MIT-ის ინჟინრები ხილის ბუზის უჯრედების განვითარებას წუთობრივად წინასწარმეტყველებენ
MIT-ის ინჟინრებმა შეიმუშავეს ღრმა სწავლის ახალი მოდელი, რომელსაც შეუძლია 90%-იანი სიზუსტით, წუთობრივად იწინასწარმეტყველოს, თუ როგორ მოხდება ცალკეული უჯრედების დაკეცვა, გაყოფა და გადაწყობა ხილის ბუზის ადრეულ განვითარების ეტაპზე (გასტრულაცია). მეთოდი აკონტროლებს უჯრედის პოზიციას და მეზობელ უჯრედთან კონტაქტს. მას შეუძლია ხელი შეუწყოს უფრო რთული ქსოვილებისა და ორგანოების შესწავლას, ასევე ისეთი დაავადებების ადრეულ გამოვლენას, როგორიცაა ასთმა და კიბო, და გააუმჯობესოს დიაგნოსტიკა.
MIT-ის ახალი პროფესორი იუნჰა ჰვანგი: გამოთვლითი მიდგომები მიკრობული სიცოცხლის საიდუმლოებების ამოსახსნელად
დედამიწაზე არსებული სიცოცხლის უდიდესი ნაწილი მიკრობულია, თუმცა მათი მრავალფეროვნების მცირე ნაწილია მხოლოდ შესწავლილი. MIT-ის ახალი პროფესორი იუნჰა ჰვანგი, ბიოლოგიისა და კომპიუტერული მეცნიერების მიმართულებების კვეთაზე მუშაობს, რათა გამოიყენოს გენომური ენის მოდელირება – ხელოვნური ინტელექტის ფორმა, რომელიც დნმ-ის „ენას“ სწავლობს – ექსტრემალურ გარემოში მცხოვრები მიკრობების ფუნქციებისა და ევოლუციური კავშირების გასაგებად, რომელთა კულტივირება ლაბორატორიულ პირობებში შეუძლებელია.
როგორ ვითარდება თვალები: MIT-ის მკვლევრები ხელოვნურ ინტელექტში ევოლუციის სიმულაციას ახდენენ
მასაჩუსეტსის ტექნოლოგიური ინსტიტუტის (MIT) მკვლევრებმა შეიმუშავეს ახალი კომპიუტერული მოდელი, რომელიც მათ საშუალებას აძლევს, ხელოვნური ინტელექტის აგენტებში ვიზუალური სისტემების ევოლუცია შეისწავლონ. ეს „სამეცნიერო სავარჯიშო მოედანი“ ეხმარება იმის გაგებაში, თუ რატომ განუვითარდათ სხვადასხვა ცხოველს მარტივი თუ კომპლექსური თვალები. მოდელირებული პროცესის მიხედვით, თვალების ევოლუცია ამოცანებმა და გარემო პირობებმა განაპირობა, რაც ბიოლოგიურ ევოლუციაზე ახალ შეხედულებებსა და სენსორების დიზაინის ინოვაციურ მი
არქტიკის ინდიკატორები და ხელოვნური ინტელექტი ზამთრის ამინდის პროგნოზირებისთვის
სტატია ეხება ჯუდა კოენის კვლევას არქტიკული პირობების (ციმბირის თოვლის საფარი, პოლარული მორევა და სხვ.) გამოყენების შესახებ, როგორც ზამთრის ამინდის პროგნოზირების ძირითად ინდიკატორებს ევროპაში, აზიაში და ჩრდილოეთ ამერიკაში. აღწერილია, თუ როგორ ხდება ხელოვნური ინტელექტის ინტეგრირება, რამაც მნიშვნელოვანი წინსვლა აჩვენა სუბსეზონურ პროგნოზირებაში (2-6 კვირა) და შესაძლოა გაზარდოს ექსტრემალური ამინდის მოვლენების პროგნოზირების დრო. კოენის მოდელი მიანიშნებს ევრაზიისა და ცენტრალური ჩრდილოეთ ამერიკის ნაწილე
MIT-ის მკვლევრები მანქანური სწავლების მოდელების სანდოობას ახალ გარემოში ეჭვქვეშ აყენებენ
MIT-ის მეცნიერებმა გამოავლინეს მანქანური სწავლების მოდელების მნიშვნელოვანი ჩავარდნები, როდესაც ისინი გამოიყენება გაუწვრთნელ მონაცემებზე. კვლევამ აჩვენა, რომ „საუკეთესო“ მოდელიც კი შეიძლება უარესი აღმოჩნდეს ახალ გარემოში მონაცემთა 75 პროცენტისთვის, რაც ხშირად ცრუ კორელაციებითაა გამოწვეული და აუცილებელს ხდის მოდელების მუდმივ ტესტირებას ახალ კონტექსტში განთავსებისას.
MIT-ის მკვლევრები: მანქანური სწავლების მოდელები ახალ გარემოში მარცხდება, რაც ფართო ტესტირების აუცილებლობას უსვამს ხაზს
MIT-ის მკვლევრებმა დაადგინეს, რომ მანქანური სწავლების მოდელები, თუნდაც დიდი მოცულობის მონაცემებზე გაწვრთნილი და თავდაპირველ გარემოში კარგად მოქმედი, შესაძლოა მნიშვნელოვნად ჩავარდნენ, როდესაც ისინი ახალ, განსხვავებულ მონაცემებზე გამოიყენება. ეს ხშირად ხდება „მცდარი კორელაციების“ გამო, რომლებსაც მოდელი სასწავლო მონაცემებიდან ითვისებს, რაც იწვევს არასანდო პროგნოზებსა და მიკერძოებულ გადაწყვეტილების მიღებას, განსაკუთრებით ისეთ კრიტიკულ სფეროებში, როგორიცაა სამედიცინო დიაგნოსტიკა. მიგნებები ხაზს უსვამ
MIT-ის მკვლევარებმა შექმნეს AI მოდელი, რომელიც მასალების სინთეზს ამარტივებს
მასაჩუსეტსის ტექნოლოგიური ინსტიტუტის (MIT) მკვლევარებმა შექმნეს ხელოვნური ინტელექტის (AI) მოდელი, სახელწოდებით DiffSyn, რომელიც მეცნიერებს მასალების სინთეზის პროცესში უძღვება, სთავაზობს რა პერსპექტიულ სინთეზის გზებს. მოდელი წარმატებით იქნა გამოყენებული ცეოლითების კლასის მასალებისთვის, სადაც მან უმაღლესი სიზუსტით იწინასწარმეტყველა ეფექტური სინთეზის გზები, რამაც გამოიწვია გაუმჯობესებული თერმული სტაბილურობის მქონე ახალი ცეოლითის შექმნა. ეს მიღწევა მნიშვნელოვნად აჩქარებს მასალების აღმოჩენის პროცესს
MIT-ის კვლევა: დიდი ენის მოდელების (LLM) რეიტინგები საოცრად მგრძნობიარეა მომხმარებლის უკუკავშირის მიმართ
MIT-ის მკვლევრებმა აღმოაჩინეს, რომ დიდი ენის მოდელების (LLM) რეიტინგული პლატფორმები საოცრად მგრძნობიარეა მომხმარებლის უკუკავშირის მიმართ. მათმა კვლევამ აჩვენა, რომ კრაუდსორსინგული მონაცემების მცირე ნაწილის ამოღებასაც კი შეუძლია რეიტინგების შეცვლა, რამაც შესაძლოა კომპანიები შეცდომაში შეიყვანოს საუკეთესო მოდელის არჩევისას. მკვლევრებმა შეიმუშავეს ეფექტური მეთოდი, რომელიც ავლენს შედეგების დამახინჯებაზე პასუხისმგებელ ინდივიდუალურ შეფასებებს, რაც ხაზს უსვამს რეიტინგების შეფასების უფრო მკაცრი სტრატეგიე
MIT-ის კვლევა: LLM-ის რეიტინგები მოულოდნელად მგრძნობიარეა მცირე მონაცემების მიმართ
MIT-ის მკვლევარებმა აღმოაჩინეს, რომ დიდი ენობრივი მოდელების (LLM) რეიტინგის პლატფორმები ძალზე მგრძნობიარეა მომხმარებლის მცირე რაოდენობის შეფასებების მიმართ. ამან შესაძლოა კომპანიები შეცდომაში შეიყვანოს LLM-ის არჩევისას. მათ შეიმუშავეს სწრაფი მეთოდი, რომელიც ავლენს შედეგების დამახინჯებაზე პასუხისმგებელ „გავლენიან“ ხმებს და ხაზს უსვამს მოდელის შეფასების უფრო მკაცრი სტრატეგიების საჭიროებას.
MIT-ის ხელოვნური ინტელექტი CAD-ის სწავლას ამარტივებს და დიზაინს უფრო ხელმისაწვდომს ხდის
კომპიუტერული დიზაინის (CAD) პროგრამული უზრუნველყოფა, რომელიც თანამედროვე პროდუქტების უმეტესობის შესაქმნელად გამოიყენება, სასწავლად რთულია. MIT-ის ინჟინრებმა შეიმუშავეს ხელოვნური ინტელექტის მოდელი, რომელიც ადამიანის მსგავსად იყენებს CAD პროგრამას, 2D ესკიზებიდან 3D მოდელების შესაქმნელად. VideoCAD მონაცემთა ბაზის გამოყენებით, ეს AI სისტემა მიზნად ისახავს CAD-ის სწავლის პროცესის გამარტივებას, დიზაინის ავტომატიზაციას და პროგრამის ფართო აუდიტორიისთვის ხელმისაწვდომობას.
MIT-ის მკვლევრებმა რბილი რობოტებისთვის უსაფრთხო კონტროლის სისტემა შექმნეს
მასაჩუსეტსის ტექნოლოგიური ინსტიტუტის (MIT) მეცნიერებმა შექმნეს ინოვაციური სისტემა, რომელიც რბილ რობოტებს საშუალებას აძლევს, უსაფრთხოდ და ეფექტურად იმოქმედონ ადამიანებთან და მყიფე ობიექტებთან. ეს ახალი მიდგომა, რომელიც აერთიანებს მოწინავე კონტროლის თეორიასა და ფიზიკურ მოდელირებას, უზრუნველყოფს „კონტაქტზე ორიენტირებულ უსაფრთხოებას“, რაც მოქნილ რობოტებს რთული ამოცანების შესრულებისას დაზიანებისა თუ ტრავმის რისკის გარეშე მოქმედების საშუალებას აძლევს. ეს მნიშვნელოვანი წინგადადგმული ნაბიჯია ადამიანისა
Google-ის სტრატეგია: Gemini რეკლამის გარეშე – რატომ ამბობს უარს ტექნოლოგიური გიგანტი მონეტიზაციაზე?
Google DeepMind-ის CEO, დემის ჰასაბისი, განმარტავს, თუ რატომ არ გეგმავს Google ამ ეტაპზე რეკლამის ინტეგრირებას Gemini AI ასისტენტში, მაშინ როცა OpenAI ChatGPT-ში რეკლამის ტესტირებას იწყებს. სტატია იკვლევს Google-ის სტრატეგიულ მიდგომას, რომელიც მომხმარებლის ნდობას და ასისტენტის ინდივიდუალურ საჭიროებებზე მორგებას პრიორიტეტად აყენებს, განასხვავებს მას საძიებო სისტემების მონეტიზაციის მოდელისგან.
Google-ის რევოლუციური ნაბიჯი: Gemini 3 AI მიმოხილვების სტანდარტული მოდელი ხდება და ძიებას ახალ დონეზე გადაჰყავს
Google-მა თავისი ყველაზე მოწინავე Large Language Model [LLM], Gemini 3, AI Overview-ებისთვის სტანდარტულ მოდელად აქცია, რაც მნიშვნელოვნად აუმჯობესებს საძიებო შედეგების სიზუსტესა და სიღრმეს. ეს განახლება მომხმარებლებს საშუალებას აძლევს, შეუფერხებლად გააგრძელონ საუბარი ხელოვნურ ინტელექტთან, რაც საძიებო გამოცდილებას კიდევ უფრო ინტუიტიურსა და ეფექტურს ხდის.
Meridian-ი ფინანსურ მოდელირებაში AI-ის ახალ სტანდარტს ამკვიდრებს: $17 მილიონიანი საწყისი დაფინანსება
ფარული მოქმედების რეჟიმიდან გამოსულმა სტარტაპმა Meridian-მა $17 მილიონიანი საწყისი დაფინანსება მოიპოვა, რათა ხელოვნური ინტელექტის [AI] მეშვეობით ფინანსური მოდელირება მნიშვნელოვნად გააუმჯობესოს. კომპანია გვთავაზობს ინოვაციურ, IDE-ზე დაფუძნებულ მიდგომას, რომელიც სპრედშეტების მართვას უფრო პროგნოზირებადს და აუდიტირებადს ხდის.