O levantamento incluiu todos os estudos realizados desde 2012, ano em que o modelo AlexNet quebrou recordes em problemas de classificação de imagens. Os autores observaram, entretanto, que a maioria dos estudos na área é de baixa qualidade técnica, fazendo sugestões para dar ainda mais valor aos resultados alcançados pela inteligência artificial.
Os algoritmos de machine learning ainda não são capazes de aprender de forma associativa como nós fazemos, e por isso a inteligência artificial ainda não consegue generalizar para novas tarefas. Um estudo de evolução em ambiente virtual mostra como a aprendizagem associativa surgiu em seres vivos, o que dá sugestões sobre como replicar o processo em máquinas.
O sistema Overton foi desenvolvido para aperfeiçoar a administração do ciclo de vida de aplicações baseadas em ML. O programador passa ao sistema um esquema relacional dos dados de entrada e uma relação das tarefas a realizar, e o sistema é responsável por construir, fazer o tuning e o consecutivo deployment de um modelo. Assim, o programador fica livre para focar nas tarefas de mais alto nível, como a curadoria dos dados de entrada do sistema.
Os autores do trabalho usaram modelos climáticos clássicos para aumentar o número de dados disponíveis para treinamento, e alcançaram o alto desempenho passando os dados por uma rede neural convolucional, que identificou as regiões do oceano mais correlacionadas ao fenômeno.
O trabalho usou uma rede neural convolucional para processar dados brutos de eletrocardiograma, sendo capaz de predizer com precisão absoluta os portadores da condição cardíaca; método auxiliar mostra quais regiões do ECG são importantes para discriminar entre indivíduos saudáveis e acometidos.
O sistema usa visão computacional para identificar os alimentos desperdiçados quando eles são jogados na lixeira. Com isso, as cozinhas podem fazer um controle de estoque mais eficiente, além de otimizar seus menus em função das preferências dos consumidores, evitando desperdícios.
Físicos desenvolveram uma estrutura de deep learning capaz de prever as propriedades químicas das moléculas, sem ser necessário fazer os complicados cálculos ditados pela química quântica. Com isso, foi possível simular as interações com a luz na escala de tempo na qual os processos fotoquímicos ocorrem, usando uma fração dos recursos computacionais originalmente necessários.
O método usa imagens de satélite que são processadas por dois mapas auto-organizáveis. O primeiro identifica, a partir das imagens, os tipos de pigmentos comumente presentes em fitoplâncton. O segundo identifica, a partir dos pigmentos, os microrganismos que estão presentes naquela região do oceano.
O sistema Aristo foi desenvolvido usando diferentes módulos para compreender e responder a perguntas de ciências, mas o grande ganho de desempenho se deve à inclusão recente de um módulo baseado no BERT, um modelo de linguagem desenvolvido pelo Google.
Usando um modelo desenvolvido a partir dos conceitos de redes neurais adversariais generativas, os pesquisadores desenvolveram seis novas moléculas potenciais em apenas 21 dias. Uma das moléculas revelou propriedades farmacocinéticas favoráveis em ratos, podendo seguir adiante para a fase pré-clínica de validação de medicamentos.
