Google - Eden izmed zanimivih problemov za umetno inteligenco je napoved vremena, ki je računsko zahteven postopek, saj opisujemo kaotičen sistem. Konvencionalni modeli za napoved vremena so precej dobri za obdobje od nekaj ur do nekaj dni v prihodnosti, a imajo natančnost omejeno prostorsko in kvalitativno. Google je za del tega problema uporabil nevronske mreže, ki dobro delujejo za zelo kratkoročne napovedi padavin. Za napovedi do šest ur so v številnih primerih celo natančnejše od konvencionalnih modelov, predvsem pa imajo več podrobnosti.

Googlov sistem razseka okolico na kilometrsko mrežo, medtem ko je ima konvencionalni ameriški model pet kilometrov velike kvadrante. To daje več fine resolucije, kar je zelo uporabno za kratkotrajne napovedi. Druga pomembna odlika je hitrost, saj Googlov sistem napoved ustvari v 10 minutah in ne v 1-3 urah kakor klasika (HRRR). To ima očitne prednosti, če želimo napovedati, kakšno bo vreme čez pol ure. To je možno, ker je kratkotrajna napoved padavin...

Ars Technica - Kitajski inženirji so razvili hibridno integrirano vezje, ki je sposobno nativno procesirati več različnih tipov algoritmov za strojno učenje. To lahko počne hkrati, kar so ponazorili na praktičnem primeru samovozečega kolesa.

Globoke konvolucijske nevronske mreže so zaradi uspeha pri prepoznavanju podob in drugih vzorcev v tem desetletju okupirale pojem strojnega učenja, a gre zgolj za eno od mnogih njegovih sort. Biološke organizme na primer bolje posnema drugačna vrsta - sunkovne (spiking) nevronske mreže. Omenjena tipa delujeta na dokaj različnih principih. Globoke konvolucijske mreže so zgrajene v plasteh, ki gredo v globino (od tu ime), živčna vozlišča pa za vhodni in izhodni signal uporabljajo podatke v standardnem binarnem zapisu. Sunkovne mreže nimajo...

Slo-Tech - Zveza za računske stroje (ACM) je sporočila, da Turingovo nagrado za dosežke na področju računalništva prejmejo Geoff Hinton z Univerze v Toronu in Google Braina, Yann LeCun z Univerze New York in vodja umetne inteligence pri Facebooku, ter Yoshua Bengio z Univerze v Montrealu. Nagrajenci si bodo milijon dolarjev nagrade razdelili za pionirsko delo na področju globokega učenja (deep...

TheNextWeb - V Tencentovem laboratoriju za umetno inteligenco so razvili dva bota, ki premagujeta najtežjo Blizzardovo vgrajeno pamet.

Čeprav je videti, da so ekipne igre postale glavna tarča raziskovalcev umetne inteligence, pa tudi njihova nekdanja ljubica, Starcraft 2, ni pozabljena. Inženirji pri Tencentu so pokazali dva AI agenta, ki sta nadvladala tiste, ki jih dobimo skupaj z igro. Sam uspeh niti ni revolucionaren; je pa za vse, ki jih zanima razvoj umetne inteligence, zelo zanimiv vpogled v postopke, ki so razvijalce vodili in so jih dovolj jedrnato popisali.

Med obema botoma namreč zgolj prvi uporablja deep learning, medtem ko ga drugi (še) ne. TSTARBOT1 je agent, ki se v svoji nevronski mreži odloča med 165 makro ukazi, kot je grajenje posameznih stavb, medtem ko ga...

Slo-Tech - Organska sinteza se zdi tako logični posel za superračunalnik in nevronske mreže, da je pravzaprav zelo nenavadno, da se tega doslej še niso lotili. IBM-ov Watson je že pred šestimi leti študiral medicino, kjer gre za podoben problem. Imamo kopico podatkov in precej dobre teorije, a na koncu še vedno potrebujemo nekaj intuicije, občutka ali pa izkušenj. Organska sinteza je v tem primeru podobna diagnostiki. Od začetka organske kemije pred 190 leti smo pridelali že obsežne baze reakcij in pogojev, s katerimi lahko izvajamo pretvorbe organskih molekul, a na koncu smo vedno potrebovali izkušenega človeka, ki je čez palec pogledal sintezno pot in rekel: Tole bi raje takole. Sedaj se tega uči tudi umetna inteligenca.

Organska kemija ima danes trdne temelje in dobro razumevanje reakcijskih mehanizmov, ki pa so v večini postavljeni empirično in služijo kot razlaga opaženih...

New Scientist - Na New Scientist poročajo, da je IBM začel v sodelovanju s švicarsko univerzo razvijati prvo računalniško simulacijo celotnih človeških možganov vse do molekularnega nivoja. Zadeva bo zasnovana na osnovi Blue Gene-a. Uporabili bodo podatke, ki jih Markram z ekipo z Ecole Polytecnique Fédérale de Lausanne, Švica, zbira že več kot desetletje. V prvi fazi bodo simulirali samo nevronsko mrežo, potem pa bodo razširili simulacijo do molekularnega nivoja. Za dosego cilja bodo po napovedih potrebovali 10 let.