Digital T힌크 T앙 (DTT)

인공 지능은 우리가 신체 세포 구조의 절반조차 알지 못할 수 있음을 보여줍니다

우리에게 영향을 미치는 많은 질병은 세포 기능 장애와 관련이 있습니다. 더 효과적으로 치료하는 것이 가능할 수도 있지만 먼저 과학자들은 세포가 어떻게 만들어지고 기능하는지 정확히 이해해야 합니다. 결합하여 인공 지능 UCSD(University of California, San Diego Medical School)의 과학자들은 현미경 및 생화학적 기술을 사용하여 인체 세포를 이해하는 데 중요한 단계를 거쳤습니다.


현미경 우리는 단일 마이크로미터만큼 작은 세포 구조를 볼 수 있습니다. 대조적으로, 개별 단백질을 사용하는 생화학적 기술은 나노미터, 즉 마이크로미터의 1/1000 크기의 구조를 연구하는 것을 가능하게 합니다. 그러나 생명 과학의 주요 문제는 마이크로와 나노 사이에서 세포 내부에 무엇이 있는지에 대한 지식을 완성하는 것입니다. 이에 도움이 되는 것으로 밝혀졌다 인공 지능 가능합니다.

 이미지 출처: Pixabay / 근원

자세히보기

Power Fx-프로그래머가 아닌 사용자를위한 프로그래밍

Microsoft 출판이있다 파워 FX 인기있는 Excel 수식을 기반으로하는 새로운 로우 코드 프로그래밍 언어를 발표했습니다. 회사는 언어를 하나의 오픈 소스 라이선스 사용 가능하고 그의 개발을 돕기를 희망합니다 Power Automate 또는 Power Virtual Agent와 같은 Power 플랫폼 결국 이러한 유형의 응용 프로그램의 표준이됩니다.

자세히보기

인공 지능은 유전자 치료를 위해 바이러스를 개선합니다

아데노 바이러스 (AAV)와 "관련된"의존성 바이러스 또는 파보 바이러스는 미국에서 매우 유용한 도구입니다. 유전자 치료. DNA를 세포로 옮길 수 있고 인간에게 무해하기 때문입니다. 따라서 그들은 질병과 싸우는 데 필요한 유전 정보의 운반자로 사용됩니다.

이미지 출처 : Pixabay

자세히보기

Facebook AI로 MRI 시험 가속화

인공 지능 (AI)에 의한 이미지 재구성은 자기 공명 영상 검사 (MRI) 중요합니다.

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

AI 가속 무릎 MRI 스캔을 기존 스캔과 비교하는 첫 번째 임상 연구는 AI 스캔이 기존 스캔과 진 단적으로 상호 교환 될 수있을뿐만 아니라 더 높은 품질의 이미지를 제공한다는 것을 보여줍니다. 이 상호 교환 성 연구의 결과는 MRI 스캔 프로세스를 가속화하기 위해 뉴욕시의 NYU Langone Health와 Facebook 인공 지능 연구 (FAIR) 그룹이 2018 년에 시작한 공동 이니셔티브의 핵심 이정표입니다.
이 연구는 American Journal of Roentgenology에 게재되었습니다.

자세히보기

살아있는 유기체의 DNA에 디지털 정보를 성공적으로 저장

하드 드라이브 및 기타 데이터 저장 시스템은 오늘날 엄청난 양의 정보를 저장합니다. 그러나 과거의 자기 테이프 또는 플로피 디스크와 마찬가지로 이러한 장치는 시간이 지남에 따라 구식이 될 수 있으며 수집 한 데이터에 액세스 할 수 없게됩니다. 그래서 과학자들은 데이터를 DNA 살아있는 유기체를 기록합니다. 이런 종류의 "대용량 저장"아마 가까운 장래에 쓸모 없게되지 않을 것입니다.

이 작업에 참여하지 않은 샌프란시스코 캘리포니아 대학의 Seth Shipman은 컬럼비아 대학 동료들의 성과를 칭찬했지만 이러한 시스템이 실제 적용되기까지는 오랜 시간이 걸릴 것이라고 지적합니다.

이미지 출처 : Pixabay

자세한 내용은 자연. (https://www.nature.com/articles/s41589-020-00711-4)

자세히보기

AI는 물리학의 가장 큰 미해결 문제 중 하나를 해결하는 데 도움이됩니다.

처음으로 ETH Zurich의 연구원은 유체 역학과 인공 지능을 결합하여 액체의 난류 모델링을 자동화하는 데 성공했습니다. 그들의 접근 방식은 난류가있는 강화 기계 학습 알고리즘 흐름 시뮬레이션스위스 국립 슈퍼 컴퓨팅 센터의 Piz Daint 슈퍼 컴퓨터에서 수행되었습니다.

최근 저널에 실린 연구에 대한 설명에 따르면 자연 기계 지능 연구진은 새로운 강화 기계 학습 (RL) 알고리즘을 개발하고 모델링에 대한 물리적 접근 방식과 결합했습니다. 난기류.

이미지 출처 : Pixabay

자세히보기

그들은 로봇 식 진공 청소기를 공격하고 그것이 작동하는 방에서 무슨 일이 일어나고 있는지 엿 들었습니다.

미국과 싱가포르의 과학자들은 로봇 진공 청소기를 사용하여 방의 소리를 도청하고 진공 청소기가있는 방에서 재생되는 TV 프로그램을 식별했습니다. 성능은 독립형 진공 청소기 마이크가 장착되어 있지 않습니다. 이 작업은 라이더 기술이 적용된 모든 장치가 도청에 사용될 수 있음을 보여줍니다.

우리는 실제로 생각하지 않고 집에서 이러한 유형의 장치를 사용합니다. 메릴랜드 대학의 Nirupam Roy 교수는 이러한 장치에 마이크가 없지만 대화를 도청하고 기밀 정보를 공개하도록 내비게이션 시스템을 다시 작성할 수 있음을 보여주었습니다.

이 안에 자율 로봇 익숙한 Lidar 시스템 레이저의 도움으로 환경을 검사합니다. 그들의 빛은 진공 청소기 주변에서 반사되어 진공 청소기의 센서에 공급되어 룸 맵을 만듭니다. 전문가들은 한동안 클라우드에 저장되는 자율 주행 청소기로 만든지도를 광고용으로 사용할 수 있다고 추측 해왔다.

이미지 출처 : Pixabay

자세히보기

인공 지능을 능가하는 방법-인간 대 기계.

AI 컴퓨터 시스템 자율 주행 차량에서 의사의 진단 및 자율 수색 및 구조 로봇 지원에 이르기까지 우리 삶의 여러 영역으로 길을 찾고 있으며 큰 잠재력을 제공합니다.

그러나, 특히 "신경망"으로 알려진 AI 분야에서 해결되지 않은 주요 문제 중 하나는 과학자들이 종종 일이 잘못되는 이유를 설명 할 수 없다는 것입니다. 이는 AI 시스템 내의 의사 결정 과정에 대한 이해 부족 때문입니다. 이 문제를 "블랙 박스"문제라고합니다.

누가 더 똑똑합니까?

리버풀 대학도 참여하고있는 랭커스터 대학의 15 개월간의 새로운 연구 프로젝트는 블랙 박스 문제의 비밀을 밝히고 "에 대한 새로운 방법을 찾는 것을 목표로합니다.깊은 학습"투명하고 설명 가능한 결정을 내리는 AI 컴퓨터 모델을 찾으십시오.

프로젝트 "책임감 있고 설명 가능한 자율 로봇 학습 시스템을 향하여"인공 지능 알고리즘을 개발하기위한 일련의 보안 감사 및 테스트 절차를 개발할 것입니다. 이는 시스템에서 내린 결정이 강력하고 설명 가능한지 확인하는 데 도움이 될 것입니다.

이미지 출처 : Pixabay

자세히보기

  • 1
  • 2