Περίληψη άρθρου:
Η Google DeepMind χρησιμοποίησε την τεχνητή νοημοσύνη (AI) AlphaDev για να βρει δύο νέους τρόπους επιτάχυνσης των αλγορίθμων των υπολογιστών. Η AlphaDev βρήκε έναν τρόπο ταξινόμησης μιας λίστας σε 70% λιγότερο χρόνο από ό,τι πριν, και πέτυχε επίσης 30% επιτάχυνση ενός βασικού αλγορίθμου κρυπτογράφησης. Τον Ιανουάριο του τρέχοντος έτους, η DeepMind υπέβαλε τους αναβαθμισμένους αλγορίθμους ταξινόμησης στον διαχειριστή της γλώσσας C++ και ο νέος κώδικας υιοθετήθηκε μετά από ανεξάρτητο έλεγχο. Το σύστημα που βασίζεται στην τεχνητή νοημοσύνη είναι χτισμένο πάνω στο AlphaZero, το οποίο εκπαιδεύτηκε για να παίζει παιχνίδια όπως το σκάκι και το Go. Προσεγγίζει τα προβλήματα ως παιχνίδια, με την τεχνητή νοημοσύνη να μαθαίνει να συναρμολογεί αλγορίθμους που λειτουργούν προσθέτοντας οδηγίες συναρμολόγησης είτε τυχαία στην αρχή είτε μέσω της υιοθέτησης υφιστάμενων προσεγγίσεων.

Περίληψη άρθρου:
Η McKinsey εγκαινίασε το QuantumBlack Horizon, μια γκάμα προϊόντων που έχει ως στόχο να βοηθήσει τις εταιρείες να επιτύχουν αξία από τις πρωτοβουλίες τεχνητής νοημοσύνης. Η σειρά αναπτύχθηκε στο πλαίσιο των QuantumBlack Labs, ενός κόμβου καινοτομίας AI και μηχανικής μάθησης που περιλαμβάνει πάνω από 250 τεχνολόγους και περισσότερους από 1.300 data scientists σε 50 τοποθεσίες. Το QuantumBlack Horizon έχει ως στόχο να βοηθήσει τους ηγέτες τεχνολογίας να επιτύχουν τέσσερις στόχους στις πρωτοβουλίες τους για την ΤΝ: καθαρά, οργανωμένα και ακριβή δεδομένα- κλιμακούμενα και επαναλαμβανόμενα μοντέλα ΤΝ που βασίζονται το ένα στο άλλο- μια προσέγγιση που μοιάζει με εργοστασιακή για την ανάπτυξη και την παρακολούθηση των μοντέλων- και διαφάνεια επιδόσεων που επιτρέπει τη γρήγορη λήψη αποφάσεων. Η σουίτα είναι κατασκευασμένη ώστε να είναι ευέλικτη, διαλειτουργική με όλες τις βασικές τεχνολογικές πλατφόρμες και συμβατή με τα σύγχρονα στοιχεία του τεχνολογικού stack που οι πελάτες ήδη διαθέτουν. Θα τροφοδοτήσει τις αναλυτικές προσφορές της McKinsey με βάση τον τομέα, όπως οι φαρμακευτικές λύσεις για την Ε&Α και τη βελτιστοποίηση κλινικών δοκιμών. Θα παράσχει επίσης τη βασική τεχνολογική στοίβα για τις πρώτες εργασίες της McKinsey στην ανάπτυξη γενεσιουργών μοντέλων τεχνητής νοημοσύνης και μοντέλων θεμελίωσης.

Περίληψη άρθρου:
Ο σουηδικός πάροχος υγειονομικής περίθαλψης Region Skåne συνεργάστηκε με ομάδες της EY και της Microsoft σε ένα proof of concept (PoC) για τη δοκιμή των έξυπνων γυαλιών HoloLens 2 στον τομέα της υγειονομικής περίθαλψης. Στόχος του PoC ήταν να αξιολογηθεί πώς η συσκευή μικτής πραγματικότητας μπορεί να αυξήσει τη συμμετοχή ειδικών στις κατ' οίκον επισκέψεις, να βελτιώσει την εξ αποστάσεως συμμετοχή σε επείγοντα περιστατικά και να μειώσει τον κίνδυνο μόλυνσης μειώνοντας τον αριθμό των ατόμων που έρχονται σε επαφή με μολυσμένους ασθενείς. Τέσσερα σενάρια αναπτύχθηκαν και δοκιμάστηκαν σε διάστημα οκτώ εβδομάδων, με το HoloLens 2 να αποδεικνύεται ευέλικτο, άνετο και αποτελεσματικό για την ανταλλαγή σχετικών οπτικών πληροφοριών σχετικά με τους ασθενείς. Η μελέτη υπέδειξε σημαντικές δυνατότητες για τη χρήση της μικτής πραγματικότητας στην άμεση περίθαλψη και τη γηριατρική περίθαλψη.

Περίληψη άρθρου:
Το Ευρωπαϊκό Κοινοβούλιο ενέκρινε τη διαπραγματευτική του θέση σχετικά με την προτεινόμενη πράξη για την τεχνητή νοημοσύνη, η οποία αποσκοπεί στη δημιουργία ενός κανονιστικού πλαισίου για την τεχνητή νοημοσύνη (ΤΝ) που θα βασίζεται στις αξίες και τα θεμελιώδη δικαιώματα της ΕΕ. Η πράξη υιοθετεί μια προσέγγιση με βάση τον κίνδυνο, απαγορεύοντας τα συστήματα τεχνητής νοημοσύνης υψηλού κινδύνου που θεωρείται ότι ενέχουν απαράδεκτο επίπεδο κινδύνου για την ασφάλεια των ανθρώπων ή εκμεταλλεύονται τα τρωτά σημεία τους για κοινωνική βαθμολόγηση ή σκόπιμα χειριστικές τεχνικές. Για τα συστήματα τεχνητής νοημοσύνης χαμηλού ή ελάχιστου κινδύνου, θα επιβληθούν περιορισμένες υποχρεώσεις διαφάνειας. Οι ευρωβουλευτές έχουν επεκτείνει τον κατάλογο των απαγορευμένων πρακτικών ΤΝ ώστε να περιλαμβάνει συστήματα βιομετρικής αναγνώρισης σε πραγματικό χρόνο από απόσταση σε χώρους προσβάσιμους από το κοινό, συστήματα βιομετρικής αναγνώρισης μετά την απομάκρυνση (εκτός από σκοπούς επιβολής του νόμου) και συστήματα προβλεπτικής αστυνόμευσης. Έχουν επίσης προσθέσει στον κατάλογο των εφαρμογών υψηλού κινδύνου τα συστήματα συστάσεων που χρησιμοποιούνται από πλατφόρμες κοινωνικής δικτύωσης με πάνω από 45 εκατομμύρια χρήστες και εκείνα που χρησιμοποιούνται για να επηρεάσουν τους ψηφοφόρους και τα αποτελέσματα των εκλογών. Οι πάροχοι ιδρυτικών μοντέλων που χρησιμοποιούνται στη γενεσιουργό ΤΝ θα πρέπει να καταχωρίζουν τα μοντέλα τους σε δημόσια προσβάσιμη βάση δεδομένων της ΕΕ πριν από τη διάθεσή τους στην αγορά και να συμμορφώνονται με τις υποχρεώσεις διαφάνειας. Η πρόταση προωθεί ρυθμιστικά πλαίσια (sandboxes) για τη δοκιμή της ΤΝ πριν από την ανάπτυξη και ενισχύει το δικαίωμα των πολιτών να υποβάλλουν καταγγελίες για συστήματα ΤΝ που επηρεάζουν σημαντικά τα θεμελιώδη δικαιώματά τους. Η πρόταση θα αποτελέσει τώρα αντικείμενο διαπραγμάτευσης με το Ευρωπαϊκό Συμβούλιο.

12/06/2023: Η επιχειρησιακή πλατφόρμα AI Dataiku ανακοινώνει πλήρως διαχειριζόμενη διαδικτυακή υπηρεσία

Η Dataiku εγκαινίασε μια πλατφόρμα τεχνητής νοημοσύνης για νεοσύστατες επιχειρήσεις, με μειωμένη τιμολόγηση για όσες έχουν χρηματοδότηση μικρότερη των 10 εκατομμυρίων δολαρίων. Προσφέρει dashboarding, οπτικοποίηση δεδομένων και εκπαίδευση μοντέλων μηχανικής μάθησης…Διαβάστε εδώ το άρθρο.

Περίληψη άρθρου:
Ο πρωτοπόρος της μηχανικής μάθησης Michael I. Jordan επέκρινε τη σύγχυση μεταξύ της τεχνητής νοημοσύνης (AI) και της μηχανικής μάθησης (ML), υποστηρίζοντας ότι οι συζητήσεις επιστημονικής φαντασίας αποτελούν "αντιπερισπασμό". Ο Jordan, καθηγητής στο Πανεπιστήμιο της Καλιφόρνιας στο Μπέρκλεϊ και βραβευμένη προσωπικότητα στον τομέα της μηχανικής μάθησης και της επιστήμης των δεδομένων, δήλωσε στο Ινστιτούτο Ηλεκτρολόγων και Ηλεκτρονικών Μηχανικών (ΙΕΕΕ) ότι το "πραγματικό πρόβλημα" είναι η δημιουργία συστημάτων μηχανικής μάθησης σε μέγεθος πλανήτη που να προσφέρουν αξία στους ανθρώπους χωρίς να ενισχύουν τις υπάρχουσες ανισότητες. Ο Jordan υποστήριξε επίσης ότι η μηχανική έχει κάνει περισσότερα για την αύξηση της ανθρώπινης ευτυχίας από ό,τι η επιστήμη ή η τεχνητή νοημοσύνη. Το άρθρο του "Artificial Intelligence: The Revolution Hasn't Happened Yet", το οποίο επικρίνει τις μη ρεαλιστικά αισιόδοξες προβλέψεις για τον πιθανό αντίκτυπο της τεχνητής νοημοσύνης στην κοινωνία, δημοσιεύθηκε για πρώτη φορά τον Ιούλιο του 2019.

Περίληψη άρθρου:
Η SoftServe είναι ένας παγκόσμιος πάροχος υπηρεσιών πληροφορικής και επαγγελματικών υπηρεσιών που ειδικεύεται στη χρήση αναδυόμενων τεχνολογιών, όπως η τεχνητή νοημοσύνη, τα μεγάλα δεδομένα και το blockchain, για την επίλυση πραγματικών επιχειρηματικών προβλημάτων. Η εταιρεία δραστηριοποιείται σε πολλούς κλάδους, όπως η υγειονομική περίθαλψη, η χρηματοδότηση και το λιανικό εμπόριο. Η κύρια τάση στην τεχνητή νοημοσύνη και τη μηχανική μάθηση είναι ότι οι τεχνολογίες αυτές γίνονται το βιομηχανικό πρότυπο για την επίλυση σύνθετων προβλημάτων που απαιτούν γνώση, υπολογισμό, αντίληψη, συλλογισμό και λήψη αποφάσεων. Η μηχανική μάθηση μπορεί να χρησιμοποιηθεί για τη βελτίωση της εξατομίκευσης με την εκμάθηση προσωπικών σημάτων από δεδομένα για την παροχή εξατομικευμένων εμπειριών. Η AI/ML επηρεάζει επίσης το metaverse, επιτρέποντας στις εταιρείες να αναπαράγουν φυσικά περιουσιακά στοιχεία ή να δημιουργήσουν αμιγώς ψηφιακά που συμπεριφέρονται έξυπνα. Σχεδόν κάθε εταιρεία σήμερα έχει κάνει κάποια εργασία AI/ML λόγω της ευρείας υιοθέτησης αυτής της τεχνολογίας. Η μεγαλύτερη πρόκληση στην τεχνητή νοημοσύνη και τη μηχανική μάθηση σήμερα είναι η μετατροπή των ιδεών σε αξιόπιστα προϊόντα. Ορισμένες εταιρείες έχουν εξαιρετικές ιδέες αλλά δεν διαθέτουν την τεχνογνωσία για να τις εξελίξουν, ενώ άλλες διαθέτουν τεχνικές δεξιότητες αλλά δυσκολεύονται να εφαρμόσουν την AI/ML σε πραγματικά επιχειρηματικά προβλήματα. Το μέλλον της τεχνητής νοημοσύνης είναι αισιόδοξο, καθώς η ιστορία δείχνει ότι η τεχνολογία ενισχύει παρά αντικαθιστά την ανθρώπινη νοημοσύνη. Το κλειδί είναι να μάθουμε πώς να αξιοποιούμε αυτή την τεχνολογία για να κάνουμε την εργασία πιο αποτελεσματική και να αποκτήσουμε ανταγωνιστικό πλεονέκτημα στο μέλλον.

Περίληψη άρθρου:
Ο όρος "black box" στην τεχνητή νοημοσύνη (AI) αναφέρεται σε συστήματα AI των οποίων οι εσωτερικές λειτουργίες είναι κρυμμένες από τον χρήστη, καθιστώντας αδύνατη την εξέταση του κώδικα ή της λογικής που παρήγαγε την έξοδο. Η μηχανική μάθηση είναι ένα κυρίαρχο υποσύνολο της ΤΝ, το οποίο περιλαμβάνει έναν αλγόριθμο, δεδομένα εκπαίδευσης και ένα μοντέλο. Οι προγραμματιστές συχνά τοποθετούν το μοντέλο ή τα δεδομένα εκπαίδευσης σε ένα "μαύρο κουτί" για να προστατεύσουν την πνευματική τους ιδιοκτησία. Το αντίθετο ενός μαύρου κουτιού είναι ένα "glass box", όπου όλα τα συστατικά είναι διαθέσιμα για να τα δει ο καθένας. Ωστόσο, ακόμη και τα "γυάλινα κουτιά" μπορεί να έχουν πτυχές που οι ερευνητές δεν κατανοούν πλήρως. Τα μαύρα κουτιά έχουν επιπτώσεις στην ασφάλεια των συστημάτων λογισμικού, επειδή η διατήρηση του λογισμικού σε ένα μαύρο κουτί δεν εμποδίζει απαραίτητα τους χάκερς να εκμεταλλευτούν τα τρωτά σημεία. Ο τομέας της επεξηγήσιμης τεχνητής νοημοσύνης εργάζεται για την ανάπτυξη αλγορίθμων που μπορούν να γίνουν καλύτερα κατανοητοί από τους ανθρώπους, ακόμη και αν δεν είναι εξ ολοκλήρου συστήματα glass box.