あなたのセルフゲームをする必要がありますか?写真をここにアップロードすると、MITは残りの作業を行います

歩行再開プロジェクトの後のチームは、麻痺患者にロボットの脚のサポートを使用して歩く方法を教えたが、結果は期待したよりもはるかに優れていました。

今年のDバックの試合でセルフを取った女子学生のビデオを見ましたか?それは部分的には面白いので、部分的にはウィルスになりました。なぜなら、それは、私たちの、エイプ、ソロプティック主義的、自己吸収的、プロプラエタリな文化に対する解説としての役割を果たすからです。

しかし、それはまた有益です。ビデオでは、セルフ女の子は複数のショットを撮る。各スナップの後、結果を確認してキーパーかどうかを判断します。結局のところ、大部分はそうではありません。

このプロセスは空白になり、まったく違った視点から境界線が狂ったように見えますが、女の子たちは実際にはかなり複雑です。彼らは友人や追随者に爆破されたとき、どの写真が最も記憶に残るかを判断する上で、長い研究を通して、彼らは専門家になっています。広告のようないくつかの状況では、その洗練された感覚を持つ人々は非常にお金を稼ぐ。

しかし、その日には番号が付けられるかもしれません。 MITのコンピュータサイエンスと人工知能研究所(CSAIL)の研究者は、画像が人とほとんど同じくらい正確に忘れられないか忘れられないかを予測できるアルゴリズムを作成しました。彼らは写真を微妙に微調整してより思い出深いものにするアプリに変えようと計画している。

写真ごとに、「MemNet」(自分の写真をアップロードしてオンラインで試してみることができます)では、画像のどの部分が最も記憶に残っているかを識別する「ヒートマップ」が作成されます。インスタントフォーカスグループのようなものです。

CSAILのメンバーは、広告やソーシャルメディアの投稿の内容の改善から、より効果的な教材の開発に至るまで、さまざまな可能性のあるアプリケーションを描いています。そして、ええ、それはselfiesに適用することができます。

このアルゴリズムでは、「神経ネットワーク」と呼ばれるシステムを使用する人工知能の分野である「ディープラーニング(deep-learning)」の技術を使用して、コンピュータがパターンを見つけるために大量のデータを調べるよう教える。ディープラーニングは、AppleのSiri、Googleのオートコンプリート、Facebookの写真タギングを駆り立てる。

ニューラルネットワークは、人間の指導なしにデータを相関させる。これらは、連続してデータのランダムな計算を実行する処理ユニットのレイヤーで構成されています。ネットワークがより多くのデータを受信すると、ネットワークはより正確な予測を生成するために再調整されます。

CSAILチームは、そのアルゴリズムにいくつかの異なるデータセットから数万の画像を供給しました。画像は、オンライン実験でそれらを覚えている人間の被験者の能力に基づいて、それぞれ「記憶力スコア」を受け取った。その後、チームは、人のグループに対してどのように記憶に残る一群の人々が以前に見られたことのない新しい画像を見つけるか予測することによって、そのアルゴリズムを人の被験者に対して訓練した。それは既存のアルゴリズムよりも30%優れており、人間の平均的なパフォーマンスの数パーセントポイント内でした。

各画像について、アルゴリズムは画像のどの部分が最も記憶に残っているかを示すヒートマップを生成する。異なる領域を強調することによって、潜在的に画像の記憶力を高めることができます。

女子学生のための良いニュース。野球のスポーツのためにも。

消費者ウォッチドッグはUberの自律車両テストの透明性を要求しています

ロボティクス:ドイツのロジスティクス企業であるロボティクス、ロボティクス、ボルボとオートリヴは自律走行を発表した。ソフトウェア会社

GoogleのProject Wingドローンは、Virginia TechにChipotleブリオを届けます

ロボティクスの創業者はドイツの大型物流会社と契約を結ぶ

VolvoとAutolivが新しい自律走行ソフトウェア会社を発表

より多くのロボット工学