自律車両から緊急対応ロボットまで、機械学習人工知能はすぐに私たちの日常生活に浸透しています。
AIは印象的な速度で発展しており、医学、工学、ロボット工学、エンターテインメントの改善に引き続き役立っています。
世界中の科学者が、柔軟なロボットから動物の行動を検出できるアルゴリズムまで、多様な革新的な新技術を開発しています。女性はそのような研究の最前線にいます。
この記事では、AIで「それを殺している」11女性をハイライトします。
[ディバイダ]
ディナ・カタビ
Andrew＆Erna ViterbiMIT電気工学およびコンピュータサイエンス教授
画期的な新しいプロジェクトでは、 ディナ・カタビ そしてMITの研究者チームは、「RFポーズ」と呼ばれるコンピュータシステムを開発しました。 AIを使って壁を通って人々を見る.
RFポーズは、ニューラルネットワークを使用して、人体から反射する無線周波数を分析することによって機能します。 AIは例によって学習するので、研究者は特定の無線信号を特定の人間の行動に関連付けるように機械に教えました。
研究者たちは歩く、話す、立っている、座っている、ドアやエレベーターを開くなどの活動で何千人もの人々の画像を収集し、画像を使って同様の姿勢で棒の姿を描きました。
それから、彼らはこれらの棒人間のポーズを対応する無線信号とペアにして、AIに見せました。 これにより、システムは、壁の後ろや暗闇の中でも、リアルタイムで人々の姿勢や動きを検出することができました。
Katabiは、その技術が医療目的に使用されることができて、医者がパーキンソン病、多発性硬化症および筋ジストロフィーの病気の進行を観察することを可能にすることができると信じています。
「人間の姿勢を推定することは、監視、活動認識、ゲームなどに応用されるコンピュータビジョンの重要な課題です。」とKatabiはTUNに語った。
[ディバイダ]
レベッカ・クレイマー=ボッティリオ
イェール大学機械工学・材料科学助教授
無数のタスクを実行するようにプログラムし直すことができる柔軟なロボットを想像してください。 さらに良いことに、古い無駄な無生物の物体 - たとえばお気に入りのぬいぐるみ - を完全に機能的なロボットに変えるために使用できるデバイス。
サイエンスフィクションのように聞こえるかもしれませんが、 レベッカ・クレイマー=ボッティリオ イェール大学の研究者のグループがこれを実現させています。
研究チームは、「オムニスキンズ」と呼ばれるプログラム可能な弾性材料を開発しました。 多目的ロボット.
これらの「ロボットスキン」は、センサとアクチュエータが埋め込まれた弾性シートで構成されています。 彼らはさまざまな形とサイズで来て、モジュール化されている、つまり、異なるオブジェクトに合わせて様々な機能を実行するために様々な方法で組み合わせて配置することができます。
特定のタスクを実行するように設計されているのではなく、汎用性を念頭に設計されています。 アイデアは、ユーザが、ロボットのスイス軍ナイフのように、その時に必要とされる作業を実行するようにそれらを再プログラミングすることです。
「たとえば、移動など、スキンを1つのオブジェクトに巻き付けてタスクを実行できます。その後、オブジェクトをつかんで移動するなど、別のオブジェクトに移動して別のタスクを実行できます。」 Bottiglioは声明で述べています。
「それから、その同じスキンをそのオブジェクトから取り除き、それらをシャツの上に置いてアクティブなウェアラブルデバイスを作ることができます。」
[ディバイダ]
モニカエメルコ
カナダ、ウォータールー大学土木環境工学教授
毎年、気温の上昇や農業肥料の過剰使用のような多くの要因により、全国の水源は、家庭や野生動物を脅かす毒性の藻類の厚い緑色の厚い層でますます覆われています。
しかし、助けを借りて モニカエメルコ ワーテルロー大学の研究者チームが、 AIは毒素から私たちの水を守るのに役立ちます.
「基本的な衛生状態のために、たとえ沸騰させなければならないとしても、流水を使用することは非常に重要です」とEmelkoは声明で述べました。 「流水がなければ、人々は病気になり始めます。」
研究者は、ソフトウェアを顕微鏡と組み合わせて使用するAIシステムを開発し、人間の分析者による結果の確認を含めて、藻類細胞の水試料を安価かつ自動的に約1~2時間で分析した。
一度に数個の微生物だけを見る小さな領域を分析することができる現在の方法の代わりに、このシステムは標準的な顕微鏡を使用して数秒でより大きい水サンプル量から数百万の微生物を同定し、計数する。
「ほんの数秒でこれらすべてを自動的に行うことができるため、水の安全を確保するために、水道施設は頻繁かつ迅速に現場で直接スクリーニングを行うことができます」と共同執筆者 アレクサンダーウォン TUNに語った。
[ディバイダ]
サブリナ・ホッペ
ドイツシュツットガルト大学博士課程学生
&
ステファニーA.モレイ
博士課程学生、 フリンダース大学、オーストラリア
サブリナ・ホッペ & ステファニーA.モレイ南オーストラリア大学の研究者と協力して、機械学習アルゴリズムの作成を支援しました 眼の動きを追跡することによって人間の性格特性を予測する.
AI技術は、人の眼球運動を分析し、5つの大きな性格特性のうち4つを認識することができます。神経症、外向性、快感、良心です。
このアルゴリズムをテストするために、研究者は42参加者を募集し、視線データと高解像度ビデオを記録した60 Hzの頭部装着型ビデオベースのアイトラッカーを装着し、大学キャンパス周辺の日常業務を行っていました。
その後、研究者は、参加者に3つの自己申告による質問票を入力することによって、視線データと性格特性を比較し、人々の眼球運動が社会的、良心的、または好奇心であるかどうかを明らかにします。
このソフトウェアは、人間の信号や社会化と調和しているロボットを開発する可能性を開くものです。
「ヒューマンマシンインタラクションは現在不自然です。 ATM、コンピュータ、電話は私たちの気分や現在の状況に適応しません。」 トバイアス・ロゼッシャー南オーストラリア大学の心理学、ソーシャルワークと社会政策学部のシニア講師がTUNに語った。
「私が幸せ、怒っている、混乱している、皮肉な、イライラしているかどうかは関係ありません。コンピューターは共感的ではなく、私の状況に適応していません。 人間の社会的シグナルを感知し理解する能力をコンピューターに提供できれば、対話はより自然で楽しいものになるでしょう。」
[ディバイダ]
漢を鳴らす
コロンビア大学大学院生
アリストテレスの時代から動物の行動は科学的研究の対象となっていましたが、今までのところ、この分野の研究は綿密な観察やノートの作成に限られていました。
しかし、助けを借りて 漢を鳴らす コロンビア大学の彼女のチームは、 AIは動物の行動を研究するために使用できるようになりました 迅速かつ効果的に
研究者は、数時間のビデオを正常に解析できる革新的なアルゴリズムを開発しました。 ハイドラ、無数の淡水無脊椎動物であり、その全範囲の行動を理解する。
スパム情報をフィルタリングすることにより、アルゴリズムは動物の行動における傾向を検出することができる。
「迷惑メール」アルゴリズム、Eメールスパムのフィルタリングによく使用される一般的なアルゴリズムとして機能するこのアルゴリズムは、Hydraのビデオでさまざまな視覚パターン（形状や動き）を分類し、繰り返しの動きを抽出することを学習します。
そうすることで、この技術は動物の異なる行動パターンを特定する。
「我々はHydraの完全な行動マップを構築するために我々のアプローチを使用したが、我々の方法は変形可能な動物の行動認識のための一般的枠組みも提供し、そして全ての動物種に潜在的に適用可能である」とHanは語った。
「実際、動物の完全な神経活動マップと組み合わせることで、私たちの研究は動物のすべての行動の神経コードを解読する可能性を開き、神経科学、進化生物学、人工知能および機械学習における潜在的なブレークスルーを可能にします。」
[ディバイダ]
ジョニ・ホームズ
英国ケンブリッジ大学医学研究評議会認知脳科学部、注意学習記憶センター（CALM）の責任者
ジョニ・ホームズケンブリッジ大学の仲間研究者とともに、 学習困難のクラスターを特定するためにAIを使用 子供インチ
研究者らは、注意欠陥多動性障害（ADHD）、自閉症、失読症などの学習障害と以前に診断された何百人もの学問的に苦しんでいる子供たちのデータを使用し、報告された学習困難の多くは一般的な診断と一致しないことを見出した。
彼らは、リスニングスキル、空間的推論、問題解決、語彙および記憶の測定を含む550の子供からの認知試験データをコンピュータアルゴリズムに供給することによってこれを発見した。
データを分析した後、このアルゴリズムは、他の教育データおよびペアレンタルレポートと一致するが、以前の診断ではなく、障害の4つのクラスターに最も適していることを示唆した。
診断に関係なくすべての困難を伴う子供を含めることにより、アルゴリズムは、診断カテゴリ間の困難の範囲をよりよく捕捉することができ、診断カテゴリ間で重複する。
これにより、研究者は一般的な診断がすべての生徒にとって同じではないことを理解することができます。 たとえば、ADHDを受けた1人の学生は、ADHDを受けた他の学生とはまったく異なる方法で学習を経験している可能性があります。
「私たちの研究は、同じ主題を難しくしている子供たちは、非常に異なる理由で苦労している可能性があることを示唆しています。これは適切な介入を選択するための重要な意味を持っています」
[ディバイダ]
日野美幸、エリノール・ベナミ、ニーナ・ブルックス
大学院生、 Emmett環境と資源に関する学際的プログラム、スタンフォード大学
政府の環境規制当局は、過度に資金が掛かったり、資金不足に陥ったりするため、毎年大規模な環境被害が検出されなくなっています。
これを大きな問題と見なすスタンフォード大学の大学院生 日野みゆき, Elinor Benami & ニーナブルックス 機械学習技術に助けられました。
日野が率いる学生チームは、クリーンウォーター法と パターンを自動的に検出する訓練を受けたコンピュータ 過去の水設備検査の情報を使用してデータを収集する。
彼らは、場所、産業、検査履歴などの施設特性に基づいて検査が失敗する可能性を予測する一連のモデルを導入しました。 その後、各施設のリスクスコアが生成され、検査が失敗する可能性が示されました。
これにより、環境規制当局は危険な違反の優先順位をつけ、予測することができます。
「特に予算削減の時代には、公衆衛生と環境を保護するための費用対効果の高い方法を特定することが重要です」とBenami氏は声明の中で述べています。
日野は機械学習には欠点があると指摘した。
「アルゴリズムは不完全であり、時にはバイアスを永続化し、それらをゲーム化することができます」と彼女は声明で述べています。
しかし、チームは機械学習を強制的な取り組みに統合するためのこれらの限界と方法を是正することを提案した。
ブルックス氏は声明の中で、「このモデルは、さまざまな査察、違反および執行の対応の費用と便益についてさらに詳細に説明することで、さらに強化することができる出発点である」と述べた。
[ディバイダ]
ナルゲスラザビア語
ニューヨーク大学医学部放射線科・人口部助教授
肺がんの種類を特定することは経験豊富な病理学者にとっても困難なことですが、 ナルゲスラザビア語 機械学習プログラムにより、フィールド内の精度を向上させることができます。
ラザヴィアンと彼女の研究チーム AIプログラムを開発 それは腺癌と扁平上皮癌の間の97パーセントの正確さで確認することができます - 確証テストなしで識別するのがより難しい癌タイプの2つ。
このプログラムはまた、EGFR、KRAS、TP53など、肺がんに関連する6つの遺伝子の異常なバージョンが細胞内に存在するかどうかを、遺伝子の種類に応じて73〜86パーセントの範囲の精度で判定できます。
このような遺伝子変異は、異常増殖の原因となることが多く、または自動解析の視覚的手がかりを提供することが原因です。 残念ながら、突然変異の存在を確認するために使用されている現在の遺伝学的検査は、戻ってくるまで数週間かかります。
この新しいAIアプローチにより、患者はすぐに治療を開始するために、がんのサブタイプと突然変異の状態を即座に判断することができます。
「われわれの研究では、病理学者レベルの精度を向上させ、AIが癌細胞とその周囲の組織の目に見える特徴の中にこれまで知られていなかったパターンを発見できることを示して興奮した」とラザビアンは声明で述べた。
「データと計算能力の相乗効果は、医学の実践と科学の両方を向上させる、これまでにない機会を生み出しています。」
[ディバイダ]
まとめ
人工知能の開発はしばしばSFのように感じられるかもしれませんが、現実にはこれまでになかった、そして想像を絶するほどの速度でこのような突破口が起こっています。
AIは、科学のほぼすべての分野で私たちの世界を支援しており、これらの女性たちはますます技術的な世界に大きく貢献しています。
