Digital Tヒンク Tアンク(DTT)

人工知能は、私たちの体の細胞の構造の半分さえ知らないかもしれないことを示しています

私たちに影響を与える病気の多くは、細胞の機能不全に関連しています。 それらをより効果的に扱うことは可能かもしれませんが、最初の科学者は細胞がどのように構築され機能するかを正確に理解する必要があります。 組み合わせることで 人工知能 カリフォルニア大学サンディエゴ校医学部(UCSD)の科学者たちは、顕微鏡的および生化学的手法を使用して、人体の細胞を理解する上で重要な一歩を踏み出しました。


顕微鏡 1マイクロメートルほどの小さな細胞構造を見ることができます。 対照的に、個々のタンパク質を使用する生化学的手法により、ナノメートルのサイズ、つまりマイクロメートルの1000/XNUMXの構造を研究することが可能になります。 しかし、ライフサイエンスの大きな問題は、マイクロスケールとナノスケールの間の細胞内にあるものの知識を完成させることです。 これを助けることがわかっています 人工知能 可能です。

 画像ソース:Pixabay / ソース

続きを読みます

PowerFx-プログラマー以外のためのプログラミング

マイクロソフト の出版物を持っています パワーFX 人気のExcel式に基づく新しいローコードプログラミング言語を発表しました。 会社は言語をXNUMXつにまとめています オープンソースライセンス 利用可能であり、彼の開発を支援したいと考えています PowerAutomateやPowerVirtualAgentsなどのPowerプラットフォーム そして最終的にはこのタイプのアプリケーションの標準になります。

続きを読みます

人工知能は遺伝子治療のためのウイルスを改善します

ディペンドウイルス、またはアデノウイルス(AAV)に「関連する」パルボウイルスは、米国では非常に便利なツールです。 遺伝子治療。 これは、DNAを細胞に移すことができ、人間に無害であるためです。 したがって、それらは病気と戦うために必要な遺伝情報のキャリアとして使用されます。

画像ソース:Pixabay

続きを読みます

FacebookAIはMRI検査を加速します

人工知能(AI)による画像再構成により、 磁気共鳴画像検査 (MRI)重要。

https://healthcare-in-europe.com/

AIで加速された膝MRIスキャンを従来のスキャンと比較した最初の臨床研究は、AIスキャンが従来のスキャンと診断的に互換性があるだけでなく、より高品質の画像を提供することを示しています。 この互換性調査の結果は、MRIスキャンプロセスを加速するためにニューヨーク市のNYU LangoneHealthとFacebookArtificial Intelligence Research(FAIR)グループが2018年に開始した共同イニシアチブの重要なマイルストーンです。
この研究は、American Journal ofRoentgenologyに掲載されました。

続きを読みます

生物のDNAへのデジタル情報の保存の成功

今日、ハードドライブやその他のデータストレージシステムは膨大な量の情報を保存しています。 ただし、過去の磁気テープやフロッピーディスクと同様に、これらのデバイスは時間の経過とともに古くなる可能性があり、収集したデータにアクセスできなくなります。 科学者がデータをに変換する方法を開発したのはそのためです DNA 生物を記録します。 この種の "マスストレージ「近い将来、時代遅れになることはおそらくないだろう。

カリフォルニア大学サンフランシスコ校のセス・シップマン氏は、この作業に関与していなかったが、コロンビア大学の同僚の業績を称賛したが、そのようなシステムが実用化されるまでには長い時間がかかると指摘した。

画像ソース:Pixabay

詳細については、をご覧ください。 自然。 (https://www.nature.com/articles/s41589-020-00711-4)

続きを読みます

AIは、物理学の最大の未解決の問題のXNUMXつを解決するのに役立ちます

ETHチューリッヒの研究者は、流体力学と人工知能を組み合わせることにより、液体の乱流のモデリングを自動化することに初めて成功しました。 彼らのアプローチは、 乱流を伴う強化機械学習アルゴリズム 流れシミュレーションこれは、スイス国立スーパーコンピューティングセンターのPizDaintスーパーコンピューターで実行されました。

ジャーナルに最近発表された研究の説明によると ネイチャーマシンインテリジェンス が公開され、研究者は新しい強化機械学習(RL)アルゴリズムを開発し、それらをモデリングへの物理的アプローチと組み合わせました 乱流.

画像ソース:Pixabay

続きを読みます

彼らはロボット掃除機を攻撃し、それが働いていた部屋で何が起こっているのかを耳にしました

米国とシンガポールの科学者は、ロボット掃除機を使用して部屋の音を盗聴し、掃除機が設置されていた部屋で再生されているテレビ番組を特定しました。 パフォーマンスはさらに印象的です スタンドアロン掃​​除機 マイクは装備されていません。 この作業は、LIDARテクノロジーを備えた任意のデバイスが盗聴に使用できる可能性が高いことを示しています。

これらのタイプのデバイスは、実際には考えずに自宅で使用しています。 メリーランド大学のニルパムロイ教授は、このようなデバイスにはマイクがありませんが、ナビゲーションシステムを書き直して、会話を盗聴し、機密情報を明らかにできることを示しました。

ダスイン 自律型ロボット 中古 LIDARシステム レーザーの助けを借りて環境を調べます。 それらの光は掃除機の周囲で反射され、掃除機のセンサーに送られ、部屋の地図が作成されます。 専門家は、自律型掃除機によって作成された地図が広告に使用できると長い間推測してきました。

画像ソース:Pixabay

続きを読みます

人工知能を凌駕する方法-人間対機械。

AIコンピューターシステム 自動運転車から医師の診断や自律型捜索救助ロボットまで、私たちの生活の多くの分野に参入し、大きな可能性を提供しています。

しかし、特に「ニューラルネットワーク」として知られるAIの分野での主要な未解決の問題のXNUMXつは、科学者が問題が発生する理由を説明できないことが多いことです。 これは、AIシステム内の意思決定プロセスについての理解が不足しているためです。 この問題は「ブラックボックス」問題として知られています。

誰が賢いですか?

リバプール大学も関与しているランカスター大学による新しい15か月の研究プロジェクトは、ブラックボックス問題の秘密を解き明かし、「深層学習「意思決定を透明で説明可能なものにするAIコンピューターモデルの。

プロジェクト "責任ある説明可能な自律ロボット学習システムに向けて「人工知能アルゴリズムを開発するための一連のセキュリティ検証およびテスト手順を開発します。これらは、システムによって行われた決定が堅牢で説明可能であることを保証するのに役立ちます。

画像ソース:Pixabay

続きを読みます

  • 1
  • 2