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 los descubrimientos y artículos recientes más relevantes, especialmente en inteligencia artificial, entre otros, y explicar por qué son importantes.
Los temas en la columna de ciencia profunda de esta semana son una verdadera bolsa de sorpresas que van desde la ciencia planetaria hasta el rastreo de ballenas. También hay algunas ideas interesantes del seguimiento de cómo se utilizan las redes sociales y algunos trabajos que intentan acercar los sistemas de visión por computadora a la percepción humana (buena suerte con eso).
El modelo ML detecta la artritis de forma temprana
Créditos de imagen: UC San Diego
Uno de los casos de uso más confiables del aprendizaje automático es entrenar un modelo en un patrón de destino, digamos una forma particular o señal de radio, y soltarlo en una gran cantidad de datos ruidosos para encontrar posibles resultados que los humanos podrían tener dificultades para percibir. Esto ha demostrado ser útil en el campo de la medicina, donde los primeros indicios de afecciones graves pueden detectarse con suficiente confianza como para recomendar más pruebas.
Este modelo de detección de artritis analiza las radiografías, al igual que los médicos que realizan ese tipo de trabajo. Pero cuando es visible para la percepción humana, el daño ya está hecho. Un proyecto de larga duración que siguió a miles de personas durante siete años resultó en un gran conjunto de entrenamiento, lo que hizo que los primeros signos casi imperceptibles de la osteoartritis fueran visibles para el modelo de IA, que lo predijo con un 78% de precisión en tres años.
La mala noticia es que saberlo temprano no significa necesariamente que se pueda evitar, ya que no existe un tratamiento eficaz. Pero ese conocimiento se puede utilizar para otros usos, por ejemplo, pruebas mucho más efectivas de tratamientos potenciales. “En lugar de reclutar a 10,000 personas y seguirlas durante 10 años, podemos simplemente inscribir a 50 personas que sabemos que van a tener osteoartritis … Luego podemos darles el medicamento experimental y ver si detiene el desarrollo de la enfermedad”, dijo el co -autor Kenneth Urish. El estudio apareció en PNAS.
Uso de monitoreo acústico para salvar a las ballenas de forma preventiva
Es asombroso pensar que los barcos todavía chocan y matan ballenas grandes de forma regular, pero es cierto. Las reducciones voluntarias de velocidad no han sido de mucha ayuda, pero se está poniendo en juego un sistema inteligente de múltiples fuentes llamado Whale Safe en el canal de Santa Bárbara que, con suerte, podría dar a todos una mejor idea de dónde están las criaturas en tiempo real.
Créditos de imagen: UW / UC Santa Bárbara
El sistema utiliza monitoreo acústico subacuático, pronóstico casi en tiempo real de posibles áreas de alimentación, avistamientos reales y una pizca de aprendizaje automático (para identificar los llamados de ballenas rápidamente) para producir una predicción de la presencia de ballenas a lo largo de un curso determinado. Los buques portacontenedores grandes pueden entonces hacer pequeños ajustes con mucha anticipación en lugar de tratar de evitar una cápsula en el último minuto.
“Los modelos predictivos como este nos dan una pista de lo que nos espera, muy parecido a un pronóstico del tiempo diario”, dijo Briana Abrahms, quien dirigió el esfuerzo de la Universidad de Washington. “Estamos aprovechando los mejores y más recientes datos para comprender qué hábitats usan las ballenas en el océano y, por lo tanto, dónde es más probable que estén las ballenas a medida que sus hábitats cambian a diario”.
Por cierto, el fundador de Salesforce, Marc Benioff, y su esposa Lynne ayudaron a establecer el centro de UC Santa Bárbara que lo hizo posible.
Source link