O algoritmo usa imagens de satélite para reconhecer alterações nas áreas sobrevoadas que sejam características de incêndio, como aumento do brilho ou da temperatura, identificando incêndios iniciais confinados em uma área de apenas 10 acres e gerando alertas em 9 minutos após iniciar a análise.
O sistema foi treinado com fotos em alta resolução de placentas e seus relatórios diagnósticos, se tornando capaz de gerar relatórios automatizados a partir de novas imagens. O software gerado deve aumentar consideravelmente o percentual de placentas analisadas, entregando informações de interesse para a saúde da mãe e do bebê.
Usando um outro modelo como assessor para gerar um score de memorabilidade, uma rede adversarial generativa foi capaz de alterar imagens segundo uma escala do quanto elas eram memoráveis, permitindo reconhecer as características que fazem com que as pessoas se lembrem delas com maior frequência.
Dois aeroportos americanos começaram a usar soluções de inteligência artificial para informar aos passageiros, em tempo real, o tempo de espera nas filas de inspeção de segurança, permitindo que eles façam um manejo mais inteligente de seu tempo, evitando atrasos e aborrecimento.
Os pesquisadores da Universidade da Califórnia, em parceira com a empresa Salesforce, usaram visão computacional para analisar vídeos capturados por drones, e assim identificar e contar as espécies de tubarões presentes na região de costa.
O sistema comercial tem precisão comparável à do consenso formado por 3 radiologistas, mas realiza a análise em uma fração do tempo: 10 segundos contra 20 minutos. Os pesquisadores pretendem começar a usar o modelo em ambiente clínico ainda esse ano.
Ben Hamm usou uma câmera e um modelo de machine learning para reconhecer quando o gato tentava entrar na casa com uma presa (geralmente de madrugada), e travar a portinhola de acesso pelo intervalo suficiente para que o gato se desfizesse de sua caça.
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.
Usando uma popular rede neural convolucional como arcabouço, os pesquisadores incluíram modificações para o problema estudado, tornando-a capaz de identificar veículos em movimento em situações de tráfego intenso, e também prever sua direção de deslocamento. O módulo pode ser acoplado a outros sistemas de nível mais alto com o objetivo de automatizar o gerenciamento de tráfego.
A técnica permite enxergar as estruturas internas de uma célula em funcionamento usando equipamento científico básico, uma habilidade inédita para pesquisadores de biologia celular.
