Learn more about Search Results こちら - Page 93

アルファフォールドの力を世界の手に

昨年12月にAlphaFold 2を発表した際、それは50年間のタンパク質折りたたみ問題の解決策として称賛されました先週、私たちはこの非常に革新的なシステムを作成する方法についての科学論文とソースコードを公開しましたそして、本日は人体のすべてのタンパク質の形状に関する高品質な予測を共有していますさらに、科学者が研究に頼る20の追加の生物のタンパク質の形状についても予測を行っています

AIを用いた遺伝子発現の予測

人類ゲノム計画が人間のゲノムのDNA配列を解析することに成功した時、国際的な研究コミュニティは人間の健康と発達に影響を与える遺伝的指示をより良く理解する機会に興奮しましたDNAは、目の色から特定の病気や障害への感受性まで、あらゆることを決定する遺伝情報を持っています人間の体内にある約20,000のDNAセクションである遺伝子には、私たちの細胞で多くの重要な機能を果たすタンパク質のアミノ酸配列についての指示が含まれていますしかし、これらの遺伝子はゲノムのわずか2%未満を占めていますゲノムの30億の「文字」のうち、98%を占める残りの塩基対は「非コーディング」と呼ばれ、遺伝子が人体でいつ・どこで作られたり発現されるべきかについてはよく理解されていませんDeepMindでは、AIがこのような複雑な領域のより深い理解を解き明かし、科学の進歩を加速し、人間の健康への潜在的な利益を提供できると信じています

ロボット用の物理シミュレータを公開する

歩く時、足が地面に触れます書く時、指がペンに触れます物理的な接触が世界との相互作用を可能にしますしかし、このような普通の出来事でも、接触は驚くほど複雑な現象です2つの物体の界面で微小なスケールで起こる接触は、柔らかい場合もあれば硬い場合もあり、弾力的な場合もあればスポンジ状の場合もあり、滑りやすい場合もあれば粘り気のある場合もあります私たちの指先には4つの異なるタイプの触覚センサーがあるのも不思議ではありませんこの微妙な複雑さが、ロボット研究の重要な要素である物理的接触のシミュレーションを難しい課題にしています

AGIの現実世界の課題

人々が人工汎用知能（AGI）の世界を想像するとき、ロボットよりも社会の難解な問題に対する解決策を提供するものが思い浮かぶことが多いですしかし、私は後者の方が真実により近いと信じていますAIは既に、タンパク質の折りたたみの解決から正確な天候予測まで、基本的な課題に取り組むための大きな飛躍を実現しています科学者たちはAIを利用して、高度に複雑な現実世界の領域の基本原則や法則を推論することが増えており、これらは彼ら自身では決して発見できなかったものですAGI研究の進歩により、社会は気候変動に取り組み管理する能力が大幅に向上するでしょうそれは緊急性だけでなく、その複雑で多面的な性質のためです

言語モデルによるレッドチーミング：言語モデルによる言語モデル

私たちの最近の論文では、言語モデル自体を使用して入力を生成することで、言語モデルから有害なテキストを引き出す可能性があることを示しています私たちのアプローチは、ユーザーに影響を与える前に有害なモデルの振る舞いを見つけるためのツールの一つとして提供されますが、見つけた後の有害な行動を見つけるために必要な他の多くの技術と一緒に考えるべきであると強調しています

人間のデータなしでの堅牢なリアルタイム文化伝達の学習

この研究では、ディープ強化学習を使用して、テスト時の文化的伝達が可能な人工エージェントを生成します訓練後、私たちのエージェントは、専門家が示したナビゲーションの知識を推測し、思い出すことができますこの知識の転送はリアルタイムで行われ、以前に見たことのないタスクの広範な領域に一般化します

DeepMindの最新の研究（ICML 2022）

今週末から、第39回国際機械学習会議（ICML 2022）が2022年7月17日から23日まで、アメリカのメリーランド州ボルチモアのボルチモア・コンベンションセンターでハイブリッド形式で開催されます人工知能、データサイエンス、機械ビジョン、計算生物学、音声認識などの分野で研究を行っている研究者たちが、機械学習の最先端の研究成果を発表し、出版します

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

正しい報酬によって望ましくない目標が生じる方法

AIシステムをますます高度化するにつれて、私たちはそれらが望ましくない目標を追求しないようにする必要がありますAIエージェントのこのような振る舞いは、仕様ゲーミングと呼ばれるものであり、報酬の選択が不適切であることを利用しています私たちの最新の論文では、AIシステムが意図しない目標を追求するように学習する可能性のある、より微妙なメカニズムである「目標誤解釈（GMG）」を探求していますGMGは、システムの能力が成功裏に一般化する一方で、目標が望ましいように一般化しない場合に発生しますしたがって、システムは誤った目標を上手に追求してしまいます重要な点は、仕様ゲーミングとは異なり、GMGはAIシステムが正しい仕様で訓練されている場合でも発生する可能性があるということです

AIモデルの知覚を測定する

知覚は、感覚を通じて世界を経験するプロセスであり、知能の重要な部分ですそして、人間レベルの知覚的な世界理解能力を持つエージェントを構築することは、ロボット工学、自動運転車、パーソナルアシスタント、医療画像など、ますます重要な課題ですが、それは困難な課題でもありますそこで、本日は、モデルの知覚能力を評価するための、実世界のビデオを使用したマルチモーダルベンチマークである「知覚テスト」を紹介いたします

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