O algoritmo usa informações contextuais, como a hora do dia e o local onde o usuário se encontra, para aumentar a eficiência de predição da próxima palavra, assim diminuindo consideravelmente o esforço que o usuário precisa fazer para se comunicar.
O algoritmo foi desenvolvido para anotar automaticamente imagens tridimensionais, obtidas por tomografia de raio-X, das partículas presente no cátodo da bateria, o que possibilita o estudo do processo que faz com que as baterias percam eficiência.
O modelo foi treinado com marcadores sanguíneos que se mostraram elevados em pacientes que morreram em função da infecção pelo novo coronavírus, e com dados demográficos que representam fatores de risco. Agora, um aplicativo disponível à comunidade médica usa o modelo para fazer predições de severidade em tempo real.
O método compara as imagens em baixa resolução com um banco de dados onde as versões em alta resolução estão disponíveis, construindo os atributos faciais região por região.
Partindo de uma rede neural convolucional treinada para reconhecer rostos humanos, os pesquisadores adaptaram o algoritmo para medir a similaridade entre rostos de macacos, e identificaram que animais mais similares (um indicativo de parentesco), mesmo que criados em grupos diferentes, mantinham laços sociais mais próximos.
O algoritmo foi treinado para classificar os atributos de personalidade de acordo com a escala Big Five, usando apenas fotografias estáticas, sem expressões faciais. O desempenho foi melhor do que o de pessoas fazendo a mesma avaliação em encontros presenciais.
Inspirados por um trabalho do ano passado relatando sucesso na predição de transplante de rim bem sucedido, uma empresa canadense está iniciando um programa para treinar um modelo mais robusto, a ser disponibilizado para auxiliar o paciente recipiente na hora de decidir entre um órgão disponível ou esperar por maior compatibilidade.
Os sensores têm um chip para captura da imagem e outro para processamento, o qual é equipamento com inteligência artificial. Assim, o sensor pode ser ajustado para não produzir a imagem, mas sim a informação de interesse, como presença e contagem de objetos, o que diminui o tempo de processamento e resolve problemas associados à segurança dos dados.
Uma rede neural convolucional foi treinada para contar as células da retina, que morrem durante a progressão do glaucoma, e assim produzir medidas objetivas do estado do paciente com 18 meses de antecedência em comparação ao diagnóstico produzido por médicos especialistas.
Além de modelos de IA treinados para detectar a COVID-19 a partir de exames de imagens, que terá aplicação clínica e científica, a empresa também está lançando uma ferramenta que usa análise inteligente de vídeo e discurso para monitorar os ambientes hospitalares.
