AIskimIQ

🔬 Výzkum AI

Akademické práce, výzkumné průlomy a vědecké pokroky ve strojovém učení a AI.

577 článků

Kvantové počítače a strojové učení: co je na tom pravdy

Kvantové strojové učení spojuje kvantové výpočty s technikami AI a slibuje rychlejší zpracování u vybraných úloh díky hybridním kvantově-klasickým modelům. Obor je ale teprve v plenkách a současné implementace brzdí omezené možnosti hardwaru, takže o náhradě klasického ML zatím nemůže být řeč. Zdroj: usa.inquirer.net

Google DeepMind spustil AlphaGenome Atlas s daty o 9 miliardách DNA variant

Google DeepMind zveřejnil AlphaGenome Atlas, volně dostupný nástroj pro výzkumníky s předpočítanými predikcemi molekulárních účinků a AVI skóre pro zhruba 9 miliard lidských DNA variant. Cílem je usnadnit vědcům rychlé posouzení vlivu genetických variací na biologické funkce. Zdroj: marktechpost.com

AI z Princetonu zvládá řídit fúzní plazma žhavější než Slunce

Vědci z Princetonu vyvinuli AI systém PACMAN, který dokáže v reálném čase a během milisekund korigovat chování fúzního plazmatu. Systém navíc umí předpovědět nebezpečné nestability plazmatu ještě předtím, než nastanou, což by mohlo zvýšit bezpečnost fúzních reaktorů. Zdroj: scitechdaily.com

AI modely pro materiálovou vědu potřebují lepší fyzikální základ

Tým vedený Michelem Simoncellim vytvořil nový benchmark, který testuje, jak přesně modely strojového učení zachycují kvantové interakce mezi atomy. Cílem je posunout AI systémy používané v materiálové vědě k fyzikálně konzistentnějším předpovědím. Zdroj: eurekalert.org

Mimozemská mysl: jak začalo škálování tréninku uvažování u AI

Text popisuje, jak v polovině roku 2023 přinesl interní projekt „RLSlow“ první výsledky, které týmu daly jistotu, že škálování tréninku zaměřeného na uvažování je reálně proveditelné. Tento okamžik měl představovat klíčový zlom v důvěře, že se schopnosti modelů v oblasti uvažování dají dál posouvat. Zdroj: openai.com

Meta FAIR představuje Research Preference Models pro třídění ML experimentů před spuštěním na GPU

AI výzkumní agenti dnes dokážou sami navrhovat, spouštět i hodnotit strojové experimenty, jenže zatímco generování nápadů je levné, jejich ověřování už ne. Nové RPM modely od Meta FAIR mají pomoct vybrat nadějné experimenty dřív, než se na ně vynaloží drahý výpočetní výkon na GPU. Zdroj: marktechpost.com

AI navržená pro fyzikální signály může zlepšit lékařské zobrazování i senzory aut

Tým vědců z UCLA a University of Rochester vylepšil zobrazovací systém využívající AI přizpůsobenou zpracování fyzikálních signálů, nikoli běžných digitálních dat. Přístup by mohl zpřesnit zachycení detailů v biomedicínském zobrazování i u senzorů autonomních vozidel. Zdroj: technology.org

Nový rámec strojového učení má zefektivnit přidělování zdrojů v sítích 5G

Nová studie ukazuje, jak může strojové učení zlepšit správu rádiových zdrojů, tedy jedné z nejcennějších a nejomezenějších složek sítí 5G. Navržený systém má přinést chytřejší a adaptivnější přidělování kapacit pro vyšší efektivitu sítě. Zdroj: bioengineer.org

NSF podpoří nástroj Texas A&M pro rychlejší objevování materiálů

National Science Foundation financuje nový bezplatný open-source software, který pomocí strojového učení pomáhá vědcům rychleji odpovídat na klíčovou otázku při vývoji materiálů. Nástroj má zpřístupnit proces objevování širší vědecké komunitě. Zdroj: news.engineering.tamu.edu

Modely strojového učení mají předvídat retinopatii nedonošených dětí

Nová studie zkoumá modely strojového učení pro predikci retinopatie nedonošených, oční choroby, která může u novorozenců způsobit ztrátu zraku. Včasná detekce pomocí těchto modelů by lékařům mohla umožnit rychlejší zásah a prevenci slepoty. Zdroj: nature.com

Google Research zlepšuje genomické predikce pro nezastoupené populace

Inženýři Google Research Joey Poomarin Phloyphisut a Cory McLean popisují metodu transfer learningu, která má zpřesnit genomické předpovědi pro populace dosud málo zastoupené v genetických studiích. Cílem je omezit zkreslení modelů trénovaných převážně na datech úzké demografické skupiny. Zdroj: research.google

Studie s neuronovou sítí ukazuje, jak trénink ovlivňuje učení

Nová studie použila model neuronové sítě ke zkoumání toho, jak různé typy tréninku ovlivňují samotný proces učení. Výsledky naznačují mechanismy učení, které se mohou týkat jak umělých, tak biologických systémů. Zdroj: healthcare.utah.edu

Strojové učení mapuje nerovnosti v primární zdravotní péči

Vědci využívají strojové učení k tvorbě průběžně aktualizovaných map důkazů, které mají pomoci řešit přetrvávající nerovnosti ve zdravotní péči. Metoda by měla odhalit, kde chybí výzkum a péče pro znevýhodněné pacienty nejvíce chybí. Zdroj: bioengineer.org

Nový nástroj strojového učení mapuje možná symbiotická spojení mikrobů z genomových dat

Nástroj strojového učení nazvaný symclatron analyzuje genomová data a odhaduje, zda nekultivované bakterie a archea žijí samostatně, nebo vytvářejí symbiotické vztahy s jinými organismy. Přístup nabízí nový způsob, jak zkoumat mikroby, které se nedají pěstovat v laboratorních podmínkách. Zdroj: nature.com

Studie: kombinace ekonometrie a ML zlepšuje předpovědi volatility, pokud se hlídá kapacita modelu

Nový výzkum zpochybňuje představu, že větší modely a více dat automaticky znamenají lepší finanční předpovědi. Kombinace tradičních ekonometrických metod se strojovým učením spolu s pečlivou kontrolou kapacity modelu naopak zvyšuje přesnost předpovědí volatility. Zdroj: bioengineer.org

Nový nástroj strojového učení odhaluje praní špinavých peněz přes stablecoiny

Výzkumníci vyvinuli AI systém založený na analýze chování, který sleduje transakce USDT a USDC na Ethereu a rozděluje peněženky do tří skupin: sankcionované či zmrazené, spojené s kyberzločinem a běžné. Nástroj by měl úřadům usnadnit odhalování nelegálních toků stablecoinů. Zdroj: eurekalert.org

Google představil TimesFM-3, model pro předpovídání více veličin najednou

Nový model TimesFM-3 od Googlu je základní model pro předpovídání časových řad, který zvládá pracovat s více proměnnými zároveň bez nutnosti dodatečného trénování na konkrétní úlohu. Cílem je dosáhnout špičkové přesnosti napříč různými typy prognóz v rámci jediného univerzálního přístupu. Zdroj: research.google

AI modely pomáhají odhalit pacienty s Parkinsonem ohrožené rychlejším zhoršováním nemoci

Vědci z University of Miami vyvinuli modely strojového učení, které kombinují klinická data, biomarkery a zobrazovací snímky k identifikaci pacientů s Parkinsonovou nemocí ohrožených rychlejším postupem onemocnění. Přístup by mohl lékařům umožnit dřívější a cílenější zásah. Zdroj: newswise.com

PACMAN: AI framework řídí fúzní reaktory a rozhoduje během milisekund

PACMAN je AI framework určený k bezpečnému řízení fúzních systémů, který dokáže klíčová rozhodnutí učinit během milisekund. Taková rychlost má pomoci předcházet nestabilitám, jež by mohly poškodit fúzní reaktor nebo narušit jeho provoz. Zdroj: phys.org

Od MIT po IBM: rychlejší nasazení AI a kvantových technologií

Spolupráce mezi výzkumem na MIT a technologickým zázemím IBM má urychlit přechod AI a kvantových počítačů z laboratoří do praktického nasazení. Konkrétní projekty ani časový harmonogram zatím nebyly upřesněny. Zdroj: news.mit.edu