Press "Enter" to skip to content

Tag: Social Impact

天空中的馅饼:无人机初创公司送上披萨、药品和激动的一切

Zipline 不只是一家顶尖无人机初创公司。 自 2011 年成立以来,总部位于旧金山的公司已在七个国家完成了 80 万多次交付。最近,它还为西雅图的 Pagliacci Pizza、维生素和补充剂巨头 GNC,以及像 Intermountain Health、OhioHealth 和 Michigan Medicine 这样的大型卫生系统提供了服务。 Zipline 开发了它的无人机 – 它们现在已经飞行了超过 5500 万英里 – 用于使用 NVIDIA…

Leave a Comment

扭转珊瑚礁衰退的潮流:CUREE机器人以深度学习深入潜水

研究人员正在深入研究深度学习。 伍兹霍尔海洋研究所(WHOI)自主机器人和感知实验室(WARPLab)与麻省理工学院正在开发一种用于研究珊瑚礁及其生态系统的机器人。 WARPLab自主水下车辆(AUV)是世界上最大的私人海洋研究机构为扭转珊瑚礁衰退趋势而做出的努力,该车辆由NVIDIA Jetson Orin NX模块驱动。 根据WHOI Reef Solutions Initiative的数据,全球25%的珊瑚礁在过去三十年中消失,其余的大部分珊瑚礁正走向灭绝。 这款被称为CUREE(Curious Underwater Robot for Ecosystem Exploration)的AUV与潜水员一起收集视觉、音频和其他环境数据,以帮助了解人类对珊瑚礁及其周围海洋生物的影响。该机器人运行NVIDIA Jetson集成的边缘AI技术,用于构建珊瑚礁的三维模型,并追踪生物和植物生命。它还可以自主导航和收集数据。 伍兹霍尔海洋研究所是最早于1986年探索“泰坦尼克号”的潜艇首开发出CUREE机器人,以便扩大数据收集范围并帮助缓解策略。该海洋科研机构还在研究使用模拟和数字孪生技术来更好地复制珊瑚礁环境,并探索像NVIDIA Omniverse这样的解决方案——NVIDIA Omniverse是一种用于构建和连接3D工具和应用的开发平台。 NVIDIA正在Omniverse中创建地球的数字孪生,为预测气候变化开发世界上最强大的AI超级计算机,称为Earth-2。 水下人工智能:DeepSeeColor模型 任何试过浮潜的人都知道,在水下看不如在陆地上清晰。水会在远距离上衰减太阳下的可见光光谱,更多地抑制一些颜色。同时,水中的颗粒会造成一种称为背散射的朦胧视图。 WARPLab团队最近在海底视觉校正方面发表了一篇研究论文,该论文有助于缓解这些问题并支持CUREE的工作。该论文描述了一个名为DeepSeeColor的模型,它使用两个卷积神经网络序列来在水下实时减少背散射并修正颜色,这些网络运行在NVIDIA Jetson…

Leave a Comment

保持AI对地震的关注:研究人员推出深度学习模型以改善地震预测

一支研究团队旨在颠覆地震模型的现状。 加利福尼亚大学伯克利分校、圣克鲁兹分校以及慕尼黑工业大学的研究人员最近发布了一篇关于将深度学习运用于地震预测的新模型的论文。 被称为RECAST的模型可以使用更大的数据集,并提供比目前标准模型ETAS更高的灵活性。自从1988年开发以来,ETAS的改进仅有逐步增加。 该论文的作者 Kelian Dascher-Cousineau,Oleksandr Shchur,Emily Brodsky和Stephan Günnemann 在 NVIDIA GPU 工作站上训练了这个模型。 “有一个研究领域在探索如何改进 ETAS,” UC 伯克利分校的博士后研究员 Dacher-Cousineau 说道。“ETAS 是一个极为有用的模型,被广泛应用,但我们却一直很难在其基础上有所改进。” AI 推动地震学前进 RECAST的优势在于其模型的灵活性、自我学习能力和可伸缩性,使其能够解释更大的数据集,并在地震序列期间进行更好的预测。 随着模型预测的改进,相关机构如美国地质调查局及其他类似机构可以为需要相关信息的人们提供更好的资讯,例如,消防员和其他首次反应人员进入受损建筑时,可以从更可靠的余震预测中受益。 “在预测方面有很大的改进空间。由于保守和这些决策具有重大影响,我们的社区还没有真正深入机器学习领域。”Dacher-Cousineau…

Leave a Comment

《人工智能如何帮助加利福尼亚州抗击野火》

加州在与肆虐的野火作斗争时拥有了新的武器:人工智能。 一套由NVIDIA GPU训练的人工智能系统承诺在加州发生火灾时向急救人员提供及时警报。 ALERTCalifornia计划是加州野火灭火机构CAL FIRE和加州大学圣地亚哥分校的合作举措,他们利用DigitalPath开发的先进人工智能系统。 DigitalPath利用NVIDIA GPU的强大计算能力,并依靠遍布加州的成千上万个摄像头网络,优化了一个卷积神经网络,可以实时检测火灾迹象。 与家乡息息相关的使命 DigitalPath的CEO Jim Higgins表示,这个使命对这个科技公司意义重大,该公司位于加利福尼亚州奇科的塞拉内华达山脉,距离帕拉达斯镇仅有一小段车程。帕拉达斯镇是在2018年加州最致命的野火中,造成了85人丧生的地方。 “这是我们做这个项目的主要原因之一,”Higgins谈到了这场野火,这场野火是美国人口最多的州历史上最致命和最具破坏力的。“我们不希望人们丧命。” ALERTCalifornia计划基于加利福尼亚大学圣地亚哥分校的雅各布斯工程学院、高通学院和斯克里普斯海洋学研究所。 该计划管理着成千上万个监控摄像头和传感器网络,并收集数据,为公众安全提供实时的可操作信息。 该人工智能项目于6月份启动,最初部署在CAL FIRE的六个指挥中心。本月,扩展到了CAL FIRE的21个指挥中心。 由DigitalPath提供支持的ALERTCalifornia可以从遍布加利福尼亚州的摄像头检测到火灾。 DigitalPath最初建立一个管理平台,用于在911紧急呼叫后确认加利福尼亚的野火。公司很快意识到,无法让人们检查每十到十五秒发送到系统中的成千上万个摄像头的图像。 因此,该公司的系统架构师Ethan Higgins转向了人工智能。 该团队开始在一个基于云的系统上训练一个卷积神经网络,该网络使用NVIDIA A100 Tensor Core…

Leave a Comment

英伟达支持华盛顿努力确保人工智能安全

在白宫的一次活动中,NVIDIA宣布支持拜登政府制定的自愿承诺,以确保先进的人工智能系统安全、可靠和值得信赖。 同一天,NVIDIA首席科学家比尔·戴利在美国参议院的一个小组委员会上作证,寻求有关涵盖生成式人工智能的潜在立法的意见。此外,NVIDIA创始人兼首席执行官黄仁勋将于周三与参议院全体成员参加一场针对人工智能的闭门会议,与其他行业领袖共同出席。 包括Adobe、IBM、Palantir和Salesforce在内的七家公司与NVIDIA一起支持了拜登-哈里斯政府于7月发布的八项协议,这些协议得到了亚马逊、Anthropic、Google、Inflection、Meta、Microsoft和OpenAI的支持。 白宫表示,这些承诺旨在在制定监管规定之前推进共同标准和最佳实践,以确保生成式人工智能系统的安全。它们包括: 在部署之前测试人工智能产品的安全性和功能; 保护人工智能模型免受网络和内部威胁; 利用人工智能帮助解决从癌症到气候变化等社会最大的挑战。 戴利分享NVIDIA的经验 在他的证词中,戴利告诉参议院小组委员会,政府和行业应该在鼓励人工智能创新与确保模型的负责部署之间取得平衡。 该小组委员会的听证会“人工智能的监督:人工智能规则”是世界各地政策制定者试图识别和解决生成式人工智能潜在风险的行动之一。 今年早些时候,该小组委员会听取了Anthropic、IBM和OpenAI等领导人以及学术界人士(如被认为是人工智能奠基人之一的蒙特利尔大学教授Yoshua Bengio)的证词。 戴利是NVIDIA研究部门全球300多人的领导者,周二与微软总裁兼副主席布拉德·史密斯共同出席作证。戴利的证词简要概括了NVIDIA在过去二十年中在人工智能进化中的独特角色。 加速计算引发人工智能 他描述了NVIDIA如何在1999年发明了GPU作为图形处理单元,然后在2006年通过CUDA编程软件使其适应更广泛的并行处理角色。随着时间的推移,各个科学和技术计算领域的开发人员发现这种新形式的加速计算可以显著推进他们的工作。 在此过程中,研究人员发现GPU也非常适合于人工智能的神经网络,因为它们需要大规模的并行处理。 2012年,经过在两个NVIDIA GPU上训练,AlexNet模型展示出类似人类的图像识别能力。这一结果帮助推动了使用GPU取得了十年的快速进展,导致了ChatGPT和其他数亿人使用的生成式人工智能模型。 戴利说,今天,加速计算和生成式人工智能展示了改变行业、应对全球挑战并深刻造福社会的潜力。 人工智能的潜力和限制 戴利在书面证词中提供了人工智能如何使专业人士在商业、医疗保健和气候科学等不同领域比他们想象中更好地完成工作的例子。 像任何技术一样,人工智能产品和服务存在风险,并受到旨在减轻这些风险的现有法律和法规的约束。 行业在负责任地部署人工智能方面也发挥着作用。当开发人员训练人工智能模型并定义其输出时,他们会为模型设定限制。 戴利指出,NVIDIA于4月发布了NeMo Guardrails,这是开源软件开发人员可以用来指导生成式人工智能应用程序生成准确、适当和安全的文本响应的软件。他还表示,NVIDIA还制定了内部风险管理指南,用于管理人工智能模型。…

Leave a Comment

人工智能如何推动清洁能源的未来

AI正在通过利用太阳、风能和尖端技术来改善世界的能源供应方式。 《I AM AI》视频系列的最新一集展示了人工智能如何帮助优化太阳能和风能发电厂、模拟气候和天气、增强电网的可靠性和弹性、推动碳捕获和能源融合的突破。 所有这些都得益于NVIDIA及其关注能源问题的合作伙伴,他们利用和开发技术突破,为更清洁、更安全、更可持续的未来做出贡献。 家庭和企业需要可靠、经济的燃料和电力来满足日常活动的能源需求。 可再生能源,如阳光、风能和水力,正在不断扩大部署和可用容量。但它们也给传统的单向电力流动的旧电网带来了负担:从发电厂通过输电线路和配电线路到最终用户。 人工智能和加速计算的最新进展使能源公司和公用事业公司能够实时平衡供应和需求,并管理分布式能源资源,同时降低消费者的月度费用。 在新的I AM AI视频中,以及以下介绍的企业和初创公司都在使用这些创新技术来解决各种清洁能源的应用案例。 电力站点优化 公司正在借助人工智能改善可再生能源发电站点的维护。 例如,现实捕捉平台DroneDeploy正在使用人工智能评估太阳能发电厂的布局,最大化每个站点产生的能量,并自动监测现场太阳能电池板和其他设备的健康状况。 可再生能源公司西门子Gamesa正在与NVIDIA合作,应用人工智能代理模型来优化其离岸风电场,以最低成本输出最大功率。两家公司正在探索由NVIDIA Omniverse和NVIDIA Modulus平台驱动的神经超分辨率技术,将高分辨率的尾流模拟速度提高了4000倍,与传统方法相比,从40天缩短到仅15分钟。 意大利的THE EDGE COMPANY是NVIDIA Metropolis视觉AI合作伙伴生态系统的成员,他们正在跟踪离岸风电场附近的濒危鸟类,为运营商提供实时建议,帮助预防碰撞并保护濒危物种。 电网基础设施维护 人工智能也有助于保持能源电网的安全和高效。 NVIDIA Metropolis合作伙伴Noteworthy…

Leave a Comment

锤炼于火焰:初创公司融合生成式人工智能和计算机视觉技术,以应对野火

在灾难性野火肆虐时,当加利福尼亚的天空变成橙色,一家初创公司融合了计算机视觉和生成式人工智能来进行反击。 “随着2020年野火的发生,这件事变得非常个人化,因此我们向消防官员询问了我们能帮忙的方式,”总部位于硅谷的计算机视觉领导者Chooch的土耳其出生的首席执行官Emrah Gultekin说。 他们得知,加利福尼亚的公用事业和消防部门每周需要处理多达2,000个来自现有野火检测系统的错误预测。这些错误预测来自雾、雨和他们所使用的摄像头网络的镜头上的污迹。 因此,在一项试点项目中,Chooch将其火灾检测软件链接到摄像头网络上。它每15分钟分析一次快照,寻找烟雾或火灾的迹象。 生成式人工智能提高计算机视觉的精度 然后,由Emrah的兄弟Hakan Gultekin领导的团队——一位软件专家和Chooch的首席技术官——想到了一个主意。 他们建立了一个生成式人工智能工具,自动创建每个图像的描述,帮助审阅者分辨出烟雾的存在。错误预测从每周2,000个下降到了8个。 Chooch可以在天气不好或摄像头镜头不清洁的情况下检测到烟雾和火灾。 “消防局长对于在他们的监控中心推出这项技术以及它可以实现的成果感到兴奋,”Chooch的总裁Michael Liou在最近的网络研讨会上详细介绍了该项目。 Chooch的生成式人工智能工具为加利福尼亚州肯恩县的消防员提供了一个仪表盘,他们可以实时在智能手机和电脑上收到警报,以便快速检测野火。 2020年,加利福尼亚州发生了9,900起野火,烧毁了4.3万英亩的森林,造成了190亿美元的损失。防止一场火灾失控会支付野火检测系统50年的费用,该公司估计。 对生成式人工智能的未来展望 Chooch的首席执行官表示,这也是未来的形态。 Emrah Gultekin “大型语言模型和计算机视觉的融合将带来更强大、更准确、更易于部署的产品,”Gultekin说。 例如,公用事业可以将软件连接到无人机和固定摄像头,以便检测电容器上的腐蚀或植被侵入电力线路的情况。 该技术将在Chooch参加一个价值1100万美元的Xprize挑战中得到进一步验证,该挑战旨在检测和打击野火。赞助商包括PG&E和洛克希德·马丁公司,后者正在与NVIDIA合作建立一个人工智能实验室,以预测和响应野火。 Chooch软件的PC和智能手机仪表盘可以实时更新消防员的警报。 Chooch将其技术应用于制造、零售和安全等多个挑战。 例如,一家制造商使用Chooch的模型在产品发货之前检测缺陷。仅消除20%的故障就可以多次支付系统的费用。 合作的开始…

Leave a Comment

NYU与NVIDIA合作开发大型语言模型以预测患者再次住院

从医院出院对于患者来说是一个重要的里程碑,但有时,这并不意味着他们的康复之路已经结束。在美国,近15%的住院患者在初始出院后的30天内再次入院,这通常与患者和医院都面临更糟糕的结果和更高的成本有关。 纽约大学(New York University)的医学中心纽约大学朗格尼医疗中心(NYU Langone Health)的研究人员与英伟达专家合作,开发了一个大型语言模型(LLM),可以预测患者未来30天内再次入院的风险,以及其他临床结果。 在该医疗系统的6个住院设施中部署的NYUTron模型——今天在科学杂志《自然》上亮相——为医生提供了人工智能驱动的洞见,可以帮助他们识别需要临床干预以减少再入院风险的患者。 “当你从医院出院时,你不希望他们需要返回,否则你可能应该让他们在医院里待更长时间,”NYU Grossman School of Medicine的放射学和神经外科助理教授Eric Oermann博士说,并且他是NYUTron的主要合作者之一。“使用AI模型的分析,我们可以很快赋予临床医生防止或修复使患者再次入院风险增加的情况的能力。” 到目前为止,该模型已经应用于纽约大学医疗系统中超过50,000名患者,通过电子邮件通知与医生共享再入院风险的预测结果。Oermann的团队接下来计划进行一项临床试验,以测试基于NYUTron的分析是否能够降低再入院率。 解决快速再入院等威胁 美国政府跟踪30天再入院率作为医院提供的医疗质量的指标。具有高再入院率的医疗机构将受到罚款,这种监管程度促使医院改善其出院流程。 有很多原因使最近出院的患者可能需要再次入院,其中包括感染、抗生素过度开药、手术引流管早期拆除等。如果这些风险因素能够更早地被发现,医生可以通过调整治疗计划或在医院内对患者进行更长时间的监测来进行干预。 “虽然自1980年代以来就有计算模型来预测患者再入院,但我们将其视为一项自然语言处理任务,需要具有临床文本的健康系统规模语料库,”Oermann说。“我们训练了LLM,让它在电子健康记录的非结构化数据上进行学习,以查看它是否能够捕捉到人们之前未考虑的见解。” NYUTron是在纽约大学朗格尼医疗中心的10年健康记录上进行预训练的LLM:超过40亿字的临床笔记,代表近40万名患者。该模型的准确性比预测再入院的最先进机器学习模型提高了10%以上。 在LLM针对30天再入院的初始使用案例进行了训练后,该团队能够在大约一周内推出其他四种预测算法。这些算法包括预测患者住院时间的长度、住院期间死亡的可能性以及患者保险理赔被拒绝的机会。 “经营医院在某些方面就像管理酒店,”Oermann说。“帮助医院更有效地运营的见解意味着有更多病床和更好的护理服务,可以为更多的患者提供帮助。” 从训练到部署的LLM NYUTron是一个具有数亿参数的LLM,使用NVIDIA NeMo Megatron框架在大型NVIDIA…

Leave a Comment