#машинное обучение

Инвазивные виды — те, что расселяются за пределы своего естественного ареала — одна из самых серьезных экологических проблем современности. Коллектив российских ученых обратил внимание на два вида степных улиток (Brephulopsis cylindrica и Xeropicta derbentina), которые сегодня активно осваивают Восточную Европу и соседние регионы. Согласно результатам моделирования пространственного распространения (SDM), обе улитки могут вскоре распространиться куда шире и стать по-настоящему инвазивными.

В XXI веке вопрос о природе сознания станет одним из ключевых. Раньше им задавались лишь философы, а жизнь шла своим чередом, но технологии многое меняют: теперь мы создаем модели искусственного интеллекта, достаточно успешно притворяющиеся личностями. Нам нужны научные суждения о разуме, чувствах и сознании у машин, животных и людей, так как это влияет на систему прав и морали, на наши действия в их отношении и непосредственно на наше будущее. Naked Science разбирается, что мы знаем о природе сознания.

Разработанное программное обеспечение сократит время размещения и трассировки компонент на печатных платах при сохранении качества.

За всю новейшую историю мир не видел ничего подобного тому вызову, с которым столкнулась Россия в 2022 году. Никогда еще не было случая, когда крупная страна подвергалась бы настолько всеобъемлющей попытке торговой и экономической блокады со стороны сразу нескольких крупных экономических держав. Получится ли с ней справиться и что именно для этого нужно?

Несколько интересных неожиданных фактов, связанных с BIM-технологиями, градостроительными машинами, искусственным интеллектом, полупроводниками и серийным производством.

Машинное обучение — относительно новый метод, deus ex machina, на который мы возлагаем очень большие надежды во многих областях, от дизайна и медицины до теоретической и экспериментальной физики и химии. Naked Science при помощи специалистов из Университета «МИСИС» попробует разобраться, на чем основаны эти надежды, насколько они оправданы и что следует принимать во внимание, рассчитывая на машинное обучение как на будущий универсальный инструмент.

Нейросети учатся у людей писать картины и сочинять музыку, и это все еще выглядит забавным трюком машинного обучения. Но это лишь прелюдия. Она закончится, когда нейросети станут учиться тому, как люди рискуют, делают выбор и как используют мораль. Такие исследования уже идут, и данные для обучения мы создаем сами, зачастую даже не зная об этом. Naked Science пытается представить, зачем нужны нейросети, имитирующие нашу манеру рассуждений и поведения, кто от этого выиграет и чего стоит опасаться.

Модели глубокого обучения (deep learning) хорошо зарекомендовали себя при работе с текстами и речью. Однако они также эффективны для решения задач молекулярной биологии и биомедицины, в том числе предсказания функциональных свойств белков на основе их аминокислотной последовательности.

Химики и физики Южного федерального университета проводят междисциплинарное исследование, которое поможет определить архитектуру наночастиц по данным спектроскопии рентгеновского поглощения. Этот подход позволяет ускорить процесс обработки данных и поиска наилучших катализаторов для низкотемпературных топливных элементов.

Сфера интеллектуальных технологий стремительно развивается, поэтому ученые Пермского Политеха научили искусственный интеллект решать сложные задачи выбора на множестве альтернатив с помощью интуиции, избегая при этом таких человеческих недостатков, как сложность обоснования, документирование и когнитивная недоступность для окружающих.

Я хочу рассказать вам историю команды Омега. Я собираюсь рассказать о некоторых событиях, которые, вероятно, произойдут в недалеком будущем. Команда Омега состоит из талантливых людей. Эти люди были выбраны харизматичным генеральным директором компании после интервью одного за другим. Идеалистическая группа исследователей, инженеров и разработчиков программного обеспечения, которые являются лучшими в своих областях. Их целью было помочь человечеству. Но их миссия была слишком опасной. Если код, который они разрабатывали, попадет в руки не тех людей, это может привести к очень плохим результатам. Так в свое время объединились самые умные умы мира для «Манхэттенского проекта». Но что же все-таки произошло? Появилось ядерное оружие, и в мировых войнах человечество было практически уничтожено.

Новое исследование американских ученых предполагает, что несколько сотен до сих пор неизвестных видов млекопитающих прячутся у всех на виду по всему миру. Используя суперкомпьютер и передовые методы машинного обучения, исследователи определили, кто это может быть и где стоит начинать поиски.

Ученые из Collaborations Pharmaceuticals разработали модель машинного обучения для поиска новых лекарственных средств. В новой работе они изменили методологию, чтобы выявить потенциально опасные молекулы.

Земля пережила самое серьезное вымирание в своей истории 252 миллиона лет назад. В новой статье палеонтологи рассказали, как они использовали машинное обучение для того, чтобы выявить признаки, ставшие критическими для выживания организмов в то нелегкое время.

Специалисты из компании Google в сотрудничестве с Европейским институтом биоинформатики разработали нейронную сеть глубокого обучения, позволяющую предсказывать структуру, функции и свойства белков по их первичной структуре с высокой точностью. Новый инструмент позволит значительно облегчить и ускорить разработку новых лекарств и проектирование новых ферментов для промышленного производства продуктов питания, биотоплива и химикатов.

Коллаборация Швейцарского плазменного центра и компании DeepMind разработала новый метод магнитного управления плазмой в токамаке. Алгоритм глубокого обучения с подкреплением, разработанный DeepMind, позволяет значительно ускорить подбор настройки токамака для создания наперед заданных конфигураций плазмы с высокой точностью.

Российские ученые предложили подход, позволяющий при помощи персонализированных компьютерных моделей исследовать патологии коленного сустава. Разработанные алгоритмы способны с высокой точностью детектировать точки крепления связок и сухожилий к костям, что поможет создавать биомеханические модели суставов и использовать их для улучшения диагностики заболеваний и подбора наиболее эффективных методов лечения.

Модель, созданная в СПбГЭТУ «ЛЭТИ», позволит с высокой точностью индивидуально для каждого спортсмена рассчитывать анаэробный порог – важнейший показатель для мониторинга физической подготовки.

Физики из Японии и Австралии при помощи моделирования показали, что одна из разновидностей машинного обучения — обучение с подкреплением — подходит для точного управления квантовым состоянием системы.

Петербургские ученые совместно с коллегами из Германии разрабатывают программный комплекс, который позволяет подбирать индивидуальную терапию при лечении пациентов, имеющих проблемы со слухом.