Perceptron: AI interrompe o tráfego, estabiliza a marcha e salva baleias

Seria impossível para uma única pessoa ler todas as pesquisas que foram conduzidas sobre aprendizado de máquina e inteligência artificial, que agora é uma tecnologia crucial em praticamente todos os setores e corporações. O objetivo desta coluna, intitulada Perceptron, é compilar e fornecer contexto para algumas das descobertas e artigos recentes mais importantes, com foco, mas não limitado a, no campo da inteligência artificial.

O trabalho dos cientistas do MIT desenvolvendo um dispositivo para monitorar a mobilidade dos pacientes de Parkinson ao longo do tempo foi narrado ao longo das semanas anteriores. Em outro esforço para impedir que os navios matem baleias acidentalmente, o Laboratório de Ciências Oceânicas Benioff e seus colaboradores implantaram bóias equipadas com sensores alimentados por inteligência artificial. Além dos avanços ecológicos e intelectuais alimentados pelo aprendizado de máquina, outras áreas de estudo também se beneficiaram.

Para melhor ajudar os médicos a cuidar dos cerca de 10 milhões de pacientes em todo o mundo que sofrem da doença de Parkinson, o MIT está liderando uma iniciativa de rastreamento. As visitas clínicas são normalmente usadas para avaliar as habilidades motoras e cognitivas em indivíduos com doença de Parkinson; no entanto, essas avaliações podem ser influenciadas por variáveis ​​como fadiga. Além disso, muitos pacientes acham a ideia de ir a um consultório muito assustadora, exacerbando uma situação já terrível.

Em vez disso, o grupo do MIT sugere um dispositivo portátil que pode coletar informações quando um paciente se move pela casa, captando sinais de rádio refletidos no corpo do paciente. Operando continuamente e do tamanho de um roteador Wi-Fi, o gadget emprega um algoritmo para escolher os sinais, apesar da presença de outras pessoas na sala.

O gadget desenvolvido por pesquisadores do MIT foi capaz de monitorar com precisão a gravidade e a taxa de desenvolvimento da doença de Parkinson em um teste piloto envolvendo dezenas de pessoas, conforme relatado na revista Science Translational Medicine. Eles demonstraram, por exemplo, que a taxa de perda na velocidade de caminhada era quase duas vezes maior para indivíduos com Parkinson do que para aqueles sem a doença, e que as mudanças diárias na velocidade de caminhada correlacionavam-se com o quão bem um paciente estava respondendo ao seu comportamento. tratamento.

O projeto Whale Safe, que visa “utilizar a melhor tecnologia da classe com estratégias de conservação de melhores práticas para criar uma solução para reduzir o risco para as baleias”, vem implantando bóias com computadores que podem gravar sons de baleias usando um microfone subaquático desde o final Setembro, mudando o foco da saúde para a situação das baleias. Um sistema de IA ouve as chamadas de certas espécies e relata a um pesquisador, que pode determinar onde o animal ou os animais estão correlacionando os dados com fatores como temperatura da água e clima, bem como registros históricos de avistamentos de baleias na área. Desta forma, os navios na área podem ser informados sobre o paradeiro das baleias e podem ajustar seu curso de acordo.

Para as baleias, muitas das quais já estão ameaçadas, as colisões de navios são uma das principais causas de mortalidade. Estudos realizados pela organização sem fins lucrativos Friend of the Sea indicam que os acertos de navios matam cerca de 20.000 baleias anualmente. Isso é ruim para a ecologia circundante, já que as baleias ajudam a extrair toneladas de carbono do ar e armazená-lo. Em média, uma única grande baleia pode impedir que 33 toneladas de dióxido de carbono entrem na atmosfera.

O Canal de Santa Bárbara, entre os portos de Los Angeles e Long Beach, abriga a atual implantação de bóias da Whale Safe. A ideia espera expandir para outras cidades costeiras dos EUA, incluindo Seattle, Vancouver e San Diego em um futuro próximo.

Além disso, a tecnologia está sendo usada para ajudar a preservar as florestas. Levantamentos aéreos Lidar de terras florestais são úteis para avaliar o crescimento e outros parâmetros, mas os dados que eles criam nem sempre são fáceis de interpretar. Nuvens de pontos geradas pelo LIDAR nada mais são do que mapas genéricos de altura e distância, representando a floresta como uma superfície contínua em vez de uma coleção de objetos discretos. Os humanos normalmente precisam monitorá-los do solo para pegá-los.

Para facilitar a coleta não apenas de dados de dossel e crescimento, mas também uma aproximação decente de árvores reais, pesquisadores da Purdue desenvolveram um algoritmo (não exatamente IA, mas vamos deixar desta vez) que transforma uma massa maciça de dados lidar 3D em árvores segmentadas individualmente. Isso é alcançado determinando a rota ideal para um objeto específico cair no chão, desempenhando, portanto, a função oposta do que os nutrientes fariam em uma árvore. Depois de serem cruzados com um inventário real, os resultados parecem ser bastante confiáveis ​​e podem um dia levar a sistemas de monitoramento florestal e de recursos muito mais precisos.

Mais e mais carros autônomos estão aparecendo nas ruas da cidade, mesmo que sejam apenas testes beta neste momento. Como os planejadores e arquitetos da cidade poderiam se preparar para o influxo à medida que sua população cresce? Acadêmicos da Carnegie Mellon University escreveram um resumo de políticas com vários pontos de vista convincentes.

O diagrama ilustra como a sabedoria coletiva do grupo pode tornar a jornada mais rápida para a maioria dos veículos, mesmo que alguns escolham um caminho mais tortuoso.

Diz-se que os carros sem motorista são diferentes porque dirigem “altruisticamente”, ou de uma forma que conscientemente abre espaço para outros motoristas, como sempre deixando os outros se fundirem na frente deles. Eles acreditam que os AVs devem ter acesso a coisas como rodovias com pedágio, HOV e faixas de ônibus, já que não os utilizarão “egoisticamente”, mesmo que esse tipo de comportamento possa ser explorado em nível de política.

Eles também sugerem que os planejadores olhem para o quadro geral, considerando diferentes modos de mobilidade, como bicicletas e scooters, e considerando se a comunicação entre veículos autônomos (AV) e frotas deve ou não ser obrigatória ou aprimorada. O estudo completo de 23 páginas pode ser visto aqui (PDF).

A Meta acaba de lançar o Universal Speech Translator, um dispositivo destinado a traduzir idiomas falados como Hokkien em escritos. Um problema para a maioria dos sistemas de tradução de aprendizado de máquina é que eles precisam transformar a voz em palavras escritas antes de traduzir o novo idioma e retornar o texto à fala; isso é algo que um artigo do Engadget sobre a tecnologia afirma ser verdade para centenas de idiomas falados.

O Universal Speech Translator trabalha em torno da ausência de amostras de linguagem anotadas, primeiro decompondo as palavras faladas em “unidades acústicas” e, em seguida, gerando formas de onda. O sistema está atualmente um pouco restrito em suas capacidades; ele só permite que falantes de Hokkien, uma língua amplamente falada no sudeste da China continental, traduzam para o inglês em frases completas. A equipe do Universal Speech Translator da Meta Research acredita que continuará melhorando.

No mundo da inteligência artificial (IA), a equipe da DeepMind revelou o AlphaTensor, que o laboratório apoiado pela Alphabet afirma ser o primeiro sistema de IA para desenvolver algoritmos inovadores, eficientes e “provavelmente corretos”. A multiplicação de matrizes é um processo matemático fundamental nos atuais sistemas de aprendizado de máquina, e o AlphaTensor foi construído com o propósito expresso de descobrir métodos inovadores para essa tarefa.

Usando o AlphaTensor, a DeepMind transformou o desafio de desenvolver algoritmos eficientes de multiplicação de matrizes em um jogo solitário em que o “tabuleiro” é uma matriz tridimensional de inteiros. A DeepMind afirma que o AlphaTensor aprendeu a dominar essa tarefa, inventando e aprimorando algoritmos de complexidade “de última geração”, incluindo um que foi criado há 50 anos. O sistema encontrou um algoritmo que funcionou de 10% a 20% mais rápido