AI
Notizie IA

Ultime notizie IA

Decodificare l'Artico per prevedere il clima invernale

Decodificare l'Artico per prevedere il clima invernale

Ogni autunno, il ricercatore del MIT Judah Cohen analizza i modelli atmosferici per prevedere le condizioni invernali. Il suo lavoro si concentra sulla comprensione di come le condizioni stratosferiche influenzino il clima stagionale, con l'obiettivo di migliorare la precisione delle previsioni. I risultati di Cohen potrebbero aumentare la preparazione per eventi invernali estremi, portando vantaggi a settori come l'agricoltura e l'energia.

Mit.edu
Diciotto docenti del MIT riconosciuti come "Impegnati a Prendersi Cura" per il periodo 2025-2027

Diciotto docenti del MIT riconosciuti come "Impegnati a Prendersi Cura" per il periodo 2025-2027

Il MIT promuove una solida cultura di mentoring, che influisce notevolmente sulla collaborazione e sull'innovazione tra gli studenti. I docenti e gli studenti degli anni superiori offrono attivamente supporto ai loro colleghi, arricchendo le esperienze di apprendimento in un contesto di rapidi progressi tecnologici, in particolare nel campo dell'intelligenza artificiale. Questo ambiente di sostegno prepara gli studenti ad affrontare con efficacia le sfide future.

Mit.edu
Le cuffie economiche Nothing Ear (a) scendono a 59 dollari, offrendo un'ottima qualità audio.

Le cuffie economiche Nothing Ear (a) scendono a 59 dollari, offrendo un'ottima qualità audio.

I nuovi auricolari sono dotati di cancellazione attiva del rumore, supporto Bluetooth multipoint e un design elegante. Promettono una connettività senza interruzioni con più dispositivi, migliorando l'esperienza utente per il multitasking. La durata della batteria è competitiva, consentendo sessioni di ascolto prolungate. Queste caratteristiche li pongono in una posizione di rilievo in un mercato affollato.

The Verge
RL-AWB: Apprendimento per rinforzo profondo per la correzione automatica del bilanciamento del bianco in scene notturne a bassa luminosità

RL-AWB: Apprendimento per rinforzo profondo per la correzione automatica del bilanciamento del bianco in scene notturne a bassa luminosità

Il framework RL-AWB affronta la costanza cromatica notturna nella fotografia computazionale combinando metodi statistici con l'apprendimento profondo per rinforzo. Sfrutta un algoritmo statistico personalizzato per la rilevazione dei pixel grigi e la stima dell'illuminazione, ottimizzando dinamicamente i parametri in modo da emulare la messa a punto da parte di esperti. Un nuovo dataset notturno multi-sensore supporta la valutazione cross-sensore, mostrando un miglioramento delle prestazioni in diverse condizioni di illuminazione. Maggiori dettagli sono disponibili sulla pagina del progetto.

arXiv
Apprendimento Profondo Stocastico: Un Quadro Probabilistico per la Modellazione dell'Incertezza nei Dati Temporali Strutturati

Apprendimento Profondo Stocastico: Un Quadro Probabilistico per la Modellazione dell'Incertezza nei Dati Temporali Strutturati

L'articolo presenta l'Inferenzia Differenziale Stocastica Latente (SLDI), un framework che combina equazioni differenziali stocastiche (SDE) e modelli generativi profondi per migliorare la quantificazione dell'incertezza nel machine learning. Integrando un SDE di Itô nello spazio latente di un autoencoder variazionale, SLDI supporta la modellazione in tempo continuo e utilizza reti neurali per parametrizzare i componenti delle SDE. Questo approccio affronta il problema del campionamento irregolare dei dati mantenendo un rigoroso fondamento matematico. Le principali innovazioni includono un sistema accoppiato di dinamiche latenti e gradienti in avanti e all'indietro, insieme a una perdita aggiuntiva regolarizzata in modo pathwise per stabilizzare l'addestramento negli SDE latenti profondi, aprendo la strada a progressi nel machine learning probabilistico stocastico.

arXiv
Previsione dei Prezzi del Mercato Azionario tramite Neural Prophet e Reti Neurali Profonde

Previsione dei Prezzi del Mercato Azionario tramite Neural Prophet e Reti Neurali Profonde

È stato introdotto un nuovo modello, Neural Prophet con Rete Neurale Profonda (NP-DNN), per migliorare le previsioni dei prezzi nel mercato azionario, raggiungendo un’impressionante accuratezza del 99,21%. Utilizzando la normalizzazione Z-score e affrontando i dati mancanti, il modello sfrutta il Perceptrone Multi-Layer (MLP) per catturare schemi complessi, superando le metodologie esistenti.

arXiv
Google e Character.AI risolvono le cause legali relative ai danni ai minori, inclusi i suicidi, associati ai chatbot AI

Google e Character.AI risolvono le cause legali relative ai danni ai minori, inclusi i suicidi, associati ai chatbot AI

Google e Character.AI hanno raggiunto un accordo in cinque cause legali in quattro stati riguardanti minori che sarebbero stati danneggiati dalle interazioni con i chatbot di Character.AI. I dettagli dell'accordo, comprese eventuali condizioni finanziarie o modifiche alle politiche, non sono stati resi noti. Questo accordo evidenzia le preoccupazioni persistenti riguardo alla sicurezza dell'intelligenza artificiale e la necessità di normative per proteggere i giovani utenti dai potenziali rischi associati alle interazioni con l'IA.

CNET
Raggiungimento di notevoli progressi nelle prestazioni dell'inferenza Mixture of Experts su NVIDIA Blackwell

Raggiungimento di notevoli progressi nelle prestazioni dell'inferenza Mixture of Experts su NVIDIA Blackwell

I modelli di intelligenza artificiale stanno diventando sempre più capaci, portando a un incremento nelle interazioni da parte di consumatori e imprese. Questo aumento nell'uso si traduce in un notevole incremento del numero di token elaborati, evidenziando la crescente dipendenza dall'IA per svolgere una varietà di compiti. Le organizzazioni potrebbero dover adattare le loro strategie di gestione dei token per far fronte a questa tendenza.

Nvidia.com
Un robot aspirapolvere bipede conquista le scale al CES, sorprendendo i visitatori

Un robot aspirapolvere bipede conquista le scale al CES, sorprendendo i visitatori

Il Roborock Saros Rover, in arrivo a breve, rappresenta il primo robot aspirapolvere bipede progettato per muoversi in ambienti complessi e raggiungere spazi angusti. A differenza dei tradizionali aspirapolvere, sfrutta un'intelligenza artificiale avanzata per il rilevamento degli ostacoli e la navigazione. Questa innovazione mira a migliorare l'efficienza della pulizia domestica, in particolare nelle abitazioni con layout variabili.

ZDNet
L'assistente vocale AI di Ford arriverà entro la fine dell'anno, guida L3 prevista per il 2028

L'assistente vocale AI di Ford arriverà entro la fine dell'anno, guida L3 prevista per il 2028

Un grande costruttore automobilistico sta trasferendo le proprie operazioni internamente per ridurre i costi e mantenere un maggiore controllo sui processi di produzione. Questa mossa strategica mira a migliorare l'efficienza e la qualità, riducendo al contempo la dipendenza dai fornitori esterni. Le conseguenze di questa decisione potrebbero ridefinire in modo significativo le dinamiche della catena di approvvigionamento nel settore automobilistico.

The Verge
Il Stone Center per l'ineguaglianza e la definizione del futuro del lavoro viene inaugurato al MIT

Il Stone Center per l'ineguaglianza e la definizione del futuro del lavoro viene inaugurato al MIT

Il James M. e Cathleen D. Stone Center on Inequality and Shaping the Future of Work è stato ufficialmente inaugurato il 3 novembre 2025. Il centro ha l'obiettivo di riunire studiosi, politici e professionisti per analizzare le questioni cruciali legate all'ineguaglianza economica e all'evoluzione del mercato del lavoro. Le principali iniziative si concentreranno sulla ricerca, lo sviluppo di politiche e applicazioni pratiche volte a promuovere ambienti di lavoro equi.

Mit.edu
FLEx: Modellazione del linguaggio con spiegazioni linguistiche a pochi esempi

FLEx: Modellazione del linguaggio con spiegazioni linguistiche a pochi esempi

I ricercatori hanno sviluppato FLEx (Few-shot Language Explanations), un metodo che migliora le prestazioni dei modelli linguistici utilizzando un piccolo insieme di esempi esplicativi accuratamente selezionati. Attraverso il raggruppamento degli errori del modello e la sintesi delle correzioni efficaci, FLEx aumenta l'accuratezza in compiti come la risoluzione di problemi matematici e il question answering, senza modificare i pesi del modello. Valutato su dataset come CounterBench e GSM8K, FLEx ha superato significativamente i tradizionali approcci di prompting a catena di pensieri, riducendo gli errori fino all'83%. Questo approccio potrebbe semplificare il processo di correzione in settori che richiedono input esperti.

arXiv