Trở thành fashionista với nhà tạo mẫu AI
Giờ đây việc lựa chọn những trang phục thời thượng không còn tốn quá nhiều thời gian vì nhà tạo mẫu chatbot trí tuệ nhân tạo (AI) của Intelistyle (London) sẽ làm việc với cả nhà bán lẻ và khách hàng. Đối với các nhà bán lẻ, thuật toán có thể hoàn thành giao diện bằng cách tạo ra nhiều trang phục dựa trên một sản phẩm duy nhất và có thể đề xuất các lựa chọn thay thế phù hợp cho các mặt hàng tạm hết hàng. Với ứng dụng này, dịch vụ tạo kiểu dáng cá nhân có thể được truy cập trên bất kỳ thiết bị nào, cho phép khách hàng di chuyển liền mạch giữa mua sắm trực tuyến và ngoại tuyến.
Đối với người mua hàng, chatbot đề xuất các kiểu dáng và trang phục dựa trên sở thích cá nhân, hình dạng cơ thể và kiểu tóc, màu mắt và màu da. Dựa trên những gì đã có trong tủ quần áo, AI có thể đề xuất các giao dịch mua hàng cũng như đề xuất kết hợp các mặt hàng đã sở hữu. Trong Tuần lễ Thời trang London 2019, bộ trang phục được kết hợp bởi thuật toán Intelistyle được một nhóm chuyên gia thời trang đón nhận và phản hồi tích cực.
AlterEgo thiết bị đọc suy nghĩ
Arnav Kapur, một ứng cử viên tiến sĩ 24 tuổi từ MIT, đã tạo ra một thiết bị có tên AlterEgo có thể phát hiện những gì người dùng nghĩ trong đầu, ngay cả khi người dùng đang tương tác với chính mình và không di chuyển miệng. Sản phẩm được sử dụng để giúp những người có vấn đề về trí nhớ hoặc những người mất khả năng nói.
Arnav đã thử nghiệm AlterEgo trên các bệnh nhân đã mất khả năng nói ở bệnh viện và trung tâm phục hồi chức năng. AlterEgo hoạt động bằng cách phát hiện các tín hiệu thần kinh cơ được não gửi đến dây thanh âm. Thiết bị đọc các tín hiệu này và AI biến chúng thành từ hoàn chỉnh. Người nói có thể nghe thấy các phản hồi do AI tạo ra thông qua một micrô nhỏ dẫn âm thanh qua xương sọ và tai. Phản hồi cũng có thể được đọc thành tiếng thông qua công nghệ giọng nói nhân tạo.
Mô hình hệ miễn dịch cá nhân thông qua học máy
CyroReason có trụ sở ở Israel đã tạo ra một nền tảng học máy (machine learning) có thể mô hình hóa hệ thống miễn dịch của một người ở cấp độ tế bào. Nền tảng tiên phong này có thể giúp giảm chi phí phát triển, nghiên cứu thuốc và cải thiện hiệu quả điều trị. Nền tảng của CyroReason sẽ nhận dạng mối quan hệ “nguyên nhân và ảnh hưởng” trên cấp độ tế bào để xác định cách một người phản ứng với thuốc.
CyroReason có trụ sở ở Israel đã tạo ra một nền tảng học máy (machine learning) có thể mô hình hóa hệ thống miễn dịch của một người ở cấp độ tế bào. Nền tảng tiên phong này có thể giúp giảm chi phí phát triển, nghiên cứu thuốc và cải thiện hiệu quả điều trị. Nền tảng của CyroReason sẽ nhận dạng mối quan hệ “nguyên nhân và ảnh hưởng” trên cấp độ tế bào để xác định cách một người phản ứng với thuốc.
Mô hình này mô phỏng các tế bào để “xem” những tế bào nào có thể tạo ra sự khác biệt cho việc điều trị. Các bản sao là các bản thiết kế cấp độ tế bào của các hoạt động miễn dịch trong lúc người bệnh tiếp nhận điều trị bằng thuốc. Thông tin thu thập được từ mô hình cũng đồng thời được sử dụng để hỗ trợ các thử nghiệm lâm sàng các loại thuốc mới.
Đèn giao thông nhận diện người đi bộ
Thủ đô của Áo, Vienna đã lắp đặt khoảng 200 đèn cho người đi bộ có thể nhận ra khi một người muốn băng qua đường. Hệ thống này được ủy quyền bởi Sở Thành phố 33 của Vienna và được phát triển bởi một nhóm tại Viện Đồ họa và Tầm nhìn tại Đại học TU Graz. Sản phẩm được dự định để thay thế hệ thống nút nhấn và có thể tính toán cho các nhóm lớn và người khuyết tật nhiều thời gian hơn để qua đường. Hệ thống sử dụng camera gắn trên đèn giao thông có tầm nhìn rộng.
Nhóm nghiên cứu đã sử dụng các mô hình chuyển động và ghi lại dữ liệu để phát triển các thuật toán để nhận ra khi nào người đi bộ muốn băng qua đường. Hệ thống sau đó kích hoạt để thay đổi tín hiệu đèn. Hình ảnh được phân tích cục bộ bởi các máy tính trực quan. Đèn giao thông được trang bị hệ thống giám sát sẽ báo cáo lỗi ngay lập tức và có thể làm việc trong tất cả các loại điều kiện ánh sáng và thời tiết.
