Sign in to follow this
Followers
0
Czego potrzebują fotorealistyczne gry 3D?
By
KopalniaWiedzy.pl, in Technologia
-
Similar Content
-
By KopalniaWiedzy.pl
Podczas wykopalisk w Bidwell West w pobliżu Milton Keynes w Wielkiej Brytanii specjaliści z Cotswold Archeology znaleźli średniowieczny budynek oraz inne struktury z tego okresu. Najciekawszym jednak odkryciem jest duży kościany fragment gry, który prawdopodobnie został wykonany na obrabiarce. Podobne zabytki, pochodzące z XI-XIII wieku, znajdowano już wcześniej. Były one wykorzystywane prawdopodobnie podczas różnych gier, zwykle dwuosobowych, podczas których używano kostki i planszy.
Najnowsze znalezisko wykonano z krowiej żuchwy, a okrągły kształt nadano mu na obrabiarce. Przedmiot został ozdobiony koncentrycznymi kręgami oraz kropkami i kółkami. Naukowcy przypuszczają, że służył do gry w tabulę, chociaż nie można tego jednoznacznie stwierdzić. Niewiele też wiemy o zasadach starożytnych gier. Rzadko kiedy bowiem zachowały się one w całości, brak też jednoznacznych opisów ich zasad. Naukowcy próbują odtworzyć zasady na podstawie zachowanych fragmentów gier oraz ikonografii.
Ludzkość od tysięcy lat gra w planszówki. W czasach rzymskich gra o nazwie duodecim scripta była jedną z pierwszych, które trafiły na Wyspy Brytyjskie. Wiemy, że wykorzystywano tutaj planszę składającą się z trzech rzędów po 12 pól. Niewykluczone, że to od niej pochodzi gra tabula, która była popularna również w średniowieczu. To gra podobna do tryktraka, używano w niej 24 pól ułożonych w dwóch rzędach. Prawdopodobnie znaleziony właśnie przedmiot służył do gry w tabulę.
« powrót do artykułu -
By KopalniaWiedzy.pl
Wraz z coraz większą liczbą tekstów publikowanych w internecie, pojawiła się potrzeba stworzenia zautomatyzowanych metod tworzenia abstraktów artykułów czy wywiadów. Większość dostępnych narzędzi jest zależnych od języka, w jakim został napisany oryginalny tekst, a ich stworzenie wymaga trenowania algorytmów na wielkich bazach danych.
Firma BGN Technologies, zajmująca się transferem technologicznym wynalazków opracowanych na Uniwersytecie Ben Guriona, zaprezentowała nowatorskie automatyczne narzędzie do tworzenia abstraktów, które działa niezależnie od języka oryginalnego tekstu.
Technologia, opracowana przez profesora Marka Lasta, doktor Marinę Litvak i doktora Menahema Friedmana bazuje na algorytmie, który klasyfikuje poszczególne zdania na podstawie statystycznych obliczeń charakterystycznych cech, które mogą być wyliczone dla każdeog języka. Następnie najwyżej ocenione zdania są wykorzystywane do stworzenia abstraktu. Metoda, nazwana Multilingual Sentence Extractor (MUSE), została przetestowana na języku angielskim, hebrajskim, arabskim, perskim, rosyjskim, chińskim, niemieckim i hiszpańskim. W przypadku angielskiego, hebrajskiego, arabskiego i perskiego stworzone abstrakty były bardzo podobne do abstraktów napisanych przez ludzi.
Główną zaletą nowego narzędzia jest fakt, że po początkowym treningu algorytmów na opatrzonych odpowiednimi komentarzami artykułach, z których każdemu towarzyszy kilkanaście abstraktów napisanych przez ludzi, algorytmy nie muszą być później trenowane dla każdego języka z osobna. Ten sam model, który wypracowały podczas treningu, może zostać użyty dla wielu różnych języków.
Podsumowanie tekstu, do którego wybrano zestaw najbardziej pasujących zdań z tekstu źródłowego, a wyboru dokonano na podstawie punktacji przyznawanej zdaniom i wykorzystanie w abstrakcie najwyżej punktowanych zdań, to nieocenione narzędzie do szybkiego przeglądania wielkich ilość tekstów w sposób niezależny od języka. To kluczowe narzędzie zarówno dla wyszukiwarek jak i dla takich użytkowników końcowych jak badacze, biblioteki czy media – stwierdził profesor Last.
« powrót do artykułu -
By KopalniaWiedzy.pl
Eksperymenty przeprowadzone przez naukowców z University of Nottingham wskazują, że algorytmy, które nauczą się przewidywania ryzyka przedwczesnego zgonu mogą w przyszłości być ważnym narzędziem medycyny prewencyjnej.
Lekarze i naukowcy opracowali algorytm oparty na technologii maszynowego uczenia się, którego zadaniem było przewidywanie ryzyka przedwczesnego zgonu u chronicznie chorych osób w średnim wieku. Okazało się, że sztuczna inteligencja nie tylko była bardzo dokładna, ale potrafiła z większą precyzją niż ludzie określić ryzyko
Algorytm uczył się na bazie danych obejmujących ponad 500 000 osób w wieku 40–69 lat o których informacje zebrano w latach 2006–2010, a ich losy śledzono do roku 2015.
Medycyna prewencyjna odgrywa coraz większą rolę w walce z poważnymi chorobami. Od lat pracujemy nad usprawnieniem tej dziedziny opieki zdrowotnej oraz nad ulepszeniem komputerowej oceny ryzyka w dużych populacjach. Większość tego typu prac skupia się na konkretnej chorobie. Ocena ryzyka zgonu z powodu wielu różnych czynników to bardzo złożone zadanie, szczególnie jeśli weźmiemy pod uwagę uwarunkowania środowiskowe i osobnicze, mówi główny autor badań, profesor Stephen Weng.
Dokonaliśmy poważnego postępu na tym polu opracowując unikatowe całościowe podejście do oceny ryzyka zgonu za pomocą technik maszynowego uczenia się. Używamy komputerów do stworzenia nowego modelu ryzyka uwzględniającego szeroką gamę czynników demograficznych, biologicznych, klinicznych czy stylu życia indywidualnych osób, w tym ich zwyczajów żywieniowych, dodaje uczony. Weng mówi, że gdy odpowiedzi podawane przez algorytm porównano z danymi dotyczącymi zgonów, przyjęć do szpitali, zachorowań na nowotwory i innymi danymi epidemiologicznymi, okazało się, że algorytmy były znacząco dokładniejsze niż opracowane przez ludzi metody oceny ryzyka.
Algorytm korzystał z metody statystycznej lasów losowych (random forest) oraz głębokiego uczenia się. Obecnie używane metody wykorzystują model regresji Cox'a oraz wielowariantowy model Cox'a, który jest doskonalszy, ale przeszacowuje ryzyko zgonu.
Najnowsze prace zespołu z Nottingham bazują na pracach wcześniejszych, podczas których ten sam zespół naukowy wykazał, że cztery różne algorytmy sztucznej inteligencji, bazujące na regresji logistycznej, gradient boosting, lasach losowych oraz sieciach neuronowych lepiej niż obecne metody używane w kardiologii pozwalają przewidzieć ryzyko chorób układu krążenia.
« powrót do artykułu -
By KopalniaWiedzy.pl
Przed czterema laty informowaliśmy, że na University of Oxford powstaje oprogramowanie, która na podstawie wyglądu twarzy ma rozpoznawać rzadkie choroby genetyczne i zdiagnozowało zespół Marfana u prezydenta Lincona. Nie tylko jednak Brytyjczycy pracują nad takim oprogramowaniem.
W najnowszym numerze Nature Medicine opisano aplikację Face2Gene. Wykorzystuje ona algorytmy maszynowego uczenia się oraz sieci neuronowe do klasyfikowania charakterystycznych ech twarzy świadczących o zaburzeniach rozwoju płodowego i układu nerwowego. Aplikacja na podstawie zdjęcia stawia prawdopodobną diagnozę i wymienia inne, mniej prawdopodobne.
Autorem oprogramowania jest firma FDNA z Bostonu. Jej specjaliści najpierw nauczyli aplikację odróżniać zespół Cornelii de Lange i zespół Angelmana, które przejawiają się charakterystycznymi cechami twarzy, od innych podobnych schorzeń. Nauczyli go też klasyfikowania różnych form genetycznych syndromu Noonana.
Następnie algorytmowi dano dostęp do ponad 17 000 zdjęć zdiagnozowanych przypadków obejmujących 216 schorzeń. Gdy następnie oprogramowanie miało do czynienia z zupełnie nową fotografią, potrafiło z 65-procentowym prawdopodobieństwem postawić prawidłową diagnozę. Gdy zaś mogło podjąć kilka prób, odsetek prawidłowych diagnoz zwiększał się do 90%.
FDNA chce udoskonalić swoją technologię, jednak w tym celu potrzebuje dostępu do większej ilości danych. Dlatego też Face2Gene jest bezpłatnie dostępna dla lekarzy i badaczy, którzy wykorzystują ten system do pomocy w diagnostyce rzadkich schorzeń genetycznych. Korzystają z niego też lekarze, którzy nie mają punktu zaczepienie i w ogóle nie potrafią wstępnie zdiagnozować pacjenta.
Współautorka artykułu na temat Face2Gene, Karen Gripp, jest genetykiem w szpitalu dziecięcym w stanie Delaware i głównym lekarzem w firmie FDNA. Mówi ona, że algorytm pomógł jej w zdiagnozowaniu dziewczynki, którą leczy od sierpnia. Dzięki niemu doktor Gripp stwierdziła, że dziecko cierpi na zespół Wiedemanna-Steinera. Czterolatka nie ma zbyt wielu cech charakterystycznych tej choroby. Jest niska jak na swój wiek, straciła większość zębów mlecznych i zaczęły jej rosną stałe zęby.
Gripp postawiła wstępną diagnozę, a następnie zaprzęgła do pracy Face2Gene. Zespół Wiedemanna-Steinera, bardzo rzadkie schorzenie spowodowane mutacją genu KTM2A, został przez aplikację wymieniony na czele listy prawdopodobnych schorzeń. Badania DNA potwierdziły diagnozę. Uczona mówi, że dzięki aplikacji mogła zawęzić liczbę potencjalnych chorób i uniknąć konieczności znacznie droższego szeroko zakrojonego badania DNA.
Face2Gene powoli staje się coraz doskonalszy. Obecnie program ma do dyspozycji już 150 000 fotografii na podstawie których się uczy. W sierpniu, podczas warsztatów dotyczących wad genetycznych przeprowadzono nieoficjalne porównanie algorytmu i lekarzy. Wzięło w nim udział 49 genetyków klinicznych. Ludzie i algorytm mieli do dyspozycji 10 zdjęć dzieci z dość dobrze rozpoznawalnymi cechami charakterystycznymi różnych chorób. Tylko w przypadku dwóch fotografii dobrą diagnozę postawiło ponad 50% ludzi. Face2Gene dobrze zdiagnozował 7 na 10 przypadków.
Polegliśmy całkowicie. Face2Gene był niesamowity, mówi Paul Kruszka, genetyk z US National Human Genome Research Institute. Jego zdaniem już wkrótce każdy pediatra i genetyk będzie miał tego typu aplikację i używał jej równie często jak stetoskopu.
« powrót do artykułu -
By KopalniaWiedzy.pl
Masowe polowania na wieloryby, które mogły zagrozić istnieniu wielu gatunków, mogły rozpocząć się o wiele wieków wcześniej, niż się obecnie uważa. Tak przynajmniej twierdzą archeolodzy z Uppsali i Yorku, którzy na łamach European Journal of Archeology zaprezentowali wyniki swoich najnowszych badań.
W szwedzkich muzeach można znaleźć tysiące egzemplarzy gier planszowych pochodzących z epoki żelaza. Szczegółowe badania ujawniły, że materiał większości z nich to kości wielorybów upolowanych w połowie VI wieku naszej ery. Wspomniane gry były wytwarzane według tych samych standardów i produkowano je w dużych ilościach, co oznacza, że potrzebne były stałe dostawy dużych ilości materiału. Jako, że znalezienie padłego wieloryba na brzegu nie jest rzeczą łatwą, badacze uważają, że wspomniane gry to dowód na celowe polowania na wieloryby.
Naukowcy wykorzystali technikę spektrometrii mas, za pomocą której zbadali niewielką liczbę gier, by ustalić, z jakiego gatunku walenia pochodziły kości. Okazało się, że wszystkie przeanalizowane egzemplarze pochodziły od wala biskajskiego. To przedstawiciel rodzaju Eubalaena, którego anglojęzyczna nazwa brzmi „right whale”, gdzie „right” to ni mniej, ni więcej co „właściwy do upolowania”. Zwierzęta te były ulubionymi ofiarami wielorybników, gdyż są powolne, pływają blisko wybrzeży i zawierają tyle tłuszczu, że nie toną po zabiciu. Jak twierdzą autorzy najnowszych badań, nie tylko XVIII- i XIX-wieczni wielorybnicy masowo zabijali te zwierzęta.
Gry planszowe z wielorybich kości pojawiają się na północy Norwegii w tym samym czasie, co wielkie hangary na łodzie i urządzenia do wytapiania tłuszczu. To najprawdopodobniej w Norwegii były wytwarzane gry, które później trafiały do Szwecji, gdzie były składane jako dary podczas ceremonii pogrzebowych.
Początki masowych polowań na wieloryby giną w pomroce dziejów. Znane nam źródła pisane sięgają epoki Wikingów. Sagi z IX wieku opowiadają o norweskim kupcu Ottarze, goszczącym na dworze króla Alfreda Wielkiego, który często polował na wielkie wieloryby. Jednak specjaliści wątpią, czy sagi te opisują prawdziwe wydarzenia.
Obecność tysięcy gier planszowych wykonanych w krótkim czasie z kości wali biskajskich, w połączeniu z innymi badaniami archeologicznymi, to dowód na szybko rosnącą eksploatację ekosystemu morskiego przez człowieka. Sporo też mówi o sieciach handlowych z tamtego okresu.
Powyższe badania posłużą też do pogłębienia naszej wiedzy o wpływie człowieka na ekosystem morski oraz populację waleni. Pokazują one bowiem, że masowe polowania na wieloryby zaczęły się na setki lat wcześniej, niż sądziliśmy.
« powrót do artykułu
-
-
Recently Browsing 0 members
No registered users viewing this page.