Dari kenderaan autonomi kepada robot tindak balas kecemasan, kecerdasan buatan mesin pembelajaran secara cepat memasuki kehidupan seharian kita.
AI berkembang pada kadar yang mengagumkan, dan terus membantu dalam peningkatan perubatan, kejuruteraan, robotika dan hiburan.
Setiap saintis hari di seluruh dunia sedang membangunkan teknologi baru yang inovatif - yang terdiri daripada kepelbagaian dari robot yang fleksibel kepada algoritma yang dapat mengesan tingkah laku haiwan - dan wanita sering berada di barisan hadapan kerja tersebut.
Dalam artikel ini, kami menyerlahkan wanita 11 yang "membunuhnya" di AI.
[Divider]
Dina Katabi
Andrew & Erna Viterbi Profesor Kejuruteraan Elektrik dan Sains Komputer, MIT
Dalam projek baru yang terancam, Dina Katabi dan satu pasukan penyelidik di MIT telah membangunkan sistem berkomputer, yang digelar "RF-Pose," itu menggunakan AI untuk melihat orang melalui dinding.
RF-Pose berfungsi dengan menggunakan rangkaian saraf untuk menganalisis frekuensi radio yang mengasyikkan badan orang. Oleh kerana AI belajar dengan contoh, penyelidik mengajar mesin untuk mengaitkan isyarat radio tertentu dengan tindakan manusia tertentu.
Para penyelidik mengumpul beribu-ribu imej orang dalam aktiviti seperti berjalan, bercakap, berdiri, duduk, dan membuka pintu dan lif, dan menggunakan imej untuk mencipta tokoh kayu yang berpose dengan cara yang sama.
Mereka kemudian berpasangan dengan angka tongkat ini menimbulkan isyarat radio yang sama dan menunjukkannya kepada AI. Ini membenarkan sistem untuk mengesan postur dan pergerakan orang dalam masa nyata, walaupun dari belakang dinding atau dalam gelap.
Katabi percaya teknologi itu boleh digunakan untuk tujuan perubatan, membolehkan doktor mengamati perkembangan penyakit di Parkinson, pelbagai sklerosis dan distrofi otot.
"Menganggarkan pose manusia adalah tugas penting dalam visi komputer dengan aplikasi dalam pengawasan, pengiktirafan aktiviti, permainan, dan sebagainya," kata Katabi kepada TUN.
[Divider]
Rebecca Kramer-Bottiglio
Penolong Profesor Kejuruteraan Mekanikal & Sains Bahan, Universiti Yale
Bayangkan robot yang fleksibel yang boleh diprogramkan semula untuk melaksanakan tugas yang tidak terkira. Lebih baik lagi, peranti yang boleh digunakan untuk mengubah apa-apa objek lama yang tidak berguna dan berguna - haiwan kesayangan kegemaran anda, contohnya - menjadi robot berfungsi sepenuhnya.
Walaupun ia mungkin seperti fiksyen sains, Rebecca Kramer-Bottiglio dan sekumpulan penyelidik Universiti Yale membuat kenyataan ini.
Pasukan penyelidikan telah membangunkan bahan anjal yang diprogramkan dipanggil "OmniSkins" yang boleh digunakan untuk membuat robot pelbagai guna dengan cepat.
Ini "kulit robot" terdiri daripada kepingan elastik yang tertanam dengan sensor dan penggerak. Mereka datang dalam pelbagai bentuk dan saiz, dan modular, yang bermaksud bahawa mereka boleh digabungkan dan disusun dalam pelbagai cara untuk menyesuaikan objek yang berbeza dan melaksanakan fungsi yang berbeza.
Daripada direka bentuk untuk melaksanakan tugas tertentu, mereka direka dengan fleksibiliti dalam fikiran. Idea ini adalah untuk pengguna untuk memprogram semula mereka untuk melakukan apa sahaja tugas yang diperlukan pada masa itu, seperti pisau tentera Swiss robot.
"Kita boleh mengambil kulit dan membungkusnya dengan satu objek untuk melaksanakan tugas - contohnya - dan kemudian mengambilnya dan meletakkannya pada objek yang berbeza untuk melakukan tugas yang berbeza, seperti menggenggam dan memindahkan objek," Kramer- Bottiglio berkata dalam satu kenyataan.
"Kami kemudian boleh mengambil kulit yang sama dari objek itu dan meletakkannya pada baju untuk membuat peranti yang boleh dipakai aktif."
[Divider]
Monica Emelko
Profesor Kejuruteraan Awam & Alam Sekitar, University of Waterloo, Kanada
Setiap tahun, disebabkan oleh banyak faktor seperti peningkatan suhu dan kelebihan penggunaan baja pertanian, sumber air di seluruh negara semakin tertanam dalam lapisan tebal hijau tebal ganggang toksik, mengancam keluarga dan hidupan liar.
Tetapi dengan bantuan Monica Emelko dan satu pasukan penyelidik di University of Waterloo, AI boleh membantu menjaga air kita daripada toksin.
"Ia penting untuk mempunyai air yang mengalir, walaupun kita perlu mendidihnya, untuk kebersihan asas," kata Emelko dalam satu kenyataan. "Jika anda tidak mengalir air, orang akan mula sakit."
Para penyelidik membangunkan sistem AI yang menggunakan perisian dalam kombinasi dengan mikroskop untuk secara murah dan menganalisis sampel air secara automatik untuk sel-sel alga dalam masa satu hingga dua jam, termasuk pengesahan keputusan oleh penganalisis manusia.
Daripada kaedah semasa yang hanya boleh menganalisis kawasan kecil yang melihat hanya beberapa mikroorganisma pada satu masa, sistem ini mengenal pasti dan mengira berjuta-juta mikroorganisma daripada jumlah sampel air yang lebih besar dalam hitungan detik, menggunakan mikroskop piawai.
"Keupayaan untuk melakukan semua ini secara automatik dalam masa beberapa saat boleh membolehkan kemudahan air untuk melakukan pemeriksaan langsung di tapak dengan cara yang kerap dan cepat untuk memastikan air selamat," kata penulis bersama Alexander Wong memberitahu TUN.
[Divider]
Sabrina Hoppe
Pelajar Doktor, Universiti Stuttgart, Jerman
&
Stephanie A. Morey
Pelajar Doktor, Flinders University, Australia
Sabrina Hoppe and Stephanie A. Morey, bekerja bersama-sama penyelidik di University of South Australia, membantu membuat algoritma mesin pembelajaran meramalkan sifat personaliti manusia dengan mengesan pergerakan mata.
Teknologi AI dapat menganalisis pergerakan mata seseorang dan mengenali empat daripada lima sifat kepribadian yang besar: neuroticism, extraversion, kesahihan dan kepatutan.
Untuk menguji algoritma, para penyelidik merekrut peserta 42 dan memasangnya dengan tracker mata berasaskan video 60 Hz yang mencatatkan pandangan dan video resolusi tinggi semasa mereka melakukan tugas harian di sekitar kampus kolej.
Kemudian, para penyelidik membandingkan data pandangan dengan ciri personaliti dengan memberikan peserta tiga borang soal jawab pelaporan diri, dan mendapati pergerakan mata manusia dapat mendedahkan sama ada mereka bersikap sosial, teliti, atau ingin tahu.
Perisian membuka kemungkinan satu hari membangun robot yang selaras dengan isyarat manusia dan sosialisasi.
"Interaksi mesin manusia pada masa ini tidak semestinya. ATM, komputer, telefon tidak menyesuaikan diri dengan mood atau konteks situasional semasa, " Tobias Loetscher, pensyarah kanan di Sekolah Psikologi, Kerja Sosial dan Dasar Sosial di University of South Australia, memberitahu TUN.
"Tidak kira sama ada saya gembira, marah, keliru, ironis, jengkel - komputer tidak empati dan tidak menyesuaikan diri dengan keadaan saya. Jika kita berjaya menyediakan komputer dengan keupayaan untuk memahami dan memahami isyarat-isyarat sosial manusia, interaksi akan menjadi lebih semula jadi dan menyenangkan. "
[Divider]
Shuting Han
Pelajar Siswazah, Columbia University
Tingkah laku haiwan telah menjadi subjek penyelidikan saintifik sejak zaman Aristoteles, tetapi hingga saat ini, kajian di bidang ini telah dibatasi hingga berjam-jam pemerhatian yang teliti dan pengambilan nota.
Tetapi dengan bantuan Shuting Han dan pasukannya di Columbia University, AI kini boleh digunakan untuk mengkaji tingkah laku haiwan dengan cepat dan berkesan.
Para penyelidik telah membangunkan algoritma inovatif yang berjaya menganalisis jam video Hydra, sebuah invertebrat air tawar yang kurang pantas, dan memahami pelbagai tingkah laku yang menyeluruh.
Dengan menyaring maklumat spam, algoritma mampu mengesan kecenderungan dalam tingkah laku haiwan.
Bekerja sebagai algoritma "bag-of-words", sejenis algoritma popular yang sering digunakan dalam menapis spam e-mel, algoritma belajar mengklasifikasikan corak visual yang berbeza - bentuk dan gerakan - dalam video Hydra dan memilih pergerakan berulang.
Dengan berbuat demikian, teknologi mengenal pasti corak tingkah laku haiwan yang berbeza.
"Walaupun kami menggunakan pendekatan kami untuk membina peta tingkah laku lengkap Hydra, kaedah kami juga menyediakan rangka kerja am untuk pengiktirafan tingkah laku haiwan yang cacat, dan berpotensi berlaku untuk semua spesies haiwan," kata Han kepada TUN.
"Malah, digabungkan dengan peta aktiviti saraf lengkap haiwan, kajian kami membuka kemungkinan menyahkodakan kod saraf untuk semua tingkah laku dalam haiwan, dan boleh membolehkan penemuan yang berpotensi dalam neurosains, biologi evolusi, kecerdasan buatan dan pembelajaran mesin."
[Divider]
Joni Holmes
Ketua Pusat Pembelajaran dan Memori Perhatian (CALM), Kognisi dan Sains Ilmu Majlis Penyelidikan Perubatan, University of Cambridge, UK
Joni Holmes, bersama rakan penyelidik di University of Cambridge, digunakan AI untuk mengenal pasti kelompok kesukaran pembelajaran kanak-kanak.
Para penyelidik menggunakan data dari beratus-ratus kanak-kanak yang berjuang secara akademik yang sebelum ini didiagnosis dengan gangguan pembelajaran - seperti gangguan hiperaktif kekurangan perhatian (ADHD), autisme dan disleksia - dan mendapati banyak kesulitan pembelajaran yang dilaporkan tidak sepadan dengan diagnosis umum.
Mereka mendapati ini dengan menyediakan algoritma komputer dengan data ujian kognitif daripada kanak-kanak 550, yang termasuk ukuran kemahiran mendengar, penalaran ruang, penyelesaian masalah, perbendaharaan kata dan ingatan.
Selepas menganalisis data, algoritma mencadangkan bahawa kanak-kanak paling sesuai dengan empat kelompok kesulitan, yang sejajar dengan data pendidikan lain dan laporan orang tua, tetapi tidak dengan diagnosis sebelumnya.
Dengan memasukkan kanak-kanak dengan segala kesulitan tanpa menghiraukan diagnosis, algoritma dapat menangkap pelbagai kesulitan dalam, dan yang bertindih antara kategori diagnostik.
Ini membolehkan para penyelidik memahami bahawa diagnosis umum tidak sama untuk setiap pelajar. Sebagai contoh, seorang pelajar dengan ADHD mungkin mengalami pembelajaran dengan cara yang sama sekali berbeza daripada pelajar lain dengan ADHD.
"Kerja kami menunjukkan bahawa kanak-kanak yang mencari subjek yang sama sukar akan bergelut dengan sebab yang sangat berbeza, yang mempunyai implikasi penting untuk memilih campur tangan yang sesuai," kata Holmes dalam satu kenyataan.
[Divider]
Miyuki Hino, Elinor Benami & Nina Brooks
Pelajar Siswazah, Program Interdisiplin Emmett mengenai Alam Sekitar dan Sumber, Universiti Stanford
Pengawal selia alam sekitar kerajaan sering bekerja keras dan kurang terkawal, menyebabkan bahaya alam sekitar yang besar tidak dapat dibetulkan setiap tahun.
Melihat ini sebagai masalah besar, pelajar siswazah Stanford University Miyuki Hino, Elinor Benami and Nina Brooks beralih kepada teknologi pembelajaran mesin untuk bantuan.
Dipimpin oleh Hino, pasukan pelajar memberi tumpuan kepada Akta Air Bersih dan komputer terlatih untuk mengesan corak secara automatik dalam data menggunakan maklumat dari pemeriksaan kemudahan air lalu.
Mereka menggunakan satu siri model untuk meramalkan kemungkinan gagal pemeriksaan berdasarkan ciri-ciri kemudahan, seperti lokasi, industri dan sejarah pemeriksaan. Komputer kemudian menghasilkan skor risiko untuk setiap kemudahan, menunjukkan bagaimana kemungkinan ia gagal untuk pemeriksaan.
Ini membolehkan pengawal selia alam sekitar mengutamakan dan meramalkan pelanggaran berbahaya.
"Terutama dalam era penurunan belanjawan, mengenal pasti cara yang kos efektif untuk melindungi kesihatan awam dan alam sekitar adalah kritikal," kata Benami dalam satu kenyataan.
Hino berkata pembelajaran mesin mempunyai kelemahannya.
"Algoritma tidak sempurna, mereka boleh mengekalkan berat sebelah pada masa-masa dan mereka boleh menjadi gamed," katanya dalam satu kenyataan.
Tetapi, pasukan mencadangkan penyelesaian untuk batasan dan kaedah ini untuk mengintegrasikan pembelajaran mesin ke dalam usaha penguatkuasaan.
"Model ini adalah titik permulaan yang boleh ditambah dengan lebih terperinci mengenai kos dan faedah pemeriksaan, pelanggaran dan respons penguatkuasaan yang berbeza," kata Brooks dalam satu kenyataan.
[Divider]
Narges Razavian
Penolong Profesor di Jabatan Radiologi dan Kesihatan Penduduk, NYU School of Medicine
Mengenal pasti jenis kanser paru-paru boleh menjadi sukar untuk ahli patologi yang berpengalaman, tetapi dengan bantuan Narges Razavian dan program pembelajaran mesin, ketepatan dalam bidang boleh diperbaiki.
Razavian dan pasukan penyelidikannya membangunkan program AI yang boleh membezakan dengan ketepatan peratus 97 antara adenocarcinoma dan karsinoma sel skuamosa - dua daripada jenis kanser yang lebih sukar untuk dikenal pasti tanpa ujian pengesahan.
Program ini juga boleh menentukan sama ada versi gen yang gen yang berkaitan dengan kanser paru-paru - termasuk EGFR, KRAS dan TP53 - terdapat dalam sel, dengan ketepatan yang berkisar antara 73 dan 86, bergantung kepada jenis gen.
Mutasi genetik sedemikian sering dikaitkan dengan menyebabkan pertumbuhan yang tidak normal, atau menyediakan petunjuk visual untuk analisis automatik. Malangnya, ujian genetik semasa yang digunakan untuk mengesahkan kehadiran mutasi boleh mengambil masa beberapa minggu untuk kembali.
Dengan pendekatan AI yang baru ini, para doktor dapat menentukan subtipe kanser dan status mutasi serta-merta untuk mendapatkan pesakit bermula pada terapi lebih awal.
"Dalam kajian kami, kami teruja untuk meningkatkan ketepatan parasologi ahli patologi, dan menunjukkan bahawa AI boleh menemui pola yang tidak diketahui sebelum ini dalam ciri-ciri sel-sel kanser dan tisu di sekelilingnya," kata Razavian dalam satu kenyataan.
"Sinergi antara data dan kuasa pengiraan adalah mewujudkan peluang yang belum pernah terjadi sebelumnya untuk memperbaiki kedua-dua amalan dan sains perubatan."
[Divider]
Kesimpulan
Walaupun perkembangan AI sering kali merasakan fiksyen sains, pada hakikatnya, terobosan yang luar biasa yang berlaku tidak pernah berlaku sebelum ini, dan sering tidak dapat dibayangkan, kadar.
AI membantu dunia kita dalam hampir setiap bidang sains, dan setiap wanita ini telah menyumbangkan karya penting kepada dunia teknologi kita yang semakin meningkat.
