A técnica descobriu que publicações científicas de materiais similares se agrupavam em conceitos químicos estabelecidos, sem que o algoritmo recebesse informação explícita sobre química, o que pode ser usado para predizer propriedades dos materiais antes que elas sejam investigadas experimentalmente.
O Gen integra, pela primeira vez, uma gama ampla de modelos probabilísticos com algoritmos de inferência, o que lhe garante uma flexibilidade de aplicação inédita, ao mesmo tempo em que alcança alta eficiência em termos de precisão e tempo.
Veja neste vídeo a sexta dica da série Dicas de Carreira em Inteligência Artificial
O modelo foi treinado com “estados” de um sistema, e aprendeu quais estados poderiam conduzir a outros sem receber qualquer informação sobre a ordem em que deveriam ocorrer de acordo com os princípios de passagem do tempo.
Dois algoritmos em conjunto trabalharam para criar compostos imaginários e testar sua eficiência num mundo virtual. Os melhores compostos foram selecionados para testes em amostras de sangue, animais, e agora chegam à etapa clínica de validação.
O modelo identifica, com alta precisão e velocidade, a partir de imagens de satélite, formações de nuvens que estão fortemente associadas com o surgimento de ciclones.
Veja neste vídeo a quinta dica da série Dicas de Carreira em Inteligência Artificial
A ferramenta, treinada usando redes adversariais generativas, aprendeu conceitos que relacionam características dos objetos objetos com o mundo real, como “nuvem vai no ceu” ou “grama vai no chão”, sendo capaz de gerar automaticamente imagens realistas usando bom senso.
O sistema identifica objetos presentes em uma pilha desorganizada, pega o objeto desejado na posição necessária e faz sua entrega na configuração de interesse dentro de uma caixa, até sua capacidade máxima.
O algoritmo avalia mais de 500 atributos associados a risco em um milissegundo, o que reduziu o número de operações fraudulentas para 0,1% do total.
