Learn more about Search Results Nature - Page 12

アイザカと共に過去を予測する

人類の文章の誕生は、歴史の夜明けを告げ、過去の文明と私たちが今日生きている世界の理解に不可欠です例えば、約2,500年前、ギリシャ人は石、陶器、金属に書き込みを始め、借用契約や法律、カレンダーや神託など、地中海地域に関する詳細な情報を記録しました残念ながら、これは不完全な記録です多くの保存された碑文は、数世紀にわたって損傷を受けたり、元の場所から移動されたりしていますさらに、放射性炭素年代測定などの現代の年代測定技術は、これらの資料には使用できないため、碑文の解釈は困難で時間がかかります

人間中心のメカニズム設計とデモクラティックAI

私たちの最近の論文では、Nature Human Behaviourに掲載され、ディープ強化学習（RL）を使用して、シンプルなゲームにおいて人々が多数派で賛成する経済政策を見つけることができることを概念実証しましたこの論文は、AI研究における重要な課題である、人間の価値と一致するAIシステムを訓練する方法について取り上げています

発達心理学に触発された深層学習モデルによる直感的な物理学の学習

現在のAIシステムは、非常に若い子供に比べても直感的な物理学の理解において劣っています本研究では、このAIの問題に取り組み、具体的には発達心理学の分野に基づいています

AI研究の善循環

最近、私たちはDeepMindの研究科学者であるペタル・ヴェリチコビッチさんに取材しましたペタルさんは共著者とともに、彼の論文「The CLRS Algorithmic Reasoning Benchmark」をアメリカのメリーランド州ボルチモアで開催されるICML 2022で発表します

AlphaFoldは、タンパク質の宇宙の構造を明らかにする

今日、EMBLのヨーロッパバイオインフォマティクス研究所（EMBL-EBI）とのパートナーシップを結び、科学界に知られるほぼすべてのカタログ化されたタンパク質の予測構造を公開しますこれにより、AlphaFold DBの構造数は約1,000,000から約2億構造に拡大し、生物学の理解を劇的に高める可能性があります

AlphaTensorを使用して新しいアルゴリズムを発見する

本日、Natureに掲載された私たちの論文では、AlphaTensorという初めての人工知能（AI）システムを紹介しましたこのシステムは、行列の乗算といった基礎的なタスクのための新しい効率的で証明可能なアルゴリズムを発見するためのものですこれにより、50年にわたる数学の未解決問題である行列の乗算を最速で行う方法を見つけることが可能となりましたこの論文はDeepMindがAIを使って科学を進め、最も基本的な問題を解決するための礎となるものです私たちのAlphaTensorシステムは、将棋やチェス、囲碁などのボードゲームで超人的な成績を収めたエージェントであるAlphaZeroを基にしており、この論文ではAlphaZeroがゲームから未解決の数学の問題に挑戦するまでの道のりを示しています

ディプロマシーというボードゲームのためのAI

歴史を通じて、成功したコミュニケーションと協力は社会の進歩に不可欠でしたボードゲームの閉ざされた環境は、相互作用やコミュニケーションのモデリングと調査のための砂場として機能し、私たちはそれらをプレイすることで多くのことを学ぶことができます私たちの最新の論文では、Nature Communicationsに今日発表されたもので、人工エージェントがコミュニケーションを利用してボードゲーム「Diplomacy」でより良い協力を行う方法を示していますDiplomacyは人工知能（AI）研究の中でも注目されている領域で、同盟構築に重点を置いています

AlphaDevは、より高速なソートアルゴリズムを発見しました

本日Natureに掲載された当社の論文では、AlphaDevという強化学習を用いた人工知能（AI）システムを紹介していますこのシステムは、科学者やエンジニアによって数十年にわたって磨き上げられたコンピュータサイエンスのアルゴリズムを上回る進化したアルゴリズムを発見するために使用されます

より一般化されたAIツールを使用してコンピュータシステムを最適化する

強化学習に基づいて、私たちのAIモデルであるAlphaZeroとMuZeroはゲームで超人的なパフォーマンスを発揮し、勝利を収めてきました現在、彼らはデータセンターのリソース最適化やビデオ圧縮の進展に向けて能力を拡大していますそして最近では、AlphaZeroの特殊バージョンであるAlphaDevが新しいアルゴリズムを発見し、既に私たちのデジタル社会の基盤となるソフトウェアアプリケーションの高速化に貢献しています

共分散と相関の違いは何ですか？

イントロダクション 統計の広範な領域において、変数間の複雑な関係を理解し解き放つことは重要です。 データ駆動型の意思決定、科学的な発見、予測モデリングなど、複雑なデータセット内の隠れた関連やパターンを解き明かす能力に依存しています。この追求を支えるさまざまな統計基準の中で、共分散と相関は重要であり、変数間の独立性に関する洞察を提供します。 共分散と相関は統計解析において頻繁に発生する変数ですが、多くの人々が誤解したり、相互に交換可能に使用したりすることがあります。これら2つの基準を区別する微妙なニュアンスは、統計的な関係の解釈と活用に深い影響を与える可能性があります。 したがって、共分散と相関の真の性質を理解することは、データの全ポテンシャルを明らかにしようとするデータ愛好家や専門家にとって非常に重要です。 このブログ「共分散と相関」では、これら2つの統計的概念の違いを説明し、その関係を解明します。 また、Analytics Vidhyaの「データサイエンスのためのSwift学習」コースでスキルを向上させ、データサイエンスのキャリアを活性化しましょう。 共分散 2つのランダム変数間の系統的な関連性を示す統計用語であり、もう一方の変数の変化が1つの変数の変化を反映することを示します。 共分散の定義と計算 共分散は、2つの変数が直接的または逆比例しているかどうかを示します。 共分散の式は、データセット内のデータポイントをその平均値から求めます。たとえば、次の式を使用して、2つのランダム変数XとYの共分散を計算できます： 上記の手順において、 共分散値の解釈 共分散値は、変数間の関係の大きさと方向（正または負）を示します。共分散値は-∞から+∞の範囲を持ちます。正の値は正の関係を示し、負の値は負の関係を示します。 正の共分散、負の共分散、およびゼロ共分散 数値が高いほど、変数間の関係は依存性が高くなります。それぞれの共分散の種類を理解しましょう： 正の共分散 2つの変数間の関係が正の共分散である場合、それらは同じ方向に進化しています。これは変数間の直接的な関係を示しています。したがって、変数は同様に振る舞います。 変数の値（小さいまたは大きい）が、他の変数の重要性と等しい場合、変数間の関係は正の共分散となります。 負の共分散 負の共分散は、2つのランダム変数間の負の関係を示します。この場合、変数は逆方向に動きます。 正の共分散とは異なり、1つの変数の増加に対応して他の変数の値が減少し、その逆も同様です。…

Find the right Blockchain Investment for you

Web 3.0 is coming, whether buy Coins, NFTs or just Coding, everyone can participate.

Advertising with us