Ένα μηχάνημα με τεχνητή νοημοσύνη μπορεί ίσως να ανακαλύψει κρυφές μέχρι σήμερα σχέσεις ανάμεσα σε περιστατικά καρκίνου, οι οποίες έχουν ξεφύγει από τους γιατρούς.

Αυτή ακριβώς είναι η ιδέα που για πρώτη φορά έχουν βάλει σε εφαρμογή ερευνητές του Αντικαρκινικού Κέντρου Memorial Sloan Kettering της Νέας Υόρκης, οι οποίοι τροφοδοτούν ένα νέο πρόγραμμα τεχνητής νοημοσύνης με εκατοντάδες χιλιάδες κλινικές σημειώσεις και άλλα στοιχεία πάνω σε πραγματικά περιστατικά ασθενών (συμπτώματα, αιμοληψίες, βιοψίες, «κοκτέιλ» χημειοθεραπειών, παρατηρήσεις γιατρών κ.α.).

Το πρόγραμμα εκπαιδεύεται σταδιακά να διαβάζει αυτόν τον τεράστιο όγκο ιατρικών δεδομένων και να προσπαθεί να βρει ομοιότητες ανάμεσα σε περιστατικά, που εκ πρώτης όψεως φαίνονται άσχετα μεταξύ τους.

«Ψάχνουμε μέσα σε όλα αυτά τα δεδομένα, μήπως βρούμε κάτι ενδιαφέρον», δήλωσε ο επικεφαλής της έρευνας Γκούναρ Ρετς, ο οποίος έκανε τη σχετική ανακοίνωση στο ετήσιο συνέδριο της Αμερικανικής Ένωσης για την Προώθηση της Επιστήμης (AAAS) στην Ουάσιγκτον την προηγούμενη εβδομάδα, σύμφωνα με το New Scientist.
Στόχος των ερευνητών είναι να αναπτύξουν υπολογιστικά μοντέλα, που θα αναλύουν την πορεία της ασθένειας κάθε ασθενούς, τη σχέση της πάθησής του με άλλους ασθενείς και την πιθανή εξέλιξή της στο μέλλον. «Αν έχουμε κάτι τέτοιο στη διάθεσή μας, θα μπορούμε να εξετάσουμε με ποιό τρόπο θα θεραπεύσουμε καλύτερα τον συγκεκριμένο ασθενή», ανέφερε ο Ρετς.

Μέχρι στιγμής, ο αλγόριθμος των ερευνητών έχει διαβάσει ανώνυμες ιατρικές σημειώσεις και άλλα δεδομένα για περίπου 200.000 καρκινοπαθείς. Οι γιατροί, μεταξύ άλλων, ελπίζουν να φέρουν στο φως περιπτώσεις καρκίνου με κοινό γενετικό υπόβαθρο, «ποντάροντας» στο ότι -παρά την άγνοια ασθενών και γιατρών- η μηχανή τεχνητής νοημοσύνης θα διακρίνει κρυφές ομοιότητες στα ιατρικά ιστορικά.

Παράλληλα, άλλα προγράμματα τεχνητής νοημοσύνης εκπαιδεύονται να κάνουν ιατρικές διαγνώσεις, μετά από αξιολόγηση ακτινογραφιών, μαγνητικών τομογραφών και άλλων εξετάσεων. Όπως τόνισε ο Ρετς, «ο ανθρώπινος νους -και του γιατρού- είναι περιορισμένος, συνεπώς προκύπτει η ανάγκη να χρησιμοποιήσουμε τη στατιστική και την επιστήμη των υπολογιστών».

Ένας νέος προσθετικός βραχίονας που ελέγχεται με τον νου, επέτρεψε για πρώτη φορά σε έναν ασθενή να κινήσει ανεξάρτητα τα δάχτυλά του, χωρίς ιδιαίτερη εξάσκηση από πριν.
   
Αν και η έρευνα βρίσκεται ακόμη σε αρχικό στάδιο, θα βοηθήσει τους ανθρώπους που έχουν χάσει τα χέρια τους λόγω τραυματισμού ή ασθένειας, να αποκτήσουν ξανά κάποιες δυνατότητες κίνησης.
         
Ο ρομποτικός βραχίονας αναπτύχθηκε από γιατρούς και μηχανικούς της Ιατρικής Σχολής και του Εργαστηρίου Εφαρμοσμένης Φυσικής του Πανεπιστημίου Τζονς Χόπκινς των ΗΠΑ, με επικεφαλής τον καθηγητή νευρολογίας Νέιθαν Κρόουν, οι οποίοι έκαναν τη σχετική δημοσίευση στο περιοδικό νευρωνικής μηχανικής "Journal of Neural Engineering".
         
«Πιστεύουμε πως είναι η πρώτη φορά που ένας άνθρωπος, χρησιμοποιώντας μια ελεγχόμενη από το νου προσθετική συσκευή, κίνησε αμέσως τα δάχτυλά του ανεξάρτητα το καθένα από τα άλλα. Πρόκειται για βήμα εξέλιξης σε σχέση με τα υπάρχοντα προσθετικά άκρα, στα οποία τα τεχνητά δάχτυλα κινούνται όλα μαζί ως μια ενιαία μονάδα, για να πιάσουν κάτι».
         
Η ακρίβεια των κινήσεων των τεχνητών δαχτύλων με το νέο προσθετικό άκρο φθάνει το 88% περίπου. Η συσκευή είναι εύκολη στη χρήση, αλλά η σχετική τεχνολογία απέχει ακόμη χρόνια από την κλινική εφαρμογή της, ενώ αναμένεται να είναι ακριβή.

Η Apple εξαγόρασε την Emotient, μια start up εταιρεία με ειδίκευση στην τεχνητή νοημοσύνη από το San Diego σύμφωνα με τα όσα αναφέρει το CNBC δίκτυο με tweet του.

Καμία πληροφορία δεν δόθηκε στην δημοσιότητα για το ποσό που δόθηκε για αυτή την νέα εξαγορά της Apple. Σύμφωνα με το site της εταιρείας η Emotient ειδικεύεται με επιτυχία στην ανίχνευση συναισθημάτων και ανάλυσης αυτών.

Με άλλα λόγια η τεχνολογία της εταιρείας επιτρέπει το να καταλάβει κάποιος τα συναισθήματα ενός χρήση απλά παρατηρώντας και καταγράφοντας τις αντιδράσεις και τις εκφράσεις του προσώπου του σε ένα ζωντανό βίντεο.

Εκπρόσωπος της Apple επιβεβαίωσε την εξαγορά αυτή με δήλωση στην The Wall Street Journal αναφέροντας το τυπικό πλέον “Αγοράζουμε μικρότερες εταιρείες τεχνολογίες συχνά αλλά γενικότερα δεν συζητάμε τους λόγους ή τα πλάνα μας πίσω από τέτοιες κινήσεις”

Μια άμεση εφαρμογή της τεχνολογίας της Emotient στο iOS θα ήταν η αυτόματη κατηγοριοποίηση φωτογραφιών στην εφαρμογή Photos με βάση το συναίσθημα.

ΠΗΓΗ: appleworldhellas.com

Κάποιοι δεσμεύονται να κόψουν το κάπνισμα, κάποιοι να χάσουν βάρος- ο Μαρκ Ζάκερμπεργκ, ιδρυτής τουFacebook, να φτιάξει μέσα στο 2016 ο ίδιος μια «απλή» τεχνητή νοημοσύνη για το σπίτι του, καθώς και για να τον βοηθά στη δουλειά του (ο ίδιος την παρομοιάζει με τον Jarvis, τον υπολογιστή του Τόνι Σταρκ στο «Iron Man»).

Όπως έγραψε σε ποστ του στο Facebook, ο ιδρυτής του δημοφιλέστερου κοινωνικού δικτύου στον πλανήτη (το οποίο, παρεμπιπτόντως, ήδη πραγματοποιεί έρευνες, μεταξύ άλλων, και στον τομέα της Τεχνητής Νοημοσύνης) σε πρώτη φάση θα δει τι τεχνολογίες είναι διαθέσιμες και μετά θα αρχίσει να «εκπαιδεύει» την AI στη φωνή του έτσι ώστε να την καταλαβαίνει και να μπορεί να ελέγχει φώτα, μουσική, θερμοκρασία κλπ- καθώς και να αναγνωρίζει (μέσω προηγμένων αλγορίθμων image/ face recognition) τα πρόσωπα των φίλων που χτυπούν το κουδούνι του, έτσι ώστε να ξέρει πότε πρέπει να ανοίξει. 

Παράλληλα, θα επεκτείνεται και στον χώρο της εικονικής πραγματικότητας (VR) βοηθώντας στην οπτικοποίηση δεδομένων για σκοπούς δουλειάς.

«Αυτόν τον χρόνο, η προσωπική μου πρόκληση είναι να κάνω αυτό. Θα πρέπει να είναι μια διασκεδαστική διανοητική πρόκληση να γράφω τον κώδικα ο ίδιος, για τον εαυτό μου. Ανυπομονώ να μοιραστώ αυτά που θα μάθω κατά το πέρασμα το έτους» καταλήγει στο post του.

Ο Μαρκ Ζάκερμπεργκ απασχόλησε ξανά πρόσφατα τη δημοσιότητα, με τη γέννηση της κόρης του και τη δέσμευσή του για διάθεση του 99% του μεριδίου του στο Facebook (σε βάθος χρόνου) για τη χρηματοδότηση του Chan Zuckerberg Initiative.

ΠΗΓΗ: naftemporiki.gr

Τον... δίδαξαν ερευνητές από τις ΗΠΑ και τον Καναδά

Οι ηλεκτρονικοί υπολογιστές κάνουν γρήγορους υπολογισμούς και μαθαίνουν πιο αργά, ενώ οι άνθρωποι κάνουν πιο αργούς υπολογισμούς, αλλά μαθαίνουν πιο γρήγορα. Τώρα, για πρώτη φορά, ερευνητές από τις ΗΠΑ και τον Καναδά ανακοίνωσαν ότι «δίδαξαν» (προγραμμάτισαν) έναν υπολογιστή έτσι ώστε να μαθαίνει γρήγορα σαν άνθρωπος.

Οι ερευνητές, με επικεφαλής τον Μπρέντεν Λέικ του Πανεπιστημίου της Νέας Υόρκης, που έκαναν τη σχετική δημοσίευση στο περιοδικό "Science", δημιούργησαν ένα πρόγραμμα υπολογιστικής όρασης, που μιμείται την ικανότητα των ανθρώπων να μαθαίνουν νέα πράγματα από ένα και μόνο παράδειγμα: στη συγκεκριμένη περίπτωση να αναγνωρίζουν (όσο διαφορετικά κι αν γράφουν οι άνθρωποι το ίδιο γράμμα) και να γράφουν χειρόγραφους χαρακτήρες αλφαβήτου.

Μελλοντικά, η δυνατότητα αυτή του υπολογιστή θα μπορούσε να επεκταθεί και σε πολλές πρακτικές εφαρμογές, όπως η επεξεργασία εικόνων, η αναγνώριση φωνής, η αναγνώριση προσώπου, η κατανόηση της φυσικής γλώσσας κ.α.

Στην πραγματικότητα, δεν απαιτείται κάποιος προγραμματισμός για τη διαδικασία της μάθησης, καθώς ο αλγόριθμος προγραμματίζει τον εαυτό του για να δημιουργήσει κώδικα που θα παράγει το γράμμα που βλέπει. Αν και ο σχετικός αλγόριθμος, ο οποίος «μαθαίνει να μαθαίνει» (π.χ. χρησιμοποιεί γνώσεις του λατινικού αλφαβήτου για να μάθει το ελληνικό αλφάβητο), χρειάζεται αρκετή ακόμη βελτίωση, το επίτευγμα χαιρετίσθηκε ως σημαντικό βήμα προόδου στο πεδίο της τεχνητής νοημοσύνης και της μηχανικής μάθησης.

Αν και η μηχανική μάθηση των υπολογιστών έχει κάνει σημαντικές προόδους τα τελευταία χρόνια, οι άνθρωποι είναι ακόμη πολύ καλύτεροι από τα μηχανήματα στο να μαθαίνουν νέες έννοιες βλέποντας μόνο ένα ή δύο παραδείγματα, έναντι των δεκάδων ή εκατοντάδων χιλιάδων παραδειγμάτων που χρειάζονται να «καταναλώσουν» προηγουμένως οι υπολογιστές.

Μέχρι σήμερα έχει αποδειχθεί πολύ δύσκολο να κατασκευασθούν μηχανήματα που, για να μάθουν μια νέα έννοια, θα χρειάζονται ελάχιστα δεδομένα (παραδείγματα), όπως οι άνθρωποι. Προς το παρόν, για παράδειγμα, οι υπολογιστές αναγνωρίζουν την ανθρώπινη φωνή, επειδή έχουν προηγουμένως τροφοδοτηθεί με τεράστιες βάσεις δεδομένων από λέξεις και φράσεις. Είναι επόμενο ότι συχνά πέφτουν σε γκάφες, όταν συνταντούν λέξεις που τους είναι άγνωστες. Αντίθετα, οι άνθρωποι συνήθως αρκεί να δουν μια νέα λέξη μια-δυό φορές, για να καταλάβουν τι σημαίνει και πώς πρέπει να τη χρησιμοποιούν.

Οι ερευνητές ανέπτυξαν μια νέα μέθοδο μηχανικής μάθησης (Bayesian Program Learning-BPL), που αναγνωρίζει και δημιουργεί νέους χειρόγραφους χαρακτήρες εξίσου καλά με τους ανθρώπους - αν όχι καλύτερα. Σχετικές δοκιμές έγιναν με 50 διαφορετικά συστήματα γραφής από όλη τη Γη. Μία ομάδα κριτών δεν μπορούσε να ξεχωρίσει αν ο χειρόγραφος χαρακτήρας είχε δημιουργηθεί απο άνθρωπο ή από το μηχάνημα (ένα είδος «οπτικού τεστ Τιούρινγκ» τεχνητής νοημοσύνης).

«Απέχουμε ακόμη πολύ από το να δημιουργήσουμε μηχανήματα τόσο έξυπνα όσο ένα παιδί, όμως αυτή είναι η πρώτη φορά που έχουμε ένα μηχάνημα ικανό να μάθει και να χρησιμοποιεί μια μεγάλη γκάμα εννοιών του πραγματικού κόσμου, όπως οι χειρόγραφοι χαρακτήρες, με τέτοιους τρόπους που είναι δύσκολο να διακρίνεις ανάμεσα στο μηχάνημα και στους ανθρώπους», δήλωσε ο καθηγητής γνωσιακής υπολογιστικής επιστήμης του Πανεπιστημίου ΜΙΤ Τζόσουα Τενενμπάουμ.