Блог

Jul 02, 2023

Что мы видели и слышали в Upper Bound

Демонстрация беспилотных роботов, которые перемещаются по «городу», населенному резиновыми утками.

Демонстрация беспилотных роботов, которые перемещаются по «городу», населенному резиновыми утками, взгляд на то, как машинное обучение может помочь выращивать мясо в лаборатории, а также обзор промышленного использования ИИ — вот лишь некоторые аспекты развивающегося проекта. технологии, которые были исследованы в Upper Bound.

«Лучшего времени для работы в области искусственного интеллекта нет», — сказал Кэм Линке, генеральный директор компанииИнститут машинного интеллекта Альберты (Amii) в своем программном обращении. «Если вы бизнесмен, предприниматель или правительство, это должно вас волновать и пугать одновременно».

Исследователи, предприниматели и любопытные зрители из Эдмонтона и со всего мира собрались, чтобы узнать больше на второй ежегодной конференции по искусственному интеллекту в Эдмонтоне, которая проходила с 23 по 26 мая. Amii выделила 833 стипендии для талантливых исследователей из 22 разных стран и еще 676 человек были подключены виртуально. .

Помимо заключительного выступления Рича Саттона, анонсировавшего исследование OpenMind, на конференции было проведено множество сессий. Вот некоторые из них, которые привлекли наше внимание:

Сочетая очаровательных резиновых уточек с технологией искусственного интеллекта,Университет Альберты провел свой первый семестровый курс с использованием Duckietown в зимнем семестре 2023 года. Он предлагает студентам-робототехникам возможность получить полноценный практический опыт в рамках всемирного исследовательского проекта, зародившегося в Массачусетском технологическом институте в 2016 году.

Студенты учатся программировать небольшие беспилотные автомобили, перевозящие пассажиров в виде резиновых уточек. В их задачи входит заставить транспортные средства оставаться в пределах полос модельных городских дорог, парковаться в отведенном месте, а также останавливаться и проверять наличие «утиных монстров» на пешеходных переходах.

Это задача, которая может оказаться сложной для будущих студентов.

«На многих занятиях по информатике он пытается воссоздать то, что сделали другие люди», — сказал Мэтт Тейлор, заведующий кафедрой ИИ в канадском CIFAR вместе с Amii и инструктор курса, в котором используется Duckietown. «В робототехнике мы часто делаем то, чего раньше никто не делал, потому что мы пытаемся сделать занятия индивидуализированными и особенными».

Выпускники Дакитауна продолжили работу с робототехникой в ​​ряде компаний, в том числе в Attabotics, компании по автоматизации складов в Калгари, с которой Amii работала над повышением производительности и уменьшением количества необходимого пространства.

Студенты Университета Альберты демонстрируют своих беспилотных роботов во время демонстрации Дакитауна в Аппер-Баунде, 25 мая 2023 года. (Эшли Лавалли-Кениг)

Трудно полностью оценить, как машинное обучение может помочь в развитии клеточного сельского хозяйства, поскольку компании, участвующие в этой отрасли, держат большую часть своих исследований в тайне, говорят участники сотрудничества между Amii иНовый урожай.

«Большая часть данных о разработке этих видов клеточных линий и медиа-дизайне на самом деле происходит в компаниях в секрете. Таким образом, мы получаем много разрозненных данных в разных областях, что является проблемой за пределами машинного обучения», — сказала Брианна. Даффи, директор по ответственным исследованиям и инновациям в New Harvest, некоммерческой организации, которая финансирует исследования в области производства продуктов питания, выращенных в лаборатории. «Что-то, над чем New Harvest очень усердно работает, — это обеспечить больший обмен данными и больше академических дискуссий, но это определенно влияет на применение машинного обучения».

Даффи принял участие в беседе с шейхом Джубаиром из Amii и исследователем Майклом Тодхантером, который проводит исследование потенциальных применений искусственного интеллекта и машинного обучения в области клеточного сельского хозяйства.

Одним из потенциальных применений может быть оптимизация развития среды, в которой растут клетки. Поиск правильного сочетания ингредиентов может быть длительным и сложным. Искусственный интеллект потенциально может тестировать и отслеживать комбинации входных данных более эффективно, чем методом проб и ошибок.

По мнению экспертов, благодаря более доступным данным машинное обучение может помочь попыткам выращивать более сложные белковые структуры, такие как стейк, а также менее изученные виды мяса, например, мясо ракообразных. Выращивание мяса рассматривается как один из способов смягчения воздействия традиционного мясного производства на окружающую среду.