Peut-on déterminer le niveau de l’activité d’une usine automobile en calculant le taux d’occupation de ses parkings ? Celui d’un port de commerce en dénombrant, depuis l’espace, le nombre de mouvements des navires ? Celui d’une raffinerie par le nombre de camions y déchargeant du pétrole brut ?
Pavel Machalek en est convaincu.
« Pour obtenir soixante à soixante-dix centimètres de papier-toilette, le visiteur, pressé ou pas, doit passer son visage devant un scanner. Et le distributeur ne donnera pas plus de papier à cette personne avant neuf minutes. « Nous avons réfléchi à plusieurs options : empreintes digitales, scanner infrarouge ou reconnaissance faciale. Nous avons choisi la dernière option pour des raisons hygiéniques », explique au New York Times, Lei Zhenshan, un cadre de la compagnie qui a fabriqué la machine ».
Source : La reconnaissance faciale contre l’utilisation abusive de papier-toilette dans les WC publics
« Ingesting data, predicting trends, and suggesting solutions is almost perfectly suited to DeepMind’s neural network expertise. While the National Grid is surely aware of some potential optimisations, a more rigorous investigation by a DeepMind AI may uncover solutions that the grid’s human operators have never considered. One thing’s for certain: a system as large as the UK grid has millions of inefficiencies ».
Source : DeepMind in talks with National Grid to reduce UK energy use by 10% | Ars Technica UK
The old reCAPTCHA system was pretty easy—just a simple « I’m not a robot » checkbox would get people through your sign-up page. The new version is even simpler, and it doesn’t use a challenge or checkbox. It works invisibly in the background, somehow, to identify bots from humans. Google doesn’t go into much detail on how it works, only saying that the system uses « a combination of machine learning and advanced risk analysis that adapts to new and emerging threats. » More detailed information on how the system
« Contre le fléau des commentaires des trolls, l’intelligence artificielle de Google échoue tristement. Cela est dû à un système encore incapable de bien analyser les phrases, notamment si elles présentent des coquilles (volontaires) ou d’autres moyens de contournement ».
Voilà une incompréhension surprenante de l’IA et en particulier du machine learning. Les auteurs comprennent suffisamment le principe pour le détourner et faire parler d’eux, mais pas assez pour comprendre que cette critique est totalement infondée et que leur propos induit en erreur. Le machine learning repose sur l’apprentissage. C’est la raison pour laquelle elle ne peut pas s’adapter instantanément à un changement de pratiques de ce type. Mais elle s’adaptera très vite, ce que ce type d’approche n’aborde pas sérieusement. En plus de passer pour des crétins, ceux qui utiliseraient ce type de subterfuge seraient encore plus facilement détectés, car c’est beaucoup plus facile à identifier que les problèmes de fond qui furent plus sérieusement abordés par une autre étude… If Only AI Could Save Us from Ourselves de David Auerbach.
Source : L’IA anti-trolls de Google se fait berner par de simples coquilles – Tech – Numerama
Si une horreur dite posément est moins toxique qu’une vérité accompagnée d’un gros mot, on fait comment ? – Xavier de La Porte
« Perspective is an API that makes it easier to host better conversations. The API uses machine learning models to score the perceived impact a comment might have on a conversation. Developers and publishers can use this score to give realtime feedback to commenters or help moderators do their job, or allow readers to more easily find relevant information, as illustrated in two experiments below ».
Source : Perspective
« Bristol-based Graphcore has used its AI processing units and software to create maps of what happens during a machine learning process ».
Source : ‘AI brain scans’ reveal what happens inside machine learning
« Artificial intelligence doesn’t mimic the workings of the human brain: it reasons in a completely different way ».
Source : Explanimator – YouTube
Gu Li, as quoted by Hassabis, was a lot more philosophical about his loss to the new version of AlphaGo: « Together, humans and AI will soon uncover the deeper mysteries of Go. » Gu Li is referring to the fact that AlphaGo plays Go quite differently from humans, placing stones that completely confound human players at first—but upon further analysis these strategies become a « divine move. » While there’s almost no chance that a human will ever beat AlphaGo again, human players can still learn a lot about the game itself by watching the AI play.
Source : That mystery Go player crushing the world’s best online? It was AlphaGo again | Ars Technica
© 2024 no-Flux
Theme by Anders Noren — Up ↑
