Jest więcej wiadomości na temat sztucznej inteligencji tam, za czym ktokolwiek może nadążyć. Ale możesz być na bieżąco z najciekawszymi osiągnięciami dzięki tej kolumnie, która gromadzi postępy w dziedzinie sztucznej inteligencji i uczenia maszynowego z całego świata i wyjaśnia, dlaczego mogą być ważne dla technologii, start-upów lub cywilizacji.

Zacznijmy od lekkiej uwagi: sposoby, w jakie naukowcy stosują uczenie maszynowe w sztuce, są zawsze interesujące - choć nie zawsze praktyczne. Zespół z University of Washington chciał sprawdzić, czy komputerowy system wizyjny mógłby nauczyć się rozpoznawać, co jest grane na pianinie, tylko z góry na klawisze i ręce gracza.

Audio, system wyszkolony przez Eli Shlizermana, Kun Su i Xiulonga Liu, ogląda wideo z grą na pianinie i najpierw wydobywa prostą sekwencję naciśnięć klawiszy przypominającą fortepian. Następnie dodaje ekspresję w postaci długości i siły pras, a na koniec dopracowuje je w celu wprowadzenia do syntezatora MIDI w celu wyjścia. Wyniki są trochę luźne, ale zdecydowanie rozpoznawalne.

Kredyty Image: Shlizerman, et. glin

„Wcześniej uważano, że stworzenie muzyki, która brzmi tak, jakby można ją było zagrać podczas występu muzycznego, jest niemożliwe” - powiedział Shlizerman. „Algorytm musi znaleźć wskazówki lub„ funkcje ”w klatkach wideo, które są związane z generowaniem muzyki, i„ wyobrazić sobie ”dźwięk, który zachodzi pomiędzy klatkami wideo. Wymaga systemu, który jest zarówno precyzyjny, jak i pomysłowy. Fakt, że uzyskaliśmy muzykę, która brzmiała całkiem nieźle, był zaskoczeniem ”.

Innym z dziedziny sztuki i literatury jest to niezwykle fascynujące badanie obliczeniowe rozwijanie starożytnych liter, które są zbyt delikatne, aby je obsługiwać. Zespół MIT przyglądał się „zablokowanym” listom z XVII wieku, które są tak misternie złożone i zapieczętowane, że usunięcie i spłaszczenie litery może spowodować ich trwałe uszkodzenie. Ich podejście polegało na prześwietleniu liter i ustanowieniu nowego, zaawansowanego algorytmu do rozszyfrowania powstałych obrazów.

Schemat przedstawiający zdjęcia rentgenowskie listu i sposób jego analizy w celu wirtualnego rozwinięcia. Kredyty Image: MIT

„Algorytm wykonuje imponującą robotę przy oddzielaniu warstw papieru, pomimo ich ekstremalnej grubości i niewielkich odstępów między nimi, czasami mniejszych niż rozdzielczość skanu” - powiedział Erik Demaine z MIT. „Nie byliśmy pewni, czy to będzie możliwe”. Praca może mieć zastosowanie do wielu rodzajów dokumentów, które są trudne do rozwikłania przy użyciu prostych technik rentgenowskich. Trochę naciągane jest klasyfikowanie tego jako „uczenie maszynowe”, ale zbyt interesujące było to, aby nie uwzględniać. Przeczytaj cały artykuł pod adresem Nature Communications.

Kredyty Image: Asensio, et. glin

Dojeżdżasz do punktu ładowania swojego samochodu elektrycznego i okazuje się, że nie działa. Możesz nawet zostawić złą recenzję w Internecie. W rzeczywistości istnieją tysiące takich przeglądów i stanowią one potencjalnie bardzo przydatną mapę dla gmin, które chcą rozbudować infrastrukturę pojazdów elektrycznych.

Omar Asensio z Georgia Tech wytrenował model przetwarzania języka naturalnego na podstawie takich recenzji i wkrótce stał się ekspertem w analizowaniu ich tysięcy i wyciskaniu informacji, takich jak częste przerwy w dostawach, koszty porównawcze i inne czynniki.

Do kasy PrimeXBT
Handluj z oficjalnymi partnerami CFD AC Milan
Najłatwiejszy sposób na handel kryptowalutami.
Źródło: https://techcrunch.com/2021/03/05/deep-science-ai-adventures-in-arts-and-letters/