Como simular emoções em agentes (parte III)?
Neste post iremos finalizar a série sobre: “Como simular emoções em agentes?” Irei descrever como robôs considerados simples conseguem fazer com que pessoas percebam que esse agentes tenham emoções.
Neste post iremos finalizar a série sobre: “Como simular emoções em agentes?” Irei descrever como robôs considerados simples conseguem fazer com que pessoas percebam que esse agentes tenham emoções.
O modelo foi treinado para identificar lesões malignas e classificar entre 134 doenças possíveis, a partir de imagens. Apesar do auto desempenho, o sistema foi de fato avaliado pelo seu potencial de melhorar o diagnóstico profissional, assim servindo como ferramenta de inteligência aumentada.
O BERT é um modelo que faz uso dos transformers para alcançar desempenhos inéditos em tarefas de processamento de linguagem natural.
Voluntários que sobreviveram ao Holocausto foram filmados respondendo a uma quantidade grande de perguntas, de forma a cobrir toda sua experiência relevante associada ao trágico evento, e agora uma IA é capaz de selecionar o vídeo mais adequado frente à pergunta de uma pessoa interessada, criando um ambiente virtual de diálogo.
O sistema usa dados coletados na admissão do paciente e exames clínicos para detectar se a pessoa está contaminada com o novo coronavírus, sendo uma alternativa aos exames específicos à doença, que por um lado estão em falta, e por outro algumas vezes não são eficientes.
O algoritmo foi treinado para identificar os grupos musculares faciais que eram ativados em decorrência de estímulos físicos característicos de emoções como prazer, desgosto ou medo. Assim, foi possível identificar que as reações faciais dos ratos de laboratório são excelentes indicativos do estado emocional dos animais, o que permite usá-los como modelos para o estudo do processamento das emoções em pessoas.
A ferramenta reconhece nas imagens de raio X as regiões com probabilidade de desenvolver pneumonia, permitindo que os pacientes que desenvolverão quadros mais graves da COVID-19 recebam o tratamento adequado.
O modelo foi treinado usando imagens de tomografia computadorizada de pacientes que receberam uma de três opções terapêuticas, sendo capaz de prever, a partir de um número reduzido de features radiológicos, quais pacientes se beneficiariam mais de qual terapia.
O algoritmo do sistema foi treinado para identificar cabeças humanas, e emite um alerta caso um corpo submergido esteja imóvel por mais que 15 segundos, adicionando uma camada extra de segurança para as medidas de prevenção já colocadas em prática.
A ferramenta da empresa Ageas permite que o cliente envie fotos do dano, e o algoritmo determina a sua gravidade, os reparos necessários, as horas de trabalho e a estimativa de custos. Ao contrário dos dias necessários para a tratativa tradicional, a resposta é recebida imediatamente.