Загруженные дороги итальянского города Модены стали испытательным полигоном при разработке сенсорной технологии, которая позволяет автомобилям «видеть» сквозь здания и другие транспортные средства, чтобы избежать столкновения.
Практически каждая компания или организация (это относится и к новичкам, и к опытным пользователям облачных технологий) признает, что управлять приложениями в облаке гораздо сложнее, чем ожидалось. Труднее всего оптимизировать производительность приложения при минимальных расходах. Так как производительность крайне важна, наименее рискованное решение — выделение излишних ресурсов на ее обеспечение. Но без понимания того, какие ресурсы действительно нужны приложению, компаниям приходится полагаться на коэффициент использования ресурсов как основной ориентир.
Как и все остальное в области вычислений, модели глубокого обучения можно взломать.
Команда IBM выявила угрозы и разработала методы защиты моделей ИИ, которые называются глубокими генеративными моделями (DGM). Модели DGM — набирающая обороты технология на базе ИИ, позволяющая синтезировать данные из сложных, высокоразмерных массивов, будь то изображения, текст, музыка или молекулярные структуры.
Разработчики программного обеспечения пользуются основными инструментами: SDK и API. По сути, как SDK, так и API позволяют улучшить функционал приложений, не прибегая к большим усилиям.
Что такое SDK?
Аббревиатура SDK расшифровывается как software development kit. SDK, или devkit, — это набор средств для разработки ПО под определенную платформу. Он содержит компоновочные блоки, средства отладки, а зачастую фреймворк или группу библиотек кода, например набор подпрограмм для определенной операционной системы.
Полвека назад Томас Джон Уотсон-младший, занимавший в то время пост председателя правления и генерального директора IBM, утвердил первую редакцию корпоративной политики в области охраны окружающей среды. Она определяла ответственность линейного руководства, а не только должностные обязанности персонала.
В начале июля IBM официально представила CodeFlare, фреймворк с открытым исходным кодом, который призван упростить интеграцию и обеспечить эффективное масштабирование рабочих процессов с большими данными и средствами искусственного интеллекта в гибридном облаке. CodeFlare создан на базе Ray, активно развивающегося фреймворка для применения в сфере машинного обучения. CodeFlare расширяет возможности Ray, добавляя в него компоненты, которые помогут упростить масштабирование рабочих процессов.
Ученые много сделали, чтобы найти методы улавливания углекислого газа (диоксид углерода, CO2) и предотвращать его обратное попадание в атмосферу. Но уровни CO2 все равно продолжают расти.
В очередном исследовании IBM представлены эмпирические доказательства эффективности автоматизированной оценки состояния пациентов на основе анализа речи с использованием планшета для обнаружения легкого когнитивного расстройства.
До 2016 года получить доступ к квантовым устройствам было непросто. Теоретикам квантовых вычислений приходилось убеждать исследователей аппаратных средств в необходимости проводить эксперименты на специализированных квантовых процессорах.
Рашик Пармар, почетный сотрудник (IBM Fellow), вице-президент в регионе EMEA по технологиям IBM и член жюри глобального конкурса программистов Call for Code считает, что масштабно решать глобальные проблемы нужно путем ответственного использования вычислительных технологий (ВТ).
На счету Рашика почти 40 лет работы в IBM на технических должностях, а также уже несколько лет участия в жюри конкурса Call for Code, где он оценивает и отбирает лучшие заявки от 400 тыс. конкурсантов.
В общих чертах рассмотрим два подхода к анализу и обработке данных — обучение контролируемое (с учителем) и неконтролируемое (без учителя). Основная разница в том, что в первом случае используются размеченные данные для помощи в прогнозировании, а во втором — нет. Но у обоих подходов есть более тонкие различия и ключевые области, в которых они превосходят друг друга.