Отличный бензин и дизельное топливо! АЗС Кобарт
И начинающие водители, и автолюбители со стажем знают – бензин бывает разный. Даже если брать для сравнения топливо одного класса, например 95 бензин Евро 5, то на различных заправочных станциях вам зальют совершенно разное топливо.
Как отличить хороший бензин от некачественного и где лучше заправляться?
Сеть АЗС Кобарт закупает топливо только у проверенных поставщиков, таких как Лукойл, ТНК и Уфимский НПЗ Башнефть. Более того, на собственной нефтебазе бензин и дизельное топливо проверяется в лаборатории, и лишь потом отправляется на заправки. Таким образом, можно исключить возможность заправиться некачественным продуктом.
Но как быть, если вы далеко от проверенной заправочной станции? Постараемся выделить несколько правил, благодаря которым ваш «железный конь» будет резвым, а очередная «кормёжка» на неизвестной АЗС не подпортит здоровье двигателю и всей топливной системе.
Начнем с любимого вопроса, который поднимают на форумах начинающие водители – 
Если брать идеальный вариант и «настоящий» Аи-95 – тогда все просто, октановое число у него выше, соответственно ехать машина будет резвее. К сожалению, далеко не на каждой АЗС вам предложат «пятый» отменного качества. Основная причина – нефтеперерабатывающие заводы России не все обеспечены современным оборудованием, способным выдать 95 нужного уровня.
Для доведения до «нужной кондиции» используют различные присадки, что может повлиять не только на резвость, но и скажется в будущем на работе топливной системы автомобиля. Присадки высокого качества стоят дорого и производители, стараясь сэкономить, выдают на рынок вот такой, «хороший бензин». Как известно, в плохое народ верит больше, чем в хорошее, и как следствие – доверия к марке Аи-95 было давно потеряно у многих автолюбителей.
Так что же заправлять? Аи-92? Если в паспорте автомобиля написано – заправляете минимум 95 – лучше так и делать. Разрабатывая двигатель, автопроизводители предусматривают эксплуатацию машины в нормальных условиях, а если лить топливо с меньшим октановым числом – это может привести к серьезным последствиям на чувствительных к таким переменам движках.
Многим уже знакома ситуация, когда загорается «чек» — ошибка двигателя, после такой необдуманной заправки. Экономия денежных средств – еще одна причина отдать предпочтение 92 бензину. Насколько это выгодно? Дерганье при переключении коробки передач, «троение» двигателя, загрязнение свечей – такие симптомы могут быть последствием вашей «экономии», вплоть до промывки всей топливной системы.
Если автомобиль всеядный – вам повезло, тогда отдавать предпочтение 92 или 95 бензину – решать вам, главное выбрать правильную АЗС! Отправляясь в дальнюю дорогу, заправляйте полный бак на «Кобарте» и будьте уверены – вы сделали правильный выбор!
Почему зимой лучше заливать бензин АИ-92 вместо АИ-95? — Рамблер/авто
Далеко не все водители знают, что бензин, который продается на заправках, также может подразделяться на два типа — летний и зимний.
В ответ на это многие автомобилисты скажут, что подобную информацию они слышали только по отношению к дизельному топливу. Причиной для этого становится добавление в него специальных присадок, для предотвращения замерзания во время сильных морозов.
В отношении бензина существует несколько другой показатель — это насыщенность паров. Для зимнего варианта его чаще всего увеличивают для облегчения запуска мотора машины. Применение же летнего варианта может привести к серьезным проблемам.
Почему 92 лучше? Какое же отношение тогда сюда имеет разница между 92 и 95 бензином, и по какой причине первый из них будет оптимальным вариантом зимой? Для ответа на этот вопрос следует обратиться к составу топлива. У чистого бензина имеется очень низкое октановое число, например АИ-75. Современные модели автомобилей на подобном топливе ездить не смогут, поэтому производителями топлива в его состав добавляются спирты. Именно благодаря им увеличивается октановое число, а сам бензин лучше воспламеняется. Из этого следует, что лучшее воспламенение при зимней температуре обеспечивает именно меньшее количество спиртов.
Применение при отрицательных температурах бензина АИ-92 сделает намного легче процесс воспламенения топлива в цилиндрах, а также даст возможность предотвратить возникновение вероятных проблем с мотором.
Но существенной экономии от разницы в цене не выйдет, по причине увеличения объема потребляемого топлива, которое перекрывает все сэкономленные средства. Но испытать подобную замену, по словам опытных автомобилистов, все же стоит, так как в их применении имеется существенная практическая разница.
Необходимость использования присадок. Одной из наиболее важных вещей в зимнее время года становится заливка в бак качественного топлива. Тем не менее, на заправках оно присутствует далеко не всегда, из-за чего теряется смысл в обращении внимания на его октановое число. Наличие в топливе определенного количества воды может свести на нет всю разницу между ними, и привести к появлению возможных проблем с запуском.
Для того, чтобы предотвратить подобное развитие ситуации, можно использовать такую присадку, как осушитель топлива, которая продается в любом автомобильном магазине. Цена их невысокая, а расход составляет один флакончик на 50-80 литров топлива.
Использование осушителей топлива позволяет устранить наличие воды в топливном баке, а также предотвратить возможную конденсацию и понизить риск его вероятного замерзания.
При низкой температуре воздуха топливо, в котором имеется минимальный процент воды, будет загораться на порядок лучше. Если в зимнее время года возникают проблемы с запуском мотора, имеет смысл использовать такого рода присадку.
Заправка указанным типом топлива. При выборе вида топлива для заправки машины в зимнее время года, имеется еще один нюанс. Большая часть машин может работать как на 92, так и на 95 бензине, но настройки всех устройств и систем могут быть выполнены под конкретный вид топлива. Рекомендации производителя на этот счет обычно приводятся в инструкции к автомобилю. Во избежание проблем технического характера, лучше всего следовать этим рекомендациям, и заправлять исключительно указанный вид топлива.
Итог. Использовать в зимнее время года однозначно стоит бензин с низким количеством спиртов, так как он будет легче воспламеняться при низких температурах. Кроме того, стоит принимать во внимание рекомендации производителя касательно вида используемого топлива.
Автомобильный бензин Аи 95 и Аи 92. Что выбрать
ХОРОШИЙ – ЭТО КАК?
Хороший бензин – это просто: с ним машина «едет», а «пальцы не стучат». Кроме того, морозным утром двигатель сравнительно легко пускается, после заправки не приходится менять свечи, лямбда зонд, нейтрализатор, а также промывать топливную систему. От чего это зависит? Начнем с главного…
ОЧИ ЧЕРНЫЕ, ОЧИ МРАЧНЫЕ
Детонация – тема вечная: о ней в очередной раз напоминает «Наша справка». Так вот, чтобы бензин не боялся детонации, его молекулы должны быть, как говорят химики, стабильными. Степень стабильности как раз и определяется величиной октанового числа!
Согласно действующему ГОСТ Р 51105-97 все бензины по величине октанового числа подразделяются на четыре группы – «Нормаль-80», «Регуляр-91», «Премиум-95» и «Супер-98». Чем выше октановое число, тем выше стабильность бензинов, тем лучше они противостоят детонации. Эти 80, 91 и иже с ними – так называемые ОЧИ, то есть октановые числа, определяемые по исследовательскому методу.
Вопреки известному заблуждению, личные ощущения исследователя или моториста здесь ни при чем. Как ОЧИ, так и ОЧМ определяют на специальной одноцилиндровой установке с переменной степенью сжатия – УИТ-65 или УИТ-85. У нее три простейших карбюратора, позволяющих в динамике менять состав смеси, а также три маленькие топливные емкости. В одну заливают испытуемый бензин, а в две другие – два эталонных: их октановые числа должны отличаться на две единицы. На блок цилиндра вешают пьезокварцевый датчик детонации, позволяющий оценить ее интенсивность как на эталонных бензинах, так и на испытуемом – оттуда и вычисляется требуемое ОЧ. Принцип определения как ОЧИ, так и ОЧМ – ОДИН И ТОТ ЖЕ, только используют разные режимы работы установки. Для ОЧИ двигатель раскручивают до 600 об/мин, а для ОЧМ – до 900 об/мин, да еще и смесь подогревается во впускном ресивере. Принято считать, что ОЧИ условно моделирует условия детонации в городском цикле, а ОЧМ – в шоссейном.
Так можно ли – и нужно ли – менять одно на другое? Сначала разберемся с технологиями…
КРЕКИНГ, РИФОРМИНГ И ПРИСАДКИ
Для получения высокооктанового бензина из нефти используют разные технологии, но только одна из них – каталитического риформинга – позволяет сразу получить нужные октановые числа – вплоть до 99. Но это – дорого: доля такого бензина в общем балансе высокооктановых топлив не достигает 50%. Остальные же вырабатывают по менее сложным технологиям типа каталитического крекинга или гидрокрекинга: для них октановые числа – 82–85. А самые простые и дешевые – прямогонные бензины, но их октановые числа редко превышают 50–60 единиц.
Вот тут-то и возникают различные октаноповышающие присадки и добавки. Их можно условно разделить на три группы. Первая базируется на применении металлсодержащих присадок – достопамятного тетраэтилсвинца, давшего миру этилированные бензины, ныне практически повсюду запрещенные.
Присадка была крайне дешевой и жутко эффективной – в общем, мечта нефтяника. Правда, из выпускной трубы двигателя вылетали мерзкие канцерогены… Сейчас на замену ей пришел куда менее опасный ферроцен.
Основная проблема таких присадок – образование налетов и отложений в камере сгорания, на свечах, а также в катализаторах и на рабочих поверхностях датчиков системы управления двигателем. Предельный уровень ферроцена нормирован – 0,017%, но кто за этим следит? Есть присадки на базе никеля, марганца, но проблемы те же…
Другая группа высокооктановых добавок работает по принципу «смесевого» повышения октанового числа: базовый бензин смешивают с чем-то очень-очень стабильным. Чаще всего применяют монометиланилин (ММНА), чье октановое число аж 280. Эти бензины дороже ферроценовых, но главное препятствие к их распространению – нормы Евро III и Евро IV, ограничивающие уровень «ароматики».
Третья, самая продвинутая группа – эфиры и спирты. С экологией в этом случае все в порядке, но и проблемы есть.
Во-первых, сравнительно невысокое октановое число – около 120, так что требуется их довольно много – иногда даже больше 10%. Поскольку у эфиров значительно более низкая теплотворная способность, чем у базового бензина, падает «калорийность» топлива. Во-вторых, эфиры агрессивны по отношению к резинам, краске, некоторым пластикам. Именно агрессивность эфиров потребовала нормативного ограничения их концентрации – 15%.
ТАК МОЖНО ИЛИ КАК?
Что же все-таки будет, если вместо бензина А-92 залить 95-й? Сгорят ли клапаны? Да ничего не будет… Старые заблуждения насчет такой жуткой опасности почерпнуты из опыта использования этилированных высокооктановых бензинов в моторах, настроенных на 76-й. Разница в октановом числе – 12 единиц, полученная тетраэтилсвинцом, существенно гасила скорость сгорания и увеличивала температуру отработавших газов и выпускных клапанов. Сегодня же речь только о стоимости бензина. Реальная разница октановых чисел составляет всего 2–3 единицы, а потому уменьшения скорости сгорания, заметной двигателю, практически не будет.
Более того, если повышение октанового числа достигнуто добавлением эфиров – а сейчас чаще всего так и бывает, – то скорость сгорания окажется даже выше. Отсюда – небольшая экономия топлива плюс некоторое снижение токсичности выхлопа. Получаемый при этом запас по детонации, наоборот, уменьшает вероятность прогаров поршней и клапанов.
А если раскошелиться вместо А-92 на А-98? В принципе, можно, но здесь уже большого смысла нет. А-98 специально сделан для форсированных бензиновых моторов. Скажем, провести тюнинг двигателя, «зажать» его по степени сжатия, поставить распредвалы с «широкими фазами», тогда – да, другого пути нет. А без этого – пустой перевод денег.
Обратный переход на низкооктановый бензин нужно расценивать как запасной вариант – об этом же говорят инструкции к большинству современных автомобилей. Что касается разговоров о том, что на 95-м чаще выходят из строя свечи, то они вызваны практикой общения с «ферроценовыми» бензинами – с «эфирными» ничего подобного не будет! К сожалению, у нас качество бензина часто определяется не октановым числом, а порядочностью производителя и продавца…
НАША СПРАВКА
Детонация – процесс самопроизвольного воспламенения топлива от волны сжатия.
Чем выше давление в цилиндре, тем интенсивнее волна, вызывающая детонацию. Этому способствуют ранние углы опережения зажигания, которые заставляют гореть топливо еще при сжатии. Провоцирует детонацию и увеличение степени сжатия в двигателе, причем порой непроизвольное: отложения и нагар мало-помалу сокращают реальный объем камеры сгорания. Детонацию провоцирует и неправильная установка фаз газораспределения.
Какой бензин лучше. Часть 1. Новый бензин Башнефть ATUM – 95 «Евро 6»: kabzon — LiveJournal
Все знают что в Башкирии самый лучший бензин.Выпущенный в Башкирии бензин- это уже почти брэнд. Как Башкирский мёд.
— Откуда бензин? Из Башкирии? Заливай полный бак.
Доверяют люди нашим заводам. Почему? Да потому что исторически мы идем немного впереди всех.
И заводы модернизированные могут быстро наладить инновационное производство, и потребитель привыкший к хорошим нефтепродуктам лоялен ко всякого рода новинкам.
Потому не стоит удивляться, что реализация улучшенных высокооктановых бензинов марок АИ-95-K5 «Евро 6» и ATUM – 95 «Евро 6» начнется через розничную сеть НК «Роснефть» на территории Башкортостана.
Раз это всё стартует у нас, то нам про этот бензин и рассказывать.
Что-то мы уже можем рассказать по ощущениям, а что-то возьмем из официальных источников.
Итак, по-порядку:
Чем бензин ATUM – 95 «Евро 6» лучше других видов топлива.
В бензине «Евро 6» меньше:
серы, что снижает коррозийную активность;
бензола и, следовательно, ниже токсичность выхлопных газов;
олефиновых углеводородов, которые при сгорании образуют в двигателе нагар;
ароматических углеводородов, что также позволило уменьшить образование нагара на внутренних частях двигателя;
смол, соответственно выше стабильность топлива при хранении.
Что это дает потребителю?
В совокупности данные параметры и характеристики, за счет снижения общего уровня отложений, уменьшают износ двигателя, увеличивают ресурс работы системы нейтрализации отработавших газов, снижают токсичность выхлопов.
В цифрах это выглядит так:
Количество отложений на впускных клапанах снижается на 12,5 %.
Количество отложений в камере сгорания двигателя автомобиля снижается на 12,7 %.
И то и другое подтверждено соответствующими испытаниями:
угарного газа в выхлопе (CO) — меньше на 9,5%,
CH (различные углеводородные соединения) — на 3,6%
NOx (оксиды азота) — на 3,9%.
Повторю для непонятливых:
На данный момент топливо с такими эксплуатационными и экологическими характеристиками в Европе не производится.
Все характеристики бензинов «Евро 6» подтверждены заключением АО «Всероссийский научно-исследовательский институт по переработке нефти».
Эксперты ВНИИНП рекомендовали к производству и применению на автомобильной технике бензины «Евро 6» с улучшенными экологическими и эксплуатационными свойствами.
Рецептура и технология производства с применением компонентов высокотехнологичных комплексов разработана специалистами Корпоративного научного комплекса и ряда НПЗ Компании.
Производство высокотехнологичных видов топлива и нефтепродуктов на нефтеперерабатывающих заводах Компании осуществляется в соответствии с положениями новой Стратегии развития НК «Роснефть» до 2022 года, одним из ключевых направлений которой является обеспечение технологического лидерства Компании во всех аспектах ее деятельности.
Это я не из головы придумал.
Это все нам рассказали Осинцев Владимир Владимирович — Зам главного инженера ЕНПЗ «Башнефти» по технологическим процессам и
Вереземский Сергей Владимирович, заместитель руководителя пресс-службы ПАО АНК «Башнефть»
Нам- это Уфимским блогерам и московским гостям, которые тоже с удовольствием слушали и погружались в азы технологических процессов.
Парень в рыжем свитере -это Антон Привольнов. Помните такого. Передачу ведет на Первом.
И девушка рядом с ним. Тоже с телевизора. В Уфе их не частые гости, а потому я их и не узнал. Богатые будут.
Уфимских блогеров я думаю вы знаете:
Юля Инамора inamora , Алексей Правоград pravograd, Иван Зорин,
И конечно бессменный ведущий всего на свете Рамиль Ахтареев.
С вами был блогер Кабзон kabzon
Продолжение следует…..
1 Акция искусственного интеллекта с прибылью более 95%, согласно Wall Street
По мере того, как мы наблюдаем, что индекс фондового рынка S&P 500 приближается к историческим максимумам, становится все сложнее найти компании, которые по-прежнему представляют большую ценность.
Если у вас их еще нет, может показаться, что вы упустили некоторые из самых популярных быстрорастущих технологических акций, поскольку они продолжают расти. Но есть одна технологическая компания, которую сейчас рынок может упускать из виду.
Искусственный интеллект (AI) — это развивающаяся отрасль, а C3.ai (NYSE: AI) разработал для себя целый рынок. Известная как Enterprise AI, компания может создавать приложения AI практически для любой отрасли в мире, и клиенты стремятся к ней.
Фирма Wedbush Securities с Уолл-стрит считает, что акции могут вырасти более чем на 95% по сравнению с текущими уровнями, и вот некоторые аргументы в пользу этого прогноза.
Источник изображения: Getty Images.
Беспрецедентный потенциал
Интернет изменил способ ведения бизнеса в мире.Это позволяет самым маленьким магазинам добраться до самых дальних уголков земного шара, делая рост и успех гораздо более доступными. Но Интернет оставил позади некоторые отрасли, а именно те, которые больше всего зависят от человеческого фактора.
Подумайте, например, о брокере с недвижимостью или о профессии юриста.
Искусственный интеллект — это следующий рубеж, и, хотя он все еще находится в зачаточном состоянии, он уже втягивает трудоемкие предприятия в цифровой мир. Это помогло создать такие компании, как Zillow Group (NASDAQ: Z), потому что без искусственного интеллекта и машинного обучения невозможно было бы отслеживать весь рынок недвижимости в США.S. в режиме реального времени, что позволяет покупать дома напрямую у продавцов (исключая агентов по недвижимости из уравнения).
Но Zillow — это компания с многомиллиардным оборотом, в основе которой лежат технологии, и именно на это уходит большая часть ее расходов на исследования и разработки. Однако у большинства компаний нет ресурсов или талантов для создания приложений искусственного интеллекта собственными силами. Это пробел, который заполняет C3.ai — и сейчас это единственный игрок в игре.
Сотрудничество мирового уровня
От нефтяной промышленности до банковского дела, C3.
ai имеет портфель из 98 клиентов, в том числе некоторые из крупнейших компаний мира. Набор продуктов C3.ai включает тысячи приложений искусственного интеллекта, которые могут сократить объем программирования, необходимого на 99%, что означает, что он близок к plug-and-play решению для тех клиентов, которые хотят адаптировать искусственный интеллект для масштабирования своего бизнеса.
C3.ai вступила в совместное предприятие с нефтяным гигантом Baker Hughes в 2019 году для разработки нового набора инструментов искусственного интеллекта. Дублированный BHC3.ai, приложения помогают нефтяным компаниям прогнозировать отказы оборудования, сокращать выбросы углерода и повышать эффективность. Технология была принята лидерами отрасли, такими как Royal Dutch Shell , которая пользуется таким успехом, что только что подписала пятилетнее расширенное соглашение.
Но C3.ai также имеет растущий список сотрудничества с другими технологическими компаниями, направленный на разработку более целостных решений для отраслей, которые могут извлечь выгоду из искусственного интеллекта.
Например, недавнее объявление о прибылях и убытках за первый квартал свидетельствует о новом партнерстве с Google Cloud Alphabet для создания решений для промышленности, здравоохранения, телекоммуникаций и финансовых услуг.Это в дополнение к существующей трехлетней сделке с облачной платформой Azure Microsoft .
Хорошие финансовые показатели
После листинга в декабре 2020 года акции C3.ai выросли до цен до 161 доллара, но сегодня неуклонно снижались до уровней около 50 долларов. Компания еще не оправдала ожиданий блокбастера в отношении роста выручки и прибыли.
Но у него огромный потенциал, и целевая цена Wedbush в 100 долларов это отражает. Финансовые показатели улучшаются, и, поскольку внедрение приложения ИИ на рынок может занять до шести месяцев, рост доходов имеет тенденцию отставать от роста клиентов.98 клиентов C3.ai в первом финансовом квартале на 85% больше, чем за тот же период прошлого года, что создает потенциальный сюрприз по доходам в будущем.
Метрическая | Фискальный 2020 год | 2021 финансовый год | 2022 финансовый год (оценка) | CAGR |
|---|---|---|---|---|
Выручка | 156,7 млн. Долл. США | 183 долл.2 миллиона | 245,0 млн. Долл. США | 25% |
Источник данных: документы компании. CAGR = среднегодовой темп роста.
Оценка выручки компании на 2022 финансовый год намекает на ускорение роста до уровней, превышающих тренд, которое уже произошло в первом квартале финансового года и, как ожидается, продолжит улучшаться в следующем квартале.
Метрическая | Первый квартал 2022 финансового года | Финансовый квартал 2 2022 (оценка) |
|---|---|---|
Выручка | 52 миллиона долларов | 57 миллионов долларов |
Рост выручки (г / г) | 29% | 37% |
Источник данных: документы компании. YOY = год к году
Эти результаты подтверждают тот факт, что быстрый рост клиентов C3.ai приведет к улучшению финансовой картины в будущем.
Хотя компания еще не прибыльна, ее валовая прибыль превышает 75%, что позволяет ей реинвестировать прибыль в бизнес для стимулирования роста. Когда в будущем рост доходов достигнет пика, это может сократить расходы и принести прибыль инвесторам. На данный момент все дело в масштабе здания.
Акции торгуются в 21 раз больше, чем предполагаемые продажи в 2022 финансовом году, что кажется дорогим по номинальной стоимости.Но если выручка продолжит расти опережающими темпами, этот мультипликатор значительно сократится, что в ретроспективе сделает акцию фантастической ценностью для терпеливых долгосрочных инвесторов, которые покупают ее сейчас.
В конце концов, трудно оценить бизнес, который эффективно работает в одиночку в совершенно новой отрасли. Но цель Wedbush в 100 долларов — это хорошая отправная точка, поскольку C3.
ai продолжает монетизировать свою мощную клиентскую базу.
Эта статья представляет мнение автора, который может не согласиться с «официальной» позицией рекомендаций премиальной консультационной службы Motley Fool.Мы разношерстные! Ставка под сомнение по поводу инвестиционного тезиса — даже нашего собственного — помогает нам всем критически относиться к инвестированию и принимать решения, которые помогают нам стать умнее, счастливее и богаче.
Я обучил ИИ обнаружению фейковых новостей с точностью> 95% и чуть не сошел с ума | автор: Aaron Edell
tl; dr — Мы создали детектор фальшивых новостей с точностью выше 95% (на проверочном наборе), который использует машинное обучение и обработку естественного языка, который вы можете скачать здесь .В реальном мире точность может быть ниже, особенно с течением времени и изменением способа написания статей.
С такими достижениями в области обработки естественного языка и машинного обучения я подумал, может быть, только возможно, я смогу создать модель, которая могла бы отмечать новостной контент как фальшивый и, возможно, откусить от разрушительных последствий распространения фальшивого контента. Новости.
Пожалуй, самая сложная часть создания собственной модели машинного обучения — это сбор обучающих данных.Мне потребовались дни и дни, чтобы собрать фотографии каждого игрока НБА в сезоне 2017/2018 и обучить модели распознавания лиц. Я и не подозревал, что буду погружаться в болезненный, длившийся несколько месяцев процесс, который выявит некоторые действительно мрачные и тревожные вещи, которые все еще распространяются как новости и реальная информация.
Мое первое препятствие было неожиданным. Проведя небольшое исследование фейковых новостей, я очень быстро обнаружил, что дезинформация может попадать в разные категории. Есть статьи, которые являются откровенно ложными, статьи, которые предоставляют правдивое событие, но затем содержат некоторые ложные интерпретации, статьи, которые являются псевдонаучными, статьи, которые на самом деле представляют собой просто мнения, замаскированные под новости, статьи сатирического характера и статьи, состоящие в основном из твитов.
и цитаты других людей.Я погуглил и обнаружил, что некоторые люди пытаются разделить веб-сайты на группы, такие как «сатира», «поддельные», «вводящие в заблуждение» и т.д. эти домены, чтобы попытаться найти несколько примеров. Практически сразу я обнаружил проблему. Некоторые веб-сайты, отмеченные как «поддельные» или «вводящие в заблуждение», иногда содержали правдивые статьи. Итак, я знал, что не будет возможности очистить их, не выполнив проверку на работоспособность .
Затем я начал спрашивать себя, должна ли моя модель учитывать сатиру и мнения, и если да, то следует ли их считать фальшивыми, настоящими или помещать в отдельную категорию?
Примерно через неделю просмотра сайтов с фальшивыми новостями я начал задаваться вопросом, не усложнял ли я уже проблему слишком сильно.Может быть, мне просто нужно было использовать некоторые существующие модели машинного обучения для анализа настроений и посмотреть, есть ли закономерность? Я решил создать небольшой быстрый инструмент, который использовал бы веб-парсер для очистки заголовков, описаний, авторов и контента статей и публикации результатов в модели анализа настроений.
Я использовал Textbox, что было удобно, потому что оно запускалось локально на моем компьютере и быстро возвращало результаты.
Текстовое поле возвращает оценку тональности, которую можно интерпретировать как положительное или отрицательное .Затем я построил дрянной маленький алгоритм, чтобы добавить веса к настроениям различных типов текста, который я извлекал (заголовок, содержание, автор и т. Д.), И сложил все это вместе, чтобы посмотреть, смогу ли я придумать глобальную оценку.
Сначала работало неплохо, но примерно после 7-й или 8-й статьи, которую я попробовал, начало падать. Короче говоря, она была далека от системы обнаружения фальшивых новостей, которую я хотел создать.
Ошибка.
Здесь мой друг Дэвид Эрнандес порекомендовал тренировать модель на самом тексте.Для этого нам понадобится много-много примеров в различных категориях, которые мы хотели бы, чтобы модель могла предсказывать.
Поскольку я был изрядно утомлен попытками понять закономерности в фальшивых новостях, мы решили просто попытаться очистить домены, которые были заведомо поддельными, настоящими, сатиру и т. Д., И посмотреть, сможем ли мы быстро создать набор данных.
После работы скребка для сырой нефти в течение нескольких дней у нас был набор данных, который, по нашему мнению, был достаточно большим для обучения модели.
Результаты были хренью.Изучив данные обучения, мы поняли, что домены никогда не делятся на аккуратные маленькие категории, как мы хотели. Некоторые из них содержали фальшивые новости, смешанные с реальными новостями, другие были просто сообщениями в блогах с других сайтов, а некоторые были просто статьями, где 90% текста были твитами Трампа. Итак, мы поняли, что нужно начинать с обучающих данных.
Вот когда дела пошли плохо.
Это была суббота, когда я начал долгий процесс ручного чтения каждой статьи, прежде чем решить, к какой категории она относится, а затем неудобно копировать и вставлять текст во все более громоздкую электронную таблицу.Я читал некоторые темные, отвратительные, расистские и поистине развратные вещи, которые сначала пытался игнорировать.
Но после просмотра сотен этих статей они начали доходить до меня. Когда мое зрение затуманилось и моя интерпретация цветов испортилась, я начал сильно впадать в депрессию. Как цивилизация упала до такого низкого уровня? Почему люди не умеют мыслить критически? Есть ли у нас действительно надежда? Это продолжалось несколько дней, пока я изо всех сил пытался получить достаточно примеров, чтобы модель была значимой.
Я обнаружил, что заблуждаюсь в своей интерпретации фейковых новостей, злюсь, когда сталкиваюсь со статьями, с которыми я не согласен, упорно борясь с побуждением выбирать только те, которые я считал правильными. В любом случае, что было правильно или неправильно?
Но, наконец, я достиг магического числа примеров, которые искал, и с большим облегчением отправил их Дэвиду по электронной почте.
На следующий день он снова провел тренировку, так как я с нетерпением ждал результатов.
Мы достигли точности около 70%.Сначала я подумал, что это здорово, но после выборочной проверки статей в дикой природе я понял, что это никому не принесет никакой пользы.
Ошибка.
Вернуться к чертежной доске. Что я делал не так? Именно Дэвид предположил, что, возможно, упрощение задачи будет ключом к более высокой степени точности. Так что я действительно подумал о том, какую проблему я пытался решить. Затем меня осенило; возможно, ответ заключается не в обнаружении фейковых новостей, а в обнаружении настоящих новостей.Настоящие новости гораздо проще классифицировать. Это факт и по существу, и практически не имеет интерпретации. И было множество авторитетных источников, из которых можно было получить это.
Итак, я вернулся в Интернет и снова начал собирать данные для обучения. Я решил разделить все на две категории; реальный и ненастоящий. Notreal включал бы сатиру, авторские статьи, фейковые новости и все остальное, что не было написано сугубо фактическими данными и соответствовало стандартам AP.
Я потратил на это несколько недель, каждый день тратил несколько часов на получение новейшего контента со всех типов веб-сайтов, которые вы только можете себе представить, от The Onion до Reuters .
Я помещал тысячи и тысячи примеров реального и ненастоящего контента в гигантскую электронную таблицу, и каждый день я добавлял в нее еще сотни. В конце концов, я решил, что у меня достаточно примеров, чтобы попробовать еще раз. Я отправил Дэвиду таблицу и с нетерпением ждал результатов.
Я чуть не подпрыгнул от радости, когда увидел, что точность выше 95%. Это означает, что мы обнаружили закономерность в написании статей, позволяющую выявить разницу между настоящими новостями и вещами, к которым вы должны относиться с недоверием.
Успех (вроде)!
Вся цель этого упражнения заключалась в том, чтобы остановить распространение дезинформации, поэтому мне доставляет большое удовольствие поделиться с вами этой моделью. Мы называем это Fakebox, и им очень легко пользоваться.
Вставьте содержание статьи, в которой вы не уверены, и нажмите «Анализировать».
Интегрируйте его в любую среду с помощью красивого RESTful API. Это контейнер Docker, поэтому вы можете развертывать и масштабировать его где угодно и где угодно.
Перелистывайте неограниченное количество контента так быстро, как хотите, и автоматически помечайте вещи, которые могут потребовать внимания.
Помните, что это говорит вам, если статья написана так же, как и настоящая новостная статья , поэтому, если оценка снова станет очень низкой, это может означать, что статья является фальшивкой, выражением мнения, сатирой или нечто иное, чем прямая новостная статья, содержащая только факты.
Таким образом, мы обучили модель машинного обучения, которая анализирует способ написания статьи и сообщает вам, похожа ли она на статью, написанную без предвзятых слов, сильных прилагательных, мнений или красочного языка.Если статья слишком короткая или она в основном состоит из цитат (или твитов) других людей, это может быть нелегко. Это еще не все, что нужно для фейковых новостей. Но, надеюсь, это поможет выявить статьи, к которым следует относиться с недоверием.
Наслаждайтесь!
А.И. Инструмент обещает более быструю и точную диагностику болезни Альцгеймера
(Хобокен, Нью-Джерси — 27 августа 2020 г.
) — Обнаружив тонкие различия в способах использования языка больными Альцгеймером, исследователи из Технологического института Стивенса разработали A.I. Алгоритм, который обещает точно диагностировать болезнь Альцгеймера без необходимости дорогостоящего сканирования или личного тестирования. Программное обеспечение не только может диагностировать болезнь Альцгеймера с незначительными затратами и с точностью более 95 процентов, но также способно объяснить свои выводы, позволяя врачам дважды проверить точность поставленного диагноза.
«Это настоящий прорыв», — сказал создатель инструмента К.П. Суббалакшми, директор-основатель Института искусственного интеллекта Стивенса и профессор электротехники и вычислительной техники в Charles V.Школа инженерии и науки им. Шефера. «Мы открываем новую захватывающую область исследований и значительно упрощаем объяснение пациентам, почему искусственный интеллект. пришел к выводу, что да, при диагностике пациентов. Это решает важный вопрос о надежности систем искусственного интеллекта в области медицины ».
Давно известно, что болезнь Альцгеймера может влиять на использование речи человеком. Люди с болезнью Альцгеймера обычно заменяют существительные местоимениями, например, говоря: «Он сидел на нем», а не «Мальчик сел на стул».Пациенты могут также использовать неловкие выражения, говоря: «У меня плохой желудок, потому что я не ел», а не просто «Я голоден». Создав объяснимый искусственный интеллект движок, который использует механизмы внимания и сверточную нейронную сеть — разновидность искусственного интеллекта. учится со временем — Суббалакшми и ее ученики смогли разработать программное обеспечение, которое могло не только точно идентифицировать хорошо известные явные признаки болезни Альцгеймера, но и обнаруживать тонкие языковые шаблоны, которые ранее упускались из виду.
Суббалакшми и ее команда обучили ее алгоритм, используя тексты, созданные как здоровыми людьми, так и известными больными Альцгеймером, когда они описывали рисунок детей, крадущих печенье из банки.Используя инструменты, разработанные Google, Суббалакшми и ее команда преобразовали каждое отдельное предложение в уникальную числовую последовательность или вектор, представляющий конкретную точку в 512-мерном пространстве.
Такой подход позволяет даже сложным предложениям присваивать конкретное числовое значение, что упрощает анализ структурных и тематических отношений между предложениями. Используя эти векторы вместе с созданными вручную функциями — теми, которые определили профильные эксперты — A.Постепенно система I.System научилась выявлять сходства и различия между предложениями, произносимыми здоровыми или нездоровыми людьми, и таким образом определять с удивительной точностью, насколько вероятно, что любой данный текст был написан больным Альцгеймером.
«Это абсолютно ультрасовременный продукт», — сказала Суббалакшми, которая представила свою работу в сотрудничестве со своими докторантами Минсюань Чен и Нин Ван 24 августа на 19-м Международном семинаре по интеллектуальному анализу данных в биоинформатике в БиоКДД.«Наш A.I. программное обеспечение является наиболее точным диагностическим инструментом, доступным в настоящее время, но при этом его можно объяснить ».
Система также может легко включать новые критерии, которые могут быть определены другими исследовательскими группами в будущем, поэтому со временем она станет только более точной. «Мы разработали нашу систему как модульную, так и прозрачную», — пояснил Суббалакшми. «Если другие исследователи обнаружат новые маркеры болезни Альцгеймера, мы можем просто включить их в нашу архитектуру, чтобы получить еще лучшие результаты.”
Теоретически А. однажды системы смогут диагностировать болезнь Альцгеймера на основе любого текста , от личного электронного письма до сообщения в социальных сетях. Однако сначала необходимо обучить алгоритм, используя множество различных типов текстов, созданных известными больными Альцгеймером, а не просто описания изображений, а такие данные пока недоступны. «Сам алгоритм невероятно мощный», — сказал Суббалакшми. «Мы ограничены только доступными нам данными».
В ближайшие месяцы Суббалакшми надеется собрать новые данные, которые позволят использовать ее программное обеспечение для диагностики пациентов на основе речи на других языках, кроме английского.Ее команда также изучает, как другие неврологические состояния, такие как афазия, инсульт, черепно-мозговые травмы и депрессия, могут влиять на использование языка. «Этот метод определенно можно распространить на другие болезни», — сказал Суббалакшми. «По мере того, как мы будем собирать все больше и больше данных, мы сможем создавать оптимизированные и точные инструменты диагностики и для многих других болезней».
— Стивенс —
О Технологическом институте Стивенса
Технологический институт Стивенса — ведущий частный исследовательский университет, расположенный в Хобокене, штат Нью-Джерси.С момента нашего основания в 1870 году технологические инновации были отличительной чертой образования и исследований Стивенса. В трех школах и одном колледже университета 7300 студентов и аспирантов тесно сотрудничают с преподавателями в междисциплинарной предпринимательской среде, ориентированной на студентов. Академические и исследовательские программы, охватывающие бизнес, вычислительную технику, инженерию, искусство и другие дисциплины, активно расширяют границы науки и используют технологии для решения наших самых насущных глобальных проблем.В то время как Стивенс празднует свое 150-летие, университет по-прежнему неизменно входит в число национальных лидеров в сфере карьерных услуг, заработной платы выпускников после окончания учебы и окупаемости инвестиций в обучение.
Стивенс, контакт для СМИ: Тания Бениос, [электронная почта защищена], 917-930-5988
Искусственный интеллект улучшает обнаружение рака легких
Кредит: Даниэль Штолле
После многих лет помощи в обучении системы искусственного интеллекта (ИИ) для обнаружения ранних стадий рака легких, Моззияр Этемади был взволнован, когда компьютер обнаружил опухоли при сканировании пациентов с большей точностью, чем обученные радиологи. 1 .Он был еще более взволнован, когда его команда предоставила системе старые компьютерные томографии (КТ) грудной клетки людей, у которых позже развился рак легких. Ни один врач не заметил ничего неправильного в этих ранних сканированиях, но аппарат видел.
«Человек сказал бы, что это нормально, — говорит Этемади, биомедицинский инженер из Медицинской школы Файнберга Северо-Западного университета в Чикаго, штат Иллинойс. «Но ИИ обнаруживал эти тонкие закономерности, и это было очень уверенно. Он обнаружил рак ». После того, как машина завершила пробег, Этемади подумал: «Мы только что обнаружили рак легких у этого парня за год или два раньше, чем могли бы.В его мыслях мелькала перспектива повышения шансов на выживание тысяч людей.
Рак легких — самый смертоносный рак в мире: около 75% заболевших умирают в течение пяти лет после постановки диагноза. Но когда рак обнаружен на ранней стадии, прогноз намного лучше. Если опухоль небольшая и ограничивается легким, почти две трети людей выживают как минимум пять лет.
Необходимость раннего обнаружения подтолкнула к разработке систем искусственного интеллекта, которые могут обнаруживать все меньшие опухоли легких.Система, над которой работает Этемади — совместная инициатива Google, Северо-Западного университета и других учреждений, — одна из нескольких, которые сейчас движутся к клиническому внедрению. В июле 2020 года Оксфордский университет, Великобритания, объявил об исследовательской программе стоимостью 11 миллионов фунтов стерлингов (14,3 миллиона долларов США) по использованию ИИ для диагностики рака легких.
Такие разработки обещают сделать скрининг на рак легких более точным и доступным для всех. Но превращение новых систем в основу клинической практики потребует тщательного развития отношений между радиологами и аппаратами, от которых они зависят.
Найдите опухоль
Около 70% случаев рака легких выявляются на более поздних стадиях заболевания, когда его труднее лечить, что отчасти объясняет, почему 5-летняя выживаемость так низка. Первоначальные симптомы рака легких, как правило, являются распространенными заболеваниями, такими как постоянный кашель или усталость, которые легко отклонить как несущественные. «Люди игнорируют кашель, — говорит онколог Мариам Джамал-Ханджани из Института рака Университетского колледжа Лондона. «Люди часто приходят в мою клинику с метастазами», — говорит она, но к этому моменту эффективное лечение может быть уже недоступно.
Исследования, проведенные в Калифорнийском университете в Лос-Анджелесе и других местах, показывают, что регулярный скрининг групп риска позволяет выявить многие случаи рака легких намного раньше, снижая смертность на 20–30%. Целевая группа профилактических услуг США, группа добровольцев, которая дает рекомендации по клиническим профилактическим услугам, теперь рекомендует ежегодно проходить КТ-скрининг в группах с высоким риском рака легких, таких как бывшие или нынешние курильщики.
Но количество радиологов, которые проводят сканирование легких, не увеличилось настолько, чтобы удовлетворить растущий спрос.«Так много компьютерных томографов, так много людей», — говорит Улас Багчи, специалист по компьютерному зрению из Университета Центральной Флориды в Орландо. Эта интенсивная рабочая нагрузка может привести к ошибкам перегруженных радиологов.
Ограничения человеческого зрения также позволяют рентгенологам не обращать внимания на крошечные злокачественные образования. Например, до 35% узелков в легких не обнаруживаются при первоначальном обследовании. Использование систем искусственного интеллекта может помочь в обоих случаях, переложив часть бремени на занятых специалистов и обнаруживая пятна в легких, невидимые невооруженным глазом.
Радиологи уже используют инструменты компьютерной диагностики, чтобы выявлять злокачественные опухоли. Обычно человек-программист сообщает системе, какие функции следует искать, но компьютеры помечают множество предполагаемых злокачественных новообразований, которые на самом деле являются доброкачественными. «Радиологам это не понравилось, потому что им нужно было щелкать по каждому из них», чтобы проверить, что отнимало уйму времени, — говорит Багчи.
Более современные системы искусственного интеллекта основаны на принципе, называемом глубоким обучением. Вместо того, чтобы искать признаки опухоли, заранее определенные программистом, системы глубокого обучения сами выясняют, что такое опухоль, на реальных примерах.Исследователи предоставляют системам большой набор данных, включающий тысячи снимков компьютерной томографии легких людей, у некоторых с раком, а у некоторых без него. Из этого аппараты сами узнают, как выглядит узелок рака легких.
Чем больше тренировка сканирует системный вид, тем надежнее они могут отличить опухоли легких от доброкачественных пятен. И они делают это более точно, чем старые системы, не связанные с искусственным интеллектом. Некоторые из систем глубокого обучения также позволяют клиницистам оценить, насколько они уверены в своих суждениях, что может в дальнейшем помочь в принятии клинических решений.
Углубление
Система Etemadi полагается на этот метод глубокого обучения для выявления опухолей легких с помощью компьютерной томографии. В 2019 году он и его команда сообщили, что их система правильно выявляла ранние стадии рака легких в 94% случаев, опережая группу из 6 опытных радиологов 1 .
Моззияр Этемади разрабатывает системы искусственного интеллекта для обнаружения рака легких на ранней стадии Фото: Ddent, фото
Исследователи обучили систему, используя базу данных из более чем 40 000 компьютерных томографов — не только текущих, но и тех, которые были сделаны до того, как людям поставили диагноз рака легких.Во время этого периода обучения ученые сказали компьютеру, какие сканированные изображения на ранних стадиях показали наличие раковых пятен, а какие нет. Со временем компьютер узнал, какие свойства изображения отделяют злокачественные пятна от доброкачественных, и стал лучше и лучше выявлять ранние признаки рака.
Способность системы анализировать весь трехмерный компьютерный томограф, а не только последовательность двухмерных срезов, также повышает ее точность. Более того, по словам Этемади, 3D-сканирование предоставляет больше диагностической информации о таких функциях, как кровеносные сосуды, которые не являются частью основной опухоли.«Трехмерный объем начинает выделять участки далеко от опухоли. Он показал нам то, чего мы не ожидали. Мы открываем совершенно новую область научных исследований ».
Багчи и его команда разработали еще одну модель искусственного интеллекта с глубоким обучением, которая также способна обнаруживать узелки, указывающие на рак легких на ранней стадии. Компьютер правильно определил крошечные пятна рака на КТ примерно в 95% случаев — намного выше, чем уровень точности 65%, который обычно достигается рентгенологами.
Системы Bagci и Etemadi просматривают отсканированные изображения несколько раз.Во-первых, они сканируют участки неправильной формы, такие как пятна необычной формы, которые могут быть злокачественными. Затем они более подробно оценивают каждую из этих целевых областей, чтобы сделать окончательное суждение о том, являются ли они злокачественными.
Команда Багчи обучила свою систему сканированию компьютерной томографии, содержащей опухоли размером около 1–3 миллиметра, которые многим радиологам трудно обнаружить. «Очень сложно визуально искать все пиксели на экране. Очень часто их не хватает », — говорит Багчи. Поскольку его система искусственного интеллекта обучена тысячам сканирований легких, она оптимизирована для обнаружения крошечных проблемных областей, которые специалисты могут упустить из виду, говорит он.«Вы можете использовать больше данных и более мощные алгоритмы. Стало лучше обнаруживать маленькие узелки ».
Другая система глубокого обучения, разработанная группой Джамаля-Ханджани из Университетского колледжа Лондона и Лондонского института онкологических исследований, решает связанную с этим проблему выявления ранних признаков рецидива рака легких после начального лечения. Команда сообщила 2 в этом году, что после того, как они обучили компьютер сотням изображений опухолей легких на ранних стадиях, система выяснила, что опухоли с областями с низким содержанием иммунных клеток с большей вероятностью вызовут рецидив после хирургической резекции или химиотерапии.Ученые считают, что это связано с тем, что у этих опухолей есть некий механизм маскировки, позволяющий уклоняться от иммунной системы, позволяя клеткам бесконтрольно делиться. Эти предупреждения о потенциальном рецидиве могут помочь радиологам выявлять людей, нуждающихся в тщательном наблюдении, говорит Джамал-Ханджани.
Широкий экран
Одним из основных преимуществ систем глубокого обучения является то, что они могут ускорить появление популяционного скрининга, направленного на гораздо более раннее выявление рака легких. Есть веские доказательства того, что такие программы будут эффективными.
Исследователи из Медицинского центра Университета Эразма в Роттердаме, Нидерланды, например, недавно изучили 3 влияние скрининговых испытаний в Бельгии и Нидерландах. Команда наблюдала за более чем 15 000 нынешних или бывших курильщиков старше 50 лет в течение как минимум 10 лет. К концу испытания люди, которые проходили регулярный скрининг, имели примерно на 25% меньше шансов умереть от рака легких, чем контрольная группа, и только у 1,2% участников было ложноположительное сканирование, которое указывало на рак там, где его на самом деле не было. настоящее время.
Актуарный анализ в США 4 показал, что национальная программа скрининга рака легких для лиц из группы высокого риска будет стоить около 19 000 долларов на каждый сохраненный год жизни. Это выгодно отличается от существующих программ скрининга рака груди, шейки матки и колоректального рака.
Поскольку ИИ выполняет часть тяжелой работы, программы скрининга на рак легких могут предотвратить такое же количество смертей с еще меньшими затратами благодаря усиленной автоматизации и без особого бремени для радиологов.Дэниел Цзе, менеджер по продукту в Google Health, говорит, что скрининг с помощью искусственного интеллекта может помочь выявить не только людей с раком легких на ранней стадии, но и тех, кто подвержен высокому риску развития рака легких в течение следующих нескольких лет. Цзе говорит, что ИИ «не панацея» для упрощения широкого скрининга, «но мы думаем, что это может быть очень мощный инструмент».
Джамал-Ханджани говорит, что вскоре радиологи смогут комбинировать результаты скрининга с генетическими данными для создания еще более индивидуальных планов лечения.По мере того как системы глубокого обучения обрабатывают различные типы больших наборов данных, такие как компьютерная томография, генетические последовательности и истории лечения, они часто обнаруживают неожиданные взаимосвязи. Например, паттерн, который выявляется на компьютерной томографии, может предсказать, что опухоль будет иметь определенную генетическую структуру. Клиницист может проследить это, секвенировав свои опухолевые клетки, чтобы убедиться, что это предсказание верно. Это может помочь медицинским работникам выбрать наиболее подходящий тип лечения для этой конкретной разновидности рака.
Развивающееся партнерство
Прежде чем подобные сценарии станут реальностью, врачам и исследователям искусственного интеллекта необходимо ответить на срочные вопросы о том, как лучше всего интерпретировать результаты, которые находят компьютеры, и как разделить диагностическую нагрузку между машинами и обученными врачами.
То, что системы глубокого обучения могут превзойти людей в некоторых диагностических задачах, не означает, что они возьмут на себя работу радиологов. Инженеры говорят, что системы глубокого обучения могут дать рекомендации по диагностике, но пока они не могут заменить специалистов-людей.По словам Багчи, они скорее улучшат диагностические навыки врачей, чем сделают их устаревшими. «Компьютеры хорошо справляются с локальными задачами. «Люди намного лучше справляются с глобальными задачами», — объясняет он, — например, с постановкой окончательного диагноза из множества источников информации, включая анализы крови и медицинские осмотры, а также сканирование.
Це согласен с этой оценкой, добавив, что люди лучше быстро узнают мелочи необычных случаев рака легких. С другой стороны, системы искусственного интеллекта преуспевают в выявлении распространенных типов ранних раковых поражений, будучи обученными на наборах данных, которые включают тысячи таких случаев.«Большинство случаев, которые видит врач, — это хлеб с маслом», — говорит Це. «Вот где мы хотим помочь. Мы хотим помочь людям более эффективно распоряжаться своим временем ».
Чтобы радиологи и искусственный интеллект работали в гармонии, необходимо преодолеть проблемы доверия. Используя ранее невообразимые запасы вычислительной мощности, системы искусственного интеллекта теперь могут оценивать миллионы различных переменных за одно сканирование, прежде чем вынести суждение, скажем, «почти наверняка доброкачественное» или «75% вероятность злокачественного новообразования».Но чем сложнее анализ изображения, тем сложнее системе описать то, что она делает, понятным людям. По словам Багчи, миллионы уравнений нелегко перевести в объяснение того, почему была дана конкретная диагностическая рекомендация. «Эти алгоритмы — действительно черный ящик. Почему рак? Он вам не говорит.
Исследователи начинают разрабатывать диагностические системы, которые дают более четкое объяснение их рекомендаций. Багчи вместе с командой из Национального института здравоохранения США нанял радиологов, чтобы они помогли разработать новый тип системы глубокого обучения.Обучая программное обеспечение, исследователи используют устройство отслеживания взгляда, чтобы фиксировать, как специалисты анализируют каждое сканирование. В первоначальных тестах эта система, обученная радиологами, доказала более 90% точности 5 в обнаружении раковых пятен. «ИИ узнает, куда смотрят радиологи», — говорит Багчи.
Обучение систем глубокого обучения с такими входными данными, а также с собственным анализом радиологами того, почему определенные пятна выглядят как рак, могут помочь системам использовать более прозрачные и понятные критерии для своих результатов.Например, чтобы оправдать рекомендацию, система может указать, что у пятна есть волнистая граница или что характеристики поражения изменились с момента предыдущего сканирования.
Постепенное развитие
Трудность интеграции ИИ в рабочий процесс радиологов заставляет Этемади предвидеть, что диагностика рака легких станет более автоматизированной в несколько небольших, постепенных шагов. Компьютерная система могла бы первоначально выполнять базовое считывание каждого сканирования легких и представлять их в порядке, который предпочитает врач — например, от самого простого к сложному для интерпретации или от самого высокого до самого низкого уровня вероятности рака легких.
Преимущество постепенного внедрения искусственного интеллекта в том, что рентгенологам не придется внезапно менять свой подход к работе. По словам инженера Эндрю Берлина из лаборатории Дрейпера в Кембридже, штат Массачусетс, инструменты глубокого обучения могут быть включены в существующие системы компьютерной диагностики.
Поскольку клиницисты и инженеры передают все больше изображений компьютерной томографии легких в системы глубокого обучения, конфиденциальность должна оставаться превыше всего, говорит Эндрю Кроуфорд, политический советник Центра демократии и технологий в Вашингтоне, округ Колумбия.«Я полностью поддерживаю использование технологий для улучшения результатов лечения пациентов, если вы делаете это таким образом, чтобы вызывать доверие», — говорит он.
Этемади отмечает, что Google и многие исследовательские институты ИИ уже приняли некоторые меры по обеспечению конфиденциальности, такие как удаление имен из данных сканирования легких и сокрытие даты каждого сканирования.
Если разработчики смогут справиться с человеческими проблемами, связанными с передачей некоторых точных задач системам искусственного интеллекта, специалисты по раку легких, которые пробуют новые инструменты, не захотят возвращаться, говорит Багчи.«Два мозга лучше, чем один. Это облегчит работу рентгенологов и других врачей «.
И это приведет к лучшим долгосрочным результатам. Использование искусственного интеллекта для раннего обнаружения опухолей может эффективно удвоить время, необходимое онкологам для лечения пациента, что дает им гораздо больше возможностей для предотвращения распространения рака. Как говорит Этемади: «Большинство пациентов, заболевших раком легких, в конечном итоге умирают. У вас есть потенциал действительно изменить эту долю ».
10 реализаций искусственного интеллекта для взаимодействия с клиентами
Будущее клиентского опыта — за искусственным интеллектом.Искусственный интеллект появляется повсюду и меняет то, как клиенты взаимодействуют с брендами. Фактически, к 2025 году примерно 95% взаимодействий с клиентами будут поддерживаться технологиями искусственного интеллекта.
От чат-ботов до автоматизации — искусственный интеллект помогает брендам больше узнавать о своих клиентах для повышения персонализации. Вот лишь несколько способов, которыми бренды используют искусственный интеллект и машинное обучение для улучшения качества обслуживания клиентов:
1-800 Flowers использует чат-бота для ускорения взаимодействия с клиентами
1-800-FLOWERS сделали заказ идеальной цветочной композиции еще проще, создав чат-бота Facebook Messenger, который помогает клиентам заказывать цветы.Бот обучен улавливать разговорные сигналы, чтобы предложить меры — если клиент упоминает, что ему что-то нужно быстро, бот может быстро предложить идеальные цветы, чтобы привлечь кого-то. Бот показывает изображения каждой договоренности и позволяет клиентам создавать собственные сообщения и настраивать доставку
Ритейлер North Face использует Watson для создания индивидуального покупательского опыта
Компания North Face, занимающаяся розничной торговлей на открытом воздухе, использует суперкомпьютер Watson с искусственным интеллектом IBM для создания персонализированных покупок в Интернете.Сайт помогает клиентам уточнить выбор продуктов на основе их ответов на ряд вопросов. Если клиент говорит, что он любит ходить в поход зимой, программа задаст вопросы об их местонахождении и предпочтениях, чтобы порекомендовать куртку, которая согреет их и поможет им заниматься любимыми видами деятельности. Вместо того, чтобы перебирать сотни товаров в поисках нужного, бот значительно упрощает выбор.
Dixons Carphone рекомендует страхование через чат-бота
Британская Dixons Carphone — транснациональная компания, занимающаяся розничной торговлей электротехникой и телекоммуникациями, а также оказывающая услуги, — использует искусственный интеллект в виде бота по имени Cami для подключения к покупкам в Интернете и в магазине.Ками — эксперт по продуктам, который может порекомендовать товары, дать совет и предугадать потребности клиентов и будущие покупки. Если кто-то покупает новое мобильное устройство, Cami может автоматически рекомендовать случаи или страховку. Cami также может легко проверять товарные запасы, чтобы сотрудники магазина могли оставаться с покупателями. Сотрудники могут проводить больше времени, взаимодействуя с покупателями в передней части магазина, вместо того, чтобы сортировать инвентарь в задней части магазина.
Ticketmaster борется с мошенничеством с помощью искусственного интеллекта
Ticketmaster обратился к искусственному интеллекту для борьбы с мошенничеством с билетами, которое негативно сказывалось на покупателях билетов.Компания создала более крупного бота для борьбы с ботами-скальперами, которые покупают билеты и продают их по более высоким ценам. Прежде чем билеты поступят в продажу, покупатели должны зарегистрироваться на сайте. Затем бот AI анализирует каждого клиента, чтобы убедиться, что люди, покупающие билеты, на самом деле люди. Кажется, это работает, поскольку на сторонних сайтах появляется все меньше билетов.
Клиенты покупают пиццу Domino’s через Facebook Messenger
Благодаря ИИ заказать пиццу еще никогда не было так просто.Domino’s использует чат-бота Facebook Messenger по имени Dom, который позволяет клиентам размещать заказ, просто отправив сообщение с надписью «пицца». Бот получает информацию, и заказ выполняется быстрее, чем покупатель может позвонить в магазин или поехать, чтобы разместить заказ.
Катание на лыжах с индивидуальным подходом к клиентам с оборудованием Black Diamond
Заядлые лыжники часто покупают свое снаряжение в Интернете в интернет-магазине Black Diamond Equipment. Сайт использует искусственный интеллект для предоставления индивидуальных рекомендаций каждому покупателю.Вместо того, чтобы дожидаться оформления заказа, чтобы внести предложения, технология искусственного интеллекта прогнозирует потребности клиентов и активно дает рекомендации по продуктам на основе таких вещей, как история просмотров, прошлые покупки и погодные условия. С новой системой покупки увеличились, а брошенные тележки уменьшились.
Spotify использует искусственный интеллект для адаптации музыки в соответствии с предпочтениями
Гигант потоковой передачи музыки Spotify. Весь бизнес основан на данных, но он выводит вещи на новый уровень с помощью технологии искусственного интеллекта.AI позволяет сайту хранить больше данных о клиентах и получать к ним доступ, чтобы находить тенденции и прогнозировать, какая музыка понравится каждому клиенту. Каждую неделю каждый пользователь Spotify получает персональный плейлист «Discover Weekly» с музыкой, подобранной для них с использованием данных AI. Сервис получил восторженные отзывы за то, что он соответствует настроениям и музыкальным вкусам клиентов.
China Merchant Bank использует WeChat Messenger для обслуживания миллионов клиентов
China Merchant Bank, одна из крупнейших компаний по выпуску кредитных карт в Китае, использует ботов AI для взаимодействия с огромным количеством клиентов.Бот WeChat Messenger банка ежедневно обрабатывает от 1,5 до 2 миллионов разговоров с клиентами, в основном о таких вещах, как баланс карт и платежи. Клиенты могут быстро получить необходимую им информацию, и это избавляет банк от необходимости нанимать тысячи сотрудников для удовлетворения того же объема запросов.
Google Photo автоматически маркирует фотографии с помощью искусственного интеллекта
Google Photo использует искусственный интеллект, чтобы избавить своих клиентов от утомительной задачи. Он автоматически маркирует фотографии по мере их загрузки клиентами.Вместо того, чтобы клиенту приходилось просматривать, маркировать и систематизировать каждое изображение, технология искусственного интеллекта Google помечает фотографии на основе людей, местоположения, даты и т. Д., Что упрощает поиск и находит идеальное изображение.
KFC использует программное обеспечение для распознавания лиц с искусственным интеллектом для прогнозирования заказов
KFC в партнерстве с китайской поисковой системой Baidu создает ресторан, который использует программное обеспечение для распознавания лиц с искусственным интеллектом, чтобы делать выводы о том, что покупатель может захотеть заказать.Программа собирает такие данные, как пол, выражение лица и другие визуальные особенности, чтобы предоставлять клиентам рекомендации по меню. Он также сохраняет предыдущие заказы, поэтому возвращающиеся клиенты могут получить рекомендации, основанные на том, что они заказывали ранее.
В заключение, искусственный интеллект может улучшить качество обслуживания клиентов. Речь идет о поиске подходящего варианта использования для вашего бизнеса и технологии, которая учитывает потребности ваших клиентов. ИИ должен делать жизнь клиентов проще и лучше.Тем не менее, не используйте для этого ИИ для клиентов — ИИ должен служить определенной цели на пути ваших клиентов.
Блейк Морган (Blake Morgan) — футурист по работе с клиентами, основной докладчик и автор. Подпишитесь на ее еженедельную рассылку здесь.
Компьютер научился выявлять рак кожи точнее, чем врачи | Рак кожи
Компьютер был лучше, чем дерматологи-люди, в обнаружении рака кожи в исследовании, в котором люди боролись с машинами в поисках лучшей и быстрой диагностики, заявили исследователи во вторник.
Команда из Германии, США и Франции научила систему искусственного интеллекта отличать опасные поражения кожи от доброкачественных, показав ей более 100 000 изображений.
Затем машина — сверточная нейронная сеть с глубоким обучением или CNN — была протестирована на 58 дерматологах из 17 стран, и были показаны фотографии злокачественных меланом и доброкачественных родинок.
Чуть более половины дерматологов были на уровне «экспертов» с опытом работы более пяти лет, 19% имели опыт от двух до пяти лет, а 29% были новичками с опытом работы менее двух лет.
«CNN превзошла большинство дерматологов», — написала исследовательская группа в статье, опубликованной в журнале Annals of Oncology.
В среднем дерматологи точно выявляли 86,6% случаев рака кожи по изображениям, по сравнению с 95% для CNN.
«CNN пропустил меньше меланом, а это означает, что у него была более высокая чувствительность, чем у дерматологов», — говорится в заявлении первого автора исследования Хольгер Хенссле из Гейдельбергского университета.
Он также «ошибочно диагностировал меньшее количество доброкачественных родинок как злокачественную меланому… это привело бы к меньшему количеству ненужных операций ».
Работа дерматологов улучшилась, когда им предоставили больше информации о пациентах и их кожных поражениях.
Команда заявила, что ИИ может быть полезным инструментом для более быстрой и легкой диагностики рака кожи, позволяя удалить его хирургическим путем до того, как он распространится.
По их словам, ежегодно в мире регистрируется около 232 000 новых случаев меланомы и 55 500 случаев смерти.
Меланома в некоторых частях тела, таких как пальцы рук и ног и кожа головы, трудно визуализировать, и ИИ может испытывать трудности с распознаванием «атипичных» поражений или тех, о которых сами пациенты не подозревают.
«В настоящее время ничто не заменит тщательное клиническое обследование», — написали эксперты Виктория Мар из Университета Монаш в Мельбурне и Питер Сойер из Университета Квинсленда в редакционной статье, опубликованной вместе с исследованием.
Ускоренное внедрение искусственного интеллекта открывает новые препятствия для руководителей предприятий в США, среди прочего, 95% руководителей высшего звена называют наем и удержание технологов искусственного интеллекта проблемой
Основные моменты опроса:
Использование технологий искусственного интеллекта в США достигла 81%, что на 33 процентных пункта выше, чем в 2018 г.
48% респондентов инвестировали в новые технологии искусственного интеллекта из-за пандемии Covid-19
69% руководителей предприятий считают, что существует компромисс между этичным ИИ и производительностью в их компании
По сравнению с 2020 годом меньшее количество руководителей высшего звена считают, что технологии ИИ должны регулироваться на национальном уровне и уровне штата
НЬЮ-ЙОРК, 4 ноября 2021 года — (БИЗНЕС-ПРОВОД) — — Технологии искусственного интеллекта (ИИ) получили широкое распространение и признание в качестве конкурентного отличия в деловой среде США. е.Но по мере того, как ИИ становится все более распространенным, американские бизнес-лидеры сталкиваются с целым рядом проблем, не позволяющих им оптимизировать эти технологии для развития своего бизнеса, согласно исследованию, опубликованному сегодня RELX, глобальным поставщиком информационно-аналитических инструментов и инструментов принятия решений для профессионалов и специалистов. бизнес-клиенты.
Отчет RELX Emerging Tech Executive Report за 2021 год является четвертым изданием исследования и содержит четырехлетний анализ тенденций в области ИИ в восьми отраслях в США.
Более четырех из пяти (81%) опрошенных руководителей ответили, что их бизнес использует ИИ, по сравнению с 48% в 2018 году, а 93% сообщили, что ИИ делает их бизнес более конкурентоспособным. Опрос также показывает, как пандемия повлияла на внедрение ИИ: 60% руководителей предприятий считают, что технологии ИИ сделали их бизнес более устойчивым к воздействию Covid-19, и 48% инвестировали в новые технологии ИИ из-за пандемии — столько же, кто сообщил сделаем это в 2020 году. Однако на этом ускоренном этапе внедрения возникли новые проблемы, касающиеся труда, этики, соблюдения нормативных требований и глобальной конкуренции.
Талант и великая отставка
В то время как многие компании увеличили свои инвестиции в ИИ, массовый отток рабочей силы, получивший название «Великая отставка», привел к нехватке персонала и борьбе за таланты. Более 4 миллионов американцев уволились с работы только в июле 2021 года, что привело к нехватке талантов, не позволяющей американским компаниям максимизировать свои возможности ИИ. В свою очередь, как найм, так и удержание технологов ИИ являются препятствием для бизнеса США. В целом 95% респондентов рассматривают найм и удержание талантов в области ИИ как проблему.
История продолжается
Развитие персонала стало тяжелым бременем для компаний, которые и без того испытывают нехватку ресурсов. Фактически, 39% респондентов, заявивших, что ИИ оказывает негативное влияние на их отрасль, заявили, что это связано с тем, что он требует дополнительного обучения или повышения квалификации сотрудников.
«Компании расширили свои возможности ИИ и нанимают больше технологов, разбирающихся в ИИ. В то же время американские рабочие пересматривают роль, которую работа играет в их жизни. Это создало напряжение, которое усилило битву за таланты в — сказал Виджай Рагхаван, директор RELX Technology Forum.«Прискорбным побочным эффектом является то, что некоторые компании не решаются вкладывать средства в повышение квалификации своих сотрудников на том основании, что через год или два их может переманить конкурирующая компания, что в конечном итоге приводит к менее эффективным системам искусственного интеллекта. »
Этический ИИ
Респонденты признали важность этичного ИИ, но выполнить это обещание легче сказать, чем сделать. Девять из десяти (90%) руководителей высшего звена считают, что этические стандарты при разработке и использовании новых технологий могут представлять собой конкурентное преимущество для бизнеса.Тем не менее, около двух третей (64%) руководителей высшего звена определили существующую предвзятость в технологиях искусственного интеллекта, используемых в их компаниях. Еще более высокий процент (75%) ответили, что внедрение технологий искусственного интеллекта влияет на риск предвзятости на рабочем месте.
Одна из возможных причин расхождения между стремлением к этичному ИИ и существованием предвзятых технологий заключается в том, что 69% руководителей предприятий считают, что в их компании существует компромисс между этичным ИИ и производительностью.
Несмотря на кажущееся влияние на производительность, прогресс наблюдается, поскольку 92% руководителей внедряют этические нормы во всех своих системах ИИ, хотя 41% делают это только для новых систем, оставляя устаревшие системы нетронутыми.
«По мере того, как все больше компаний используют ИИ для обеспечения своей деятельности, они понимают, что устранение несправедливой предвзятости и создание этичного ИИ — непростая задача. Термин« предвзятость »заслуживает более глубокого изучения. предвзятость во всем мире среди людей, практик, систем и т. д., достоверный сбор данных, скорее всего, будет воспроизводить предвзятость в реальном мире, поэтому идея устранения предвзятости не является банальной проблемой. Эта тема требует серьезных дебатов внутри каждой компании о том, что является справедливым и несправедливым , что прозрачно и объяснимо, а что требует человеческого надзора », — сказал Рагхаван.
Регулирование и глобальные технологии
Поскольку поддержка технологий искусственного интеллекта продолжает оставаться высокой (94% руководителей говорят, что это «очень» или «в некоторой степени» важно для достижения бизнес-целей в соответствии с результатами 2020 года), стремление к регулирование снижается. Доля руководителей высшего звена, которые считают, что национальные правила необходимы, значительно снизилась с 68% в 2020 году до примерно половины (52%) в 2021 году. Доля тех, кто считает, что государственные правила необходимы, также снизилась с 2020 года (33% в 2021 году. по сравнению с 45% в 2020 году).В соответствии с этими выводами только 62% компаний очень уверены, что они могут соблюдать правила ИИ без дополнительных инвестиций.
Ослабление энтузиазма в отношении регулирования появляется, когда руководители США изучают свое положение в глобальной гонке ИИ. Девять из десяти руководителей высшего звена (90%) считают, что США являются мировым лидером в разработке и внедрении ИИ, но 81% обеспокоены тем, что другие страны более продвинуты в этой области, большинство из-за того, что опасаются, что это негативно скажется на их бизнесе.
Дополнительные сведения, включая разбивку по отраслям, см. В Кратком обзоре.
Методология
Используя Ipsos, RELX опросил 1021 взрослого в Соединенных Штатах в возрасте от 30 до 74 лет. Чтобы соответствовать критериям, респонденты должны были работать полный рабочий день, иметь доход не менее 50 000 долларов США, работать в компании с более чем 50 сотрудниками и в настоящее время является руководителем высшего звена или руководителем / руководителем высшего звена в своей компании. Респонденты также должны были работать в одной из восьми отраслей, представленных в этом отчете, и они должны были либо использовать технологию искусственного интеллекта в своем бизнесе, либо знать об этом.Квалификации соответствовали тем, которые использовались в 2020 году, хотя в этот обзор были включены новые определения для описания некоторых отраслей.
О RELX
RELX — это глобальный поставщик инструментов анализа информации и принятия решений для профессиональных и бизнес-клиентов. Группа обслуживает клиентов более чем в 180 странах и имеет офисы примерно в 40 странах. В компании работает более 33 000 человек, почти половина из которых проживает в Северной Америке. Акции материнской компании RELX PLC торгуются на фондовых биржах Лондона, Амстердама и Нью-Йорка с использованием следующих тикеров: Лондон: REL; Амстердам: REN; Нью-Йорк: RELX.