Η Apple εξαγόρασε την Emotient, μια start up εταιρεία με ειδίκευση στην τεχνητή νοημοσύνη από το San Diego σύμφωνα με τα όσα αναφέρει το CNBC δίκτυο με tweet του.

Καμία πληροφορία δεν δόθηκε στην δημοσιότητα για το ποσό που δόθηκε για αυτή την νέα εξαγορά της Apple. Σύμφωνα με το site της εταιρείας η Emotient ειδικεύεται με επιτυχία στην ανίχνευση συναισθημάτων και ανάλυσης αυτών.

Με άλλα λόγια η τεχνολογία της εταιρείας επιτρέπει το να καταλάβει κάποιος τα συναισθήματα ενός χρήση απλά παρατηρώντας και καταγράφοντας τις αντιδράσεις και τις εκφράσεις του προσώπου του σε ένα ζωντανό βίντεο.

Εκπρόσωπος της Apple επιβεβαίωσε την εξαγορά αυτή με δήλωση στην The Wall Street Journal αναφέροντας το τυπικό πλέον “Αγοράζουμε μικρότερες εταιρείες τεχνολογίες συχνά αλλά γενικότερα δεν συζητάμε τους λόγους ή τα πλάνα μας πίσω από τέτοιες κινήσεις”

Μια άμεση εφαρμογή της τεχνολογίας της Emotient στο iOS θα ήταν η αυτόματη κατηγοριοποίηση φωτογραφιών στην εφαρμογή Photos με βάση το συναίσθημα.

ΠΗΓΗ: appleworldhellas.com

Κάποιοι δεσμεύονται να κόψουν το κάπνισμα, κάποιοι να χάσουν βάρος- ο Μαρκ Ζάκερμπεργκ, ιδρυτής τουFacebook, να φτιάξει μέσα στο 2016 ο ίδιος μια «απλή» τεχνητή νοημοσύνη για το σπίτι του, καθώς και για να τον βοηθά στη δουλειά του (ο ίδιος την παρομοιάζει με τον Jarvis, τον υπολογιστή του Τόνι Σταρκ στο «Iron Man»).

Όπως έγραψε σε ποστ του στο Facebook, ο ιδρυτής του δημοφιλέστερου κοινωνικού δικτύου στον πλανήτη (το οποίο, παρεμπιπτόντως, ήδη πραγματοποιεί έρευνες, μεταξύ άλλων, και στον τομέα της Τεχνητής Νοημοσύνης) σε πρώτη φάση θα δει τι τεχνολογίες είναι διαθέσιμες και μετά θα αρχίσει να «εκπαιδεύει» την AI στη φωνή του έτσι ώστε να την καταλαβαίνει και να μπορεί να ελέγχει φώτα, μουσική, θερμοκρασία κλπ- καθώς και να αναγνωρίζει (μέσω προηγμένων αλγορίθμων image/ face recognition) τα πρόσωπα των φίλων που χτυπούν το κουδούνι του, έτσι ώστε να ξέρει πότε πρέπει να ανοίξει. 

Παράλληλα, θα επεκτείνεται και στον χώρο της εικονικής πραγματικότητας (VR) βοηθώντας στην οπτικοποίηση δεδομένων για σκοπούς δουλειάς.

«Αυτόν τον χρόνο, η προσωπική μου πρόκληση είναι να κάνω αυτό. Θα πρέπει να είναι μια διασκεδαστική διανοητική πρόκληση να γράφω τον κώδικα ο ίδιος, για τον εαυτό μου. Ανυπομονώ να μοιραστώ αυτά που θα μάθω κατά το πέρασμα το έτους» καταλήγει στο post του.

Ο Μαρκ Ζάκερμπεργκ απασχόλησε ξανά πρόσφατα τη δημοσιότητα, με τη γέννηση της κόρης του και τη δέσμευσή του για διάθεση του 99% του μεριδίου του στο Facebook (σε βάθος χρόνου) για τη χρηματοδότηση του Chan Zuckerberg Initiative.

ΠΗΓΗ: naftemporiki.gr

Τον... δίδαξαν ερευνητές από τις ΗΠΑ και τον Καναδά

Οι ηλεκτρονικοί υπολογιστές κάνουν γρήγορους υπολογισμούς και μαθαίνουν πιο αργά, ενώ οι άνθρωποι κάνουν πιο αργούς υπολογισμούς, αλλά μαθαίνουν πιο γρήγορα. Τώρα, για πρώτη φορά, ερευνητές από τις ΗΠΑ και τον Καναδά ανακοίνωσαν ότι «δίδαξαν» (προγραμμάτισαν) έναν υπολογιστή έτσι ώστε να μαθαίνει γρήγορα σαν άνθρωπος.

Οι ερευνητές, με επικεφαλής τον Μπρέντεν Λέικ του Πανεπιστημίου της Νέας Υόρκης, που έκαναν τη σχετική δημοσίευση στο περιοδικό "Science", δημιούργησαν ένα πρόγραμμα υπολογιστικής όρασης, που μιμείται την ικανότητα των ανθρώπων να μαθαίνουν νέα πράγματα από ένα και μόνο παράδειγμα: στη συγκεκριμένη περίπτωση να αναγνωρίζουν (όσο διαφορετικά κι αν γράφουν οι άνθρωποι το ίδιο γράμμα) και να γράφουν χειρόγραφους χαρακτήρες αλφαβήτου.

Μελλοντικά, η δυνατότητα αυτή του υπολογιστή θα μπορούσε να επεκταθεί και σε πολλές πρακτικές εφαρμογές, όπως η επεξεργασία εικόνων, η αναγνώριση φωνής, η αναγνώριση προσώπου, η κατανόηση της φυσικής γλώσσας κ.α.

Στην πραγματικότητα, δεν απαιτείται κάποιος προγραμματισμός για τη διαδικασία της μάθησης, καθώς ο αλγόριθμος προγραμματίζει τον εαυτό του για να δημιουργήσει κώδικα που θα παράγει το γράμμα που βλέπει. Αν και ο σχετικός αλγόριθμος, ο οποίος «μαθαίνει να μαθαίνει» (π.χ. χρησιμοποιεί γνώσεις του λατινικού αλφαβήτου για να μάθει το ελληνικό αλφάβητο), χρειάζεται αρκετή ακόμη βελτίωση, το επίτευγμα χαιρετίσθηκε ως σημαντικό βήμα προόδου στο πεδίο της τεχνητής νοημοσύνης και της μηχανικής μάθησης.

Αν και η μηχανική μάθηση των υπολογιστών έχει κάνει σημαντικές προόδους τα τελευταία χρόνια, οι άνθρωποι είναι ακόμη πολύ καλύτεροι από τα μηχανήματα στο να μαθαίνουν νέες έννοιες βλέποντας μόνο ένα ή δύο παραδείγματα, έναντι των δεκάδων ή εκατοντάδων χιλιάδων παραδειγμάτων που χρειάζονται να «καταναλώσουν» προηγουμένως οι υπολογιστές.

Μέχρι σήμερα έχει αποδειχθεί πολύ δύσκολο να κατασκευασθούν μηχανήματα που, για να μάθουν μια νέα έννοια, θα χρειάζονται ελάχιστα δεδομένα (παραδείγματα), όπως οι άνθρωποι. Προς το παρόν, για παράδειγμα, οι υπολογιστές αναγνωρίζουν την ανθρώπινη φωνή, επειδή έχουν προηγουμένως τροφοδοτηθεί με τεράστιες βάσεις δεδομένων από λέξεις και φράσεις. Είναι επόμενο ότι συχνά πέφτουν σε γκάφες, όταν συνταντούν λέξεις που τους είναι άγνωστες. Αντίθετα, οι άνθρωποι συνήθως αρκεί να δουν μια νέα λέξη μια-δυό φορές, για να καταλάβουν τι σημαίνει και πώς πρέπει να τη χρησιμοποιούν.

Οι ερευνητές ανέπτυξαν μια νέα μέθοδο μηχανικής μάθησης (Bayesian Program Learning-BPL), που αναγνωρίζει και δημιουργεί νέους χειρόγραφους χαρακτήρες εξίσου καλά με τους ανθρώπους - αν όχι καλύτερα. Σχετικές δοκιμές έγιναν με 50 διαφορετικά συστήματα γραφής από όλη τη Γη. Μία ομάδα κριτών δεν μπορούσε να ξεχωρίσει αν ο χειρόγραφος χαρακτήρας είχε δημιουργηθεί απο άνθρωπο ή από το μηχάνημα (ένα είδος «οπτικού τεστ Τιούρινγκ» τεχνητής νοημοσύνης).

«Απέχουμε ακόμη πολύ από το να δημιουργήσουμε μηχανήματα τόσο έξυπνα όσο ένα παιδί, όμως αυτή είναι η πρώτη φορά που έχουμε ένα μηχάνημα ικανό να μάθει και να χρησιμοποιεί μια μεγάλη γκάμα εννοιών του πραγματικού κόσμου, όπως οι χειρόγραφοι χαρακτήρες, με τέτοιους τρόπους που είναι δύσκολο να διακρίνεις ανάμεσα στο μηχάνημα και στους ανθρώπους», δήλωσε ο καθηγητής γνωσιακής υπολογιστικής επιστήμης του Πανεπιστημίου ΜΙΤ Τζόσουα Τενενμπάουμ.

Ο θάνατος είναι το μόνο σίγουρο στον σημερινό αβέβαιο κόσμο, όμως τώρα μια νέα επιχείρηση start-up, η Humai, ίσως καταφέρει να μας απαλλάξει και από αυτό το… πρόβλημα, αφού υπόσχεται να μεταφέρει τη συνείδησή μας σε νέα, τεχνητά σώματα.

Ακούγεται σαν επιστημονική φαντασία και προς το παρόν αυτό είναι, καθώς καμία από τις τεχνολογίες που απαιτεί το business plan της Humai δεν τελεί σήμερα υπό εφαρμογή. Αυτό όμως δεν αποθαρρύνει τον Josh Bocanegra, διευθύνοντα σύμβουλο της εταιρείας, ο οποίος εξαγγέλλει ότι η ομάδα του θα αναστήσει το πρώτο ανθρώπινο ον εντός της επομένης 30ετίας.
«Ναι, είναι ένα υπερφιλόδοξο εγχείρημα, αλλά ακριβώς γι’ αυτό είμαι ενθουσιασμένος με τη δουλειά μου»
Πώς λοιπόν ξεκινάς για να μεταφέρεις τη συνείδηση ενός ατόμου στο σώμα ενός ρομπότ; Όπως εξηγεί η Humai στον ιστότοπό της: «Χρησιμοποιούμε την τεχνητή νοημοσύνη και τη νανοτεχνολογία προκειμένου να αποθηκεύσουμε δεδομένα για τους τρόπους ομιλίας, τα πρότυπα συμπεριφοράς, τις διαδικασίες σκέψης, και πληροφορίες για το πώς λειτουργεί το σώμα σας από μέσα προς τα έξω.

»Αυτά τα δεδομένα θα κωδικοποιηθούν σε τεχνολογίες πολλαπλών αισθητήρων, οι οποίες θα εγκατασταθούν σε ένα τεχνητό σώμα με τον εγκέφαλο ενός νεκρού ανθρώπου. Χρησιμοποιώντας την τεχνολογία της κλωνοποίησης, θα αποκαταστήσουμε τον εγκέφαλο καθώς ωριμάζει».

Τι σημαίνει αυτό με απλά λόγια; Ενώ ακούγεται σαν «ανέβασμα» των εγκεφάλων μας σε ηλεκτρονικούς υπολογιστές, ουσιαστικά η εταιρεία θέλει να τους καταψύξει κρυογενετικά και να τους τοποθετήσει σε άλλα σώματα μελλοντικά, όταν πλέον η τεχνολογία θα είναι έτοιμη να τους επισκευάσει.

«Οι λειτουργίες του τεχνητού σώματος θα ελέγχονται με τις σκέψεις σας μέσω μέτρησης εγκεφαλικών κυμάτων. Καθώς ο εγκέφαλος γερνάει, θα χρησιμοποιήσουμε τη νανοτεχνολογία για να επισκευάσουμε και να βελτιώσουμε τα κύτταρα. Η τεχνολογία της κλωνοποίησης επίσης θα μας βοηθήσει σ' αυτό» δηλώνει ο Bocanegra στο περιοδικό «Popular Science».

Μπορεί το πλάνο να μοιάζει αρκετά σαφές, στην πραγματικότητα όμως επιστήμονες σε όλον τον κόσμο παλεύουν εδώ και δεκαετίες κι ακόμα δεν έχουν αποδείξεις ότι κάτι τέτοιο είναι εφικτό.

Πράγματι, καταφέραμε να χρησιμοποιήσουμε τα εγκεφαλικά κύματα για να ελέγξουμε τεχνητά άκρα, ρομπότ ή και χέρια άλλων ανθρώπων, το να κάνεις όμως έναν αποσπασμένο εγκέφαλο να σκεφτεί και να ελέγξει ανεξάρτητα ένα σώμα είναι άλλη ιστορία…

Μπορεί το πλάνο να μοιάζει αρκετά σαφές, στην πραγματικότητα όμως επιστήμονες σε όλον τον κόσμο παλεύουν εδώ και δεκαετίες κι ακόμα δεν έχουν αποδείξεις ότι κάτι τέτοιο είναι εφικτόΕξάλλου γίνεται ολοένα πιο ξεκάθαρο ότι ο εγκέφαλός μας δεν λειτουργεί μόνος του όταν ρυθμίζει τις πράξεις και τη συμπεριφορά μας. Αντιθέτως, λαμβάνει πληροφορίες από τις ορμόνες ή άλλα μέρη του σώματος, ακόμα και από βακτήρια που ζουν στο έντερό μας.

Δεν προκαλεί έκπληξη λοιπόν που οι ειδικοί δεν σπεύδουν να εγγραφούν συνδρομητές στο newsletter της Humai. O Michael Maven, Βρετανός σύμβουλος λογισμικού, δηλώνει πως η εν λόγω ιδέα βρίσκεται πολύ κοντά στο αδύνατο – και όχι μόνο επειδή ο Bocanegra έχει μόνο μια πενταμελή ομάδα με δύο ερευνητές και καθόλου επιχειρηματικό κεφάλαιο. «Πώς θα τον συνδέσει (τον εγκέφαλο) με μια μηχανή;» διερωτάται. «Δεν τον βάζεις απλά σαν βύσμα σε θύρα USB. Η νανοτεχνολογία δεν είναι απάντηση, είναι καραμέλα.»

Ο Andrea Riposati, ειδικός σε θέματα τεχνητής νοημοσύνης, προχωρά ακόμη περισσότερο και αμφισβητεί τη φερεγγυότητα του εγχειρήματος, εξηγώντας ότι επιστημονικά δεν έχουμε λόγο να πιστεύουμε ότι η απαραίτητη τεχνολογία θα έχει αναπτυχθεί σε 30 χρόνια.

O Bocanegra όμως του απαντά ότι η Humai είναι αξιόπιστη. «Ναι» παραδέχεται, «είναι ένα υπερφιλόδοξο εγχείρημα, αλλά ακριβώς γι’ αυτό είμαι ενθουσιασμένος με τη δουλειά μου».

Υπάρχει, τέλος, κι ένας άλλος λόγος αμφιβολίας. Η τελευταία start-up του Bocanegra ήταν το LoveRoom, κάτι μεταξύ Airbnb και ΟΚ Cupid, που καλούσε ελκυστικούς εμφανισιακά ανθρώπους να μοιραστούν το ίδιο δωμάτιο και να δουν αν ταιριάζουν…

Καλή ιδέα για κάποιους, αλλά δεν παρέχει τα εχέγγυα ότι ο εμπνευστής της μπορεί να φέρει την επανάσταση σε έναν επιστημονικό τομέα όπου τα μεγαλύτερα μυαλά του κόσμου, με πολυπληθείς ερευνητικές ομάδες και άφθονη χρηματοδότηση, τα έχουν βρει σκούρα.

Με πληροφορίες από Science Alert

Μία νέα χείρα βοηθείας, εξοπλισμένη με τεχνητή νοημοσύνη, μόλις απέκτησαν οι απανταχού επιστήμονες και ερευνητές. Πρόκειται για τη Semantic Scholar, μια δωρεάν μηχανή αναζήτησης, η οποία όχι μόνο ψάχνει μέσα σε εκατομμύρια επιστημονικές δημοσιεύσεις, αλλά έχει την «εξυπνάδα» να καταλαβαίνει τι είναι σημαντικό και χρήσιμο μέσα σε αυτό τον τεράστιο όγκο δεδομένων.

Κάθε χρόνο γίνονται περίπου δύο εκατομμύρια νέες επιστημονικές δημοσιεύσεις και από αυτές σχεδόν οι μισές διαβάζονται το πολύ από τρεις ανθρώπους. Η Semantic Scholar - δημιούργημα του Ινστιτούτου 'Αλεν για την Τεχνητή Νοημοσύνη (γνωστού και ως ΑΙ2) με έδρα το Σιάτλ των ΗΠΑ, που χρηματοδοτείται από τον πολυεκατομμυριούχο συνιδρυτή της Microsoft Πολ 'Αλεν με πάνω από 20 εκατ. δολάρια - θέλει να διευκολύνει τους επιστήμονες, ενημερώνοντάς τους για γνώσεις, συσχετίσεις και νέες ιδέες, που είχαν περάσει απαρατήρητες έως τώρα.

Αντί να ψάχνουν βελόνες στα άχυρα, οι ερευνητές θα μπορούν να θέτουν ερωτήματα στη Semantic Scholar και αυτή θα «διαβάζει» όλα εκείνα που εκείνοι, ακόμα κι αν γνώριζαν ότι υπάρχουν, δεν θα προλάβαιναν να το κάνουν.
Σε πρώτη φάση, σύμφωνα με το 'New Scientist' και το 'Nature', η μηχανή θα αναζητά δημοσιεύσεις από το πεδίο της πληροφορικής και των υπολογιστών (περίπου τρία εκατομμύρια μέχρι στιγμής), ενώ από το 2016 θα διευρύνει τον ορίζοντά της σε άλλα πεδία, με προτεραιότητα τη βιοϊατρική και τη φυσική. Η ελπίδα είναι ότι νέα φάρμακα και θεραπείες θα επιταχυνθούν χάρη στο νέο εργαλείο αναζήτησης και «φλιτραρίσματος» των νέων επιστημονικών γνώσεων.

Το σύστημα ψάχνει μόνο σε ελεύθερα προσβάσιμες δημοσιεύσεις (όχι όσες διατίθενται μέσω συνδρομής) και "σκανάρει" τόσο το κείμενο όσο και τις φωτογραφίες ή τα επιστημονικά διαγράμματα. Παράλληλα, μπορεί να εντοπίσει ποιες δημοσιεύσεις έχουν τη μεγαλύτερη επιρροή και ποιες είναι αμφιλεγόμενες.

Σε εξέλιξη βρίσκονται παρεμεφερείς προσπάθειες από τον υπερυπολογιστή «Γουάτσον» της ΙΒΜ που υποστηρίζει το νέο εργαλείο επιστημονικής αναζήτησης "The Knowledge Integration Kit" (KnIT), καθώς και από την υπηρεσία Προωθημένων Αμυντικών Ερευνητικών Προγραμμάτων (DARPA) του αμερικανικού Πενταγώνου, η οποία αναπτύσσει την φιλόδοξη τεχνολογία "Big Mechanism" (Μεγάλος Μηχανισμός), που αναμένεται να έχει ολοκληρωθεί έως το 2017.

Παράλληλα, υπάρχουν οι βάσεις επιστημονικών δημοσιεύσεων, με μεγαλύτερες τη Google Scholar (με τουλάχιστον 100 εκατομμύρια έγγραφα) και τη PubMed, οι οποίες όμως δεν έχουν την τεχνητή νοημοσύνη να «καταλάβουν» το περιεχόμενο αυτών των δημοσιεύσεων. Το πλεονέκτημα της Google Scholar, από την άλλη, είναι ότι μπορεί να βρει και δημοσιεύσεις που «κρύβονται» πίσω από το «τείχος» της πληρωμένης συνδρομής. 'Αλλα εργαλεία, όπως η Microsoft Academic Search και η CiteSeer, είναι μικρότερης εμβέλειας.

imerisia.gr