¿Cuáles son algunas formas creativas en que las empresas utilizan científicos de datos y aprendizaje automático?

Todos los proyectos no son específicamente de la industria, pero creo que son una aplicación genial de Machine Learning.

En un documento innovador [11] publicado hoy (27 de febrero de 2015) en Nature, un equipo de investigadores dirigido por el cofundador de DeepMind, Demis Hassabis, informó que desarrolló una red neuronal profunda que pudo aprender a jugar juegos clásicos de arcade (como Space Invaders, Breakout y Pong) a nivel experto. Lo que hace que este logro sea aún más impresionante es que el programa no recibió ningún conocimiento previo sobre los juegos. Simplemente tenía acceso a la puntuación y los píxeles en la pantalla. No sabía sobre murciélagos, pelotas, rayos láser ni ninguna de las otras cosas que los humanos necesitamos saber para poder jugar. Excepto adoptado de [12]

El sistema de software Watson de IBM se utilizará para tomar decisiones de gestión en el tratamiento del cáncer de pulmón en el Centro de Cáncer Memorial Sloan-Kettering junto con la compañía de seguros de salud WellPoint. [0]

La Universidad de Cornell está trabajando en un algoritmo para identificar ballenas en el océano basado en grabaciones de audio para que los barcos puedan evitar golpearlas. Además, la Oregon State University está trabajando en un software que determinará qué especies de aves se encuentran en una grabación de audio determinada recopilada en condiciones de campo [1].

La Online Privacy Foundation patrocinó un concurso para ver si es posible predecir si alguien es un psicópata en función de su uso de Twitter. (De acuerdo con la tabla de clasificación, usted puede). [2].

La NASA usa datos de Hubble o Kepler para identificar estrellas, supernovas, cúmulos, galaxias, cuásares, exoplanetas, etc. [3]

Detección de anomalías en sistemas autónomos. Los valores atípicos de los datos del sensor pueden usarse para predecir fallas durante la fase de prueba. Un experimento mostró que IMS detectaba una falla próxima con 6 días de anticipación. [3]

El sistema de aprendizaje profundo de Microsoft obtuvo una tasa de error del 4,94 por ciento para la clasificación correcta de las imágenes en la versión 2012 del conjunto de datos ImageNet ampliamente reconocido, en comparación con una tasa de error del 5,1 por ciento entre los humanos, según el documento. El desafío consistía en identificar objetos en las imágenes y luego seleccionar correctamente las categorías más precisas para las imágenes, entre 1,000 opciones. Las categorías incluyeron “hacha”, “géiser” y “microondas”. [4]

El Departamento de Policía de Los Ángeles es la agencia más grande que adopta un experimento conocido como “vigilancia policial predictiva”, que reúne datos para determinar dónde enviar a los oficiales para frustrar a los posibles ladrones y ladrones. [5]

Knight se está desplegando actualmente para un proyecto financiado por el Departamento de Transporte de Florida (FDOT) para monitorear los cruces de ferrocarril, prevenir accidentes que involucren trenes e informar automáticamente a las autoridades de cualquier peligro potencial.
Esta es solo una aplicación más de esta herramienta. Echa un vistazo al artículo de la revista con todos los detalles. [6]

Dos grupos separados de investigadores en Google y Stanford fusionaron los mejores modelos de redes neuronales y crearon sistemas que pueden explicar con precisión lo que sucede en las imágenes. [7]

Investigadores en Stanford AI Labs programaron un helicóptero para aprender a volar (usando redes neuronales) y realizar acrobacias. [8]

En un trabajo de investigación, el autor propuso utilizar técnicas de Aprendizaje automático para responder preguntas de gestión de ecosistemas (es decir, prevenir la extinción de especies, limitar la propagación de especies y enfermedades invasoras, restaurar los ecosistemas para que funcionen de manera saludable, mitigar los efectos del cambio climático). Además, instó a que a medida que la ecología se convierta en una ciencia basada en datos, los científicos informáticos tengan una gran necesidad de ayudar con toda la línea de datos, desde instrumentos hasta gestión de datos, ajuste de modelos y formulación de políticas. También muestran algunos de sus propios resultados en su artículo [9].

Y, por último, el auto sin conductor de Google. ¿Necesito decir mas? [10]

[0] Watson (computadora)
[1] Exitoso y miserable
[2] 10 sorprendentes aplicaciones de aprendizaje automático
[3] ¿Cómo utiliza la NASA el aprendizaje automático?
[4] Los investigadores de Microsoft dicen que su nuevo sistema de aprendizaje profundo supera a los humanos, y Google
[5] Policía de ciencia ficción: prediciendo el crimen antes de que ocurra
[6] Página en ucf.edu
[7] Google y Stanford construyen redes neuronales híbridas que pueden explicar fotos
[8] El futuro de la robótica y la inteligencia artificial (Andrew Ng) [youtube / AY4ajbu_G3k]
[9] Aprendizaje automático en informática y sostenibilidad del ecosistema
[10] El auto sin conductor de Google
[11] Página en nature.com
[12] Machines Master Classic Videojuegos sin que se le digan las reglas