Jump to content
Forum Kopalni Wiedzy

Recommended Posts

Microsoft kupił firmę Semantic Machines z Berkeley, która pracuje nad sztuczną inteligencją zdolną do nawiązania dialogu z człowiekiem.

Obecnie SI dopiero uczy się rozmawiać. Zdecydowana większość botów i inteligentnych asystenów potrafi jedynie reagować na proste komendy lub słowa. Maszyny nie są w stanie zrozumieć języka naturalnego.

Semantic Machines wykorzystuje metody nauczania komputerowego, dzięki czemu SI ma łatwiej i szybciej przyswajać umiejętności potrzebne do prowadzenia naturalnego dialogu z człowiekiem. Główną siłą Semantic Machines jest jej kadra. Firma została założona przez przedsiębiorcę Dana Rotha oraz czołowych światowych ekspertów od naturalnego języka i sztucznej inteligencji profesora Dana Kleina z Uniwersytetu Klifornijskiego w Berkeley oraz Larry'ego Gillick, który w był zatrudniony w Apple'u jako główny naukowiec odpowiedzialny za rozwój Siri. W zespole znajdziemy też profesora Percy'ego Lianga z Uniwersytetu Stanforda, który w przeszłości pracował dla Google'a nad technologiami SI dla Google Assistanta.

Sam Microsoft od ponad 2 dekad prowadzi własne badania nad rozpoznawaniem mowy i rozumieniem języków naturalnych przez maszyny. Koncern stworzył framework do budowy botów i rozwija cyfrową asystentkę Cortanę. Pracuje też nad społecznościowymi czatbotami, takimi jak np. XieoIce, w którego bazie danych znajduje się ponad 30 miliardów rozmów z 200 milionami użytkowników z Chin, Japonii, USA, Indii i Indonezji. Średnia długość takiej rozmowy to 30 minut.


« powrót do artykułu

Share this post


Link to post
Share on other sites

Create an account or sign in to comment

You need to be a member in order to leave a comment

Create an account

Sign up for a new account in our community. It's easy!

Register a new account

Sign in

Already have an account? Sign in here.

Sign In Now
Sign in to follow this  

  • Similar Content

    • By KopalniaWiedzy.pl
      Współzałożyciel Microsoftu, Bill Gates, zrezygnował z zasiadaniu w Radzie Dyrektorów koncernu. Biznesmen chce jeszcze więcej czasu poświęcać pracy dla Fundacji Billa i Melindy Gatesów, drugiej największej organizacji charytatywnej na świecie. Fundacja zajmuje się głównie pracami na rzecz ochrony zdrowia, rozwoju, edukacji i coraz bardziej angażuje się w walkę z globalnym ociepleniem.
      Po odejściu Gatesa Rada Dyrektorów Microsoftu będzie składała się z 12 osób.
      Bill Gates i Paul Allen założyli Microsoft w 1975 roku. W 1983 roku u Allena zdiagnozowanoa chłoniaka Hodgkina. Zrezygnował on wówczas z codziennej pracy w Microsofcie, zostając wiceprzewodniczącym zarządu. Zajął się głównie działalnością charytatywną. Zmarł w 2018 roku.
      Pod rządami Gatesa Microsoft stał się największą firmą software'ową na świecie. Gates był dyrektorem wykonawczym koncernu do roku 2000. Na stanowisku tym zastąpił go Steve Ballmer. Gates był przewodniczącym Rady Dyrektorów, ale coraz więcej czasu poświęcał Fundacji Gatesów. W 2014 roku CEO Microsoftu został Satya Nadella. Gates zrezygnował z funkcji dyrektora. Teraz odszedł z Rady.
      Gates pozostaje też największym indywidualnym udziałowcem Microsoftu. Obecnie ma nieco ponad 1% akcji. Stopniowo je wyprzedaje, by finansować swoją fundację i inne organizacje charytatywne.

      « powrót do artykułu
    • By KopalniaWiedzy.pl
      W grudniu Microsoft pokazał, jak będzie wyglądała jego najnowsza konsola Xbox X. Teraz z firmowego bloga możemy dowiedzieć się znacznie bardziej interesujących rzeczy – jak będzie zbudowana wewnątrz.
      Już od ubiegłego roku wiemy, że koncern z Redmond miał zamiar wykorzystać w Project Scarlett (taką roboczą nazwę nosiła konsola) układy Zen 2 firmy AMD. Teraz firma chwali się, że CPU nowej konsoli będzie 4-krotnie silniejszy od CPU Xbox One, natomiast 12-teraflopsowy GPU zapewni 8-krotnie więcej mocy obliczeniowej niż układ graficzny z oryginalnego Xboksa One. Wiemy też, że GPU będzie bazował na opracowanej przez AMD mikroarchitekturze RDNA 2. To kolejna, udoskonalona wersja architektury RDNA, o której krążą pogłoski, że jest nawet o 50% bardziej wydajna niż RDNA 1, a przy tym nie potrzebuje więcej mocy.
      Dla dotychczasowych użytkowników Xboka bardzo ważną informacją jest kompatybilność najnowszej konsoli z dotychczas opublikowanymi grami. Jak zapewnia Microsoft, wszystkie gry, które można obecnie uruchomić na konsoli Xbox One w tym kompatybilne z nią gry dla Xbox 360 i oryginalnego Xboksa, będzie można wykorzystać też na Xbox X. Co więcej, koncern twierdzi, że będą się one charakteryzowały bardziej stabilną prędkością odświeżania ramki, szybszym czasem ładowania, poprawioną rozdzielczością i wiernością odtwarzania szczegółów.
      Ponadto Microsoft ogłosił też rozpoczęcie programu o nazwie Smart Delivery. Ma on, dać użytkownikowi gwarancję, że raz kupiona gra, niezależnie od tego czy uruchomiona na Xbox One czy na Xbox X, będzie właściwą wersją dla konsoli, na której jest używana. Przypomina to już istniejący mechanizm, dzięki któremu konsola Xbox One X automatycznie pobiera pakiety zwiększające rozdzielczość gier oryginalnie napisanych dla Xbox One. Rozszerzenie takiej możliwości również na Xbox X oznacza, że twórcy gier będą mogli przygotować dodatkowe pakiety, dzięki którym ich gra wykorzysta bardziej zaawansowane mechanizmy Xbox X (jak np. dysk SSD czy ulepszony ray-tracing), bez konieczności przygotowywania osobnej wersji gry dla Xbox X.
      W opublikowanym wpisie koncern stwierdza też, że dzięki GDDR6 RAM oraz SSD nowej generacji, który prawdopodobnie będzie działał jak wirtualna pamięć RAM, możliwa będzie niemal natychmiastowa kontynuacja wielu wstrzymanych gier. Taka możliwość istnieje też w Xbox One, jednak natychmiastowa kontynuacja jest możliwa tylko w przypadku ostatniej używanej gry.
      Interesująco brzmią również słowa o wykorzystaniu mechanizmu dynamicznej regulacji opóźnienia danych wejściowych, który wykorzystuje własny wydajny bezprzewodowy protokół komunikacyjny do synchronizacji danych wejściowych z tym, co jest wyświetlane na ekranie. Ma to zapewnić graczowi jeszcze bardziej precyzyjną i realistyczną kontrolę.

      « powrót do artykułu
    • By KopalniaWiedzy.pl
      Algorytmy do maszynowego uczenia się pozwoliły specjalistom z MIT zidentyfikować nowe potężne antybiotyki. Podczas testów laboratoryjnych nowe związki zabiły jedne z najtrudniejszych w zwalczaniu bakterii chorobotwórczych, w tym szczepy oporne na działanie wszystkich znanych antybiotyków. Jakby tego było mało, umożliwiły one zwalczenie infekcji w dwóch różnych mysich modelach chorób.
      Naukowcy wykorzystali model komputerowy, który pozwala na przeanalizowanie w ciągu zaledwie kilku dni działania setek milionów związków chemicznych. Taka analiza pozwala na wybór do dalszych badań najbardziej obiecujących środków. Uczeni szukają związków, które zabijają bakterie w inny sposób, niż obecnie znane antybiotyki.
      Chcieliśmy stworzyć platformę, która pozwoliłaby nam na wykorzystanie sztucznej inteligencji do zapoczątkowania nowej epoki w odkrywaniu antybiotyków. Dzięki takiemu podejściu natrafiliśmy na zadziwiającą molekułę, która jest jednym z najpotężniejszych znanych antybiotyków, mówi profesor James Collins z MIT.
      Przy okazji zidentyfikowano wiele innych obiecujących kandydatów na antybiotyki. Substancje te dopiero będą testowane. Uczeni uważają, że ich model można wykorzystać również do projektowania nowych leków.
      Model maszynowego uczenia się pozwala nam masowo badać związki chemiczne. Przeprowadzenie takich badań w laboratorium byłoby niemożliwe ze względu na koszty, dodaje Regina Barzilay z Computer Science and Artificial Intelligencje Laboratory (CSAIL) na MIT.
      Przez ostatnich kilkadziesiąt lat wynaleziono niewiele nowych antybiotyków, a większość z tych nowych to lekko istniejące wersje wcześniej istniejących. Obecnie wykorzystywane metody badania związków chemicznych pod kątem ich przydatności do produkcji antybiotyków są niezwykle kosztowne, wymagają dużo czasu i zwykle pozwalają zbadać wąską grupę mało zróżnicowanych środków.
      Stoimy w obliczu rosnącej antybiotykooporności. Z jednej strony problem ten spowodowany jest coraz większą liczbą antybiotykoopornych patogenów, a z drugiej – powolnym postępem na tym polu, mówi Collins. Coraz częściej pojawiają się głosy, że ludzie mogą zacząć umierać na choroby zakaźne, na które nie umierali od dziesięcioleci. Dlatego też niezwykle pilnym zadaniem jest znalezienie nowych antybiotyków. Niedawno informowaliśmy o odkryciu antybiotyków, które zabijają bakterie w niespotykany dotąd sposób.
      Pomysł wykorzystania komputerów do identyfikowania potencjalnych antybiotyków nie jest nowy, dotychczas jednak obliczenia takie były albo niezwykle czasochłonne, albo niedokładne. Nowe sieci neuronowe znacznie skracają czas obliczeń.
      Naukowcy z MIT dostosowali swój model obliczeniowy tak, by poszukiwał związków chemicznych mogących być zabójczymi dla E. coli. Swój model trenowali na około 2500 molekuł, w tym na około 1700 lekach zatwierdzonych przez FDA i około 800 naturalnych produktach o zróżnicowanych strukturach i działaniu.
      Po zakończonym treningu sieć neuronowa została przetestowana na należącej do Broad Institute bazie Drug Repository Hub, która zawiera około 6000 związków. Algorytm znalazł tam molekułę, która miała strukturę inną od wszystkich istniejących antybiotyków i o której sądził, że będzie wykazywała silne działanie antybakteryjne. Naukowcy najpierw poddali tę molekułę badaniom za pomocą innego modelu maszynowego i stwierdzili, że prawdopodobnie jest ona mało toksyczna dla ludzi.
      Halicyna, bo tak nazwano tę molekułę, była w przeszłości badana pod kątem jej przydatności w leczeniu cukrzycy. Teraz naukowcy przetestowali ją na dziesiątkach szczepów bakterii pobranych od ludzi. Okazało się, że zabija ona wiele antybiotykoopornych patogenów, w tym Clostridium difficile, Acinetobacter bumannii czy Mycobacterium turebculosis. Jedynym patogenem, który oparł się jej działaniu była Pseudomonas aeruginosa, powodująca trudne w leczeniu choroby płuc.
      Po pomyślnych testach in vitro rozpoczęto badania na zwierzętach. Halicynę użyto do leczenia myszy zarażonej wcześniej opornym na działanie wszystkich znanych antybiotyków szczepem A. baumannii. Halicyna w ciągu 24 godzin zwalczyła infekcję u zwierząt.
      Wstępne badania sugerują, że nowy antybiotyk działa poprzez zaburzanie u bakterii możliwości utrzymania gradientu elektrochemicznego w błonie komórkowej. Gradient ten jest niezbędny m.in. do wytwarzania molekuły ATP, niezbędnego nośnika energii. Bakterie pozbawione ATP giną. Naukowcy uważają, że bakteriom będzie bardzo trudno nabyć oporność na taki sposób działania antybiotyku.
      Podczas obecnych badań uczeni stwierdzili, że w ciągu 30 dni leczenia u E. coli w ogóle nie rozwinęła się oporność na halicynę. Tymczasem np. oporność na cyprofloksacynę zaczyna się u E. coli rozwijać w ciągu 1-3 dni od podania, a po 30 dniach bakteria jest 200-krotnie bardziej oporn działanie tego środka.
      Po zidentyfikowaniu halicyny naukowcy wykorzystali swój model do przeanalizowania ponad 100 milionów molekuł wybranych z bazy ZINC15, w której znajduje się około 1,5 miliarda molekuł. Analiza trwała trzy doby, a sztuczna inteligencja znalazła 23 molekuły, które są niepodobne do żadnego istniejącego antybiotyku i nie powinny być toksyczne dla ludzi. Podczas testów in vitro stwierdzono, że 8 z tych molekuł wykazuje właściwości antybakteryjne, z czego 2 są szczególnie silne. Uczeni planują dalsze badania tych molekuł oraz analizę pozostałych związków z ZINC15.
      Naukowcy planują dalsze udoskonalanie swojego modelu. Chcą np. by poszukiwał on związków zdolnych do zabicia konkretnego gatunku bakterii, a oszczędzenia bakterii korzystnych dla ludzi.

      « powrót do artykułu
    • By KopalniaWiedzy.pl
      Dr inż. Marcin Sieniek jest absolwentem Akademii Górniczo-Hutniczej w Krakowie i tamtejszego Uniwersytetu Ekonomicznego. Na AGH otrzymał również doktorat z informatyki za badania w dziedzinie nauk obliczeniowych. W Google Health zajmuje się pracą nad zastosowaniem sztucznej inteligencji w diagnozie raka piersi. Oprócz Google pracował w zespole Autopilota Tesli oraz prowadził w Polsce startup z dziedziny social learning. Prywatnie gra w zespole rockowym i prowadzi bloga expat-pozytywnie.pl.
      Jak trafia się do Google Health i dlaczego właśnie tam? To dość niszowa działka w działalności Google'a czy Alphabetu i wymagająca chyba szczególnych umiejętności?
      W Google Health pomocne są przede wszystkim różnorodne umiejętności i doświadczenia. W Google pracuję od ponad 5 lat, początkowo jako inżynier oprogramowania w polskim biurze firmy. Jednak już od samego początku pracowałem nad wykorzystywaniem sztucznej inteligencji, a konkretniej określonych technik - tzw. uczenia maszynowego. Później kontynuowałem pracę nad moimi projektami w amerykańskich biurach Google. Dopiero wtedy, szukając ciekawych wyzwań wewnątrz firmy, znalazłem możliwość dołączenia do Google Research - działu firmy skupiającego się na badaniach nad rozwojem sztucznej inteligencji i jej wykorzystaniem w różnych dziedzinach życia.
      Tam powstawał właśnie mały zespół badawczy zajmujący się zastosowaniem głębokiego uczenia maszynowego właśnie w radiologii. Proces selekcji do zespołu był wymagający - sprawdzano m.in. znajomość technik sztucznej inteligencji oraz udokumentowane doświadczenie w badaniach biotechnologicznych co akurat zupełnie przypadkiem było przedmiotem jednej z moich prac na studiach doktoranckich.
      Pod koniec 2018 roku mój zespół stał się częścią nowego działu Google Health - łączącego w sobie nie tylko inżynierów oprogramowania, ale także doświadczenie i wiedzę lekarzy, prawników, etyków i specjalistów od procedur medycznych.
      Jest Pan jednym ze współtwórców algorytmu, który lepiej diagnozuje raka piersi niż lekarze. Jak powstaje i działa taki algorytm?
      Algorytm taki powstaje podobnie jak np. technologia która pozwala rozpoznawać co znajduje się na zdjęciu. Algorytm sztucznej inteligencji jest „szkolony” na istniejącym zbiorze danych, gdzie obrazom (w tym wypadku medycznym, czyli zdjęciom z mammografii) towarzyszą oznaczenia (w tym wypadku: czy wykryto nowotwór złośliwy i ewentualna informacja o jego umiejscowieniu). Takie zbiory danych powstają w ramach normalnej praktyki w szpitalach i centrach programów przesiewowych, jednak często na tym ich zastosowanie się kończy.
      Takie algorytmy działają na bazie mechanizmu zwanego „sieciami neuronowymi”. Ich struktura inspirowana jest tym w jaki sposób informacje przetwarza ludzki mózg. Proces nauki przypomina w istocie proces w którym człowiek uczy się rozróżniać obrazy (np. dziecko rozpoznawać koty i psy, a radiolog rozpoznawać groźne guzy od nieszkodliwych zmian). W odróżnieniu jednak od radiologa, który w toku treningu może zobaczyć kilkadziesiąt-kilkaset nowotworów, komputer jest w stanie przetworzyć dziesiątki tysięcy przykładów w przeciągu jedynie kilku godzin.
      Taki „wytrenowany” algorytm stosuje się następnie do oceny osobnego, nowego zbioru danych. Następnie inżynierowie mogą wprowadzić poprawki w procesie uczenia się albo w budowie modelu i powtórzyć testy. Dopiero gdy wyniki działania modelu zadowalają jego twórców, sprawdza się go na kolejnym zbiorze danych, np. pochodzących z innej instytucji lub z innego źródła.
      Na tym właśnie etapie postanowiliśmy opublikować nasz artykuł w Nature.
      Na tym jednak nie kończymy pracy. Zanim taki model znajdzie praktyczne zastosowanie w szpitalach na całym świecie, muszą zostać przeprowadzone próby kliniczne i o na różnych populacjach pacjentów, musimy także ocenić skuteczność modelu na danych pochodzących z innych aparatów mammograficznych.
      Niejednokrotnie informowaliśmy o systemach SI radzących sobie w pewnych zadaniach lepiej od lekarzy. Skąd się bierze ta przewaga sztucznej inteligencji?
      Warto powiedzieć, że to „potencjalna” przewaga. Raczej patrzymy na to jako na wsparcie i usprawnienie procesów diagnostycznych lekarzy. To potencjalne usprawnienie bierze się kilku źródeł: po pierwsze, w procesie uczenia się algorytm może przeanalizować dużo więcej przypadków niż pojedynczy lekarz w procesie nauki (z drugiej strony ludzie wyciągają wnioski szybciej – maszyna potrzebuje więcej przykładów). Co więcej automat nie ma skłonności do zaspokojenia swoich poszukiwań jednym „znaleziskiem” i jest mniejsze ryzyko, że umknie mu inne, często ważniejsze. Wreszcie, system sztucznej inteligencji pozwala na „nastrojenie” go na pożądany przez daną placówkę medyczną poziom czułości i swoistości.

      « powrót do artykułu
    • By KopalniaWiedzy.pl
      Amazon planuje powołać prezydenta Trumpa na świadka w pozwie przeciwko Pentagonowi. Koncern Bezosa twierdzi, że Pentagon nieuczciwie przyznał Microsoftowi kontrakt JEDI o wartości 10 miliardów dolarów. Zdaniem Amazona prezydent był osobiście zaangażowany w rozstrzygnięcie, a jego celem było uniemożliwienie przyznania kontraktu Amazonowi.
      Jak twierdzi w swojej autobiografii były sekretarz obrony, James Mattis, Trump osobiście prosił go by wyrzucić Amazon z grona firm starających się o przyznanie kontraktu.
      Jako, że Mattis nie był już sekretarzem obrony podczas ostatnich miesięcy przed przyznaniem kontraktu, Amazon chce też powołać na świadka obecnego sekretarza, Marka Espera.
      Amazon argumentuje, że bez przesłuchania prezydenta przed sądem nie będzie możliwe obiektywne i pełne zweryfikowanie twierdzeń, wysuwanych w sądowym wniosku przez firmę.
      Prezydent Trump wielokrotnie wyrażał swoją wolę wykorzystywania funkcji prezydenta i naczelnego dowódcy do wpływania na działania rządu, w tym na zakupy dokonywane przez agendy rządowe, w celach osobistych, stwierdził rzecznik prasowy Amazona. Pytanie brzmi, czy należy pozwalać prezydentowi Stanów Zjednoczonych na wykorzystywanie budżetu Departamentu Obrony do własnych celów osobistych i politycznych dodał.
      Faktem jest, że przyznanie kontraktu JEDI było sporym zaskoczeniem dla wielu specjalistów. Uważali oni bowiem, że pewnym zwycięzcą przetargu na Joint Enterprise Defense Infrastrukture jest Amazon. Faktem jest też, że prezydent Trump nie lubi Jeffa Bezosa, założyciela i dyrektora Amazona.
      W ubiegłym miesiącu Amazon złożył do sądu wniosek, w którym prosi, by ten nakazał Microsoftowi wstrzymanie wszelkich prac nad realizacją kontraktu do czasu, aż sąd rozstrzygnie pozew Amazona.

      « powrót do artykułu
×
×
  • Create New...