Artikel 1 :
Bocoran Peringatan : Kecerdasan Buatan Dapat Meramal
Bocoran Peringatan : Kecerdasan Buatan Dapat Meramal
Bagaimana Suatu Adegan Akan Berkembang
Sumber : http://www.livescience.com/57160-artificial-intelligence-predicts-how-scenes-evolve.html
Menurut sebuah studi terbaru, sebuah sistem kecerdasan buatan yang baru dapat mengambil gambar tak bergerak dan menghasilkan gambar bergerak dalam rentang waktu yang pendek, yang itu menggambarkan apa yang akan terjadi selanjutnya, mirip bagaimana manusia dalam bentuk suatu gambar dalam pikirannya mampu membayangkan suatu adegan akan berkembang.
Manusia secara garizah memahami bagaimana dunia bekerja, yang membuatnya lebih mudah bagi orang-orang, sebagai lawan dari mesin, untuk membayangkan suatu adegan akan muncul. Tapi objek dalam gambar masih bisa bergerak dan berinteraksi dalam banyak cara yang berbeda, sehingga sangat sulit bagi mesin untuk mencapai prestasi ini, kata para peneliti. Tapi baru, yang disebut sistem pembelajaran yang dalam (deep-learning) mampu mengelabui manusia 20 persen dari waktu jika dibandingkan dengan rekaman nyata.
Para peneliti di Massachusetts Institute of Technology (MIT) mengadu dua jaringan saraf terhadap satu sama lain, dengan yang satu dicoba untuk membedakan gambar bergerak nyata dari yang dihasilkan mesin, dan yang lainnya berusaha untuk membuat gambar bergerak yang cukup mampu diwujudkan untuk mengelabui sistem pertama. Jenis pengaturan ini yang dikenal sebagai “generative adversarial network" (GAN),atau jaringan kemajuan yang berlawanan, dan persaingan antara hasil sistem dalam gambar bergerak semakin mampu diwujudkan. Ketika para peneliti meminta pekerja pada perusahaan urun daya Mechanical Turk milik Amazon untuk memilih mana gambar bergerak yang nyata, para pengguna mengambil gambar bergerak yang dihasilkan mesin lebih yang asli 20 persen, kata para peneliti.
Tahap Awal
Namun, tunas sutradara film mungkin tidak perlu terlalu khawatir tentang mesin yang belum mengambil alih pekerjaan mereka - gambar bergerak hanya 1 sampai 1,5 detik dan dibuat pada resolusi (jumlah detail yang ditunjukan pada suatu gambar) 64 x 64 piksel (bagian terkecil pada suatu gambar dengan teknologi digital). Tetapi para peneliti mengatakan bahwa pendekatan ini akhirnya bisa membantu robot dan mobil yang dapat berjalan sendiri mampu melacak lingkungan yang terus bergerak dan berinteraksi dengan manusia, atau membiarkan Facebook secara dengan sendirinya menandai gambar bergerak dengan menggambarkan apa yang terjadi.
"Algoritma (prosedur yang tersusun rapi untuk memecahkan masalah perhitungan matematika dalam langka-langkah terbatas) kami dapat menghasilkan gambar bergerak yang cukup dapat diwujudkan dalam masa depan yang akan terlihat seperti apa, yang menunjukkan bahwa ia mengerti pada tingkat apa yang terjadi pada saat ini," kata Carl Vondrick, Ph.D. mahasiswa di MIT Ilmu Komputer dan Laboratorium (tempat untuk melakukan percobaan) Kecerdasan Buatan, yang memimpin penelitian. "Pekerjaan kami adalah perkembangan yang menggembirakan dalam menyatakan bahwa para ilmuwan komputer dapat mengilhami mesin dengan pemahaman situasional jauh lebih maju."
Sistem ini juga dapat belajar tanpa pengawasan, kata para peneliti. Ini berarti bahwa dua juta gambar bergerak- setara dengan senilai sekitar satu tahun dari rekaman - bahwa sistem dilatih pada tidak harus diberi label oleh manusia, yang secara dramatis mengurangi waktu pengembangan dan membuatnya beradaptasi dengan data baru.
Dalam sebuah studi yang dijadwalkan akan dipresentasikan pada muktamar Neural Information Processing Systems (NIPS) atau sistem saraf pemros infromasi , yang diadakan dari 5 sampai 10 Desember di Barcelona, Spanyol, para peneliti menjelaskan bagaimana mereka dilatih sistem menggunakan gambar bergerak dari pantai, stasiun kereta api , rumah sakit dan lapangan golf.
Dalam model baku awal, salah satu tantangan yang kita temukan adalah bahwa model akan meramalkan bahwa latar belakang akan melengkung dan merusak," kata Vondrick Live Science. Untuk mengatasi hal ini, mereka menjewer desain sehingga sistem belajar model terpisah untuk latar belakang yang tidak bersifat tetap dan bergerak kedepan sebelum menggabungkan mereka untuk menghasilkan gambar bergerak.
Pembuat Film tentang Kecerdasan Buatan
Tim MIT bukan yang pertama untuk mencoba menggunakan kecerdasan buatan untuk menghasilkan gambar bergerak dari awal. Tapi, pendekatan sebelumnya cenderung untuk membangun gambar bergerak bingkai demi bingkai, kata para peneliti, yang memungkinkan kesalahan menumpuk pada setiap tahap. Sebaliknya, metode baru memproses seluruh adegan sekaligus - biasanya 32 bingkai dalam satu kali pemutaran.
Ian Goodfellow, seorang ilmuwan penelitian di organisasi nirlaba OpenAI , yang menemukan GAN, mengatakan bahwa sistem melakukan pekerjaan awal di bidang ini tidak dapat menghasilkan baik gambar yang tajam dan bergerak dalam penekatan pendekatan ini. Namun, ia menambahkan bahwa pendekatan baru yang diresmikan oleh unit penelitian Google DeepMind AI bulan lalu, yang disebut Video Pixel Networks (VPN) atau jaringan bagian terkecil gambar bergerak digital, mampu menghasilkan baik gambar yang tajam dan bergerak. "Dibandingkan dengan miliki GAN, VPN lebih mudah untuk melatih, tetapi memakan waktu lebih lama untuk menghasilkan gambar bergerak," katanya kepada Live Science. "VPN harus menghasilkan gambar bergerak satu piksel pada suatu waktu, sedangkan GAN dapat menghasilkan banyak piksel secara bersamaan."
Vondrick juga menunjukkan bahwa pendekatan mereka bekerja pada data yang lebih menantang seperti gambar bergerak tergores dari jaring, sedangkan VPN ditunjukkan pada dirancang khusus dalam pelatihan dari gambar bergerak yang menggambarkan angka memantul atau lengan robot.
Meskipun, hasilnya jauh dari sempurna. Seringkali, benda-benda di latar depan tampak lebih besar dari yang seharusnya, dan manusia dapat muncul dalam rekaman gumpalan seperti kabur, kata para peneliti. Benda juga bisa menghilang dari tempat kejadian dan lain-lain dapat muncul dari mana, mereka menambahkan. "Model komputer dimulai mengetahui apa-apa tentang dunia. Hal ini untuk mempelajari apa yang orang terlihat seperti, bagaimana benda bergerak dan apa yang mungkin terjadi," kata Vondrick. "Model ini tidak benar-benar belajar hal-hal ini belum. Memperluas kemampuannya untuk memahami konsep-konsep tingkat tinggi seperti objek secara dramatis akan meningkatkan generasi."
Tantangan besar lain bergerak maju akan membuat gambar bergerak lebih lama, karena itu akan membutuhkan sistem untuk melacak lebih hubungan antara objek dalam adegan dan untuk waktu yang lama, menurut Vondrick. "Untuk mengatasi hal ini, mungkin baik untuk menambahkan input manusia untuk membantu sistem memahami unsur-unsur adegan yang akan sulit untuk itu untuk belajar sendiri," katanya.
========================================================================
Artikel 2:
Pendeteksi Keringat? Alat Pendeteksi Super Kecil Untuk Melacak Kesehatan
Sumber : http://www.livescience.com/57000-sweat-sensors-use-perspiration-to-track-health.html
Bayangkan jika mengambil potret dari kesehatan Anda semudah melempar sebuah tempelan pada kulit Anda. Sebuah studi baru menemukan bahwa sensor atau alat pendeteksi berbentuk perekat kecil dapat membaca apa yang terjadi di dalam tubuh Anda berdasarkan keringat Anda, dan menyampaikan informasi tentang kesejahteraan Anda tanpa menggunakan kabel ke gawai Anda. Jenis alat pendeteksi ini bisa bekerja sebagai alternatif untuk tes darah untuk menilai orang kesehatan, menurut para peneliti.
Keringat adalah bahan kimia yang kaya penuh molekul (bagian terkecil dari sebuah zat) mulai dari ion (butiran bermuatan listrik) yang sederhana sampai protein yang lebih lengkap, yang dapat menjelaskan apa yang terjadi di dalam tubuh manusia. Dokter dapat menggunakan keringat untuk menentukan suatu penyakit tertentu yang dilihat dari gejalanya, mengungkap penggunaan narkoba dan mengungkapkan wawasan kinerja atletik. Keringat juga dapat dikumpulkan jauh lebih banyak dari darah, kata penulis senior studi John Rogers, seorang ilmuwan material dan direktur Northwestern University Center for Bio-Integrated Electronics di Evanston, Illinois.
Dalam studi baru, para ilmuwan menanamkan alat pendeteksi kimia dan perangkat lain ke dalam sebuah benda yang lembut, kaset karet silikon (semacam karbon atau zat arang)yang lentur, tentang ukuran dan se ketebalan seperempat, yang dapat dengan mudah menempel pada kulit. Perangkat ini dirancang untuk mengumpulkan dan menganalisis keringat untuk penanda kunci, atau penanda kesehatan. Misalnya, alat pendeteksi dapat menunjukkan bagaimana orang menanggapi latihan, termasuk apakah seseorang perlu melakukan penyesuaian, seperti minum lebih banyak air.
"Kami telah mengembangkan berbagai perangkat kulit-tunggangan tipis, lembut dan lentur sebagai panggung untuk generasi berikutnya agar teknologi dpt dipakai untuk beberapa tahun sekarang," Rogers mengatakan kepada jurnalis Live Science. "Sekarang, kami telah mengembangkan alat tersebut untuk menangkap dan menganalisa keringat."
Tempat untuk melakukan percobaan yang dpt dipakai ini berisi "mikrofluida"atau cairan yang sangat kecil, dirancang untuk cairan dengan di dalam diri mereka dalam banyak cara yang sama bahwa mikroelektronika (teknologi untuk membuat rangkaian dan alat listrik dl ukuran dan paket yg sangat kecil) lakukan dengan elektron (satuan muatan listrik negatif). Secara khusus, sensor atau alat pendeteksi mengarahkan keringat bawah sejumlah saluran mikroskopis (satuan muatan listrik negatif) yang sekitar 0,02 inci (0,5 milimeter) lebar ke bagian yang terpisah sekitar 0,16 inci (4 mm) dengan diameter. Masing-masing ruang ini mengukur bagian tertentu, seperti tingkat pH, laktat, klorida dan glukosa.
"Kami memilih empat biomarker (semua zat, struktur, atau proses yang bisa diukur dalam tubuh atau produk-produk serta pengaruhnya atau memprediksikan kejadian dampak atau penyakit) ini karena mereka memberikan profil karakteristik yang sesuai untuk penentuan status kesehatan," kata Rogers dalam sebuah pernyataan. "Perangkat ini juga dapat menentukan tingkat keringat dan kehilangan, dan dapat menyimpan sampel atau contoh untuk analisis laboratorium (tempat untuk melakukan percobaan) berikutnya, jika perlu."
Reaksi kimia dalam bagian terpisah alat pendeteksi mengakibatkan perubahan terlihat dalam warna yang mengungkapkan apa tingkat biomarker tertentu yang hadir dalam keringat. Ketika gawai dibawa dekat alat pendeteksi, dekat-bidang teknologi komunikasi dalam gawai- jenis yang sama yang digunakan dalam sistem pembayaran yang bisa dilakukan dimana saja seperti Google Wallet dan Apple Bayar - menggunakan gelombang radio jarak pendek untuk kekuasaan dan berbicara dengan elektronik dalam alat pendeteksi. Kemudian, elektronik di sensor menyebabkan aplikasi gawai untuk mengambil foto dari alat pendeteksi, dan program komputer kemudian dapat menganalisis gambar ini untuk menghitung tingkat biomarker, kata para peneliti.
"Panggung analisis keringat kami mengembangkan akan memungkinkan orang untuk memantau kesehatan mereka di tempat tanpa perlu untuk pengambilan sampel darah dan dengan elektronik yang utuh yang tidak memerlukan baterai tapi masih memungkinkan hubungan tanpa kabel ke gawai," rekan penulis studi Yonggang Huang , seorang profesor teknik di Northwestern University, mengatakan dalam sebuah pernyataan.
Metode yang lazim dalam menganalisis keringat capture keringat dengan tambalan penyerap ditempelkan ke kulit dan menganalisa nanti. Sebaliknya, alat pendeteksi baru dapat menganalisis keringat secara waktu yang sesuai kenyataan, kata Rogers. Alat pendeteksi keringat yang ilmuwan lain telah mengembangkan dapat dipakai pada kulit. Tapi alat pendeteksi lain masih mengandalkan tambalan penyerap sebagai lawan saluran mikofluida (cairan yang zatnya berukuran sangat kecil), sehingga mereka tidak menganalisis tingkat di mana orang keringat, kata Rogers. Selain itu, tidak seperti sensor keringat sebelumnya, perangkat baru tidak memerlukan baterai, tambahnya.
Dalam percobaan, Rogers, Huang dan rekan-rekan mereka ditempatkan alat pendeteksi mereka pada lengan dan punggung 21 sukarelawan sehat untuk menganalisis keringat mereka. Sembilan dari peserta bersepeda di dalam ruangan di sebuah pusat kebugaran di bawah kondisi yang terkendali, sementara 12 lainnya mengambil bagian dalam El Tour de Tucson, balap sepeda jarak jauh dalam kondisi di luar ruangan yang gersang dan kompleks.
Data dari alat pendeteksi yang para pesepeda dalam ruangan mengenakan andal cocok mereka dari metode konvensional menganalisis keringat mereka, menurut para ilmuwan. Alat pendeteksipada pengendara sepeda luar juga dilakukan seperti yang diharapkan, dan tinggal di meskipun kondisi rumit dan tak terduga dari padang pasir. Selain itu, perangkat tinggal pada semua relawan tanpa menyebabkan ketidaknyamanan atau gangguan, kata para peneliti.
Tujuannya adalah untuk alat pendeteksi"untuk datang dalam waktu kurang dari $ 1,50 per perangkat," kata Rogers. "Pada titik harga, kami pikir mereka cukup dapat menemukan program komputer untuk satu kali penggunaan."
Dalam hal program komputer yang dijual, para ilmuwan mengatakan mereka "bisa melihat perangkat ini digunakan dalam kebugaran, kesehatan dan olahraga - misalnya, untuk atlet untuk melacak tingkat keringat dan kehilangan cairan tubuh," kata Rogers. "Kami juga bekerja sama dengan sebuah perusahaan perangkat kesehatan besar untuk menggunakan ini untuk yang tidak menyerbu, melacak gula darah dalam keringat dalam konteks penyakit gula darah atau diabetes," tambahnya. "Kami juga bekerja sama dengan Angkatan Udara AS untuk melacak negara kesehatan aktif-tugas penerbang."
Para peneliti menambahkan bahwa teknologi mereka berpotensi meluas ke cairan tubuh lainnya, seperti air mata dan air liur. Para ilmuwan rinci temuan mereka secara online 23 November dalam jurnal Science Translational Medicine.
Artikel 3:
Pemilik Facebook Mark Zuckerberg Membuat Proyek untuk Mengurangi Berita Palsu
CEO (pimpinan) Facebook Mark Zuckerberg di kiriman komentar ke akun-nya semalam bahwa akhirnya membahas masalah berita palsu di situs media sosial nya. "Biasanya kami tidak akan berbagi spesifik tentang pekerjaan kami dalam proses, tetapi mengingat pentingnya masalah ini dan jumlah bunga di topik ini, saya ingin menguraikan beberapa proyek yang sudah kita miliki berlangsung," tulisnya.
Pentingnya dan minat dalam topik muncul tak lama setelah pemilu ketika wartawan seperti New York Magazine Max Baca mulai menyalahkan situs media sosial seperti Facebook, Twitter dan Reddit untuk menang tak terduga Donald Trump. "Cara yang paling jelas di mana Facebook memungkinkan kemenangan Trump telah ketidakmampuannya (atau penolakan) untuk mengatasi masalah hoax atau berita palsu," Baca tulis.
"Berita palsu bukan masalah unik untuk Facebook, tapi penonton yang sangat besar Facebook, dan cara kerja penyaluran yang bergantung situs - yaitu, aktivitas bermuatan emosional berbagi, dan acara-me-lebih-seperti-ini umpan balik dari algoritma (perhitungan matematika tertentu) berita - membuatnya satu-satunya tempat di internet untuk mendukung pasar-benar menguntungkan di mana penerbit teduh sebagai perantara lalu lintas dengan menarik orang dari Facebook dan ke situs iklan-dihiasi, menggunakan cerita yang bergantian terdiri, salah, dibesar-besarkan di luar semua hubungan dengan kebenaran, atau ketiganya, "Baca tulis.
Hanya dalam tahun lalu, hampir 140 situs berita palsubaru muncul, dilaporkan Buzzfeed, termasuk WorldPoliticus.com, TrumpVision365.com, USConservativeToday.com, DonaldTrumpNews.co dan USADailyPolitics.com - semua, anehnya, berasal dari sebuah kota Macedonia dari Veles . Mereka bukan satu-satunya situs dari jenis mereka.
Pada 12 November Zuckerberg mengakui keberadaan situs berita palsu ini dan lainnya di Facebook, tapi meremehkan pengaruh mereka, mengatakan "... lebih dari 99% dari apa yang orang lihat di Facebook adalah asli."
Tapi apa yang orang lihat mungkin tidak mempengaruhi mereka sebanyak yang mereka berbagi. Dan di situlah letak masalah pemalsuan. Hal suka pergi virus, lebih dari berita nyata.
Analisis dari editor BuzzFeed berdirinya, Craig Silverman, mengungkapkan bahwa "... 20 tampilan terbaik adalah cerita pemilu palsu dari situs tipuan dan blog pendukung yang menghasilkan 8.711.000 berbagi, reaksi dan komentar di Facebook." Dalam periode waktu yang sama kisah nyata dari 19 sumber berita yang baru saja terjadi menghasilkan 7.367.000 berbagi, reaksi dan komentar.
Puluhan situs lain terus menulis tentang masalah baru palsu, memilih pergi di luka pasca pemilu ini. Bahkan Presiden Obama meminta perhatian untuk itu Kamis lalu saat mengunjungi Kanselir Jerman Angela Merkel di Berlin. Dia mengatakan, "Karena di usia di mana ada begitu banyak informasi yang salah aktif, dan itu dikemas dengan sangat baik, dan terlihat sama ketika Anda melihatnya di halaman Facebook atau Anda menyalakan televisi Anda, di mana beberapa kecemburunan tingkat tinggi pada bagian dari US resmi disamakan dengan tekanan terus-menerus dan parah di tempat lain, jika segala sesuatu tampaknya sama dan tidak ada perbedaan yang dibuat, maka kita tidak akan tahu apa untuk melindungi. kita tidak akan tahu apa yang harus diperjuangkan. dan kita bisa kehilangan begitu banyak apa yang telah kita peroleh dalam hal jenis kebebasan demokratis (gagasan atau pandangan hidup yg mengutamakan persamaan hak dan kewajiban serta perlakuan yg sama bagi semua warga negara) dan ekonomi berbasis pasar dan kemakmuran yang kami datang untuk mengambil untuk diberikan. "
Akhirnya tadi malam di 9:30 pm, setelah Zuckerberg mendarat di Lima untuk KTT APEC, dia membukukan respon yang tampaknya mengambil nada yang berbeda. "Kami telah bekerja pada masalah ini dalam waktu yang lama dan mengambil tanggung jawab ini dengan serius," tulis Zuckerberg.
Dia menguraikan setidaknya tujuh bidang perusahaan ini bekerja di dalam rangka untuk mengurangi berita palsu. Mereka:
- Deteksi kuat
- Membuat lebih mudah bagi orang untuk melaporkan bahwa cerita adalah palsu
- Verifikasi pihak ketiga
- Lesu cerita sebagai palsu
- Meningkatkan bar untuk cerita yang muncul di News Feed
- Mengganggu ekonomi berita palsu dengan kebijakan iklan yang lebih baik (satu mengumumkan pada awal minggu)
- Mendapatkan wartawan form input
Dia menyimpulkan dengan, "Beberapa dari ide-ide ini akan bekerja dengan baik, dan sebagian lagi tidak. Tapi aku ingin kau tahu bahwa kami selalu mengambil ini dengan serius, kita memahami betapa pentingnya masalah ini bagi masyarakat kami dan kami berkomitmen untuk mendapatkan hak ini . "
Sementara itu, jangan tertipu oleh berita palsu. Selalu periksa Snopes.com mengkonfirmasi bahwa cerita itu benar. Dan untuk tips tentang bercak berita palsu di feed Anda, lihat ini Doc Google publik dari Melissa Zimdars, seorang profesor komunikasi dan media di Merrimack Tinggi di North Andover, Mass.
Jika kedengarannya terlalu keterlaluan untuk menjadi kenyataan, itu mungkin tidak.
Tidak ada komentar:
Posting Komentar