💵 #кейс: ИИ помогает сократить убытки в результате мошенничества
Отдел финансовых расследований и проверок поставщиков компании Highmark Inc. в 2019 году в том числе благодаря ИИ сэкономил $260 млн, которые могли быть потеряны в результате мошенничества, растрат и других злоупотреблений. За последние пять лет компания сэкономила $850 млн долларов. В будущем представители Highmark Inc. рассчитывают благодаря ИИ сократить издержки на растущие угрозы мошенничества.
ИИ помогает отслеживать подозрительную активность на счетах компании, а также прогнозировать возможные угрозы злоупотреблений. На основе множества факторов он может делать это быстрее и эффективнее реальных аудиторов. В качестве обучающих данных для нейросети использовались результаты проверок персонала и платежей компании.
🔗Источник: https://www.zmescience.com/science/ai-fraud-detection-0942323/
👉🏻 Смотреть другие кейсы в сфере безопасности
Отдел финансовых расследований и проверок поставщиков компании Highmark Inc. в 2019 году в том числе благодаря ИИ сэкономил $260 млн, которые могли быть потеряны в результате мошенничества, растрат и других злоупотреблений. За последние пять лет компания сэкономила $850 млн долларов. В будущем представители Highmark Inc. рассчитывают благодаря ИИ сократить издержки на растущие угрозы мошенничества.
ИИ помогает отслеживать подозрительную активность на счетах компании, а также прогнозировать возможные угрозы злоупотреблений. На основе множества факторов он может делать это быстрее и эффективнее реальных аудиторов. В качестве обучающих данных для нейросети использовались результаты проверок персонала и платежей компании.
🔗Источник: https://www.zmescience.com/science/ai-fraud-detection-0942323/
👉🏻 Смотреть другие кейсы в сфере безопасности
🔎 #кейс: машинное обучение повышает эффективность поиска металлов в продуктах
Компания Sesotec, производитель оборудования для обнаружения загрязнений и сортировки материалов, представил программное обеспечение THiNK, которое использует машинное обучение для более эффективного поиска металлов и металлических примесей.
Решение ориентировано на соблюдение норм безопасности в пищевой промышленности. THiNK с большой точностью обнаруживает загрязнение продуктов, что особенно актуально для тех, которые хранятся в фольге или другой металлизированной упаковке. В том числе ИИ позволил практически исключить вероятность ошибки при определении посторонних примесей. Таким образом THiNK упрощает для производителей пищевых продуктов соблюдение даже самых строгих международных правил безопасности.
🔗 Источник: https://packagingeurope.com/innovation-spotlight-next-generation-metal-detection/
👉🏻 Смотреть другие кейсы в сфере Foodtech в базе знаний ИИ на ICT.Moscow
Компания Sesotec, производитель оборудования для обнаружения загрязнений и сортировки материалов, представил программное обеспечение THiNK, которое использует машинное обучение для более эффективного поиска металлов и металлических примесей.
Решение ориентировано на соблюдение норм безопасности в пищевой промышленности. THiNK с большой точностью обнаруживает загрязнение продуктов, что особенно актуально для тех, которые хранятся в фольге или другой металлизированной упаковке. В том числе ИИ позволил практически исключить вероятность ошибки при определении посторонних примесей. Таким образом THiNK упрощает для производителей пищевых продуктов соблюдение даже самых строгих международных правил безопасности.
🔗 Источник: https://packagingeurope.com/innovation-spotlight-next-generation-metal-detection/
👉🏻 Смотреть другие кейсы в сфере Foodtech в базе знаний ИИ на ICT.Moscow
📺 #кейс: Обучение нейросетей и распознавание изображений на маломощных процессорах без графического ускорителя
Стартап Z Advanced Computing, Inc. (ZAC) в рамках проекта Smart Home разработал ИИ-алгоритм, который, по словам технического директора Бижана Тадайона, более надежен, устойчив, последователен, а также воспроизводимым с более высокой точностью, чем сверточные нейронные или генеративно-состязательные сети, которые сейчас используют другие компании.
Алгоритм требует меньшего количества обучающих выборок, чем сверточные сети, и при этом обрабатывает изображения высокого разрешения с гораздо меньшей вычислительной мощностью. Это позволяет запускать его на маломощных устройствах — ноутбуках без графического процессора, портативных устройствах. Решение пилотируется компанией BSH Home Appliances (дочерняя компания Bosch).
🔗Источник: https://www.prnewswire.com/news-releases/artificial-intelligence-breakthrough-training-and-image-recognition-on-low-power-cpu-with-no-gpu-via-explainable-ai-for-smart-appliance-pilot-for-bosch-301028296.html
Стартап Z Advanced Computing, Inc. (ZAC) в рамках проекта Smart Home разработал ИИ-алгоритм, который, по словам технического директора Бижана Тадайона, более надежен, устойчив, последователен, а также воспроизводимым с более высокой точностью, чем сверточные нейронные или генеративно-состязательные сети, которые сейчас используют другие компании.
Алгоритм требует меньшего количества обучающих выборок, чем сверточные сети, и при этом обрабатывает изображения высокого разрешения с гораздо меньшей вычислительной мощностью. Это позволяет запускать его на маломощных устройствах — ноутбуках без графического процессора, портативных устройствах. Решение пилотируется компанией BSH Home Appliances (дочерняя компания Bosch).
🔗Источник: https://www.prnewswire.com/news-releases/artificial-intelligence-breakthrough-training-and-image-recognition-on-low-power-cpu-with-no-gpu-via-explainable-ai-for-smart-appliance-pilot-for-bosch-301028296.html
PR Newswire
Artificial Intelligence Breakthrough: Training and Image Recognition on Low Power CPU (with no GPU), via Explainable-AI for Smart…
/PRNewswire/ -- Z Advanced Computing, Inc. (ZAC), the pioneer startup on Explainable-AI (Artificial Intelligence) (XAI), is developing its Smart Home product...
🚘 #кейс: ИИ для распознавания автомобильных номеров
Инженер Роберт Лучиан Чириак на базе компьютера Raspberry Pi создал систему, которая распознает номер автомобилей в транспортом потоке и с помощью машинного обучения переводит их в текстовый формат.
За работу системы отвечают три отдельных приложения. Первое определяет рамку автомобильного номера, внутри которой будет считываться текст. Второе определяет символы и их порядок на полученном изображении. Третье распознает символы и переводит их в текст.
Устройство состоит из платы Raspberry Pi, камеры, модулей 4G и GPS. Они спрятаны в напечатанный на 3D-принтере корпус, который крепится к зеркалу заднего вида автомобиля.
🔗 Источник: https://www.tomshardware.com/news/raspberry-pi-project-artificial-intelligence-machine-camera
👉🏻 Смотреть другие кейсы в категории в сфере транспорта
Инженер Роберт Лучиан Чириак на базе компьютера Raspberry Pi создал систему, которая распознает номер автомобилей в транспортом потоке и с помощью машинного обучения переводит их в текстовый формат.
За работу системы отвечают три отдельных приложения. Первое определяет рамку автомобильного номера, внутри которой будет считываться текст. Второе определяет символы и их порядок на полученном изображении. Третье распознает символы и переводит их в текст.
Устройство состоит из платы Raspberry Pi, камеры, модулей 4G и GPS. Они спрятаны в напечатанный на 3D-принтере корпус, который крепится к зеркалу заднего вида автомобиля.
🔗 Источник: https://www.tomshardware.com/news/raspberry-pi-project-artificial-intelligence-machine-camera
👉🏻 Смотреть другие кейсы в категории в сфере транспорта
🙌🏻 #кейс: Контроль соблюдения мер личной гигиены сотрудниками с помощью системы 🏷 Direktiva.AI
На санпропускниках компании — производителя мяса «Дамате» внедрена система Direktiva. Камеры оснащены функцией распознавания лиц, которые позволяют проводить аутентификацию сотрудников, соблюдение регламента мытья рук каждым сотрудником и осуществляют контроль доступа на рабочее место.
Система исключает вероятность попадания на производство сотрудников, не выполнивших надлежащие регламентные операции по мойке и дезинфекции. Использование искусственного интеллекта позволило снизить влияние человеческого фактора и сыграло положительную роль в обеспечении безопасности продукции компании.
🔗 Источник: https://connectome.ai/news/measures.html
На санпропускниках компании — производителя мяса «Дамате» внедрена система Direktiva. Камеры оснащены функцией распознавания лиц, которые позволяют проводить аутентификацию сотрудников, соблюдение регламента мытья рук каждым сотрудником и осуществляют контроль доступа на рабочее место.
Система исключает вероятность попадания на производство сотрудников, не выполнивших надлежащие регламентные операции по мойке и дезинфекции. Использование искусственного интеллекта позволило снизить влияние человеческого фактора и сыграло положительную роль в обеспечении безопасности продукции компании.
🔗 Источник: https://connectome.ai/news/measures.html
🎓 #кейс: Как ИИ помог создать онлайн-платформу по обучению английскому языку
Первый крупный корпоративный заказ для создателей онлайн-школы английского языка Skyеng заставил их использовать технологии искусственного интеллекта для изучения данных клиента. Они стали разрабатывать персонализированные курсы для B2B-сегмента, а с помощью ИИ начали изучать рабочие мессенджеры и почту клиента, составили «словарь корпоративной лексики» и включили его в обучающий курс.
Источник: https://www.forbes.ru/biznes/393853-kak-cheboksarec-s-druzyami-sozdal-samyy-dorogoy-obrazovatelnyy-startap-v-rossii
Первый крупный корпоративный заказ для создателей онлайн-школы английского языка Skyеng заставил их использовать технологии искусственного интеллекта для изучения данных клиента. Они стали разрабатывать персонализированные курсы для B2B-сегмента, а с помощью ИИ начали изучать рабочие мессенджеры и почту клиента, составили «словарь корпоративной лексики» и включили его в обучающий курс.
Источник: https://www.forbes.ru/biznes/393853-kak-cheboksarec-s-druzyami-sozdal-samyy-dorogoy-obrazovatelnyy-startap-v-rossii
Forbes.ru
Как чебоксарец с друзьями создал самый дорогой образовательный стартап в России
Всего несколько лет назад офис компании Skyeng был в съемной квартире в Долгопрудном, а несколько сотрудников компании – друзья по МФТИ – ели лапшу быстрого приготовления, чтобы сэкономить. Сегодня компания оценивается в $100 млн. Как «физтехи» добил
🌂 #кейс: Google научила нейросеть предсказывать погоду на восемь часов вперед
Нейронная сеть MetNet может предугадать осадки с точностью до километра на местности и до двух минут по времени. Она превосходит модель, которую использует Национальное управление океанических и атмосферных исследований (NOAA). Их алгоритмы тоже прогнозируют на семь-восемь часов вперед, но менее точны. Также модель NOAA предугадывает погоду на отдельно взятых участках в течение часа, тогда как MetNet на это требуется несколько секунд.
Данные поступают в сеть автоматически с радиолокационных станций и спутниковых сетей. Система анализирует наличие, состав и скорость движения облаков над землей. На выходе она показывает наиболее вероятные уровни осадков в различных регионах США. Модель рассчитывает прогноз погоды для квадратов 64 на 64 километра с разрешением в один километр.
🔗 Источник: https://habr.com/ru/news/t/494268/
▶️ Смотреть демонстрацию работы MetNet на YouTube (0:49)
📖 Прочитать описание нейросети в блоге Google (англ.)
Нейронная сеть MetNet может предугадать осадки с точностью до километра на местности и до двух минут по времени. Она превосходит модель, которую использует Национальное управление океанических и атмосферных исследований (NOAA). Их алгоритмы тоже прогнозируют на семь-восемь часов вперед, но менее точны. Также модель NOAA предугадывает погоду на отдельно взятых участках в течение часа, тогда как MetNet на это требуется несколько секунд.
Данные поступают в сеть автоматически с радиолокационных станций и спутниковых сетей. Система анализирует наличие, состав и скорость движения облаков над землей. На выходе она показывает наиболее вероятные уровни осадков в различных регионах США. Модель рассчитывает прогноз погоды для квадратов 64 на 64 километра с разрешением в один километр.
🔗 Источник: https://habr.com/ru/news/t/494268/
▶️ Смотреть демонстрацию работы MetNet на YouTube (0:49)
📖 Прочитать описание нейросети в блоге Google (англ.)
🧫 #кейс: Тайваньский университет разрабатывает нейросеть для выявления рака крови
Исследовательская группа Тайбэйского медицинского университета занимается разработкой анализа общих данных крови на основе ИИ для выявления случаев с высоким риском развития рака крови. Машинное обучение используется для интерпретации данных о клеточной популяции, полученной в результате клинического анализа крови с помощью флеботомии.
Команда сотрудничает с медицинским центром южнокорейского университета Конкука, который предоставляет образцы крови для обучения машины. В анализе используются семь различных ИИ-алгоритмов. Ссогласно 882 тестам, метод продемонстрировал наивысший уровень точности — 93,5 %.
🔗 Источник: https://3dnews.ru/1007186
👉🏻 Смотреть другие медицинские кейсы в базе знаний ИИ
Исследовательская группа Тайбэйского медицинского университета занимается разработкой анализа общих данных крови на основе ИИ для выявления случаев с высоким риском развития рака крови. Машинное обучение используется для интерпретации данных о клеточной популяции, полученной в результате клинического анализа крови с помощью флеботомии.
Команда сотрудничает с медицинским центром южнокорейского университета Конкука, который предоставляет образцы крови для обучения машины. В анализе используются семь различных ИИ-алгоритмов. Ссогласно 882 тестам, метод продемонстрировал наивысший уровень точности — 93,5 %.
🔗 Источник: https://3dnews.ru/1007186
👉🏻 Смотреть другие медицинские кейсы в базе знаний ИИ
3DNews - Daily Digital Digest
Тайваньский университет разрабатывает нейросеть для выявления рака крови
Исследовательская группа Тайбэйского медицинского университета занимается разработкой анализа общих данных крови на основе ИИ для выявления случаев с высоким риском развития рака крови.
💲#кейс: Распознавание ценников с помощью машинного зрения
Компания 🗂Smart Engines рассказала о том, зачем нужно автоматизировать распознавание ценников в магазинах и как она это делает с помощью технологий машинного зрения. В том числе — на вычислительно слабом мобильном устройстве (например, промышленном терминале сбора данных).
📖 Читать в блоге компании на Habr.com (~14 мин.)
👉🏻 Смотреть другие кейсы в сфере ритейла и e-commerce в базе знаний ИИ
Компания 🗂Smart Engines рассказала о том, зачем нужно автоматизировать распознавание ценников в магазинах и как она это делает с помощью технологий машинного зрения. В том числе — на вычислительно слабом мобильном устройстве (например, промышленном терминале сбора данных).
📖 Читать в блоге компании на Habr.com (~14 мин.)
👉🏻 Смотреть другие кейсы в сфере ритейла и e-commerce в базе знаний ИИ
🎸 #кейс: ИИ помог определить авторство песен Маккартни и Леннона
Преподаватель Гарварда Марк Гликман и математик из Университета Далхаузи Джейсон Браун с помощью анализа данных установили авторство песни In My Life (о котором музыканты спорили при жизни Леннона) и других работ дуэта.
ИИ-алгоритм вычленил из песен (часть из них была написана только Маккартни, часть только Ленноном и еще часть считалась коллективной работой) мельчайшие элементы: аккордовые и мелодические последовательности, переходы, интервалы между нотами и т.д. В музыке In My Life ИИ нашел менее 2% компонентов, свойственных Маккартни, а в блюзовом проигрыше к песне их было больше 50%.
Подобные разработки могут облегчить споры об авторстве, так как с их помощью можно анализировать большие объемы музыкальных произведений и создавать из типичных музыкальных компонентов своего рода музыкальные подписи.
🔗 Источник: https://www.kommersant.ru/doc/4301415
🎧 Послушать песню In My Life на Яндекс.Музыке (2:27)
Преподаватель Гарварда Марк Гликман и математик из Университета Далхаузи Джейсон Браун с помощью анализа данных установили авторство песни In My Life (о котором музыканты спорили при жизни Леннона) и других работ дуэта.
ИИ-алгоритм вычленил из песен (часть из них была написана только Маккартни, часть только Ленноном и еще часть считалась коллективной работой) мельчайшие элементы: аккордовые и мелодические последовательности, переходы, интервалы между нотами и т.д. В музыке In My Life ИИ нашел менее 2% компонентов, свойственных Маккартни, а в блюзовом проигрыше к песне их было больше 50%.
Подобные разработки могут облегчить споры об авторстве, так как с их помощью можно анализировать большие объемы музыкальных произведений и создавать из типичных музыкальных компонентов своего рода музыкальные подписи.
🔗 Источник: https://www.kommersant.ru/doc/4301415
🎧 Послушать песню In My Life на Яндекс.Музыке (2:27)