O sistema vai usar dados reais coletados ao longo de vias na Alemanha para reduzir os efeitos dos congestionamentos tanto no fluxo de veículos quanto nos indicadores ambientais.
Uma ferramenta chamada REVISE usa medidas estatísticas para identificar potenciais vieses presentes em datasets de imagens, permitindo ao desenvolvedor de algoritmos decidir se o impacto introduzido pelos vieses deve ser considerado no processo de desenvolvimento.
Um sistema comercial foi testado em um extenso dataset contendo imagens de retina de pacientes do sistema público inglês, sendo capaz de reconhecer 98% dos casos leves e 100% dos casos moderados e graves.
O modelo, um classificador gaussiano, foi treinado para retornar a probabilidade de que um sinal de telescópio possa ser confirmado como exoplaneta, permitindo priorizar análises astronômicas mais sofisticadas.
Um modelo do tipo XGBoost foi treinado para identificar, a partir de seus perfis, se pacientes faltariam ou não ao exame marcado, e assim reconhecer os grupos de risco e as estratégias mais eficientes para melhorar esses indicadores.
O método permitiu desvendar a complexa natureza de uma sequência de DNA que é responsável por iniciar o processo de ativação de mais de um quarto dos genes humanos.
O algoritmo usa dados de eletroencefalografia para analisar o cérebro como uma rede interconectada, e a partir das características de conexão, é capaz de prever quando os eventos de convulsão vão ocorrer.
O sistema de processamento de linguagem natural faz a transcrição de texto clínico falado, e depois estabelece a relação entre o texto e uma biblioteca padronizada de termos clínicos, sendo capaz de produzir conclusões de valor médico.
O modelo foi treinado com vídeos com enquadramento incomum para fazer reconstruções válidas do posicionamento do corpo inteiro. Os cientistas também apresentaram um método que permite ao modelo avaliar seu próprio treinamento, eliminando a necessidade de fornecer um dataset rotulado.
Através de um laser apontado para uma única superfície da casa (como uma parede ou o teto), o algoritmo é capaz de reconhecer as atividades domésticas pela vibração causada nessas estruturas, tendo assim condições de determinar, por exemplo, quais equipamentos estão em operação, se há uma tubulação de água vazando, ou se a porta da garagem foi aberta mas não foi fechada novamente.
