Author: Francis
Nieuwsoverzicht voor deze week: Kijk eens naar de verbluffende ontdekking van 400K stabiele, nieuwe materialen met behulp van DeepMind’s AI en robots, gigantische robots die passagiersvliegtuigen schoonmaken en inspecteren voor een enorme besparing van $ 13,5 miljard, robotica die klanten beïnvloeden tijdens het rijden “The Amazon Effect”, en de robot-pizzaflop van Zume kost $ 445 miljoen. Robots en AI ontdekken 400.000 nieuwe materialen “Veel van de technologieën om ons heen, waaronder batterijen en zonnecellen, zouden echt kunnen verbeteren met betere materialen”, zegt Ekin Dogus Cubuk, hoofd van het materiaalontdekkingsteam van Google Deepmind in Londen. Met nieuwe materialen bedoelt Cubuk ‘stabiele’…
In de nieuwsberichten van de week wordt gekeken naar Kerstmis in Milton Keynes, waar de Kerstman cadeautjes overhandigt aan met rendieren beschilderde robots, vervolgens aan de eerste robotfabriek ooit voor boeren op het platteland van Indiana, en vervolgens aan het voorkomen van storingen en explosies in industriële opslagtanks met behulp van muur- klimrobots, tot ABB die in samenwerking met Porsche een broodnodige, in de fabriek gebouwde huizenbouwindustrie creëert, en vervolgens tot Chipotle die ‘klimaatslimme meststof’ aan zijn menu toevoegt. De Kerstman komt naar de stad als een mobiele rendierrobot Als de Ghost of Christmas Past ooit in het centrum…
Met behulp van een kunstmatig taalnetwerk hebben MIT-neurowetenschappers ontdekt welk soort zinnen de belangrijkste taalverwerkingscentra van de hersenen het meest waarschijnlijk zullen activeren. Uit het nieuwe onderzoek blijkt dat zinnen die complexer zijn, vanwege ongebruikelijke grammatica of onverwachte betekenis, sterkere reacties genereren in deze taalverwerkingscentra. Zeer eenvoudige zinnen raken deze gebieden nauwelijks, en onzinnige woordreeksen doen hen ook niet veel. De onderzoekers ontdekten bijvoorbeeld dat dit hersennetwerk het meest actief was bij het lezen van ongebruikelijke zinnen zoals ‘Koop-verkoopsignalen blijven een bijzonder’, afkomstig uit een openbaar beschikbare taaldataset genaamd C4. Het werd echter stil bij het lezen van iets heel…
Het verklaren van het gedrag van getrainde neurale netwerken blijft een boeiende puzzel, vooral omdat deze modellen steeds groter en verfijnder worden. Net als andere wetenschappelijke uitdagingen door de geschiedenis heen, vereist het reverse-engineeren van de manier waarop kunstmatige-intelligentiesystemen werken een aanzienlijke hoeveelheid experimenten: het maken van hypothesen, het ingrijpen in gedrag en zelfs het ontleden van grote netwerken om individuele neuronen te onderzoeken. Tot nu toe hebben de meeste succesvolle experimenten grote hoeveelheden menselijk toezicht met zich meegebracht. Het uitleggen van elke berekening binnen modellen ter grootte van GPT-4 en groter zal vrijwel zeker meer automatisering vergen – misschien…