Французские ученые разработали искусственный интеллект, способный регистрировать землетрясения быстрее самых чувствительных сейсмографов — по слабым изменениям гравитационного поля планеты.
Ученые использовали структуру сложного глаза одного из видов трилобитов для создания металинз. Объединив подходы нанофотоники и алгоритм искусственного интеллекта, исследователи разработали камеру с глубиной резкости от трех сантиметров до 1,7 километра.
В январе 2021 года OpenAI представила DALL-E, нейронную сеть, которая может «использовать любой текст и создавать на его основе изображение». Прошел год и OpenAI представила обновленную версию предыдущей программы под названием DALL-E 2.
Исследователи из Сколтеха, НИУ ВШЭ и Института высшей нервной деятельности и нейрофизиологии РАН разработали набор инструментов и краудсорсинговую платформу для анализа электроэнцефалограмм — записей электрической активности мозга.
Люди оказались не способны отличить лица, созданные искусственным интеллектом, от настоящих. Мало того, участники эксперимента даже назвали «фотографии» несуществующих людей более реальными, чем существующих.
Нейроучёные-компьютерщики обучали искусственную нейронную сеть имитировать активность биологического нейрона. Полученные результаты заставляют по-новому оценивать сложность отдельных клеток головного мозга.
Ученые натренировали нейросеть определять деменцию у пожилых посетителей клиник, занимающихся вопросами памяти. Искусственный интеллект смог за 2 года до появления первых явных симптомов предсказать развитие болезни с 92% точностью.
Британские разработчики научили нейросеть понимать время на стрелочных часах. Для обучения они собрали два датасета: из настоящих изображений и роликов из интернета, а также искусственных изображений.
Команда учёных из университета Британской Колумбии в Ванкувере (University of British Columbia) с помощью модели искусственного интеллекта «предсказала» состав около 9 млн. возможных дизайнерских наркотиков, которые могут появиться на рынке.
Исследователи из Китая представили модель машинного обучения, которая может с большой точностью выявлять кровоизлияния на компьютерной томографии головного мозга, но и рассказали о биомаркерах визуализации (радиомаркерах), благодаря которым можно предсказать способности мозга пациента к восстановлению.