Digital Tהינק Tקרסול (DTT)

בינה מלאכותית מראה שאולי איננו מכירים אפילו מחצית מהמבנים בתאי הגוף שלנו

רבות מהמחלות הפוגעות בנו קשורות לתפקוד לקוי של התאים. אולי אפשר לטפל בהם בצורה יעילה יותר, אבל תחילה מדענים צריכים להבין בדיוק איך תאים בנויים ומתפקדים. על ידי שילוב בינה מלאכותית באמצעות טכניקות מיקרוסקופיות וביוכימיות, מדענים מאוניברסיטת קליפורניה, סן דייגו בית הספר לרפואה (UCSD) עשו צעד חשוב בהבנת תאי גוף האדם.


עם מיקרוסקופים אנו יכולים לראות מבני תאים קטנים כמו מיקרומטר בודדים. לעומת זאת, טכניקות ביוכימיות המשתמשות בחלבונים בודדים מאפשרות לחקור מבנים בגודל של ננומטר, כלומר 1/1000 המיקרומטר. עם זאת, בעיה מרכזית במדעי החיים היא השלמת הידע של מה שנמצא בתוך התא בין המיקרו לננו. נמצא שזה עוזר בזה בינה מלאכותית הוא אפשרי.

 מקור תמונה: Pixabay / אלה

קרא עוד

Power Fx - תכנות לא-מתכנתים

מיקרוסופט יש את הפרסום של כוח FX הכריזה על שפת תכנות חדשה עם קוד נמוך המבוססת על נוסחאות אקסל פופולריות. החברה שמה את השפה תחת אחת רישיון קוד פתוח זמין ומקווה לעזור בפיתוח שלו פלטפורמות כוח כגון Power Automate או Power Virtual Agent ובסופו של דבר הופכים לסטנדרט ליישומים מסוג זה.

קרא עוד

בינה מלאכותית משפרת וירוסים לטיפול גנטי

Dependoviruses או parvoviruses "הקשורים" Adenoviruses (AAVs) הם כלים שימושיים מאוד בארה"ב. טיפול גנטי. הסיבה לכך היא שהם יכולים להעביר DNA לתא ואינם מזיקים לבני אדם. לכן הם משמשים כנשאים של המידע הגנטי הדרוש להילחם במחלות.

מקור תמונה: Pixabay

קרא עוד

פייסבוק AI מזרז בחינות MRI

שחזור תמונות על ידי בינה מלאכותית (AI) מקצר את הזמן של בדיקות הדמיה לתהודה מגנטית (MRI) משמעותי.

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

המחקר הקליני הראשון שהשווה סריקות MRI מואצות בברך עם סריקות קונבנציונליות מראה כי סריקות ה- AI אינן ניתנות להחלפה אבחנתית עם הקונבנציונליות, אלא גם מספקות תמונות באיכות גבוהה יותר. תוצאות מחקר זה להחלפה הן אבן דרך חשובה ביוזמה משותפת שהושקה בשנת 2018 על ידי NYU Langone Health מניו יורק וקבוצת ה- Facebook Artificial Intelligence Research (FAIR) כדי להאיץ את תהליך סריקת ה- MRI.
המחקר פורסם בכתב העת American Journal of Roentgenology.

קרא עוד

אחסון מוצלח של מידע דיגיטלי ב- DNA של אורגניזם חי

כוננים קשיחים ומערכות אחסון נתונים אחרות מאחסנים כמויות אדירות של מידע כיום. עם זאת, כמו קלטות מגנטיות או תקליטונים בעבר, מכשירים אלה עלולים להתאושש עם הזמן ואנחנו נאבד את הגישה לנתונים שאנו אוספים עליהם. זו הסיבה מדענים פיתחו שיטה להמרת נתונים ל- ה-DNA להקליט אורגניזם חי. הסוג הזה של "אחסון בנפח גדול"כנראה שלא יתיישן בעתיד הנראה לעין.

סת שיפמן מאוניברסיטת קליפורניה בסן פרנסיסקו, שלא היה מעורב בעבודה, שיבח את ביצועיהם של עמיתיו מאוניברסיטת קולומביה, אך מציין כי יחלוף זמן רב עד שמערכות כאלה ימצאו יישום מעשי.

מקור תמונה: Pixabay

פרטים נוספים ניתן למצוא ב טבע. (https://www.nature.com/articles/s41589-020-00711-4)

קרא עוד

AI מסייע בפתרון אחת הבעיות הגדולות שלא נפתרו בפיזיקה

חוקרים ב- ETH ציריך הצליחו לראשונה לבצע אוטומציה של הדוגמנות של מערבולת בנוזלים על ידי שילוב מכניקת נוזלים ובינה מלאכותית. הגישה שלהם מבוססת על השילוב של אלגוריתמי למידת מכונות חיזוק עם סוערות הדמיות זרימהשבוצעו במחשב העל Piz Daint של מרכז המחשבים העל הלאומי בשוויץ.

על פי תיאור המחקר שפורסם לאחרונה בכתב העת מחשב המודיעין פורסם, החוקרים פיתחו אלגוריתמים חדשים של למידת מכונות חיזוק (RL) ושילבו אותם עם גישה פיזית למודל מְעַרבּוֹלֶת.

מקור תמונה: Pixabay

קרא עוד

הם תקפו שואב אבק רובוטי ושמעו מה קורה בחדר בו הוא עובד

מדענים מארה"ב וסינגפור השתמשו בשואב אבק רובוטי כדי לצותת את הצליל בחדרים ולזהות תוכניות טלוויזיה המופעלות בחדר בו נמצא השואב. הביצועים מרשימים עוד יותר כמו שואב אבק עצמאי אינם מצוידים במיקרופון. עבודה זו מראה כי כל מכשיר עם טכנולוגיית לידר יכול ככל הנראה לשמש להאזנה.

אנו משתמשים במכשירים מסוג זה בבית מבלי לחשוב על כך הרבה. הראינו שלמרות שלמכשירים כאלה אין מיקרופון, אנחנו יכולים לשכתב את מערכת הניווט שלהם כדי לצותת לשיחות ולחשוף מידע חסוי, אומר פרופסור נירופאם רוי מאוניברסיטת מרילנד.

זה ב רובוטים אוטונומיים בשימוש מערכת לידר בוחן את הסביבה בעזרת לייזרים. האור שלהם מוחזר מסביבתו של שואב האבק ומועבר לחיישני השואב ליצירת מפת חדרים. מומחים העריכו מזה זמן כי ניתן להשתמש בפרסומות במפות שיצרו שואבי אבק אוטונומיים, המאוחסנים לרוב בענן.

מקור תמונה: Pixabay

קרא עוד

כיצד להערים על בינה מלאכותית - אנושית לעומת מכונה.

מערכות מחשב AI מוצאים את דרכם לאזורים רבים בחיינו ומציעים פוטנציאל רב, החל מרכבים עם נהיגה עצמית וכלה בסיוע לרופאים עם אבחונים ורובוטים לחיפוש והצלה אוטונומיים.

עם זאת, אחת הבעיות הגדולות שלא נפתרו, במיוחד בענף ה- AI המכונה "רשתות עצביות", היא שלעתים קרובות מדענים אינם יכולים להסביר מדוע הדברים משתבשים. זאת בשל חוסר הבנה של תהליך קבלת ההחלטות במערכות AI. בעיה זו ידועה כבעיית "הקופסה השחורה".

מי יותר חכם?

פרויקט מחקר חדש בן 15 חודשים של אוניברסיטת לנקסטר, בו מעורבת גם אוניברסיטת ליברפול, נועד לפתוח את סודות בעיית הקופסה השחורה ולמצוא דרך חדשה "למידה עמוקה"מצא מודלים ממוחשבי AI אשר מקבלים החלטות שקופות ומוסברות.

הפרויקט "לקראת מערכות למידה רובוטיות אחראיות ומוסברות"יפתח סדרה של אימות אבטחה ונהלי בדיקה לפיתוח אלגוריתמים של בינה מלאכותית. אלה יסייעו להבטיח שההחלטות שקיבלו המערכות יהיו חזקות וניתנות להסבר.

מקור תמונה: Pixabay

קרא עוד

  • 1
  • 2