Bir haftalık AI olayları envanteri: AI, robotların şeffaf nesneleri tanımasına yardımcı olur, MIIT: AI uygulamalarını güçlendirin
Geçen hafta AI alanında yenilikler neler? Yapay zeka uygulamaları kapsamına hangi yeni alanlar eklendi? Sektör liderleri hangi harika görüşleri paylaştı? Bugün sizi geçen hafta (10 Şubat - 16 Şubat) AI alanındaki sıcak olayların değerlendirmesini yapacağım:
Facebook, Computer Vision girişimi Scape Technologies'i satın aldı
11 Şubat'ta, yabancı basında çıkan haberlere göre, Facebook kısa süre önce bir bilgisayar vizyonu start-up şirketi olan Scape Technologies'i satın aldı. Scape Technologies'in genel merkezi Londra'dadır ve kendini GPS'in yeteneklerinin ötesinde konumlandırma doğruluğunun araştırılması ve geliştirilmesine adamıştır. İşlem detaylarının tamamı henüz bilinmese de, düzenleyici bilgiler, Facebook'un şu anda kontrolünün çoğuna (% 75'in üzerinde) sahip olduğunu ve satın alma fiyatının 40 milyon ABD doları civarında olmasının beklendiğini gösteriyor. Scape Technologies'in görsel konumlandırmaya odaklandığı ve 2D fotoğraf ve videolardan büyük ölçekli 3D haritalar oluşturabilen görsel motor adı verilen bir teknolojiye sahip olduğu anlaşılmaktadır. Bu teknoloji orijinal olarak AR uygulamaları ve robotik gibi diğer alanlar için geliştirilmiştir. Nihai amaç, kamera ile donatılmış herhangi bir makinenin çevredeki ortamı anlayabilmesini sağlamaktır.
Hızlı inceleme: Aslında Facebook'un genişleme sürecinde kendi birikimine güvenmenin yanı sıra başka şirketleri de bünyesine katarak kendisini güçlendirdi. Facebook'un VR / AR'ye yoğun bir şekilde yatırım yaptığı düşünüldüğünde, Facebook'un Scape Technologies'i edinme motivasyonunu anlamak zor değil.
Google, robotların şeffaf nesneleri daha iyi tanımasına yardımcı olabilecek yeni bir AI sistemi geliştirdi
13 Şubat'ta Google araştırmacıları, ClearGrasp'ı geliştirmek için Columbia Üniversitesi ve Synthesis AI (bilgisayarla görü için bir veri oluşturma platformu) ile çalıştı. Bu, RGB görüntülerden şeffaf nesnelerin doğru 3B verilerini tahmin edebilen bir algoritmadır. Önemli olarak, bu algoritma, yapay zeka kullanarak şeffaf nesnelerin derinliğini yeniden yapılandırmak ve onu genişletmek için herhangi bir standart RGB kameranın girişi ile birlikte kullanılabilir. Görünmez nesneleri eğitin.
Hızlı inceleme: Optik sensörler, modern robotik platformların temel bir parçasıdır, ancak bir kusurları vardır: cam kaplar gibi şeffaf nesneler onları kolayca karıştırabilir. Bunun nedeni, optik sensörün algoritmasının, tüm yüzeylerin ideal olarak dağıldığını varsayması, yani nesnelerin ışığı tüm yönlerde ve tüm açılarda eşit şekilde yansıtabilmesidir. Gerçekte çoğu nesne, şeffaf nesneler dışında bu varsayıma uyar, çünkü yüzeyleri ışığı hem kırar hem de yansıtır. Google'ın en son araştırması, makinenin şeffaf yüzeyleri daha iyi algılamasına olanak tanıyor ve bu da yalnızca güvenliği artırmakla kalmıyor, aynı zamanda robotların mutfak gereçlerini işlemesine izin verme veya plastikleri sıralama, iç mekanda gezinme gibi değişen uygulama senaryolarında bir dizi yeni etkileşimli yöntem de sunuyor Ortam veya cam masaüstünde AR görselleştirme efektleri oluşturun, vb.
Baidu açık kaynaklı maske yüz algılama ve sınıflandırma modeli
13 Şubat'ta Baidu, endüstrinin maskeler için ücretsiz ve açık kaynaklı ilk yüz algılama ve sınıflandırma modelini duyurdu. Model, kalabalık alanlarda maske takmayan kişileri tespit edebilmektedir. Raporlara göre maske yüz algılama ve sınıflandırma modeli sırasıyla maske yüz algılama ve maske yüz sınıflandırması yapabilen iki işlevsel birimden oluşmaktadır. Testten sonra maskenin yüz algılama kısmının doğruluğu% 98 ve maskenin yüz sınıflandırma kısmının doğruluğu% 96,5'tir.
Hızlı inceleme: Salgın sırasında, dışarı çıktığınızda maske takmak sadece kendi hayatınızı ve sağlığınızı korumak değil, aynı zamanda başkalarının sağlığından da sorumlu olmaktır. İşe yeniden başlama dalgasının gelmesiyle birlikte, metro ve tren istasyonları gibi trafiğin yoğun olduğu bölgelerde maske takmayan kişilerin nasıl hızlı ve verimli bir şekilde tespit edileceği salgın önleme ve kontrolündeki zorluklardan biridir. Manuel olarak kontrol edilirse, bu sadece zaman ve çaba gerektirmez, aynı zamanda çapraz enfeksiyon riskini de artırır. Baidu'nun açık kaynak maske yüz tanıma ve sınıflandırma modelinin temassız önleme ve kontrol için yeni bir fikir sağladığı söylenebilir.
Sanayi ve Bilgi Teknolojileri Bakanlığı: Salgın önleme ve kontrolüne yardımcı olmak için yapay zeka ve diğer teknolojilerin uygulamalarının güçlendirilmesi
14 Şubat'ta Sanayi ve Bilgi Teknolojileri Bakanlığı Bilgi ve İletişim İdaresi Bürosu müdürü Han Xia, Sanayi ve Bilgi Teknolojileri Bakanlığı'nın basın toplantısında, hizmet salgın durum araştırma ve yargısını ve salgın önleme ve kontrol dağıtımını desteklemek için bilgi teknolojisinin kullanılmasının çok önemli olduğunu belirtti. Sanayi ve Bilgi Teknolojileri Bakanlığı, salgının önlenmesine ve kontrolüne yardımcı olmak için yapay zeka, büyük veri ve 5G teknolojisinin uygulanmasını güçlendirecek.
Hızlı inceleme: Son yıllarda yapay zeka teknolojisinin olgunlaşmasıyla birlikte uygulama alanları da genişliyor. Salgın sırasında tıbbın büyüklüğüne tanık olmanın yanı sıra, önleme ve kontrol yöntemleri, virüs araştırmaları, aşı araştırma ve geliştirme gibi çeşitli bağlantılarda yapay zeka teknolojisinin rolünü de gördüğümüzü belirtmekte fayda var.
Dharma Academy ve Alibaba Cloud, yeni koroner pnömoni için yapay zeka tanı teknolojisi geliştirecek
15 Şubat'ta Dharma Academy ve Alibaba Cloud, yeni koroner pnömoninin klinik teşhisi için bir dizi yapay zeka tanı teknolojisi geliştirdi. Geriye dönük verileri işlemek için doğal dili kullanıyor ve BT görüntülerinin tanıma ağını eğitmek için CNN evrişimli sinir ağını kullanıyor, böylece yapay zeka Yeni kuron şüpheli vakalarının BT görüntülerinin 20 saniyede yorumlanması, analiz sonuçlarının doğruluğu% 96'ya ulaştı ve bu da tanı verimliliğini artırdı.
Hızlı inceleme: Şu anda, yapay zeka tıbbi alana girişini hızlandırıyor ve hassas tıpta artan bir rol oynuyor. Yaygın sistemik hastalıklarda ve daha tehlikeli hastalıklarda, yapay zeka yüksek teşhis doğruluğu göstermiştir. Salgın bağlamında yapay zeka teknolojisi bunda rol oynayabilir ki bu hem hastaneler hem de hastalar için iyi bir şeydir. Patojenik kanıt olarak nükleik asit tespitinin yeni koroner pnömoni tanısında ana referans standardı olarak kabul edildiği anlaşılmaktadır.Klinik tanı verilerinin birikmesi ile yeni koroner pnömoninin görüntüleme büyük veri özelliklerinin giderek netleştiği ve BT görüntüleme tanı sonuçlarının giderek daha önemli hale geldiği anlaşılmaktadır. O zaman, AI algoritmaları da onda daha büyük bir değer oynayacak.
