Connect with us
https://ainews.site/wp-content/uploads/2021/11/zox-leader.png

Published

on

The Ultimate Managed Hosting Platform

ऊपर की तस्वीरें अचानक लेन परिवर्तन करने वाली कार के प्रक्षेपवक्र को दर्शाती हैं। व्यवहार-निर्देशित स्वायत्त ड्राइविंग और सिमुलेशन पर हमारा विश्लेषण इन असामान्य और ध्यान खींचने वाले व्यवहारों की भविष्यवाणी कर सकता है। क्रेडिट स्कोर: मावरोगियानिस, चंद्रा और मनोचा।

हाल ही में, दुनिया भर में कई निगम, अनुसंधान संगठन और शैक्षणिक संस्थान सुरक्षित और भरोसेमंद स्वायत्त वाहन विकसित करने का प्रयास कर रहे हैं। बड़े पैमाने पर तैनात करने के लिए, फिर भी, इन वाहनों को अन्य वाहनों, पैदल चलने वालों, साइकिलों, जानवरों या आसपास के बाधाओं से टकराए बिना सभी प्रकार की सड़कों और वातावरण में स्थानांतरित करने में सक्षम होना चाहिए।

मैरीलैंड कॉलेज के शोधकर्ताओं ने हाल ही में एक नया दृष्टिकोण विकसित किया है जो वर्तमान में सेल्फ-ड्राइविंग के लिए फैशन को प्रशिक्षित करने के लिए उपयोग किए जाने वाले सिमुलेटर की प्रभावशीलता को बढ़ाएगा। पथ प्रदर्शन। में मुद्रित एक पेपर में लॉन्च की गई यह विधि आईईईई रोबोटिक्स और ऑटोमेशन पत्रस्वायत्त कार नेविगेशन में विशेषज्ञता वाले अपने पहले के विश्लेषण पर आधारित है।

प्रो. दिनेश मनोचा ने कहा, “जहां इस समय सेल्फ-ड्राइविंग वाहनों के लिए ऑटोनॉमस नेविगेशन में बहुत रुचि है, वहीं नेविगेशन के लिए इस्तेमाल की जाने वाली एआई रणनीतियों को मानव चालकों या सड़क पर अन्य स्वायत्त वाहनों की आदतों को ध्यान में नहीं रखना चाहिए।” , जिन्होंने इस विश्लेषण मिशन की निगरानी की, TechXplore को सूचित किया। “हमारे काम का उद्देश्य मजबूत अनुप्रयुक्त विज्ञान विकसित करना है जो विभिन्न सड़क दलालों (जैसे, ऑटोमोबाइल, बस, वैन, साइकिल, पैदल चलने वालों) के व्यवहार का पता लगा सकता है और वर्गीकृत कर सकता है और स्वायत्त ऑटोमोबाइल के ड्राइविंग प्रक्षेपवक्र की जानकारी के लिए इन व्यवहारों का उपयोग कर सकता है।”

कभी-कभी, ड्राइविंग व्यवहार को मोटे तौर पर दो प्रमुख वर्गों में विभाजित किया जाएगा, विशेष रूप से रूढ़िवादी या आक्रामक व्यवहार। जैसा कि उनके नाम से पता चलता है, रूढ़िवादी ड्राइवर अधिक सतर्क और चौकस हैं, जबकि आक्रामक चालक अस्थिर और जुझारू होंगे।

इन पूरी तरह से अलग ड्राइविंग पैटर्न का सटीक रूप से पता लगाना स्वायत्त ऑटोमोबाइल के लिए बहुत मददगार होगा, विशेष रूप से महत्वपूर्ण क्षणों में (उदाहरण के लिए, लेन बदलते समय या फ्रीवे में प्रवेश करते/बाहर निकलते समय), क्योंकि यह उन्हें अपने प्रक्षेपवक्र और सुरक्षा उपायों को तदनुसार अनुकूलित करने की अनुमति देता है। अब से पहले, कई समूहों ने इन ड्राइविंग व्यवहारों को सटीक रूप से वर्गीकृत करने के लिए बेहतर ड्राइवर सहायता तकनीकों (एडीएएस) के अलावा, स्व-ड्राइविंग ऑटोमोबाइल की अनुमति देने के लिए सिमुलेशन प्लेटफॉर्म का उपयोग किया है।

“स्वायत्त ड्राइविंग कभी-कभी विषय के मूल्यांकन को पूरा करने से पहले सिमुलेशन में शिक्षित होते हैं,” शोध से जुड़े एक अन्य शोधकर्ता रोहन चंद्रा ने टेकएक्सप्लोर को बताया। “हमारे वर्तमान पेपर में, हम एक उपन्यास व्यवहार-संचालित सिम्युलेटर पेश करते हैं जो वास्तविक दुनिया के आगंतुकों की स्थितियों में बड़ी संख्या में कई व्यवहारों का अनुकरण कर सकता है। इस वजह से अंतर्निहित नेविगेशन प्रणाली को वास्तविक दुनिया में आने वाले लोगों की जटिल परिस्थितियों में ड्राइविंग की जटिल आदतों से निपटने के लिए शिक्षित किया जाएगा।

शोधकर्ताओं द्वारा शुरू किया गया अनुकरण दृष्टिकोण एक पुतले पर निर्भर करता है जो सड़क पर विभिन्न दलालों की ड्राइविंग आदतों को वर्गीकृत कर सकता है। यह मॉडल, जिसे सीएमट्रिक कहा जाता है, विभिन्न दलालों के प्रक्षेपवक्र का विश्लेषण करता है और फिर उनकी गणना करता है, अत्याधुनिक पीसी कल्पनाशील और प्रेजेंटेशनल उपकरणों का उपयोग करता है।






मैरीलैंड कॉलेज के कर्मचारियों द्वारा किए गए व्यवहार-संचालित स्वायत्त ड्राइविंग विश्लेषण की व्यापक अवधारणाओं और प्रभाव को समझाते हुए एक वीडियो। क्रेडिट स्कोर: मावरोगियानिस, चंद्रा और मनोचा।

“सीमेट्रिक का उपयोग करते हुए, हमारा व्यवहार-निर्देशित सिम्युलेटर विभिन्न व्यवहारों के साथ दलालों को उत्पन्न कर सकता है, जो संयुक्त आगंतुकों की स्थिति की ओर जाता है,” शोध करने वाले एक अन्य शोधकर्ता एंजेलोस मावरोगियनिस ने टेकएक्सप्लोर को सूचित किया। “विषम ड्राइविंग व्यवहार का अनुकरण हमारे काम का एक नया पहलू है। हम ज्यादातर डीक्यूएन (डीप क्यू-कम्युनिटी) पर आधारित एक गहन सुदृढीकरण अध्ययन कवरेज का उपयोग करते हैं, जिसे हमने अपने सिम्युलेटर के साथ बनाया है।”

मावरोगियानिस, चंद्रा और मनोचा द्वारा लॉन्च किए गए ड्राइविंग हैबिट्स प्रेडिक्शन मॉडल को कार नेविगेशन के लिए सभी प्रकार के अत्याधुनिक एल्गोरिदम के साथ बनाया जाएगा। इस वजह से दुनिया भर में अन्य समूह इसका उपयोग अपने स्वयं के फैशन के प्रशिक्षण को बढ़ाने और सामान्य प्रदर्शन को बढ़ाने के लिए कर सकते हैं।

अब तक, स्वायत्त ड्राइविंग के लिए अधिकांश मौजूदा फैशन ने जटिल शहर के वातावरण को नेविगेट करने के लिए संघर्ष किया है। इसमें अत्यधिक आगंतुकों वाली सड़कें या अधिक संख्या में ट्रैफिक लाइट, पैदल यात्री और साइकिल शामिल हैं। शोधकर्ताओं के इस स्टाफ द्वारा विकसित सिमुलेशन दृष्टिकोण अंत में इन जटिल शहर स्थितियों में इन फैशन की दक्षता को बढ़ाने में सहायता कर सकता है।

“वर्तमान स्वायत्त ड्राइविंग तकनीक मुख्य रूप से फ्रीवे आगंतुकों की स्थिति के लिए प्रासंगिक हैं,” चंद्रा ने परिभाषित किया। “हमारी कार्यप्रणाली, हालांकि, जटिल शहर या कठिन दृश्यों में स्वायत्त ड्राइविंग अनुप्रयुक्त विज्ञान के अनुकरण और मूल्यांकन के लिए एक नया उत्तर देती है। एशियाई शहरों में देखी जाने वाली कठिन यातायात स्थितियों से निपटने के लिए यह बहुत अधिक आवश्यक है, जहां यातायात घनत्व बढ़ जाता है, और बहुत से ड्राइवर यातायात नियमों का पालन नहीं करते हैं। हमारा सिम्युलेटर इन आगंतुकों के पैटर्न को उत्पन्न करने के लिए पहला कदम है।”

जबकि इसे मुख्य रूप से कोचिंग एल्गोरिदम के लिए एक सॉफ्टवेयर के रूप में डिजाइन किया गया था, शोधकर्ताओं द्वारा विकसित सिमुलेशन दृष्टिकोण का उपयोग कोचिंग डेटासेट उत्पन्न करने के लिए किया जा सकता है जो जटिल शहर के वातावरण में ड्राइविंग व्यवहार और कार प्रक्षेपवक्र पर अतिरिक्त रूप से विचार करता है। अपने विश्लेषण के एक भाग के रूप में, मावरोगियनिस, चंद्रा और मनोचा ने इन आदतों के वर्गीकरण रणनीतियों का उपयोग METEOR बनाने और विश्लेषण करने के लिए किया है, बड़े पैमाने पर डेटासेट गहन आगंतुक स्थितियों की घनी और असंरचित फिल्में युक्त। इन फिल्मों को भारत में एकत्र किया गया है जिसके बाद शोधकर्ताओं द्वारा असामान्य या ध्यान खींचने वाले ड्राइविंग व्यवहारों पर ध्यान केंद्रित करने के लिए मैन्युअल रूप से एनोटेट किया गया है, जो असामान्य सड़क पर बातचीत के समान है और उल्लंघन

जल्दी या बाद में, शोधकर्ताओं द्वारा जारी किए गए डेटासेट का उपयोग दुनिया भर के अन्य समूहों द्वारा भीड़-भाड़ वाले और जटिल शहर के वातावरण में स्वायत्त वाहनों और ADAS के नेविगेशन को बढ़ाने के लिए किया जा सकता है। शोधकर्ता वास्तव में उनके द्वारा विकसित सिमुलेशन दृष्टिकोण बनाने की योजना बना रहे हैं ताकि विभिन्न समूह और निगम इसका उपयोग अपने स्वयं के फैशन और एल्गोरिदम को प्रशिक्षित करने के लिए कर सकें।

“हम वास्तव में वर्गीकृत करने के लिए उच्च रणनीतियां विकसित कर रहे हैं कमोडिटी कैमरों (जैसे, स्मार्टफोन में) का उपयोग करने वाले स्ट्रीट ब्रोकरों की संख्या और उन्हें बढ़ाने के लिए उनका उपयोग करें स्वायत्त ड्राइविंग तकनीकों की, ”चंद्र ने कहा। “ये रणनीतियाँ ADAS के एक भाग के रूप में एक मानव चालक का अतिरिक्त समर्थन कर सकती हैं।”


नया, अधिक यथार्थवादी सिम्युलेटर सड़क परीक्षण से पहले सेल्फ-ड्राइविंग वाहन सुरक्षा में सुधार करेगा


अतिरिक्त डेटा:

एंजेलोस मावरोगियनिस एट अल, बी-जीएपी: हैबिट्स-वेल्थ सिमुलेशन एंड नेविगेशन फॉर ऑटोनॉमस ड्राइविंग, आईईईई रोबोटिक्स और ऑटोमेशन पत्र (2022)। डीओआई: 10.1109/एलआरए.2022.3152594

रोहन चंद्रा एट अल, सीएमट्रिक: ए ड्राइविंग हैबिट्स मेजरमेंट यूजिंग सेंट्रलिटी कैपेबिलिटीज, 2020 IEEE/RSJ वर्ल्डवाइड कन्वेंशन ऑन क्लीवर रोबोट्स एंड प्रोग्राम्स (IROS) (2021)। डीओआई: 10.1109/आईआरओएस45743.2020.9341720

रोहन चंद्र एट अल, मानव चालक की आदतों की भविष्यवाणी करने के लिए ग्राफ-सैद्धांतिक मशीन का उपयोग करना, चतुर परिवहन कार्यक्रमों पर आईईईई लेनदेन (2021)। डीओआई: 10.1109/TITS.2021.3130218

रोहन चंद्र एट अल, ग्राफआरक्यूआई: ग्राफ स्पेक्ट्रम का उपयोग करने वाले चालक व्यवहार को वर्गीकृत करना, 2020 IEEE वर्ल्डवाइड कन्वेंशन ऑन रोबोटिक्स एंड ऑटोमेशन (ICRA) (2020)। डीओआई: 10.1109/आईसीआरए40945.2020.9196751

उल्का: विषम ड्राइविंग डेटासेट: gamma.umd.edu/meteor/

द्वारा आपूर्ति
विज्ञान एक्स समुदाय

© 2022 विज्ञान एक्स समुदाय

उद्धरण:
बी-जीएपी: जटिल शहर के दृश्यों को नेविगेट करने के लिए स्वायत्त ऑटोमोबाइल को प्रशिक्षित करने के लिए एक सिमुलेशन पद्धति (2022, 25 मार्च)
25 मार्च 2022 . को पुनः प्राप्त
https://techxplore.com/information/2022-03-b-gap-simulation-method-autonomous-vehicles.html से

यह दस्तावेज़ कॉपीराइट का विषय है। व्यक्तिगत शोध या विश्लेषण के उद्देश्य से किसी भी ईमानदार व्यवहार के अलावा, नहीं
आधा भी लिखित अनुमति के बिना पुन: प्रस्तुत किया जा सकता है। सामग्री सामग्री केवल डेटा कार्यों के लिए पेश की जाती है।



The Ultimate Managed Hosting Platform

Source link

Continue Reading

ताज़ा खबर

मशीन लर्निंग रोग निदान के लिए सेल काउंटिंग के कार्यभार को मौलिक रूप से कम करता है – आर्टिफिशियल इंटेलिजेंस में नवीनतम | एआई रोबोटिक्स

Published

on

Machine learning radically reduces workload of cell counting for disease diagnosis

The Ultimate Managed Hosting Platform

यू ऑफ टी इंस्टीट्यूट फॉर एयरोस्पेस रिसर्च में ह्यूग्स थॉमस और उनके सहयोगियों ने रोबोटिक नेविगेशन के लिए एक बिल्कुल नई तकनीक बनाई जो ज्यादातर स्व-पर्यवेक्षित गहन अध्ययन पर आधारित थी। क्रेडिट स्कोर: सफा जिंजे

टोरंटो कॉलेज के प्रोफेसर टिम बारफुट के नेतृत्व में शोधकर्ताओं का एक दल एक नई तकनीक का उपयोग कर रहा है जो रोबोट को अपने पथ के गतिशील बाधाओं के दीर्घकालिक क्षेत्रों की भविष्यवाणी करके व्यक्तियों से टकराने से बचने की अनुमति देता है।

संभवत: मई के अंत में फिलाडेल्फिया में रोबोटिक्स और ऑटोमेशन पर वर्ल्डवाइड कन्वेंशन में चुनौती पेश की जाएगी।

सिमुलेशन के परिणाम, जो कि सहकर्मी-समीक्षा नहीं हैं, arXiv प्रीप्रिंट सेवा पर पाए जा सकते हैं।

“हमारे काम का सिद्धांत है a भविष्यवाणी करते हैं कि व्यक्ति तेजी से भविष्य में क्या करने जा रहे हैं, ”ह्यूजेस थॉमस कहते हैं, कॉलेज ऑफ यूटिलाइज्ड साइंस एंड इंजीनियरिंग में एयरोस्पेस रिसर्च के लिए यू के टी इंस्टीट्यूट में बारफुट की प्रयोगशाला में डॉक्टरेट के बाद के शोधकर्ता। “यह रोबोट को उन लोगों की गति का अनुमान लगाने की अनुमति देता है जो इन बाधाओं का सामना करते ही प्रतिक्रिया की तुलना में मामूली रूप से सामना करते हैं।”

पैंतरेबाज़ी करने के लिए जगह को हल करने के लिए, रोबोट स्पैटिओटेम्पोरल ऑक्यूपेंसी ग्रिड मैप्स (SOGM) का उपयोग करता है। ये रोबोट के प्रोसेसर के भीतर बनाए गए 3 डी ग्रिड मैप हैं, जिसमें प्रत्येक 2 डी ग्रिड सेल में एक विशेष समय में उस घर में व्यायाम के बारे में अनुमानित विवरण होता है। रोबोट वर्तमान प्रक्षेपवक्र-नियोजन एल्गोरिदम के माध्यम से इन मानचित्रों को संसाधित करके अपने भविष्य के कार्यों को चुनता है।

चालक दल द्वारा उपयोग किया जाने वाला एक अन्य प्रमुख सॉफ्टवेयर सौम्य पहचान और रेंज (लिडार) है, एक दूर संवेदी तकनीक है जो रडार की तरह है इसके अलावा यह ध्वनि के विकल्प के रूप में कोमल का उपयोग करता है। लिडार का हर पिंग रोबोट की याद में कुछ हद तक सहेज कर रखता है। पहले चालक दल के काम ने इन कारकों को उनके गतिशील गुणों के आधार पर लेबल करने का लक्ष्य रखा है। यह रोबोट को अपने वातावरण के अंदर विभिन्न प्रकार की वस्तुओं को स्वीकार करने में मदद करता है।

चालक दल का SOGM समुदाय वर्तमान में 4 लिडार स्तर की कक्षाओं को स्वीकार करने में सक्षम है: नीचे; विभाजन के अनुरूप चिरस्थायी जुड़नार; ऐसे मुद्दे जो चलने योग्य होते हैं, लेकिन अचल होते हैं, कुर्सियों और मेजों के अनुरूप होते हैं; और व्यक्तियों के अनुरूप गतिशील बाधाएं। जानकारी के किसी मानव लेबलिंग की आवश्यकता नहीं है।

“इस काम के साथ, हम रोबोट को एक अतिरिक्त सामाजिक रूप से जागरूक तरीके से भीड़-भाड़ वाले इनडोर क्षेत्रों के माध्यम से नेविगेट करने की अनुमति देने की उम्मीद करते हैं,” बारफुट कहते हैं। “व्यक्तियों और अन्य वस्तुओं के स्थान की भविष्यवाणी करके, हम उन रास्तों की योजना बनाने में सक्षम हैं जो अनुमान लगाते हैं कि गतिशील भाग क्या करेंगे।”

कागज के भीतर, चालक दल सिमुलेशन में किए गए एल्गोरिदम से लाभदायक परिणामों का अध्ययन करता है। अगली समस्या वास्तविक दुनिया की सेटिंग में संबंधित दक्षता को इंगित करने की है, जहां मानव कार्यों की भविष्यवाणी करना मुश्किल होगा। इस प्रयास के तहत, टीम ने इंजीनियरिंग इनोवेशन एंड एंटरप्रेन्योरशिप के लिए यू के टी के मायहाल सेंटर के पहले मैदान पर उनके डिजाइन की जांच की, जहां रोबोट पिछले व्यस्त छात्रों को स्थानांतरित करने में सक्षम था।







क्रेडिट स्कोर: टोरंटो कॉलेज

थॉमस कहते हैं, “एक बार जब हम अनुकरण में प्रयोग करते हैं, तो हमारे पास दलाल होते हैं जो एक निश्चित आचरण के लिए एन्कोडेड होते हैं और वे वहां पहुंचने के लिए सबसे अच्छे प्रक्षेपवक्र का पालन करके एक निश्चित स्तर तक जाने वाले होते हैं।” “हालांकि ऐसा नहीं है जो व्यक्ति वास्तविक जीवन में करते हैं।”

जब लोग क्षेत्रों के माध्यम से स्थानांतरित होते हैं, तो वे किसी अन्य व्यक्ति से बात करने के लिए जल्दी या अचानक बंद कर सकते हैं या बिल्कुल अलग रास्ते में बदल सकते हैं। इस तरह के आचरण से निपटने के लिए, समुदाय एक मशीन अध्ययन दृष्टिकोण का उपयोग करता है जिसे स्व-पर्यवेक्षित अध्ययन कहा जाता है।

स्व-पर्यवेक्षित अध्ययन विभिन्न के साथ विरोधाभास करता है , मजबूत अध्ययन के अनुरूप, जहां एल्गोरिदम एक परीक्षण-और-त्रुटि पद्धति में इनाम की धारणा को अधिकतम करके एक गतिविधि को अंजाम देना सीखता है। जबकि यह रणनीति कुछ कर्तव्यों के लिए प्रभावी ढंग से काम करती है – उदाहरण के लिए, एक पीसी जो शतरंज या गो के समान खेल खेलना सीख रहा है – यह इस तरह के नेविगेशन के लिए सबसे अच्छा नहीं है।

“साथ में , आप एक ब्लैक फील्ड बनाते हैं जो इसे एंटर के बीच के संबंध को अस्पष्ट बनाता है – रोबोट क्या देखता है – और आउटपुट, या रोबोट करता है,” थॉमस कहते हैं। “इसके अलावा रोबोट को सही कॉल सीखने से पहले कई बार विफल होने की आवश्यकता हो सकती है, और हमें यह नहीं चाहिए कि हमारा रोबोट व्यक्तियों में दुर्घटनाग्रस्त होकर अध्ययन करे।”

इसके खिलाफ, स्व-पर्यवेक्षित अध्ययन आसान और समझने योग्य है, जिसका अर्थ है कि यह देखना आसान है कि रोबोट कैसे अपनी पसंद बना रहा है। यह रणनीति वस्तु-केंद्रित की तुलना में मामूली रूप से बिंदु-केंद्रित भी हो सकती है, जो यह बताती है कि समुदाय के पास बिना पके सेंसर ज्ञान की बेहतर व्याख्या है, जो मल्टीमॉडल भविष्यवाणियों के लिए अनुमति देता है।

“कई पारंपरिक रणनीतियाँ व्यक्तियों को विशेष व्यक्ति वस्तुओं के रूप में पहचानती हैं और उनके लिए प्रक्षेपवक्र बनाती हैं। हालांकि चूंकि हमारा मॉडल बिंदु-केंद्रित है, इसलिए हमारा एल्गोरिदम व्यक्तियों को विशेष व्यक्ति वस्तुओं के रूप में निर्धारित नहीं करता है, लेकिन उन क्षेत्रों को स्वीकार करता है जहां व्यक्तियों को होना चाहिए। और अगर आपके पास व्यक्तियों का एक बड़ा समूह है, तो क्षेत्र बड़ा हो जाएगा, ”थॉमस कहते हैं।

“यह विश्लेषण एक आशाजनक मार्ग प्रदान करता है जिसका स्वायत्त ड्राइविंग और रोबोट आपूर्ति से संबंधित क्षेत्रों में रचनात्मक प्रभाव होगा, जहां एक सेटिंग पूरी तरह से अनुमानित नहीं है।”

जल्दी या बाद में, चालक दल यह देखना चाहता है कि क्या वे एक दृश्य में गतिशील भागों से अतिरिक्त नाजुक संकेतों का अध्ययन करने के लिए अपने समुदाय का विस्तार करेंगे।

“यह बहुत अधिक कोचिंग ज्ञान ले सकता है,” बारफुट कहते हैं। “लेकिन यह निश्चित रूप से संभव होना चाहिए क्योंकि हमने खुद को अतिरिक्त कम्प्यूटरीकृत तरीके से जानकारी उत्पन्न करने के रूप में स्थापित किया है: जहां रोबोट नेविगेट करते समय अतिरिक्त ज्ञान एकत्र कर सकता है, संचालन में नहीं होने पर उच्च भविष्य कहनेवाला फैशन का अभ्यास करें और फिर इनका उपयोग करें अगली बार जब यह किसी क्षेत्र को नेविगेट करता है। ”


मनुष्यों को वस्तुओं को सौंपने के लिए रोबोट की क्षमता में सुधार करने के लिए एक मॉडल


अधिक जानकारी:

ह्यूग्स थॉमस, मैथ्यू गैलेट डी सेंट ऑरिन, जियान झांग, टिमोथी डी। बारफुट, डायनेमिक दृश्यों में आजीवन नेविगेशन के लिए स्पैटिओटेम्पोरल ऑक्यूपेंसी ग्रिड मैप्स का अध्ययन। arXiv:2108.10585v2 [cs.RO], doi.org/10.48550/arXiv.2108.10585

द्वारा आपूर्ति
टोरंटो विश्वविद्यालय


उद्धरण:
शोधकर्ताओं ने ‘सामाजिक रूप से जागरूक’ रोबोट डिजाइन किए हैं जो स्थानांतरण पर व्यक्तियों से अनुमान लगा सकते हैं और सुरक्षित रूप से दूर रह सकते हैं (2022, 18 मई)
19 मई 2022 को लिया गया
https://techxplore.com/information/2022-05-socially-aware-robots-safely-people.html से

यह दस्तावेज़ कॉपीराइट का विषय है। व्यक्तिगत जांच या विश्लेषण के उद्देश्य से किसी भी ईमानदार सौदे के अलावा, नहीं
आधा भी लिखित अनुमति के बिना पुन: प्रस्तुत किया जा सकता है। सामग्री सामग्री केवल सूचना कार्यों के लिए आपूर्ति की जाती है।



The Ultimate Managed Hosting Platform

Source link

Continue Reading

ताज़ा खबर

डीपफेक डिटेक्शन एल्गोरिदम को प्रशिक्षित करने का एक नया तरीका उनकी सफलता में सुधार करता है – आर्टिफिशियल इंटेलिजेंस में नवीनतम | एआई रोबोटिक्स

Published

on

A new way to train deepfake detection algorithms improves their success

The Ultimate Managed Hosting Platform

एक बार जब वे डिजिटल दुनिया में जाते हैं तो लोग ब्रेडक्रंब का रास्ता छोड़ देते हैं, जो उनके जीवन के साथ-साथ उनकी भलाई के बारे में सुराग प्रदान करते हैं। पूर्वोत्तर के मौरिसियो सैंटिलाना इन सुरागों को बीमारी के प्रकोप के लिए एक प्रारंभिक चेतावनी प्रणाली में दिखाने के लिए एल्गोरिदम का अध्ययन करने वाले मशीन का उपयोग कर रहे हैं। क्रेडिट स्कोर: मैथ्यू मोडूनो / नॉर्थईस्टर्न कॉलेज

ऐसा लगता है कि पिछले दो वर्षों के महामारी जीवन के बारे में मजाक करने वाले किसी के लिए एक और पंचलाइन है। हालांकि भविष्य में बीमारी के प्रकोप की भविष्यवाणी करने वाले वैज्ञानिकों के लिए, यह आवश्यक ज्ञान है।

सुगंधित मोमबत्तियों को की आमद मिलने लगी 2020 में ऑनलाइन। असंतुष्ट ग्राहकों ने घोषणा की कि यांकी कैंडल जैसी प्रसिद्ध फर्मों के कुछ सबसे सुगंधित, सबसे गर्म उत्पादों में “कोई गंध नहीं” थी और यहां तक ​​​​कि खतरनाक गंध भी थी।

यह सिर्फ कुछ खतरनाक मूल्यांकन नहीं थे। अमेज़ॅन पर खरीदी जाने वाली पसंदीदा सुगंधित मोमबत्तियों को 2020 से पहले 4 से 4½ सितारों का औसत प्राप्त हो रहा था, लेकिन महामारी के पहले वर्ष के दौरान, मूल्यांकन कुछ पूर्ण स्टार द्वारा गिर गया। सोशल मीडिया उपयोगकर्ताओं ने इन हानिकारक मूल्यांकनों और COVID-19 संक्रमणों से संबंधित गंध की भावना की कमी के बीच कुछ लिंक का उपयोग किया।

जब 2021 के अंत में ओमिक्रॉन संस्करण के कारण COVID-19 के मामले फिर से बढ़े, तो शोधकर्ताओं ने इन हानिकारक “नो गंध” मूल्यांकनों में एक और वृद्धि की।

ये हानिकारक ऑनलाइन मूल्यांकन हैं जिन्हें मौरिसियो सैंटिलाना “ब्रेडक्रंब” कहते हैं। जैसे-जैसे व्यक्ति नेविगेट करते हैं , वे अपने ऑफ़लाइन जीवन में क्या हो रहा है, इसका पता लगाते हैं, पूर्वोत्तर में सामुदायिक विज्ञान संस्थान के भीतर भलाई और सेटिंग (MIGHTE) की बेहतरी के लिए मशीन इंटेलिजेंस ग्रुप के निदेशक बताते हैं। ये “ब्रेडक्रंब” संतिलाना जैसे शोधकर्ताओं के लिए अनुपालन करने के लिए एक रास्ता दूर जाते हैं क्योंकि वे भविष्य में COVID-19 और अन्य बीमारियों के संभावित प्रकोप का जोखिम उठाते हैं।

यदि ऑनलाइन विकास में विसंगतियाँ हैं – Google में एक स्पाइक मुर्गी नूडल सूप भेजने वाले आउटलेट की खोज करता है, परिवार के एक संगरोध सदस्य को नेविगेट करने के बारे में ट्वीट्स की अचानक हड़बड़ी, या सुगंधित मोमबत्तियों पर खतरनाक मूल्यांकन – यह इंगित कर सकता है कि परेशान है पक रहा है। तो Santillana बना रहा है विसंगतियों की पहचान करने, उन सुरागों को समझने और बीमारी के प्रकोप के लिए एक प्रारंभिक चेतावनी प्रणाली बनाने के लिए।

शामिल करके संयोजन के लिए, “हम विभिन्न दूरबीनों का उपयोग करके बीमारी की एक वेधशाला बना रहे हैं,” सेंटिलाना कहते हैं, भौतिकी और {इलेक्ट्रिकल के} और लैपटॉप इंजीनियरिंग, जो हाल ही में हार्वर्ड कॉलेज से नॉर्थईस्टर्न में शामिल हुए थे।

सेंटिलाना सामुदायिक विज्ञान संस्थान के निदेशक एलेसेंड्रो वेस्पिग्नानी और पूर्वोत्तर में स्टर्नबर्ग घरेलू विशिष्ट प्रोफेसर के साथ मिलकर काम कर रहे हैं, जो संक्रामक-रोग मॉडलर्स के एक कार्यबल का नेतृत्व करते हैं, जो कि COVID-19 महामारी के प्राप्य भविष्य से संबंधित अनुमानों का एक सेट बढ़ा रहे थे। कारण है कि आपदा शुरू हुई।

Vespignani के फैशन मामलों की संख्या, अस्पताल में भर्ती, मृत्यु, मानव गतिशीलता पैटर्न, आमतौर पर लोग एक साथ कैसे काम करते हैं, वायरस कैसे प्रसारित होता है और बीमारी पर लक्षित अतिरिक्त ज्ञान जैसे विवरणों को जोड़ता है। संतिलाना का कहना है कि उनका विश्लेषण मानव व्यवहार के डिजिटल निशान पर एक नज़र डालकर एक अद्वितीय प्रकार का थर्मामीटर प्रदान करता है जो महामारी विज्ञान के ज्ञान से एक कदम दूर हो सकता है।

“एक तरह से, हम COVID-19 जैसे प्रकोपों ​​​​की एक और पूरी छवि पेश करने के लिए इन दो विचारों को सामूहिक रूप से व्यक्त करने का प्रयास कर रहे हैं,” सेंटिलाना कहते हैं।

Santillana और Vespignani पहले से ही सहयोग कर रहे हैं, इस डिजिटल व्यवहार ज्ञान को उनके मॉडलिंग कार्य के महामारी विज्ञान ज्ञान के साथ जोड़ रहे हैं। में छपे एक पेपर में विज्ञान अग्रिम पिछले 12 महीनों में, उन्होंने पुष्टि की कि इस तरह की सामंजस्यपूर्ण प्रारंभिक चेतावनी प्रणाली COVID-19 मामलों में वृद्धि और दो से कुछ हफ्तों तक मौतों का अनुमान लगा सकती है। सेंटिलाना सामुदायिक विज्ञान संस्थान का सदस्य बनने के साथ, यह जोड़ी बीमारी के प्रकोप के लिए इस पूर्व-चेतावनी प्रणाली को और विकसित करने के लिए सामूहिक रूप से काम करेगी- और केवल COVID-19 के लिए नहीं।

सेंटिलाना जो जानकारी एकत्र करती है, उसमें विशाल, विविध प्रकार की जानकारी शामिल होती है—न कि केवल Google खोज विकास, सोशल मीडिया पोस्ट, और ऑनलाइन खरीदारी मूल्यांकन या आदेश। उन्होंने अज्ञात अच्छे थर्मामीटर डेटा का उपयोग यह निर्धारित करने के लिए भी किया है कि किसी क्षेत्र में किसी प्रकार की बीमारी कब टिक सकती है, स्मार्टफ़ोन से अज्ञात गतिशीलता डेटा जो दिखाता है कि अधिक लोग कब बीमार रह सकते हैं, साथ ही कुछ प्रकार के लिए चिकित्सक खोजों में विकास उपचार या संकेत।

यहां तक ​​कि गूगल सर्च और सोशल मीडिया पोस्ट में भी कई तरह की जानकारियां होती हैं। लोग शायद अपने लक्षणों या संगरोध सुझावों के बारे में अधिक जानकारी प्राप्त करने की कोशिश कर रहे हों, या वे केवल कफ सिरप या सूप खरीदने के लिए जगह निर्धारित करने का प्रयास कर रहे हों।

किसी क्षेत्र में इन सभी व्यवहारों में से केवल एक में वृद्धि यह संकेत दे सकती है कि COVID-19 या कोई अन्य संक्रामक बीमारी एक समूह में फैल रही है, या यह केवल एक नई Sci-Fi फिल्म थी जो सामने आई और आम तौर पर महामारियों के बारे में लोगों की जिज्ञासा को और अधिक बढ़ाया। यही कारण है कि संतिलाना का कहना है कि उनके फैशन के लिए कई विभिन्न ज्ञान स्रोतों को ध्यान में रखना आवश्यक है। फैशन का अध्ययन करने वाली मशीन को अतिरिक्त रूप से यह निर्धारित करने के लिए डिज़ाइन किया गया है कि कुछ Google खोजों में वृद्धि, उदाहरण के लिए, वास्तव में संक्रमणों और अस्पताल में भर्ती होने के साथ यह तय करने में सक्षम है कि यह बीमारी के प्रकोप के अग्रदूत के रूप में विचार करने योग्य है या नहीं।

इस नए प्रकार का “टेलीस्कोप”, जैसा कि सेंटिलाना ने कहा, संभवत: अमेरिका की नई बीमारी पूर्वानुमान पहल, मिडिल फॉर फोरकास्टिंग एंड आउटब्रेक एनालिटिक्स (सीएफए) का एक तत्व होगा। Santillana उस प्रयास की सलाह देने वाले सलाहकारों के एक कार्यबल का एक हिस्सा है।

“उसी दृष्टिकोण में कि जलवायु पूर्वानुमान कार्यक्रम दुनिया भर में काम करते हैं, ” वह बताते हैं, “विचार वास्तविक समय और डिजाइन कार्यक्रमों में उत्पादित होने वाली जानकारी पर एक नज़र डालने के वैकल्पिक तरीकों का योगदान करना है जो एक चीज के विसंगति होने पर स्वीकार कर सकते हैं। ”

जलवायु पूर्वानुमान कंपनियों की तरह, सीएफए मूल रूप से एक होगा बीमारी का प्रकोप कब और कहां हो सकता है, इसका पता लगाना ताकि जन-स्वास्थ्य अधिकारी उन्हें विनाशकारी बनने से रोकने के लिए कार्रवाई कर सकें।


मोबाइल ‘स्थान’ डेटा COVID-19 सामाजिक दूर करने के उपायों को निर्देशित करने में मदद कर सकता है


अधिक जानकारी:

निकोल ई। कोगन एट अल, वास्तविक समय के करीब कई डिजिटल निशानों के साथ COVID-19 अभ्यास देखने के लिए एक प्रारंभिक चेतावनी विधि, विज्ञान अग्रिम (2021)। डीओआई: 10.1126/sciadv.abd6989

उद्धरण:
आपकी Google खोजें और ट्वीट निम्नलिखित बीमारी के प्रकोप का पूर्वानुमान लगाने में सहायता कर सकते हैं (2022, 18 मई)
19 मई 2022 को लिया गया
https://techxplore.com/information/2022-05-google-tweets-disease-outbreak.html से

यह दस्तावेज़ कॉपीराइट का विषय है। व्यक्तिगत जांच या विश्लेषण के उद्देश्य से किसी भी ईमानदार सौदे के अलावा, नहीं
आधा भी लिखित अनुमति के बिना पुन: प्रस्तुत किया जा सकता है। सामग्री सामग्री केवल सूचना कार्यों के लिए पेश की जाती है।



The Ultimate Managed Hosting Platform

Source link

Continue Reading

ताज़ा खबर

सीनेटरों ने IRS प्रदाता ID.me सेल्फी तकनीक की FTC जांच की मांग की

Published

on

huge military data leak has only public information

The Ultimate Managed Hosting Platform

डेमोक्रेटिक सीनेटरों के एक समूह ने संघीय वाणिज्य शुल्क का विश्लेषण करने का अनुरोध किया है कि क्या पहचान सत्यापन फर्म ID.me ने विवादास्पद चेहरे की पहचान सॉफ्टवेयर प्रोग्राम के उपयोग पर ग्राहकों और सरकारी कंपनियों को अवैध रूप से गुमराह किया है या नहीं।

ID.me, जो लोगों की पहचान की ऑनलाइन पुष्टि करने के लिए सेल्फी, डॉक्टर स्कैन और अन्य रणनीतियों के संयोजन का उपयोग करता है, कोरोनोवायरस महामारी के दौरान तेजी से बढ़ा है, इसका मुख्य कारण राज्य के बेरोजगारी विभागों और संघीय कंपनियों के साथ अनुबंधों के साथ-साथ आंतरिक आय भी है। सेवा।

जो कहता है कि उसके 80 मिलियन से अधिक ग्राहक हैं, उस स्थिति पर भी बढ़ते सवालों का सामना करना पड़ा है और साथ ही एक निजी ठेकेदार को वास्तविक द्वारपाल के रूप में व्यवहार करने की अनुमति दी जानी चाहिए या नहीं। . यह पहले से ही गृह निरीक्षण और सुधार समिति द्वारा जांच का विषय है।

मुद्दों की कुंजी ID.me के के उपयोग पर प्रश्न हैं . लंबे समय तक यह दावा करने के बाद कि यह केवल “वन-टू-वन” तकनीक का उपयोग करता है, इसके विपरीत ग्राहकों द्वारा ड्राइवर के लाइसेंस या सरकार द्वारा जारी अन्य आईडी के स्कैन के लिए ली गई सेल्फी के विपरीत, कंपनी ने इस साल की शुरुआत में कहा कि उसने वास्तव में चेहरे के स्कैन का एक डेटाबेस बनाए रखा है और अतिरिक्त विवादास्पद “वन-टू-मैनी” विशेषज्ञता का इस्तेमाल किया।

एफटीसी अध्यक्ष लीना खान को भेजे गए एक पत्र में जांच का अनुरोध करते हुए, सीनेटर रॉन वेडेन, कोरी बुकर, एड मार्के और एलेक्स पडिला ने बुधवार को नियामक से यह देखने का अनुरोध किया कि क्या कंपनी के बयान गैरकानूनी “भ्रामक और अनुचित उद्यम” के उपयोग की ओर इशारा करते हैं या नहीं। अभ्यास। ”

अपने चेहरे की पहचान सॉफ्टवेयर प्रोग्राम के बारे में ID.me के प्रारंभिक बयानों को प्रत्येक ग्राहक को गुमराह करने के लिए नियोजित किया गया प्रतीत होता है और सीनेटरों ने पत्र में लिखा है।

“व्यक्तियों के पास चेहरे की पहचान की इन दो किस्मों के बीच अंतर के संबंध में शामिल होने का स्पष्ट कारण है,” सीनेटरों ने कहा। “जबकि एक-से-एक मान्यता में एक आवेदक की पहचान की पुष्टि करने के लिए दो चित्रों की एक बार की तुलना शामिल है, एक-से-कई मान्यता का उपयोग करना यह दर्शाता है कि लाखों हानिरहित व्यक्तियों की छवियों को एक भाग के रूप में अंतहीन रूप से पूछताछ की जा सकती है। एक डिजिटल “लाइन अप।”

सीनेटरों ने कहा कि एक-से-कई विशेषज्ञता के उपयोग ने झूठे मैचों के बारे में भी चिंता जताई, जिसके कारण उम्मीदवारों को लाभ से वंचित कर दिया गया या उन्हें प्राप्त करने के लिए महीनों भाग लेना पड़ा। रंग के व्यक्तियों के लिए मौका “विशेष रूप से तीव्र” था, कई चेहरे की पहचान एल्गोरिदम प्रदर्शित करने वाली परीक्षाओं ने काले और एशियाई ग्राहकों के लिए झूठे मैचों के शुल्क में वृद्धि की है।

ID.me के उपयोग पर प्रश्न कॉर्पोरेट पर ब्लूमबर्ग बिजनेसवीक लेख के प्रकाशन के बाद जनवरी में सामने आया। यह आईआरएस के साथ 86 मिलियन डॉलर के अनुबंध पर बढ़ते मुद्दों के साथ मेल खाता है, जिसके लिए अमेरिकी करदाताओं को ऑनलाइन प्रदाताओं का उपयोग करने के लिए ID.me में नामांकन करने की आवश्यकता हो सकती है। आईआरएस ने तब से पेश किया है कि यह ID.me के विकल्प हैं।

ब्लूमबर्ग बिजनेसवीक के साथ साक्षात्कार में और बेक कॉरिडोर द्वारा प्रस्तुत एक जनवरी वेबलॉग के अलावा, इसके , ID.me ने आंशिक रूप से यह कहकर अपने चेहरे की पहचान कार्यक्रमों की समानता का बचाव किया था कि कंपनी केवल एक-से-एक मिलान प्रणाली का उपयोग करती है जो व्यक्ति द्वारा ली गई एक सेल्फी की उनकी तस्वीर आईडी से तुलना करती है। “हमारा 1:1 फेस मैच स्मार्टफोन को अनलॉक करने के लिए सेल्फी लेने के समान है। ID.me 1: कई चेहरे की पहचान का उपयोग नहीं करता है, जो अधिक उन्नत और समस्याग्रस्त है,” कॉरिडोर ने पोस्ट में लिखा है।

एक हफ्ते बाद, कॉरिडोर ने लिंक्डइन पर एक पोस्ट में फ़ाइल को सही करते हुए कहा कि कंपनी ने एक से कई चेहरे की पहचान प्रणाली का उपयोग किया है, जिसमें एक तस्वीर तस्वीरों के अक्सर बड़े पैमाने पर डेटाबेस के विपरीत होती है।

कॉरिडोर ने उस पोस्ट में कहा था कि कंपनी का एक-से-कई एल्गोरिदम का उपयोग राष्ट्रपति पद के आवेदनों की जांच तक सीमित था, जो कहता है कि यह संगठित अपराध द्वारा केंद्रित है और इसमें कोई बाहरी या सरकारी डेटाबेस नहीं है।

“यह कदम सिर्फ पहचान सत्यापन से जुड़ा नहीं है,” कॉरिडोर ने लिखा। “यह प्रामाणिक ग्राहकों को उनकी पहचान सत्यापित करने से नहीं रोकता है, न ही इसका उपयोग पहचान की चोरी को रोकने के अलावा हर दूसरे लक्ष्य के लिए किया जाता है। ज्ञान से पता चलता है कि इस प्रबंधन को समाप्त करने से तुरंत महत्वपूर्ण पहचान की चोरी और व्यवस्थित अपराध हो जाएगा। ”

जहां शोधकर्ताओं और कार्यकर्ताओं ने दोनों कार्यक्रमों में गोपनीयता, सटीकता और पूर्वाग्रह के मुद्दों को उठाया है, वहीं कई शोधों से पता चलता है कि एक-से-कई कार्यक्रम गहरे रंग और त्वचा वाले लोगों, विशेषकर महिलाओं की तस्वीरों पर खराब प्रदर्शन करते हैं। Amazon.com Inc. और Microsoft Corp. से संबंधित निगमों ने परिणामस्वरूप पुलिस विभागों को इन प्रकार के सॉफ़्टवेयर प्रोग्राम का प्रचार करना बंद कर दिया है और अनुशासन में राष्ट्रपति पद के नियमन के लिए अनुरोध किया है।

साइबरस्कूप द्वारा प्राप्त आंतरिक स्लैक संदेशों के आधार पर, आईआरएस को प्रदर्शित आईडी.मी के सॉफ्टवेयर प्रोग्राम ने अमेज़ॅन के मान्यता उत्पाद का उपयोग किया, ठीक उसी तरह जिसे अमेज़ॅन ने विनियमन प्रवर्तन को बढ़ावा देना बंद कर दिया है।

कंपनी ने उस महीने की शुरुआत में जारी अपने अनुभव पर एक श्वेत पत्र में मान्यता के उपयोग का खुलासा नहीं किया था।

गोपनीयता और कृत्रिम खुफिया सुरक्षा अधिवक्ताओं ने यह भी शिकायत की है कि ID.me ने अपने चेहरे की पहचान कार्यक्रमों को बाहरी ऑडिट के लिए नहीं खोला है।


हाउस पैनल जांच चेहरे की पहचान सॉफ्टवेयर का उपयोग नहीं करते हैं


©2022 ब्लूमबर्ग एल.पी
ट्रिब्यून सामग्री सामग्री कंपनी, एलएलसी द्वारा वितरित।

उद्धरण:
सीनेटरों ने IRS आपूर्तिकर्ता ID.me सेल्फी विशेषज्ञता की FTC जांच की खोज की (2022, 18 मई)
पुनः प्राप्त 18 मई 2022
https://techxplore.com/information/2022-05-senators-ftc-probe-irs-idme.html से

यह दस्तावेज़ कॉपीराइट का विषय है। व्यक्तिगत जांच या विश्लेषण के उद्देश्य से किसी भी ईमानदार सौदे के अलावा, नहीं
आधा भी लिखित अनुमति के बिना पुन: प्रस्तुत किया जा सकता है। सामग्री सामग्री केवल सूचना कार्यों के लिए पेश की जाती है।

अंतिम प्रबंधित होस्टिंग प्लेटफ़ॉर्म

स्रोत लिंक

पोस्ट सीनेटरों ने IRS प्रदाता ID.me सेल्फी तकनीक की FTC जांच की मांग की पहली बार दिखाई दिया आर्टिफिशियल इंटेलिजेंस में नवीनतम | एआई रोबोटिक्स | मशीन लर्निंग न्यूज.

The Ultimate Managed Hosting Platform

Source link

Continue Reading

Trending