Unia Europejska chce regulować sztuczną inteligencję
By
KopalniaWiedzy.pl, in Ciekawostki
-
Similar Content
-
By KopalniaWiedzy.pl
Na University of Leeds powstał system sztucznej inteligencji (SI), który analizuje skany oczu wykonywane podczas rutynowych wizyt u okulisty czy optyka i wskazuje osoby narażone na... wysokie ryzyko ataku serca. System analizuje zmiany w miniaturowych naczyniach krwionośnych siatkówki, o kórych wiemy, że wskazują na szerszy problem z układem krążenia.
Specjaliści z Leeds wykorzystali techniki głębokiego uczenia się, by przeszkolić SI w automatycznym odczytywaniu skanów oraz wyławianiu osób, które w ciągu najbliższego roku mogą doświadczyć ataku serca.
System, który został opisany na łamach Nature Machine Intelligence, wyróżnia się dokładnością rzędu 70–80 procent i zdaniem jego twórców może być wykorzystany przy diagnostyce chorób układu krążenia.
Choroby układu krążenia, w tym ataki serca, to główne przyczyny zgonów na całym świecie i druga przyczyna zgonów w Wielkiej Brytanii. To choroby chroniczne, obniżające jakość życia. Ta technika może potencjalnie zrewolucjonizować diagnostykę. Skanowanie siatkówki to tani i rutynowy proces stosowany w czasie wielu badań oczu, mówi profesor Alex Frangi, który nadzorował rozwój nowego systemu. Osoby badane przez okulistę czy optometrystę mogą niejako przy okazji dowiedzieć się, czy nie rozwija się u nich choroba układu krążenia. Dzięki temu leczenie można będzie zacząć wcześniej, zanim pojawią się inne objawy.
System sztucznej inteligencji trenowano na danych okulistycznych i kardiologicznych ponad 5000 osób. Uczył się odróżniania stanów patologicznych od prawidłowych. Gdy już się tego nauczył, na podstawie samych skanów siatkówki był w stanie określić wielkość oraz wydajność pracy lewej komory serca. Powiększona komora jest powiązana z większym ryzykiem chorób serca. Następnie SI, łącząc dane o stanie lewej komory serca z informacjami o wieku i płci pacjenta, może przewidzieć ryzyko ataku serca w ciągu najbliższych 12 miesięcy.
Obecnie rozmiar i funkcjonowanie lewej komory serca jesteśmy w stanie określić za pomocą echokardiografii czy rezonansu magnetycznego. To specjalistyczne i kosztowne badania, które są znacznie gorzej dostępne niż badania prowadzone w gabinetach okulistycznych czy optycznych. Nowy system nie tylko obniży koszty i poprawi dostępność wczesnej diagnostyki kardiologicznej, ale może odegrać olbrzymią rolę w krajach o słabiej rozwiniętym systemie opieki zdrowotnej, gdzie specjalistyczne badania są bardzo trudno dostępne.
Ten system sztucznej inteligencji to wspaniałe narzędzie do ujawniania wzorców istniejących w naturze. I właśnie to robi, łączy wzorce zmian w siatkówce ze zmianami w sercu, cieszy się profesor Sven Plein, jeden z autorów badań.
« powrót do artykułu -
By KopalniaWiedzy.pl
Zróżnicowanie komórek mózgowych może prowadzić do szybszego uczenia się, odkryli naukowcy z Imperial College London (ICL). Spostrzeżenie to może zwiększyć wydajność systemów sztucznej inteligencji. Uczeni zauważyli, że gdy w symulowanych sieciach neuronowych indywidualnie dobierali właściwości elektryczne poszczególnych komórek, sieci takie uczyły się szybciej, niż sieci złożone z komórek o identycznych parametrach.
Okazało się również, że gdy mamy zróżnicowane komórki, sieć neuronowa potrzebuje ich mniej, a całość zużywa mniej energii niż sieć o identycznych komórkach.
Zdaniem autorów badań, może to wyjaśniać, dlaczego mózgi tak efektywnie potrafią się uczyć. Mózg musi być wydajny energetycznie, a jednocześnie zdolnym do rozwiązywania złożonych zadań. Nasza praca sugeruje, że zróżnicowanie neuronów – zarówno w mózgach jak i w systemach sztucznej inteligencji – pozwala spełnić oba warunki, mówi główny autor badań, doktorant Nicolas Perez z Wydziału Inżynierii Elektrycznej i elektronicznej.
Odkrycie powinno też zachęcić twórców sieci neuronowych do budowania ich tak, by były bardziej podobne do mózgu. Nasze mózgi składają się z neuronów. Pozornie są one identyczne, ale przy bliższym przyjrzeniu się, widoczne są liczne różnice. Z kolei każda komórka sztucznych sieci neuronowych jest identyczna, różnią się one tylko połączeniami. Pomimo dużych postępów w rozwoju systemów sztucznej inteligencji, bardzo daleko im do mózgów. Dlatego też uczeni z ICL zastanawiali się, czy przyczyną nie jest brak zróżnicowania komórek sztucznych sieci neuronowych.
Rozpoczęli więc badania, w ramach których emulowali różne właściwości komórek składających się na siec sztucznej inteligencji. Zauważyli, że zróżnicowanie komórek spowodowało zwiększenie szybkości uczenia się i spadek zapotrzebowania na energię. Ewolucja dała nam niesamowicie funkcjonujący mózg. Dopiero zaczynamy rozumieć, jak on działa, stwierdził doktor Dan Goodman.
W ramach badań uczeni manipulowali „stałą czasową”, czyli tym, jak szybko każda komórka sztucznej sieci neuronowej decyduje, co ma zrobić w zależności od tego, co robią połączone z nią komórki. Niektóre z tak manipulowanych komórek podejmowały decyzję bardzo szybko, natychmiast po tym, jak działania podjęły komórki z nimi połączone. Inne zaś odczekały chwilę i podejmowały decyzję na podstawie tego, co przez pewien czas robiły komórki z nimi połączone.
Po zróżnicowaniu „stałej czasowej” swoich komórek, naukowcy przeprowadzili zestaw testów dla uczenia maszynowego się, takich jak rozpoznawanie gestów, pogrupowanie ubrań czy ręcznie napisanych cyfr oraz zidentyfikowanie wypowiadanych komend oraz cyfr.
Eksperymenty pokazały, że połączenie komórek o różnej „stałej czasowej” powoduje, że cała sieć lepiej rozwiązuje złożone zadania. Okazało się przy okazji, że najlepiej sprawuje się sieć o takiej konfiguracji, której zróżnicowanie jest najbliższe zróżnicowaniu komórek w mózgu. To z kolei sugeruje, że nasz mózg ewoluował w kierunku osiągnięcia najlepszego poziomu zróżnicowania dla optymalnego uczenia się.
« powrót do artykułu -
By KopalniaWiedzy.pl
Polska ma bardzo małe zasoby wody pitnej, dowiadujemy się z opublikowanego przez GUS raportu „Polska na drodze zrównoważonego rozwoju”. Są one tak małe, że znajdują się poniżej poziomu bezpieczeństwa wodnego. Według ONZ krajami zagrożonymi niedoborami wody są te, w których zasoby świeżej wody wynoszą poniżej 1,7 tys. m3 na mieszkańca. W UE do takich krajów należą Polska, Czechy, Cypr i Malta.
W Unii Europejskiej najlepsza sytuacja pod względem zasobów wody słodkiej występuje w Chorwacji. Tam na mieszkańca przypada 28,8 tys. m3 wody. Kolejne na liście są Finlandia (20 tys. m3), Szwecja (19,3 tys. m3) oraz Łotwa (18,9 tys. m3), a pierwszą piątkę zamyka Słowenia (15,5 tys. m3). Z kolei cztery kraje znajdują się poniżej poziomu bezpieczeństwa wodnego. Są to Polska (1,6 tys. m3), Czechy (1,5 tys. m3), Cypr (0,4 tys. m3) oraz Malta (0,2 tys. m3).
Głównym źródłem zaopatrzenia w wodę są w naszym kraju wody powierzchniowe. W 2019 r. pobraliśmy 7,4 km3 wód powierzchniowych oraz 1,8 km3 wód podziemnych. Większość, bo aż 70% zużył przemysł, 20% spożytkowano na potrzeby gospodarki komunalnej, a 10% wykorzystuje się do nawodnień w rolnictwie, leśnictwie oraz napełniania stawów rybnych.
W naszych rzekach płynie też woda gorszej jakości niż średnia europejska. Do określenia jakości wód używa się pomiaru biochemicznego zapotrzebowania tlenu (BZT). Pokazuje on, ile tlenu potrzebują mikroorganizmy, by rozłożyć substancje organiczne znajdujące się w wodzie. To wskaźnik, który pokazuje też, jak ścieki są podatne na biologiczne oczyszczanie.
Im wyższy poziom BZT, tym większe zanieczyszczenie. W Polsce do rozkładu substancji organicznych potrzebne jest 2,74 mg tlenu na litr wody. To znacznie więcej niż średnia w Europie, która wynosi 2 mg/litr. Pod względem zanieczyszczenia jesteśmy niewiele lepsi od krajów o najbardziej zanieczyszczonych rzekach jak Rumunia czy Cypr, gdzie BTZ to 3mg/l. Sporo nam za to brakuje do prymusów – Irlandii i Słowenii. W krajach tych BTZ to >1 mg/l.
Z dobrych wiadomości można dodać, że nie grozi nam stres wodny. W Polsce wykorzystujemy 6,87% odnawialnych zasobów wody pitnej. To co prawda więcej niż w roku 2010, kiedy odsetek ten wynosił 5,62%, ale wciąż mniej niż średnia dla Europy wynosząca 8,39%. Za wysoki poziom stresu wodnego uznaje się poziom przekraczający 20%. Jednak wskaźnik ten nie uwzględnia przestrzennego i sezonowego zróżnicowania dostępności do wody.
Najlepiej ilustruje to przykład całego globu. W skali świata ludzie pobierają rocznie 17% odnawialnych zasobów słodkiej wody. Nie można mówić więc o stresie wodnym. Jednak różnice regionalne są dramatyczne. W Afryce Północnej pobierane jest niemal 102,9% odnawialnych zasobów wody pitnej. Na częściej sytuacja się poprawia, gdyż kilka lat temu było to o 5 punktów procentowych więcej. Jednak niedobory wody zaczynają grozić Azji Środkowej, gdzie pobiera się 87,9% odnawialnych zasobów wody pitnej, podczas gdy jeszcze niedawno było to 79,5%. Z problemami może borykać się też Azja Południowa, gdzie pobór ten wynosił 70,7% w roku 2017, podczas gdy w roku 2015 było to 63,2%.
« powrót do artykułu -
By KopalniaWiedzy.pl
Tajwański TSMC, poinformował że jest jeszcze zbyt wcześnie, by stwierdzić, czy w Niemczech powstaną fabryki tej firmy. Rozmowy w tej sprawie są na bardzo wczesnym etapie. Są one prowadzone pod egidą Komisji Europejskiej.
Wiadomo, że KE rozmawia z takimi gigantami jak Intel i TSMC w sprawie wybudowania fabryk półprzewodników na terenie Europy. Fabryki takie miałyby zwiększyć produkcję układów scalonych i uchronić Unię Europejską przed ich niedoborami spowodowanymi problemami w światowym łańcuchu dostaw.
Ulokowane w Europie fabryki TSMC, największego na świecie producenta półprzewodników na zlecenie, miałyby uchronić europejskich producentów samochodów, smartfonów i innej elektroniki przed kolejnymi problemami z dostawami, które zostały zakłócone z powodu pandemii.
Na poważnie rozważamy propozycję ulokowania fabryk w Niemczech, jednak to bardzo wczesny etap, powiedział przewodniczący zarządu TSMC Mark Liu poadczas dorocznego spotkania z udziałowcami. Rozmawiamy z naszymi największymi niemieckimi klientami, by przekonać się, czy to na pewno najlepsze i najbardziej efektywne rozwiązanie dla nich.
W lipcu TSMC podpisało umowy na budowę fabryk w USA i w Japonii. Rządy wielu państw martwi fakt, że tak olbrzymia część półprzewodników produkowanych jest na Tajwanie, skąd trzeba je przywozić. Dodatkowym problemem jest położenie Tajwanu. Znajduje się on bardzo blisko Chin, które traktują wyspę jako zbuntowaną prowincję i nie wykluczają użycia siły w celu przejęcia na niej władzy.
Wiemy zatem, że TSMC zainwestuje 12 miliardów dolarów w rozszerzenie swojej działalności w Arizonie. Tajwański koncern, którego jednym z ważniejszych klientów jest Apple, będzie sprzedawał swoje produkty amerykańskim klientom działających na rynkach infrastruktury i bezpieczeństwa narodowego. Liu dodał, że klienci ci pomogą TSMC ponieść koszty zagranicznej ekspansji.
W bieżącym roku TSMC ogłosiło, że w ciągu najbliższych 3 lat ma zamiar zainwestować 100 miliardów dolarów w powiększenie swoich możliwości produkcyjnych. Pandemia COVID-19 stworzyła bowiem świetne możliwości dla wieloletniego wzrostu, gdyż znacząco zwiększyła zapotrzebowanie na zaawansowane półprzewodniki.
« powrót do artykułu -
By KopalniaWiedzy.pl
Rynkowy sukces lub porażka układu scalonego zależą w dużej mierze od etapu jego projektowania. Wtedy właśnie zostają podjęte decyzje odnośnie umiejscowienia na krzemie modułów pamięci i elementów logicznych. Dotychczas zadania tego nie udawało się zautomatyzować, a etap projektowania zajmuje inżynierom całe tygodnie lub miesiące. Inżynierowie Google'a poinformowali właśnie, że stworzony przez nich system sztucznej inteligencji poradził sobie z częściowym zaprojektowaniem chipa w ciągu godzin.
Współczesne układy scalone składają się z miliardów tranzystorów, dziesiątek milionów bramek logicznych, tysiące bloków logicznych i łączących je kilometrów ścieżek. Lokalizacja poszczególnych układów i bloków logicznych odgrywa kluczową rolę dla przyszłej wydajności chipa. Specjaliści od dziesięcioleci pracują nad rozwiązaniami pozwalającymi zautomatyzować proces projektowania.
Jako że bloki logiczne to duże elementy, tysiące i miliony razy większe od bramek logicznych, bardzo trudno jest jednocześnie umieszczać bloki i bramki. Dlatego współcześni projektanci układów najpierw umieszczają na krzemie bloki, a wolne miejsca zostają zapełnione pozostałymi bramkami logicznymi.
Już samo rozmieszczenie bloków jest niezwykle wymagające. Eksperci Google'a obliczyli, że liczba możliwych kombinacji rozmieszczenia makrobloków, które brali pod uwagę w swoich badaniach, wynosi 102500.
Planując rozmieszczenie bloków, inżynierowie muszą pamiętać o pozostawieniu miejsca na inne elementy i ich łączenie. Azalia Mirhoseini i jej zespół poinformowali na łamach Nature o stworzeniu metody automatycznego wstępnego projektowania chipa w czasie krótszym niż 6 godzin, które swoimi wynikami dorównuje lub nawet przewyższa to, co potrafią doświadczeni inżynierowie.
naukowcy z Google'a wykorzystali techniki maszynowego uczenia się do wytrenowania swojego programu tak, by rozmieszczał na planie makrobloki. Po umieszczeniu każdego z nich program dokonuje oceny całego chipa, a następnie wykorzystuje to, czego się nauczył, do zaplanowania jak najlepszego kolejnego kroku.
Co interesujące, projekty tworzone przez google'owską SI znacząco różnią się od tego, jak projektuje człowiek. Sztuczna inteligencja rozpoczyna od największych makrobloków. Ponadto w jakiś sposób unika ciągłego poprawiania tego, co już zostało zrobione. Inżynierowie, po umieszczeniu kolejnych bloków, bardzo często poprawiają rozmieszczenie następnych. SI tego nie robi. Mimo to udało jej się zaprojektować układy, w których sygnał pomiędzy poszczególnymi elementami biegnie równie sprawnie, co między układami zaprojektowanymi przez ludzi.
Google już stosuje metody opracowane prze Mirhoseini do projektowania układów dla przyszłej generacji systemów sztucznej inteligencji. Tymczasem producenci układów scalonych próbują odtworzyć osiągnięcie Google'a i wdrożyć podobne rozwiązania do własnego procesu projektowania.
« powrót do artykułu
-
-
Recently Browsing 0 members
No registered users viewing this page.