Los artículos de investigación se publican con demasiada rapidez para que cualquiera pueda leerlos todos, especialmente en el campo del aprendizaje automático, que ahora afecta (y produce artículos en) prácticamente todas las industrias y empresas. Esta columna tiene como objetivo recopilar algunos de los descubrimientos y artículos recientes más relevantes, particularmente en inteligencia artificial, entre otros, y explicar por qué son importantes.
Esta semana trae algunas aplicaciones o desarrollos inusuales en el aprendizaje automático, así como un rechazo particularmente inusual del método para el análisis relacionado con la pandemia.
Difícilmente se espera encontrar el aprendizaje automático en el dominio de la regulación gubernamental, aunque solo sea porque se supone que los reguladores federales están irremediablemente atrasados en lo que respecta a este tipo de cosas. Por lo que puede sorprenderle que la Agencia de Protección Ambiental de EE. UU. Se haya asociado con investigadores de Stanford para erradicar algorítmicamente a los infractores de las normas medioambientales.
Cuando ve el alcance del problema, tiene sentido. Las autoridades de la EPA deben procesar millones de permisos y observaciones relacionadas con el cumplimiento de la Ley de Agua Limpia, cosas como cantidades autoinformadas de contaminantes de varias industrias e informes independientes de laboratorios y equipos de campo. El proceso diseñado por Stanford los clasificó para aislar patrones como qué tipos de plantas, en qué áreas, tenían más probabilidades de afectar qué datos demográficos. Por ejemplo, el tratamiento de aguas residuales en las periferias urbanas puede tender a subestimar la contaminación y poner en riesgo a las comunidades de color.
El mismo proceso de reducir la pregunta de cumplimiento a algo que se pueda analizar y comparar computacionalmente ayudó a aclarar las prioridades de la agencia, mostrando que si bien la técnica podría identificar a más titulares de permisos con pequeñas violaciones, puede desviar la atención de los tipos de permisos generales que actúan como un hoja de parra para múltiples violadores grandes.
Otra gran fuente de desperdicio y gasto es el procesamiento de chatarra. Toneladas pasan por centros de clasificación y reciclaje, donde el trabajo todavía lo realizan principalmente humanos y, como se puede imaginar, es un trabajo peligroso y aburrido. Eversteel es una startup de la Universidad de Tokio que tiene como objetivo automatizar el proceso para que una gran proporción del trabajo se pueda realizar antes de que intervengan los trabajadores humanos.
Créditos de imagen: Eversteel
Eversteel usa un sistema de visión por computadora para clasificar la chatarra entrante en casi dos docenas de categorías y para marcar como impura (es decir, una aleación no reciclable) o elementos anómalos para su eliminación. Todavía está en una etapa temprana, pero la industria no va a ninguna parte, y la falta de un gran conjunto de datos para entrenar sus modelos (tuvieron que hacer los suyos propios, informados por los trabajadores del acero y las imágenes) mostró a Eversteel que este era un territorio virgen. para la IA. Con suerte, podrán comercializar su sistema y atraer la financiación que necesitan para entrar en esta industria grande pero hambrienta de tecnología.
Otra aplicación inusual pero potencialmente útil de la visión por computadora es el monitoreo del suelo, una tarea que todo agricultor tiene que hacer regularmente para monitorear los niveles de agua y nutrientes. Cuando logran automatizarlo, lo hacen de una manera bastante torpe. Un equipo de la Universidad de Australia del Sur y la Universidad Técnica Media de Bagdad muestra que los sensores, el hardware y las cámaras térmicas que se utilizan ahora pueden ser excesivos.
Créditos de imagen: UNISA / Universidad Técnica Media
Sorprendentemente, su respuesta es una cámara digital RGB estándar, que analiza el color del suelo para estimar la humedad. “Lo probamos a diferentes distancias, tiempos y niveles de iluminación, y el sistema fue muy preciso”, dijo Ali Al-Naji, uno de los creadores. Podría (y está previsto) utilizarse para fabricar un sistema de riego inteligente económico pero eficaz que podría mejorar el rendimiento de los cultivos para aquellos que no pueden pagar los sistemas estándar de la industria.
Source link