دانش آموزان ایده های متحول کننده در هوش مصنوعی مولد را در مسابقه MIT Ignite مطرح می کنند | اخبار MIT

در این ترم، دانشجویان و فوق دکترای دانشگاه MIT برای ارائه ایده برای اولین دوره دعوت شدند MIT Ignite: رقابت کارآفرینی مولد هوش مصنوعی. بیش از 100 تیم پیشنهاداتی را برای استارت‌آپ‌هایی ارائه کردند که از فناوری‌های هوش مصنوعی مولد برای توسعه راه‌حل‌ها در طیف متنوعی از رشته‌ها از جمله سلامت انسان، تغییرات آب و هوا، آموزش و پویایی نیروی کار استفاده می‌کنند.

در 30 اکتبر، 12 فینالیست ایده های خود را در مقابل هیئتی از داوران خبره و اتاقی مملو از مرکز کنفرانس سامبرگ مطرح کردند.

MIT مسئولیت دارد که به شکل‌دهی آینده نوآوری هوش مصنوعی کمک کند که به طور گسترده سودمند است – و برای انجام این کار، ما به ایده‌های بزرگ زیادی نیاز داریم. بنابراین، ما به یک منبع کاملاً قابل اعتماد از ایده های عالی روی آوردیم: دانشجویان بسیار کارآفرین و فوق دکترای MIT.

رویداد MIT Ignite بخشی از یک تمرکز گسترده تر بر هوش مصنوعی مولد در MIT ارائه شده توسط Kornbluth. در پاییز امسال، در سراسر مؤسسه، محققان و دانشجویان در حال بررسی فرصت‌هایی هستند تا دانش خود را در زمینه هوش مصنوعی مولد، شناسایی برنامه‌های کاربردی جدید، به حداقل رساندن خطرات، و استفاده از آن به نفع جامعه به اشتراک بگذارند. این رویداد – توسط آزمایشگاه هوش مصنوعی MIT-IBM Watson و مرکز اعتماد مارتین برای کارآفرینی MIT، و با حمایت دانشکده مهندسی MIT و دانشکده مدیریت MIT Sloan – الهام بخش محققان جوان برای مشارکت در گفتگو و نوآوری در زمینه‌های مولد بود. هوش مصنوعی

اود اولیوا، مدیر آزمایشگاه هوش مصنوعی MIT-IBM واتسون و محقق اصلی در آزمایشگاه علوم کامپیوتر و هوش مصنوعی (CSAIL) به عنوان رئیس مشترک این رویداد حضور داشتند. بیل اولت، استاد کار مخترعان اترنت در دانشکده مدیریت اسلون MIT و مدیر مرکز اعتماد مارتین؛ و دینا کاتبی، Thuan (1990) و نیکول فام پروفسور در گروه مهندسی برق و علوم کامپیوتر، مدیر مرکز شبکه های بی سیم و محاسبات سیار، و محقق اصلی CSAIL.

دوازده تیم از دانشجویان و فوق دکترا برای تعدادی جوایز، از جمله پنج جایزه MIT Ignite Flagship به مبلغ 15000 دلار، یک تیم دانشجویی ویژه سال اول دوره کارشناسی، جایزه پرچمدار و جوایز نایب قهرمان، با هم رقابت کردند. همه جوایز توسط آزمایشگاه واتسون هوش مصنوعی MIT-IBM ارائه شد. تیم‌ها بر اساس برنامه‌های خلاقانه پروژه‌شان از هوش مصنوعی تولیدی، امکان‌سنجی، پتانسیل تأثیرگذاری در دنیای واقعی و کیفیت ارائه مورد قضاوت قرار گرفتند.

پس از اینکه 12 تیم فناوری خود، پتانسیل آن برای رسیدگی به یک مشکل و توانایی تیم در اجرای طرح را به نمایش گذاشتند، هیئت داوران به بحث پرداختند. در حالی که حضار منتظر نتایج بودند، سخنانی توسط مارک گورنبرگ 76، رئیس شرکت MIT بیان شد. آنانتا چاندراکاسان، رئیس دانشکده مهندسی MIT و پروفسور وانوار بوش در رشته مهندسی برق و علوم کامپیوتر؛ و دیوید اشمیتلین، جان سی. رئیس سوم رئیس و استاد بازاریابی در دانشکده مدیریت اسلون MIT. دانش آموزان برگزیده عبارت بودند از:

جوایز پرچمدار MIT Ignite

eMote (فیلیپ چرنر، جولیا سباستین، کارولین لیگه ژانگ و دائون یو): گاهی اوقات شناسایی و بیان احساسات دشوار است، به خصوص برای کسانی که در طیف ناگویی هیجانی قرار دارند. علاوه بر این، درمان می تواند گران باشد. اپلیکیشن eMote به کاربران این امکان را می دهد که احساسات خود را شناسایی کنند، آنها را با استفاده از فرآیند خلاقانه هوش مصنوعی مولد به عنوان هنر تجسم کنند و از طریق ژورنال نویسی به آنها فکر کنند و از این طریق به مشاوران و درمانگران مدرسه کمک کنند.

LeGT.ai (جولی شی، جسیکا یوان و یوبینگ کوی): فرآیندهای قانونی در مورد مهاجرت می تواند پیچیده و پرهزینه باشد. هدف LeGT.ai دموکراتیک کردن دانش حقوقی است. این تیم با استفاده از یک پلتفرم با یک مدل زبان بزرگ، مهندسی سریع و جستجوی معنایی، یک ربات چت را برای تکمیل، تحقیق و تهیه پیش‌نویس اسناد برای شرکت‌ها ساده‌سازی می‌کند و همچنین بررسی‌های اولیه و مشاوره‌های اولیه را بهبود می‌بخشد.

سوننا (Emmi Mills، Selin Kocalar، Srihitha Dasari و Karun Kaushik): حدود نیمی از روز یک پزشک توسط اسناد پزشکی و یادداشت های بالینی مصرف می شود. برای رسیدگی به این موضوع، Sunona از رونویسی صوتی و یک مدل زبان بزرگ استفاده می‌کند تا صدا را از ویزیت پزشک به یادداشت‌ها و استخراج ویژگی تبدیل کند، و به ارائه‌دهندگان زمان بیشتری در روز می‌دهد.

UltraNeuro (مهدی رمضان، آدام گوستولای، علا خداج و سامارا خاطر): از هر هفت بزرگسال یک نفر، آسیب نخاعی، سکته مغزی یا بیماری باعث اختلال حرکتی و/یا فلج می شود. پروتزهای عصبی UltraNeuro به بیماران کمک می کند تا برخی از توانایی های روزانه خود را بدون ایمپلنت های تهاجمی مغز به دست آورند. فناوری آنها از یک الکتروانسفالوگرام، حسگرهای هوشمند و یک سیستم هوش مصنوعی چندوجهی (EMG عضلانی، بینایی کامپیوتری، حرکات چشم) استفاده می‌کند که بر روی هزاران حرکت آموزش داده شده است تا حرکات دقیق اندام را برنامه‌ریزی کند.

UrsaTech (روی ژو، جری شان، کیت وانگ، آلن هه و ریتا ژانگ): امروزه آموزش با نابرابری ها و معلمان پر بار مشخص می شود. پلتفرم UrsaTech از یک مدل زبان بزرگ چندوجهی و مدل‌های انتشار برای ایجاد درس‌ها، محتوای پویا و ارزیابی‌ها برای کمک به معلمان و فراگیران استفاده می‌کند. این سیستم همچنین دارای یادگیری همه جانبه با عوامل هوش مصنوعی برای یادگیری فعال برای استفاده آنلاین و آفلاین است.

جایزه پرچمدار تیم دانشجویی سال اول کارشناسی MIT Ignite

آلیکورن (آوریل رن و آیوش نایاک): کشف دارو هزینه های بیوتکنولوژی قابل توجهی را به همراه دارد. پلتفرم بزرگ مبتنی بر مدل زبانی Alikorn با هدف ساده‌سازی فرآیند ایجاد و شبیه‌سازی مولکول‌های جدید، با استفاده از یک شبکه متخاصم مولد، یک الگوریتم مونت کارلو برای بررسی امیدوارکننده‌ترین نامزدها، و یک شبیه‌سازی فیزیک برای تعیین خواص شیمیایی است.

جوایز نایب قهرمان

سایبر خودمختار (جیمز «پاتریک» اوبراین، مادلین لیند، رافائل ترنر، و بوهدان ولیانیوک): ممیزی های امنیتی کد نیاز به تخصص دارند و گران هستند. کد «فوز» – تزریق ورودی‌های نامعتبر یا غیرمنتظره برای آشکار کردن آسیب‌پذیری‌های نرم‌افزار – می‌تواند نرم‌افزار را به میزان قابل توجهی ایمن‌تر کند. سیستم Autonomous Cyber ​​از مدل‌های زبان بزرگ برای ادغام خودکار «فازیرها» در پایگاه‌های داده استفاده می‌کند.

ژنرال EGM (نوح باگازینسکی و کریستن ادواردز): ایجاد سیاست‌های توسعه اجتماعی-اقتصادی آگاهانه نیازمند شواهد و داده‌ها است. سیستم مدل زبان بزرگ Gen EGM این فرآیند را با بررسی و تجزیه و تحلیل ادبیات تسریع می‌کند و سپس یک نقشه شکاف شواهد (EGM) تولید می‌کند که مناطق تأثیر بالقوه را پیشنهاد می‌کند.

Mattr AI (Leandra Tejedor، Katie Chen و Eden Adler): مجموعه‌های داده‌ای که برای آموزش مدل‌های هوش مصنوعی استفاده می‌شوند، اغلب دارای مشکلات تنوع، برابری و کامل هستند. هوش مصنوعی Mattr این را با هوش مصنوعی مولد با یک مدل زبان بزرگ و مدل‌های انتشار پایدار برای تقویت مجموعه داده‌ها برطرف می‌کند.

نوروپرین (اندرو لو، چونگوآ ژو و گرانت رابینسون): غربالگری بیماران برای پیوستن احتمالی به کارآزمایی بالینی زوال عقل پرهزینه است، اغلب سال‌ها طول می‌کشد و بیشتر منجر به عدم واجد شرایط بودن می‌شود. Neuroscreen از هوش مصنوعی برای ارزیابی سریع‌تر علل زوال عقل بیماران استفاده می‌کند که منجر به ثبت‌نام موفق‌تر در کارآزمایی‌های بالینی و درمان شرایط می‌شود.

ابتکار منشأ داده (Naana Obeng-Marnu، Jad Kabbara، Shayne Longpre، William Brannon و Robert Mahari): مجموعه‌های داده‌ای که برای آموزش مدل‌های هوش مصنوعی، به‌ویژه مدل‌های زبان بزرگ استفاده می‌شوند، اغلب دارای ابرداده‌های گمشده یا نادرست هستند که باعث نگرانی مسائل حقوقی و اخلاقی می‌شوند. ابتکار منشأ داده ها از حاشیه نویسی به کمک هوش مصنوعی برای ممیزی مجموعه داده ها، ردیابی اصل و نسب و وضعیت قانونی داده ها، بهبود شفافیت داده ها، قانونی بودن و نگرانی های اخلاقی در مورد داده ها استفاده می کند.

تیا (جنی یائو، هونگزه بو، جین لی، آئو کو و هوگو هوانگ): تحقیقات علمی و گفتگوی آنلاین پیرامون آن، اغلب در سیلوها انجام می شود. هدف پلت فرم Theia این است که این دیوارها را فرو بریزد. فناوری هوش مصنوعی مولد مقالات را خلاصه می‌کند و به راهنمایی جهت‌های تحقیقاتی کمک می‌کند و خدماتی را برای محققان و همچنین جامعه علمی گسترده‌تر ارائه می‌کند.

پس از مسابقه MIT Ignite، همه 12 تیم انتخاب شده برای ارائه به عنوان اولین گام فوری برای تحقق ایده ها و نمونه های اولیه خود به یک رویداد شبکه دعوت شدند. علاوه بر این، از آنها دعوت شد تا ایده های خود را با حمایت مرکز اعتماد مارتین برای کارآفرینی MIT از طریق فیوز StartMIT یا MIT و آزمایشگاه هوش مصنوعی MIT-IBM Watson.

در چند ماه پس از ورود من [at MIT]، من چیزهای زیادی در مورد اینکه مردم MIT در مورد کارآفرینی فکر می کنند و اینکه چگونه واقعاً در هر کاری که همه در مؤسسه انجام می دهند، از دانشجویان سال اول گرفته تا اساتید و فارغ التحصیلان، گنجانده شده است – آنها واقعاً انگیزه دارند تا ایده های خود را به جهان ارائه دهند. رئیس جمهور کورنبلوت گفت. “کارآفرینی یک عنصر اساسی برای هدف ما از سازماندهی برای تأثیر مثبت است.”