La technologie émergente des modèles du monde vise à résoudre les problèmes de cohérence de l'IA en offrant aux machines une meilleure compréhension de l'espace et du temps.
ScienceDaily rapporte que des chercheurs ont utilisé l'apprentissage automatique pour analyser des données sur le cancer provenant de 185 pays, identifiant des changements de politique spécifiques pouvant améliorer les taux de survie dans chaque nation.
Les chercheurs du MIT démontrent que les modèles d'apprentissage automatique les plus performants peuvent devenir les moins performants lorsqu'ils sont appliqués à de nouveaux environnements de données, révélant des risques cachés liés à des corrélations fallacieuses dans l'IA médicale et d'autres applications critiques.
Des chercheurs ont développé une nouvelle méthode d'IA appelée Riff‑Diff qui transforme la conception d'enzymes, créant des biocatalyseurs très efficaces et stables pour des applications industrielles et médicales. Les résultats ont été publiés dans la revue Nature.
L'intelligence artificielle étend son champ d'action à l'exploration spatiale : des chercheurs de l'université de Stanford ont réussi à implémenter l'apprentissage automatique sur des robots à bord de la Station spatiale internationale. Le système d'IA a amélioré l'efficacité de la planification des mouvements des robots de 50 à 60 %, montrant le potentiel de l'IA pour créer de nouvelles opportunités dans l'espace.
De LangChain à Hugging Face Transformers, ces 16 projets open source fournissent les outils et frameworks de base qui accélèrent l'innovation en IA et en apprentissage automatique.
