перенос или перетаскивание предметов и ползание под преградами. Также разработчики могут задавать собственные условия.

Симулятор позволяет алгоритмам самостоятельно переделывать конструкцию роботов, связывая вместе квадраты, и управлять ими. Также он предоставляет обратную связь ИИ о том, насколько хорошо 2D-модель справляется с поставленной задачей.

По словам ученых, некоторые боты, перепроектированные искусственным интеллектом, приняли вид скачущей лошади или обезьяны, чтобы быстрее пройти дистанцию или вскарабкаться на высокий блок.

🌐 Evolution Gym распространяется с открытым исходным кодом.

#MIT #роботы
Массачусетский технологический институт прекратил сотрудничество со Сколтехом из-за «насильственного вторжения российского правительства в мирную Украину».

Совместная работа учебных заведений началась в 2011 году. По данным MIT, прекращение сотрудничества с академическим сообществом вызвало грусть, но действия российского правительства прояснили последующие действия. Участников совместных проектов перевели на новые исследования, заявили в пресс-релизе.

💬 В Сколтехе также сожалеют о разрыве научных отношений.

#MIT #Россия
🤖 Робогепард Mini Cheetah от MIT установил новый рекорд по скорости бега, разогнавшись до 3,9 м/с.

Инженеры использовали симулятор на базе ИИ, чтобы натренировать четвероногое устройство адаптировать свой стиль ходьбы, включая бег, под окружающую среду. Этот подход позволил ускорить развитие робота — всего за три часа он пережил 100 дней виртуальных приключений по разнообразным ландшафтам и изучил множество новых методов изменения своей походки.

👀 В результате, Mini Cheetah не умеет распознавать объекты под ногами вроде гравия или льда, однако может определить эффективность своих движений и изменить их, чтобы продолжать двигаться вперед.

#MIT #роботы
✏️ Команда исследователей из MIT CSAIL, Microsoft и Корнеллского университета разработала алгоритм компьютерного зрения STEGO, способный идентифицировать изображение «вплоть до отдельного пикселя».

Модель обнаруживает и размечает объекты на картинках. Система использует семантическую сегментацию, применяя метку класса к каждому пикселю изображения, чтобы дать ИИ более точное представление об окружающем мире.

Исследователи обучили алгоритм на массиве данных изображений с разных областей — от интерьеров домов до вида из космоса. STEGO удвоил производительность предыдущих схем семантической сегментации, точно согласовываясь с оценкой изображения человеком.

🗣 По словам ученых, на картинках для обучения беспилотных автомобилей модель сегментировала трассы, людей и дорожные знаки с гораздо более высоким разрешением и детализацией, чем это делают аналоги. На изображениях из космоса система разбила каждый квадратный метр поверхности Земли на дороги, растительность и здания, добавили они.

#MIT #Microsoft
🌊 Инженеры из MIT применили искусственный интеллект для прогнозирования поведения прибойных волн. Данные алгоритма помогут точнее моделировать климат океана и оптимизировать конструкцию морских сооружений.

Для предсказания динамики прибойной волны ученые часто используют один из двух подходов. Первый включает точное моделирование в масштабе отдельных молекул воды и воздуха, а второй — эксперименты и реальные измерения. Команда из MIT позаимствовала элементы обоих подходов.

Исследователи обучили модель на данных 250 экспериментов в резервуаре длинной 40 м. Они установили на одном конце бака лопатку для запуска волн и измеряли датчиками их высоту в процессе распространения. Также они натренировали ИИ на информации из двух других независимых тестов, проведенных в отдельных волновых резервуарах с разными размерами.

🔎 В результате, модель научилась прогнозировать поведение прибойных волн и предсказывать изменение их частоты.

#MIT #исследование
🍌 Команда MIT CSAIL создала мягкие роботизированные «банановые пальцы» с помощью системы автономного вязания.

Перчатка имеет пневматический привод, обеспечивающий хватание и удержание объектов. Также гаджет использует проводящую пряжу, которая придает роботу своего рода встроенное чувство осязания.

💬 По словам ученых, «банановые пальцы» помогут людям с нарушениями контроля мышц.

#MIT #роботы
🔎 Инженеры из MIT разработали ИИ-алгоритм для идентификации действий в видео и их маркировки без помощи человека.

Модель учится представлять данные, улавливая общие для визуальных и звуковых модальностей понятия. Система определит, что плачущий ребенок в ролике связан с произнесенным словом «плач» в аудиоклипе.

⚙️ Ученые использовали обучение признакам. Алгоритм получает необработанную информацию, включая видео и соответствующие им текстовые подписи, и кодирует ее, извлекая признаки объектов и действий из ролика.

Затем ИИ отображает данные в пространстве представлений. Модель группирует похожую информацию вместе как отдельные точки, выражая каждую отдельным словом. Исследователи ограничили модель до 1000 слов для маркировки векторов.

🗂 Также метод использует общее пространство представлений. Это позволяет алгоритму изучать взаимосвязь между видео с жонглирующим человеком и аудиозаписью со словами «жонглирует».

#MIT #исследование
🔎 Исследователи из MIT разработали ИИ-алгоритм EquiBind, способный искать лекарства в 1200 раз быстрее аналогов.

По словам ученых, модель за один шаг предсказывает точное расположение молекул для «слепой стыковки» с белками без предварительного знания целевых карманов последних. Алгоритм использует геометрические рассуждения, которые помогают ему в изучении основной физики структур и прогнозировании последствий связывания с неизвестными данными, добавили они.

🗣 Исследователи планируют представить алгоритм на Международной конференции по машинному обучению (ICML). По их словам, необходимо собрать отзывы о EquiBind от специалистов в отрасли, чтобы улучшить систему.

https://forklog.com/ii-nauchilsya-iskat-lekarstva-v-1200-raz-bystree-sovremennyh-sistem/

#MIT #исследование
📐 Исследователи из MIT научили ИИ решать математические задачи университетского уровня за несколько секунд. Точность работы алгоритма составляет более 80%.

Исследователи переделали математические вопросы в задачи по программированию и использовали предобученную нейросеть для преобразования текста в код Codex от OpenAI.

В результате ИИ-алгоритм также научился объяснять решения и генерировать новые задания по университетским математическим дисциплинам.

🗣 По словам исследователей, систему можно применять при создания контента для курсов или использовать в качестве автоматизированного репетитора.

#MIT
🔎 Исследователи из MIT, Корнеллского университета и Университета Макгилла разработали ИИ-систему, способную самостоятельно изучать человеческую речь.

Алгоритм может определить лингвистические правила для объяснения причин трансформации формы слов при выражении различных грамматических функций вроде падежа или рода в пределах одного диалекта. Также нейросеть способна изучать шаблоны, применяемые ко многим языкам.

Ученые натренировали и протестировали модель на различных лингвистических задачах. Примеры включали слова и их изменения на 58 языках. По данным исследователей, ИИ смог правильно предложить набор правил для описания причин их трансформации в 60% случаев.

☝️ Ученые отмечают, что систему можно использовать для изучения языковых гипотез и исследования похожести преобразования слов различными диалектами.

#MIT #исследование
🔎 Исследователи MIT решили дифференциальное уравнение вековой давности, чтобы устранить вычислительные ограничения «жидкого» искусственного интеллекта.

В 2021 году ученые разработали ИИ-алгоритм, способный обучаться и адаптироваться к новой информации во время работы, а не только на начальном этапе тренировки. Эти «жидкие» нейросети подходят для использования в срочных задачах вроде мониторинга кардиостимулятора, прогнозирования погоды или автономной навигации робокара.

Однако такие модели являются дорогими в вычислительном отношении по мере увеличения числа нейронов и синапсов. Также алгоритмы требуют различных компьютерных программ для выполнения лежащих в их основе сложных математических операций.

☝️ Теперь в MIT заявили, что решение дифференциального уравнения 1907 года, стоящего за взаимодействием двух нейронов через синапсы, позволит открыть новый тип быстрых и эффективных ИИ-алгоритмов.

#MIT #исследование