AI impulsiona inovação interdisciplinar | NC State News #ÚltimasNotícias

Da verificação ortográfica à direção de um carruagem, a perceptibilidade sintético (IA) se tornou generalidade. Os sistemas de IA são treinados para entender a linguagem originário, perceber estímulos, reconhecer padrões, resolver problemas e tomar decisões. Eles podem aprender e se ajustar a partir de dados, melhorando seu desempenho ao longo do tempo.

Na NC State University, equipes interdisciplinares estão alavancando a IA para revolucionar a pesquisa. Aquém estão vários exemplos de porquê pesquisadores da NC State — em faculdades e departamentos — estão aplicando a IA à cultura, engenharia química, ensino e muito mais.

Aumentando o valor da batata-doce por meio da IA

Secção da NC Plant Sciences Initiative (PSI) e financiado pelo Game-Changing Research Incentive Program (GRIP), o Sweet-APPS Project é um esforço transdisciplinar usando IA para tornar os rendimentos das culturas de batata-doce mais bem-sucedidos e lucrativos. A Carolina do Setentrião é o maior produtor americano de batata-doce — uma safra estimada em US$ 324 milhões em 2019. As equipes de pesquisa usaram tecnologia de imagem para explorar centenas de milhares de batatas-doces, calculando suas características de qualidade. Combinados com dados sobre as condições de cultivo, os algoritmos de tirocínio de máquina determinaram quais fatores impactam o tamanho e a forma com o objetivo de melhorar os rendimentos das culturas que atendem aos padrões de Proporção 1 do USDA e à lucratividade.

Aproveitando ferramentas de IA para culturas

Uma equipe de pesquisa interdisciplinar na NC Plant Sciences Initiative está usando IA para inovar duas novas ferramentas — BenchBot 3.0 e NVIDIA Grace Hopper 200 — para ajudar produtores e cultivadores a melhorar a produtividade, eficiência e sustentabilidade das colheitas. O BenchBot é um robô que tira fotos de subida solução com eficiência e as armazena em um repositório de imagens de código ingénuo. O Grace Hopper, o mais novo supercomputador da NC PSI, processará os dados coletados pelo BenchBot para ajudar a treinar modelos de IA em larga graduação para aplicações agrícolas — tornando-os mais precisos e preditivos.

Método de IA melhora a eficiência em transformadores de visão

Os transformadores de visão usam IA para identificar ou categorizar objetos em imagens, mas exigem poder computacional e memória significativos. Outro tropeço é a falta de transparência que os usuários têm na tomada de decisão dos transformadores de visão. “Patch-to-Cluster attention” (PaCa), uma novidade metodologia desenvolvida por pesquisadores da NC State, aborda ambos os desafios e supera dois transformadores de visão avançados na capacidade de identificar, qualificar e segmentar objetos em imagens.

Mapeando o espaço 3D com câmeras 2D em carros autônomos

A maioria dos carros autônomos depende de múltiplas câmeras 2D que usam transformadores de visão para gerar uma representação 3D do espaço do mundo real ao volta deles. O Multi-View Attentive Contextualization (MvACon), lançado no ano pretérito, funciona modificando a abordagem PaCa e permitindo que veículos autônomos mapeiem melhor o espaço 3D ao volta deles. Um suplemento plug-and-play, o MvACon funciona com recursos computacionais limitados e é projetado para uso com transformadores de visão existentes.

Descodificando transtornos relacionados à idade

Financiados pela Data Science Academy, pesquisadores estão usando vermes porquê um organização padrão para explorar o envelhecimento e doenças relacionadas à idade. O projeto, denominado de “WormScanAI”, visa decodificar as intrincadas mudanças morfológicas que ocorrem em órgãos, tecidos e células — indicadores críticos de distúrbios subjacentes relacionados à idade. A equipe interdisciplinar desenvolveu um algoritmo de tirocínio de máquina que prevê a idade de um verme, mas eles ainda estão treinando o algoritmo para identificar os marcadores de envelhecimento ou neurodegeneração.

Técnica ajuda IA ​​a perceber quando humanos estão mentindo

Pesquisadores desenvolveram um novo conjunto de parâmetros de treinamento para ajudar programas de IA a perceber e contabilizar os incentivos econômicos para reter ou falsificar informações pessoais, porquê em um pedido de hipoteca ou ao tentar reduzir prêmios de seguro. Esta novidade utensílio ajuda a IA a se treinar para fazer previsões que levem em conta circunstâncias nas quais um humano pode mentir para melhorar um resultado. A IA modificada foi capaz de detectar informações imprecisas de usuários em simulações de prova de concepção.

Laboratório orientado por IA acelera pesquisa de catálise

Fast-Cat é uma utensílio de IA desenvolvida para fornecer análises aprofundadas de reações catalíticas em pesquisa e fabricação químicas de forma rápida e eficiente. A utensílio simplifica a estudo aprendendo com os experimentos automatizados que conduz porquê um laboratório “autônomo”. Essa tecnologia autônoma executa continuamente reações gás-líquido de subida temperatura e subida pressão e, em seguida, analisa a saída para instituir porquê diferentes variáveis ​​afetam cada resultado experimental. O laboratório autônomo usa esses resultados — sucessos e fracassos — para informar qual experimento executará em seguida. Ele pode fornecer mais dados ao longo de seis meses de testes convencionais em cinco dias.

IA opta pela volubilidade para melhorar seu desempenho

A IA convencional usa redes neurais tipicamente compostas de um grande número de neurônios artificiais idênticos, dissemelhante de um cérebro real com diferentes tipos de neurônios. Pesquisadores da NC State queriam saber o que um sistema de IA escolheria quando recebesse um “botão de controle” para seu próprio cérebro e criaram um que pudesse olhar para dentro e melhorar sua própria rede neural. Dada uma escolha, ele sempre selecionava diversas vias neurais artificiais em vez de homogêneas para fortalecer seu desempenho.

Avançando o horizonte da ensino com IA

Financiada por uma bolsa de cinco anos e US$ 20 milhões da National Science Foundation (NSF), uma iniciativa de pesquisa liderada pela NC State está criando ferramentas de IA para promover o tirocínio e a ensino humana para uma ampla variedade de públicos. O NSF AI Institute for Engaged Learning aproveita as décadas de trabalho que os pesquisadores da NC State e nossos colaboradores têm feito para projetar, desenvolver e implementar tecnologias de IA para ensino.