Autres domaines – 3

Nous sommes maintenant à la troisième partie des inclassables

Measuring Bot and Human Behavioral Dynamics

En analysant une grande quantité de gazouillis, des chercheurs ont trouvé un moyen d’améliorer la détection de ces utilisateurs non humains.

Les bots sont partout sur Internet et notamment présents en nombre sur Twitter. Il semble bien difficile de mesurer leur impact réel, surtout en matière politique où ils sont très utilisés. Ils pourraient toutefois jouer un rôle dans la formation des opinions publiques en accentuant la présence de certains points de vue en ligne au détriment du pluralisme.

Les réseaux sociaux font bien sûr la chasse à ces utilisateurs non humains et des millions de comptes sont régulièrement supprimés. Pour parvenir à reconnaître ces utilisateurs non humains, l’intelligence artificielle devient outil très précieux. C’est justement l’objet d’une étude publiée par des chercheurs de l’Université de Californie du Sud.

Plusieurs constatations ressortent de leur travail. Il apparaît tout d’abord que les humains ont beaucoup plus tendance à interagir avec les autres utilisateurs de la plateforme que les robots. Ils notent également que la longueur des publications humains diminue lorsqu’ils passent beaucoup de temps en ligne, sans doute à cause de la fatigue.

Rien de tel pour les bots pour lesquels on ne constate aucune évolution du même ordre. Chez ces derniers, on observe par ailleurs une régularité dans l’intervalle de temps entre la publication des tweets ; ils postent très souvent toutes les 30 ou 60 minutes.

Le plan de l’étude :

1. Introduction

2. Contributions of This Work

3. Background

4. Data and Methods

5. Results

6. Discussion

7. Conclusion

L’étude et ses résultat sont disponibles sur : Measuring Bot and Human Behavioral Dynamics

Le document, en anglais, est assez long ; en voici quelques extraits :

Bots, social media accounts controlled by software rather than by humans, have recently been under the spotlight for their association with various forms of online manipulation. To date, much work has focused on social bot detection, but little attention has been devoted to the characterization and measurement of the behavior and activity of bots, as opposed to humans’. Over the course of the years, bots have become more sophisticated, and to some extent capable of emulating the short-term behavior of human users. The goal of this paper is to study the behavioral dynamics that bots exhibit over the course of an activity session, and highlight if and how these differ from human activity signatures. By using a large Twitter dataset associated with recent political events, we first separate bots and humans, then isolate their activity sessions. We compile a list of quantities to be measured, such as the propensity of users to engage in social interactions or to produce content. Our analysis highlights the presence of short-term behavioral trends in humans, which can be associated with a cognitive origin, that are absent in bots, intuitively due to the automated nature of their activity. These findings are finally codified to create and evaluate a machine learning algorithm to detect activity sessions produced by bots and humans, to allow for more nuanced bot detection strategies.

Document complet de cette étude : Measuring Bot and Human Behavioral Dynamics

Dans une publication sur arXiv, des chercheurs du MIT et de l’Université de Harvard ont présenté Deep Evidential Regression, une intelligence artificielle qui serait « consciente » de sa propre fiabilité et de ses propres incertitudes et erreurs. Formée à partir de réseaux de neurones, elle propose des décisions et est également capable de mesurer l’incertitude de ces dernières.

Les recherches

Comme l’indiquent les chercheurs Alexander Amini, Wilko Schwarting et Ava Soleimany, Daniela Rus sur arXiv, les réseaux de neurones déterministes sont de plus en plus déployés dans des domaines critiques pour la sécurité, où des mesures d’incertitude calibrées, robustes et efficaces sont cruciales.

Dans leur article (Format PDF), ils proposent une nouvelle méthode pour la formation des réseaux de neurones non bayésiens pour estimer une cible continue ainsi que ses preuves associées afin d’apprendre à la fois l’incertitude aléatoire et épistémique. Ils sont parvenus à ce résultat en en plaçant des priors de preuve sur la fonction de vraisemblance gaussienne originale et en entraînant les réseaux de neurones à déduire les hyper paramètres de la distribution de preuve.

Ils ont également imposé des priors pendant l’apprentissage de sorte que le modèle soit régularisé lorsque ses preuves prédites ne sont pas alignées sur la sortie correcte. Leur méthode ne repose pas sur l’échantillonnage lors de l’inférence ou sur des exemples hors distribution (OOD) pour la formation des algorithmes, permettant ainsi un apprentissage efficace et évolutif de l’incertitude. Les chercheurs ont démontré l’apprentissage de mesures bien calibrées de l’incertitude sur divers points de repère, la mise à l’échelle vers des tâches de vision par ordinateur complexes, ainsi que la robustesse aux échantillons de test contradictoires et OOD.

Les chercheurs ont indiqué avoir testé leur intelligence artificielle avec succès. Pour cela, comme on peut le lire dans leur publication, ils lui ont présenté une image et elle devait juger les profondeurs dans différentes parties de celle-ci. Leur algorithme a signalé quand elle n’était pas capable de juger avec préciser certaines images qui sortaient de ses attributions habituelles.

Article source : Des chercheurs du MIT et de Harvard ont formé des réseaux de neurones capable d’estimer leur propre fiabilité
Publié sur ActuIA le 10 décembre 2020

L’intelligence artificielle séduit de plus en plus de clients. Parmi eux, le Centre national d’études spatiales (CNES) a récemment fait appel à l’expertise de Clemessy pour contribuer au développement d’un simulateur de systèmes fluidiques à l’aide de réseaux de neurones artificiels.

Objectif : optimiser le remplissage des réservoirs d’une fusée.

Pour faire décoller une fusée, il faut commencer par remplir ses réservoirs d’hydrogène liquide (LH2), un combustible au comportement diphasique, très instable et difficile à modéliser. Le CNES, qui excelle notamment dans les modélisations mathématiques complexes dans le but de mieux maîtriser cette phase critique du remplissage, a choisi de considérer l’IA pour obtenir de meilleurs résultats. « Le principe est très simple. Plutôt que de passer du temps à modéliser mathématiquement le remplissage en LH2 du premier étage d’une fusée, on fait ingérer les données acquises par l’expérience (Ariane 5 et open data) à un réseau neuronal. En sortie, on dispose d’un simulateur qui permet de valider le process sans avoir à mettre en œuvre des équipements réels ou de lourds développements de modèles mathématiques », nous explique Benjamin Lamy, responsable ingénierie informatique & contrôle-commande pour Eiffage Énergie Systèmes-Clemessy.

La suite de cet article est disponible sur le site interne de l’entreprise :
Le CNES s’appuie sur le savoir industriel de Clemessy pour simuler les systèmes fluides grâce à l’IA

Vous pouvez aussi consulter le chapitre : Entreprises et Partenariats

Si le public français pensent surtout à Thomas Pesquet et à la Station spatiale internationale quand on luis parle de l’espace, il y a bien d’autres objets qui se baladent à plusieurs centaines de kilomètres au-dessus de nos têtes. On ne parle pas encore d’embouteillage dans l’espace, mais ça commence sérieusement à se bousculer au portillon, notamment à cause d’Elon Musk via sa société SpaceX, qui a déjà mis en orbite autour de la Terre un millier de satellites pour son réseau Starlink, destiné à fournir un accès à Internet à haut débit partout sur le globe, ce qui en fait la constellation satellitaire la plus fournie de l’histoire.

L’importance de la surveillance de l’espace

La surveillance de l’espace est une problématique qui devient de plus en plus sensible au fil du temps. Pour l’aider dans ce domaine, ArianeGroup s’est associé à la start-up Delfox, qui s’appuie sur l’intelligence artificielle pour développer une plateforme permettant de modéliser des systèmes capables d’évoluer de manière autonome dans un environnement en évolution constante. Pour y parvenir, l’IA repose sur une technique d’apprentissage par renforcement. Concrètement, cela signifie qu’elle doit trouver un moyen d’atteindre par elle-même les objectifs qui lui sont octroyés. Lorsqu’elle est confrontée à un problème, elle essaie donc plusieurs solutions pour le résoudre. Quand l’IA réussie ses missions, elle reçoit des récompenses. Quand elle échoue, elle se voit infliger des pénalités. L’objectif ? «Converger vers un comportement intelligent», explique Alice Memang, co-fondatrice de Delfox.

Soutenue notamment par Starburst Accelerator, l’accélérateur dédié aux start-up de l’aéronautique et du spatial lancé par François Chopard, Delfox se positionne sur un segment d’activité dont le potentiel devrait pleinement s’exprimer au cours de la prochaine décennie. «La première révolution industrielle fut celle de la mécanique, la deuxième celle de l’automatisation, et la troisième, de façon évidente, sera celle de l’autonomie. C’est l’évolution logique»

Pourquoi ne pas passer aux pages consacrées a l’espace ?

Chaque année des millions de personnes les catastrophes naturelles touchent. Pour mieux y faire face et favoriser la collaboration interdisciplinaire, l’Union Internationale des Télécommunications, l’institution spécialisée des Nations Unies pour les technologies de l’information et de la communication, a lancé un Groupe spécialisé. L’objectif de ce groupe est de faire face aux catastrophes naturelles, qui sont de plus en plus fréquentes et dévastatrices, au moyen de l’IA.

Le Projet

Ce projet est lancé en mai 2021. En étroite collaboration avec l’Organisation Météorologique Mondiale et le Programme des Nations Unies pour l’environnement, le Groupe spécialisé de l’UIT sur l’intelligence artificielle au service de la gestion des catastrophes naturelles appuiera les efforts déployés partout dans le monde pour mieux comprendre et modéliser les catastrophes et les risques naturels. Il recensera les bonnes pratiques qui se font jour en vue d’élaborer une feuille de route pour les efforts internationaux dans le domaine de l’intelligence artificielle au service de la gestion des catastrophes naturelles.

L’intelligence artificielle peut renforcer la collecte et le traitement des données, améliorer la modélisation des risques par le biais de l’extraction de modèles complexes à partir d’un volume croissant de données géospatiales, et assurer des communications d’urgence efficaces. Le nouveau Groupe spécialisé analysera les cas d’utilisation pertinents de l’intelligence artificielle afin d’élaborer des rapports techniques et des supports pédagogiques portant sur ces trois grands aspects de la gestion des catastrophes naturelles. Les études que mènera ce Groupe porteront sur les aspects techniques, mais aussi sociologiques et démographiques des communications d’urgence, afin de s’assurer qu’elles profitent à toutes les populations en danger.

Des chercheurs en Chine ont inventé une intelligence artificielle (IA) qui détecte le sarcasme, en alliant textes et images, à partir de données tirées du réseau social Twitter.

Je n’ai pas trouvé beaucoup d’informations sur ce sujet.

Je me permet de vous envoyer sur ces sources :

• Des chercheurs chinois créent une IA qui détecte les sarcasmes
• Cette IA est capable d’identifier les publications sarcastiques

L’avion écologique, tous les constructeurs en parlent. Du kérosène vert au réacteur électrique en passant par l’avion à hydrogène, chacun y va de sa solution technologique.

Et si la clé ne venait pas de l’avion lui-même, mais plutôt de sa navigation?
Rien qu’en modifiant l’itinéraire de vol, on peut économiser des quantités considérables de carburant.

En Europe, le SESAR (programme de recherche sur la gestion du trafic aérien dans le Ciel unique européen), prévu pour s’achever en 2024, doit permettre un triplement des capacités de trafic, une réduction de 10% de l’impact environnemental de chaque vol et une amélioration de sécurité d’un facteur 10.

Le principe :

Contrairement à ce qu’on pourrait penser, le trajet le plus court n’est pas forcément le meilleur. Le plan de vol prend ainsi en compte une multitude de paramètres: altitude, vents, température, conditions météo, performances de base et poids de l’avion, réglementation aérienne, ou encore espaces interdits de survol.

Autant de variables trop compliquées à ingurgiter par les répartiteurs, chargés de préparer ces plans de vol, qui se rabattent souvent sur des itinéraires «standards» pour chaque destination.

«Créer un itinéraire personnalisé prend tout simplement trop de temps», confirme Pacha Saleh, un pilote d’Alaska Airlines, sur Popular Science. La compagnie a récemment fait appel à Airspace Intelligence, une société qui conçoit des routes aériennes optimisées grâce à l’intelligence artificielle. «Nous sommes la première compagnie à adopter cette technologie», se félicite Alaska Airlines.

Waze is in the air

Selon la compagnie, les itinéraires calculés par les algorithmes du système sont environ 5,3 minutes plus rapides que ceux conçus par les humains. Durant la période de test de six mois, elle affirme avoir économisé du carburant sur 64% des vols, soit 1,8 million de litres au total, et évité l’émission de 4.600 tonnes de CO2.

«Ce système est comparable à [l’application] Waze, qui vous recommande le meilleur itinéraire en fonction de la circulation», indique PopSci. En effet, non seulement le logiciel calcule le meilleur itinéraire possible en considérant les paramètres individuels du vol, mais il tient également compte de tout l’écosystème de l’espace aérien, par exemple l’occupation de la piste d’atterrissage ou l’encombrement de l’espace aérien.

Des données techniquement accessibles, mais complètement impossibles à prendre en compte pour un opérateur humain. L’algorithme d’apprentissage d’Airspace Intelligence a, quant à lui, ingurgité des millions de plans de vol, et il est même capable d’anticiper.

«L’IA prévoit ce qui va se passer jusqu’à six heures après le décollage, et va par exemple suggérer une direction différente pour éviter quelque chose sur la route», décrit Pacha Saleh.

Pour le moment, l’IA sert simplement d’aide à la prise de décision. Elle suggère un itinéraire et le répartiteur est libre de l’adopter ou pas. Mais on peut penser que la régulation aérienne sera un jour entièrement automatisée, tant le trafic aérien sera devenu complexe.

Nous aurons alors des avions sans pilotes, volant sur un plan de vol conçu par un algorithme. Seuls les passagers seront encore bien réels. Et en sécurité?

Cet article vient de Korii, publié le 27 juin 2021

par Céline Deluzarche depuis Popular Science

Depuis 2010, le Solar Dynamics Observatory (SDO) de la NASA travaille activement pour fournir des images haute définition du soleil. Pour y parvenir, ils exploitent un télescope solaire depuis plus d’une décennie dont les lentilles et les capteurs se dégradent progressivement au fur et à mesure de son utilisation par les scientifiques. Afin de prolonger la durée de vie de cet instrument, un groupe de chercheurs a exploité l’IA pour que le télescope puisse se calibrer et fournir des images de qualité de l’astre lumineux le plus proche de la Terre.

Article publié sur Actu IA le 10 août 2021 : Comment la NASA exploite le machine learning …

Points abordés :

• Les télescopes solaires nécessitent un calibrage régulier afin de fonctionner correctement
  On le sait tous, il est totalement impossible de regarder le soleil avec nos yeux sans que l’on soit blessé par celui-ci. Heureusement, les télescopes solaires peuvent réaliser cette tâche avec beaucoup plus de précision que n’importe quel autre outil. L’Assemblage d’imagerie atmosphérique (AIA) est l’un des deux instruments d’imagerie du SDO. L’outil regarde constamment le Soleil, prenant des images sur 10 longueurs d’onde de lumière ultraviolette toutes les 12 secondes…
• L’intelligence artificielle et le machine learning pour réaliser un étalonnage virtuel et permanent
  Afin de réaliser cet étalonnage virtuellement et donc contourner les inconvénients de la technique exploitant les fusées-sondes, des chercheurs ont décidé d’exploiter le machine learning. L’ensemble de leurs résultats ont fait l’objet d’un article rédigé par Luiz FG Dos Santos, Souvik Bose, Valentina Salvatelli, Brad Neuberg, Mark CM Cheung, Miho Janvier, Meng Jin, Yarin Gal, Paul Boerner et Atılım Güneş Baydin…

Alors que les affaires de dégazage des navires et de versement des eaux de cales au large des côtes sont régulièrement pointées du doigt, une start-up a décidé d’utiliser l’imagerie satellite pour faire condamner les pollueurs. Et leur meilleure alliée est une intelligence artificielle développée avec le concours d’Amazon.

Baptisée SkyTruth, cette ONG à but non lucratif traque les bateaux, que ce soit les tankers ou les plaisanciers, qui larguent leurs eaux usées. Ces dernières peuvent en effet bouleverser la flore et la faune marine lorsqu’elles sont rejetées au large des côtes. Une méthode par ailleurs interdite, explique l’organisation maritime internationale, qui dépend de l’ONU.

Puisqu’il est quasiment impossible de surveiller l’activité des navires en s’appuyant sur le seul travail collaboratif de volontaires, SkyTruth a développé avec le concours d’Amazon Web Services une intelligence artificielle capable d’interpréter des données satellites et d’indiquer la date et l’heure à laquelle un bateau déverse ses eaux usées. L’algorithme s’appuie sur les données radar de Copernicus Sentinel-1, des satellites d’observation mis en orbite par l’ESA, l’agence spatiale européenne. L’imagerie permet en effet de voir à l’œil nu les longues traces laissées en surface par les eaux de cales. Grâce à la méthode du deep learning (apprentissage profond), SkyTruth a alors entraîné l’IA à identifier cette source de pollution maritime.

Des IA pour aider la recherche

Armateurs et propriétaires peuvent être dénoncés et tenus pour responsables de cette pollution. L’idée étant principalement de faire peser une épée de Damoclès sur la tête des pollueurs en signalant ce que les navires laissent dans leur sillage.

Ce n’est pas la première fois qu’Amazon Web Services met à contribution ses infrastructures informatiques pour lutter contre l’impact de l’homme sur l’environnement ou encore pour faire progresser la science.

Avec Capgemini et des chercheurs, AWS a mis au point une IA capable d’identifier les cachalots afin de mieux comprendre leur flux migratoire et inciter les navires à réorienter leurs routes maritimes.

Avec la WWF, Amazon a également mis en place un système d’identification des orangs-outans afin de recenser leur population.

Parmi les nouvelles fragrances de la rentrée, Paco Rabanne lance Phantom, fabriqué grâce à des algorithmes et de formules scientifiques. Un nouveau modèle de production qui ne remet pourtant pas en question l’art du «nez».

La pandémie de Covid-19 en a fourni une nouvelle preuve : le parfum est un totem, qui bénéficie d’une quasi-immunité. Certes, comme l’ensemble du secteur des cosmétiques, il a fait les frais des périodes de confinement, avec un recul des ventes. Mais de l’ordre de 15 %, alors que le rouge à lèvres, torpillé par le masque, encaissait un plongeon de plus de 50 % . Et quand la socialisation fut (re)venue, les «jus» ont largement contribué au glow retrouvé du marché de la beauté. Leur profusion n’a d’ailleurs jamais ralenti.

Chaudron au potentiel prédictif

Parmi les dernières livraisons en date, il y a le cas Phantom (pour hommes) de Paco Rabanne, lancé mi-juillet. Il est vanté par la marque du groupe Puig comme «un sillage aromatique nouvelle génération, né de la rencontre explosive entre high-tech et haute parfumerie made in France», et «totalement révolutionnaire : connecté». Ce dernier aspect est anecdotique : le flacon en forme de minirobot a un bouchon (la tête, donc) équipé d’une puce, qui permet d’accéder à des jeux ou filtres si on approche son smartphone. Sa fabrication est plus signifiante. Elle entérine la percée de l’intelligence artificielle (IA) dans un métier que le grand public (conforté par les communicants) se plaît à voir comme une pratique quasi divinatoire, cet art du «nez» capable de trouver à force de connaissances mais surtout d’intuitions fulgurantes, l’élixir qui affolera nos sens. Soit tout l’inverse de l’IA, qui fonctionne à base d’algorithmes capables d’analyser et de mixer pléthore de formules, matières premières, données sociologiques, géographiques, économiques, marketing… Un chaudron au potentiel prédictif bien moins glamour que la quête expérimentale et inspirée d’un «nez».
Adios la part de rêve.

Capacité à l’émotion

Mais le rêve était pour partie leurre. Déjà, l’imagerie du «nez» en proximité du druide, détenteur de formules secrètes et goupilleur isolé de chefs-d’œuvre olfactifs dans son antre débordant de fioles, a largement vécu, balayée notamment par le recours aux molécules synthétiques qui a commencé… au XIXe siècle. Il y a désormais du laborantin chez tout «nez», qui dispose d’un éventail d’odeurs toujours plus large. Ensuite, tout parfum commercialisé par une marque a une cible, qui résulte d’échanges en amont entre le «nez» et ses partenaires et /ou commanditaires, la seule beauté du geste ne pèsera jamais lourd face à une grille marketing. L’IA accélère ce mouvement et le déploie, en centrifugeuse surpuissante. Les pionniers ont été les Allemands, avec la marque Symrise en partenariat avec IBM, en 2018. Deux parfums, spécifiquement destinés aux millenials brésiliens, en ont découlé. Mais les producteurs de parfums comme les acteurs de l’IA l’assurent, le «nez» n’est pas un métier en danger, car il suppose une qualité que l’algorithme n’a pas : la sensibilité, la capacité à l’émotion. Si une «fast parfumerie», made by IA, pourrait voir le jour, les parfums de qualité ne sauraient se passer des «nez», dont les sensibilités pourraient s’appuyer sur l’IA.

Cela dit, on garde en mémoire le film Her, de Spike Jonze, où l’IA (un programme informatique qui a la voix de Scarlett Johansson) est pleine de sensibilité, drôle, séduisante, si bien qu’on comprend parfaitement que Theodore (Joaquin Phoenix) en tombe amoureux. On ne sera pas de ceux qui affirment que le scénario d’une humanisation de l’IA est pure fiction…

Article source : L’intelligence artificielle infuse dans le parfum
Publié par Libération le 5 septembre 2021 ; auteur : Sabrina Champenois

Stabiliser un soleil artificiel, c’est-à-dire un réacteur à fusion nucléaire, est un challenge difficile à surmonter pour transformer ces projets en sources viables d’énergie. Une IA de DeepMind pourrait aider : la démonstration est réussie.

Les records s’enchaînent sur la fusion nucléaire. Ce processus, inspiré du mécanisme au cœur des étoiles, fait l’objet d’une recherche intense en laboratoire : s’il est maîtrisé et maintenu sur un temps suffisamment long, un « soleil artificiel » pourrait devenir une source d’énergie relativement propre.

Pour y parvenir, il est nécessaire de contrôler le chaos qui règne au sein de ces réacteurs. La plasma ultra chaud généré par la fusion des atomes d’hydrogène est la raison pour laquelle l’énergie produite pourrait être utile, mais il est aussi la raison d’une forte instabilité. Et si l’intelligence artificielle pouvait nous permettre de franchir cet obstacle ?

C’est ce que démontre un papier publié le 16 février 2022 dans Nature. Au cours de cette expérience, le laboratoire de fusion nucléaire Swiss Plasma Center (SPC) a collaboré par la société DeepMind.

L’IA pouvait « sculpter » le plasma

Le cœur d’un réacteur de fusion nucléaire s’élève à plusieurs millions de degrés celsius. Ces conditions extrêmes sont recréées au sein d’une machine en forme de donut, appelée tokamak. Le système repose sur un champ magnétique : le plasma est contrôlé par des bobines magnétiques qui l’empêchent de toucher les parois. Il ne faut en aucun cas que le plasma ne touche les parois, car, en plus d’endommager l’appareil, cela provoque une importante déperdition d’énergie.

La tension des bobines magnétiques du tokamak doivent être ajustées « des milliers de fois par seconde » pour éviter que le plasma n’entre en contact avec les parois. C’est là que l’intelligence artificielle peut jouer un rôle, comme le décrit plus en détail DeepMind sur son site.

À l’heure actuelle, le tokamak du Swiss Plasma Center dispose d’un algorithme de contrôle pour chacune des 19 bobines. La tension de chacune d’entre elles est ajustée par des calculs automatisés permettant d’évaluer, en temps réel, l’état du plasma dans l’environnement local. Mais en mobilisant DeepMind, cette démultiplication des algorithmes est supprimée : il n’y a plus qu’un seul réseau neuronal, basé sur l’apprentissage automatique. Ce réseau contrôle l’ensemble des bobines en même temps, « en apprenant automatiquement quelles tensions sont les meilleures pour obtenir une configuration de plasma directement à partir des capteurs.»

La démonstration s’est faite en deux étapes :

• La première : l’entraînement. L’intelligence artificielle a d’abord été entraînée dans un simulateur : chaque tentative et erreur permettait au système d’emmagasiner des données sur comment maîtriser le confinement du plasma dans le tokamak.
• Deuxième étape : les chercheurs ont pu déployer l’architecture dans les conditions réelles.

Cette mise en application au réel fut un succès : l’IA pouvait stabiliser le plasma, mais également le « sculpter ». Cette deuxième réussite est tout aussi importante. Chaque « sculpture » offre une meilleure compréhension du comportement du plasma, et chacune correspond à une configuration particulière pour la récupération de l’énergie. La façon dont le plasma est stabilisé dans une forme particulière a un impact sur comment nous pouvons récupérer l’énergie pour produire de l’électricité.

« Notre système était à lui seul capable de trouver les bons réglages pour toutes ces conditions différentes. Nous avons simplement changé l’objectif demandé, et notre algorithme a trouvé de manière autonome les réglages approprié. » Les chercheurs ont même réussi à produire une « sculpture » du plasma proche de ce qui est espéré pour ITER — le grand projet international de fusion nucléaire, basé en France et dont la construction est en cours.

A lire également : Cette solution miracle pourrait accélérer l’arrivée de la première centrale
Publié sur Presse Citron par Romain Pomian-Bonnemaison le 10 mars 2022

NDLR : Si j’avais disposé de ce programme quand je me suis installé avec madame…

Sources :

• Fabrication-Aware Reverse Engineering for Carpentry
  par James Noeckel, Haisen Zhao, Brian Curless, and Adriana Schulz
• Fabrication-Aware Reverse Engineering for Carpentry
• Cette IA crée votre guide de fabrication de meuble à partir d’une simple photo
  Publié sur Futura Tech le 2 août 2021 par Céline Deluzarche

Χαῖρε!

Welcome to Ithaca‘s interactive interface. Please follow the instructions below to begin restoring and attributing ancient Greek inscriptions. You will also find more information on the Ithaca project, links to the article and examples of Ithaca in action.

Bienvenue sur l’interface interactive d’Ithaca. Veuillez suivre les instructions ci-dessous pour commencer à restaurer et à attribuer des inscriptions en grec ancien. Vous trouverez également de plus amples informations sur le projet Ithaca, des liens vers l’article et des exemples d’Ithaca en action.

Les sources sont disponibles sur : Sources Ithaca

Que ferait-on sans DeepMind ; je pense que tout est dit : l’interface est on ne peut plus simple !

Références anglophones :

• DeepMind Researchers Develop Ithaca
• Predicting the past with Ithaca
• DeepMind’s Ithaca AI Model Unravels Ancient Greek Inscriptions

Références Francophones :

• Ithaca complète avec plus de précision que les humains les fragments de textes anciens
• L’intelligence artificielle déchiffre le grec ancien
• La nouvelle intelligence artificielle de DeepMind complète les textes en grec ancien

Une autre publication : Une prodigieuse intelligence artificielle capable de restaurer des textes anciens
Publié sur Sud Ouest le 9 mars 2022

Identifier les oiseaux grâce à l’intelligence artificielle

Une étude montre pour la première fois que l’intelligence artificielle (IA) peut être utilisée pour entraîner les ordinateurs à reconnaître les oiseaux individuellement, une tâche que les humains ne peuvent pas accomplir. L’étude est publiée dans la revue Methods in Ecology and Evolution.

Les chercheurs ont formé l’intelligence artificielle à reconnaître des images d’oiseaux individuels au sein de populations sauvages de républicains sociaux, de mésanges charbonnières et d’une population captive de diamants mandarins. Après la formation, les modèles d’IA ont été testés avec des images d’individus qu’ils n’avaient pas vus auparavant et ont donné une précision de plus de 90% pour les espèces sauvages et 87% pour les diamants mandarins captifs.

Dans les études sur le comportement des animaux, leur identification individuelle est l’un des facteurs les plus coûteux et les plus chronophages, limitant la portée des comportements et la taille des populations que les chercheurs ont les moyens d’étudier. Les méthodes d’identification actuelles, comme celle qui consiste à attacher des bandes de couleur aux pattes des oiseaux, peuvent également être stressantes pour les animaux.

Ces problèmes pourraient être résolus avec les modèles de machine learning.

Pour que les modèles d’IA puissent identifier avec précision les individus, ils doivent être formés avec des milliers d’images marquées. Aujourd’hui, la reconnaissance humaine est possible grâce à des modèles ont accès à des millions de photos de personnes différentes, volontairement marquées par les utilisateurs. Mais l’acquisition d’un tel nombre de photographies d’animaux n’était auparavant pas possible et a créé un goulot d’étranglement pour la recherche.

Texte complet de l’étude (en anglais) : Deep learning-based methods for individual recognition in small birds

Voulez-vous continuer le chapitre suivant ? Alors :  Autres domaines – 4