Miesiąc: luty 2022

Gatunki wymierają – to duży problem

Gatunki wymierają prawie 10 000 razy szybciej niż w historii. Zmiany klimatyczne, rozwój i nielegalne kłusownictwo to jedne z głównych czynników, które negatywnie wpływają na nasze zasoby naturalne, nasilając konflikty między ludźmi i dzikimi zwierzętami oraz przyczyniając się do ogólnej utraty różnorodności biologicznej.

Monitorowanie zachowania dzikich zwierząt może lepiej przygotować człowieka, do ochrony zagrożonych gatunków, ograniczyć utratę różnorodności biologicznej i przyczynić się do zrównoważonego współistnienia ludzi i dzikich zwierząt. Mając to na uwadze, studenci MIDS Jonathan D’Souza, Jacques Makutonin, Dan Price, Michael Reiter stworzyli WildTrackAI, narzędzie, które wykorzystuje technologię wizji komputerowej w celu zwiększenia szybkości i dokładności klasyfikacji obrazów śladów zwierząt.

Jeśli chciałbyś zapisać się do naszego newslettera, zapraszam:

Rozwiązanie

Dzięki zastosowaniu deep learning i wizji komputerowej, mając wystarczającą ilość danych, komputer jest w stanie nauczyć się identyfikować ślady zwierząt w taki sposób, jak robią to rdzenni tropiciele – jednak na znacznie większą skalę i o wiele szybciej. Analityka leży u podstaw całej sprawy, potencjalnie dając wgląd w populacje gatunków, których WildTrack nigdy wcześniej nie posiadał.

Technika identyfikacji śladów WildTrack to narzędzie do nieinwazyjnego monitorowania zagrożonych gatunków za pomocą cyfrowych obrazów śladów zwierząt. Pomiary z tych obrazów są analizowane za pomocą dostosowanych modeli matematycznych, które pomagają zidentyfikować gatunek, jednostkę, płeć i klasę wiekową. Sztuczna inteligencja może dodać zdolność adaptacji za pomocą algorytmów progresywnego uczenia się i opowiedzieć jeszcze bardziej kompletną historię. Rozwiązanie sztucznej inteligencji nieustannie uczy się, dzięki zastosowaniu analizy predykcyjnej

Gatunki zwierząt na świecie są bardzo ważne, więc warto je chronić.

Jeśli podoba Ci się ten artykuł, myślę, że może Ci się również spodobać:

1. Inicjatywy cyfrowe IKEA
2. Sztuczna inteligencja w innowacjach w handlu detalicznym – Amazon
3. Best AI companies to consider for investment

Autorzy: Arek Skuza, Marta Musińska

Wstęp

Ubezpieczyciel Ageas wykorzystał sztuczną inteligencję do tworzenia kompleksowych ocen uszkodzeń samochodów w Wielkiej Brytanii, dzięki rozwiązaniu dostarczonym przez firmę Tractable, które poprawia cały proces.
AI na podstawie przesłanych zdjęć określa, które części pojazdu zostały uszkodzone i w jakim stopniu, generuje pełne oszacowanie szkód, w tym zalecane naprawy, a także koszty i godziny robocizny.

Jeśli chciałbyś zapisać się do naszego newslettera, zapraszam:

Zastosowanie sztucznej inteligencji

Sztuczna inteligencja wykorzystuje deep learning do techniki cyfrowego rozpoznawania obrazów (wizji komputerowej) wraz z uczeniem maszynowym. AI uczy się na podstawie wielu milionów zdjęć uszkodzonych samochodów, a algorytmy na podstawie doświadczeń, analizują wiele różnych przykładów w czasie rzeczywistym.

Dzięki zastosowaniu sztucznej inteligencji proces zgłaszania uszkodzeń pojazdów jest znacznie szybszy – Klienci mogą w ciągu kilku minut otrzymywać od Ageas informacje dotyczące dalszych kroków – nawet podczas pierwszej rozmowy telefonicznej z ubezpieczycielem

Po udanych testach w Wielkiej Brytanii w 2019r. Ageas i Tractable oświadczyły, że będą teraz skalować wykorzystanie tej technologii do rozwiązywania tysięcy roszczeń każdego miesiąca.

Produkt

Produkt firmy Tractable obsłużył już ponad 1 miliard dolarów odszkodowań za szkody samochodowe dla czołowych światowych ubezpieczycieli, w tym Covéa, największego ubezpieczyciela samochodowego na rynku francuskim; Tokio Marine, największego ubezpieczyciela w Japonii; oraz Talanx-Warta, drugiego co do wielkości ubezpieczyciela komunikacyjny w Polsce.

„Wykorzystując sztuczną inteligencję na początku procesu roszczeniowego do oceny szkód i generowania szacunków, przyspieszamy każdą jego część, zwiększając wydajność ubezpieczyciela i zapewniamy większą przejrzystość dla ubezpieczającego”

Adrien Cohen, współzałożyciel londyńskiego Tractable

Jeśli podoba Ci się ten artykuł, myślę, że może Ci się również spodobać:

1. Inicjatywy cyfrowe IKEA
2. Sztuczna inteligencja w innowacjach w handlu detalicznym – Amazon
3. Best AI companies to consider for investment

Autorzy: Arek Skuza, Marta Musińska

Dzięki wizji komputerowej możemy zobaczyć to, co niewidoczne dla ludzkiego oka. Wizja komputrowa bardzo pomaga ludziom w wielu dziedzinach

Wstęp

Wizja komputerowa to dziedzina nauki, która pomaga komputerom interpretować i „rozumieć” świat wizualny, identyfikować i przetwarzać obrazy w sposób podobny do ludzkiego wzroku. Korzystając z cyfrowych obrazów oraz deep learining, maszyny mogą dokładnie identyfikować i klasyfikować obiekty – a następnie reagować na to, co „widzą”. Możliwości widzenia komputerowego można porównać do przypisywania komputerom ludzkich cech – inteligencji i instynktów.

Jeśli chciałbyś zapisać się do naszego newslettera, zapraszam:

Historia

Historia wizji komputerowej sięga lat pięćdziesiątych XX wieku, kiedy to wykorzystano po raz pierwszy sieci neuronowe do wykrywania krawędzi obiektów oraz grupowania ich na okręgi i kwadraty. Wraz z ewolucją wizji komputerowej zaczęto implementować algorytmy progresywne, do rozwiązywania konkretnych problemów, które udoskonalają się z każdą kolejną iteracją. Według firmy SAS, wskaźniki dokładności identyfikacji i klasyfikacji obiektów wzrosły z 50% do 99% w mniej niż dziesięć lat – a dzisiejsze systemy są dokładniejsze niż ludzkie oko w szybkim wykrywaniu i reagowaniu na bodźce wizualne.

Zastosowanie

Aby wizja komputerowa była skuteczna, musi przeanalizować dużą ilość danych. Dzięki nim, możliwe jest przeprowadzenie analizy i wykrycie różnic między poszczególnymi obrazami. Uczenie maszynowe wykorzystuje modele algorytmiczne, które umożliwiają komputerowi uczenie się kontekstu danych wizualnych, dzięki któremu nauczy się odróżniać jeden obraz od drugiego. Według raportu SAS, wizja komputerowa może poprawić wskaźniki wykrywania wad produkcyjnym nawet o 90%. Dzięki niej, możliwe jest znalezienie defektów, które nie są widoczne nawet dla ludzkiego oka.

Innymi przykładami wykorzystania wizji komputerowej jest analiza gry poszczególnych piłkarzy w czasie rzeczywistym, zapobieganie oszustwom finansowym, rozpoznawanie twarzy, czy wykrywanie oznak chorób roślin w celu optymalizacji plonów. To tylko kilka z wielu rozwiązań, które wykorzystują wizji komputerowej w praktyce. Technologia ta ciągle dynamicznie rozwija się, a według danych podanych przez IBM, do 2022r. jej wartość ma wynosić $48,6mld.

Jeśli podoba Ci się ten artykuł, myślę, że może Ci się również spodobać:

1. Inicjatywy cyfrowe IKEA
2. Sztuczna inteligencja w innowacjach w handlu detalicznym – Amazon
3. Best AI companies to consider for investment

Autorzy: Arek Skuza, Marta Musińska