O sistema identificou corretamente os indícios precoces de retinopatia diabética em mais de 90% dos pacientes, o que permite que o tratamento seja iniciado em tempo hábil para evitar a progressão da doença, que pode levar à cegueira.
A rede neural treinou em fotos de pessoas com visual bem avaliado para aprender features das roupas indicadores de moda em um espaço latente. Ela então pode converter uma nova imagem em features latentes, fazer edições para aumentar as características de moda, e reconstruir a imagem para apresentar a sugestão final.
A análise de grandes volumes de dados permite entender o comportamento dos consumidores com um nível de granularidade inédito, o que auxilia a desenvolver estratégias de vendas de sucesso, criando incentivos que premiam e motivam os melhores vendedores.
Usando as ferramentas cognitivas do Watson IA, relatórios de treinamento e dados biométricos e ambientais puderam ser analisados para definir marcadores de sucesso no processo de treinamento de cães-guia.
Um consórcio formado por agricultores, agências do governo e um instituto de ciência de dados permitiu modelar as respostas das plantações frente a diferentes alterações climáticas, sendo assim possível estabelecer diretrizes que permitissem estabilizar o rendimento mesmo diante de oscilações das condições ambientais.
O Dr. Bessa resolveu inverter o processo de desenvolvimento de novos materiais, usando machine learning para primeiro explorar novos designs em um ambiente virtual, para só então fabricar as soluções em laboratório, diminuindo assim a necessidade de ensaios experimentais para o mínimo necessário.
Os pesquisadores da Universidade da Califórnia, em parceira com a empresa Salesforce, usaram visão computacional para analisar vídeos capturados por drones, e assim identificar e contar as espécies de tubarões presentes na região de costa.
A ferramenta usa dados de relatórios de atividade ilegal e informações ambientais, como distância para estradas, topografia e densidade de animais, para classificar áreas dentro de reservas quanto ao risco de caça no futuro, e assim sugerir rotas otimizadas de patrulha.
Pesquisadores usaram um algoritmo desenvolvidos por eles para encontrar trabalhos científicos relevantes sobre um assunto complexo, que pudessem servir para produzir uma revisão da literatura. O algoritmo teve desempenho semelhante ao do processo manual, mas levou apenas 3 horas para produzir seus resultados, contra as 69 horas dedicadas por um pesquisador.
O modelo foi treinado exaustivamente para reconhecer esse tipo de câncer em imagens de endoscopia. Com precisão comparável a de especialistas, o sistema ainda atingiu uma latência de apenas 40 milissegundos, permitindo seu uso em tempo real durante os exames.
