[ad_1]
Questo semestre, studenti e dottorandi del MIT sono stati invitati a presentare idee per il primo MIT Ignite: Generative AI Entrepreneurship Competition. Oltre 100 team hanno presentato proposte per startup che utilizzano tecnologie di intelligenza artificiale generativa per sviluppare soluzioni in una vasta gamma di discipline tra cui salute umana, cambiamento climatico, istruzione e dinamiche della forza lavoro.
Il 30 ottobre, 12 finalisti hanno presentato le loro idee davanti a una giuria di esperti e a una sala gremita nel Samberg Conference Center.
“Il MIT ha la responsabilità di contribuire a plasmare un futuro di innovazione dell’intelligenza artificiale che sia ampiamente vantaggioso – e per farlo abbiamo bisogno di molte grandi idee. Ci siamo quindi rivolti a una fonte piuttosto affidabile di grandi idee: gli studenti e i dottorandi del MIT altamente intraprendenti”, ha affermato il presidente del MIT Sally Kornbluth nel suo discorso di apertura all’evento.
L’evento MIT Ignite fa parte di un focus più ampio sull’intelligenza artificiale generativa al MIT proposto da Kornbluth. Questo autunno, in tutto l’Istituto, ricercatori e studenti stanno esplorando le opportunità per contribuire con le loro conoscenze sull’intelligenza artificiale generativa, identificando nuove applicazioni, minimizzando i rischi e impiegandola a beneficio della società. Questo evento, co-organizzato dal MIT-IBM Watson AI Lab e dal Martin Trust Center for MIT Entrepreneurship, e sostenuto dalla School of Engineering del MIT e dalla MIT Sloan School of Management, ha ispirato i giovani ricercatori a contribuire al dialogo e a innovare in ambito generativo. AI.
A fungere da co-presidenti dell’evento erano Aude Oliva, direttore del MIT-IBM Watson AI Lab e ricercatore principale del Computer Science and Artificial Intelligence Laboratory (CSAIL); Bill Aulet, professore di pratica sugli inventori Ethernet presso la Sloan School of Management del MIT e direttore del Martin Trust Center; e Dina Katabi, Thuan (1990) e Nicole Pham Professoressa presso il Dipartimento di Ingegneria Elettrica e Informatica, direttrice del Centro per le reti wireless e il mobile computing e ricercatrice principale del CSAIL.
Dodici squadre di studenti e dottorandi stavano gareggiando per una serie di premi, tra cui cinque MIT Ignite Flagship Prizes da 15.000 dollari ciascuno, uno speciale Flagship Prize per la squadra di studenti universitari del primo anno e premi per il secondo classificato. Tutti i premi sono stati forniti dal MIT-IBM AI Watson Lab. I team sono stati giudicati in base alle applicazioni innovative dell’intelligenza artificiale generativa, alla fattibilità, al potenziale di impatto nel mondo reale e alla qualità della presentazione.
Dopo che i 12 team hanno mostrato la loro tecnologia, il suo potenziale per risolvere un problema e la capacità del team di eseguire il piano, una giuria ha deliberato. Mentre il pubblico aspettava i risultati, sono state fatte delle osservazioni da Mark Gorenberg ’76, presidente della MIT Corporation; Anantha Chandrakasan, preside della Scuola di Ingegneria del MIT e Vannevar Bush Professore di Ingegneria Elettrica e Informatica; e David Schmittlein, preside del John C. Head III e professore di marketing presso la Sloan School of Management del MIT. Tra gli studenti vincitori figuravano:
Premi di punta del MIT Ignite
eMote (Philip Cherner, Julia Sebastien, Caroline Lige Zhang e Daeun Yoo): A volte identificare ed esprimere le emozioni è difficile, in particolare per quelli nello spettro dell’alessitimia; inoltre, la terapia può essere costosa. L’app di eMote consente agli utenti di identificare le proprie emozioni, visualizzarle come arte utilizzando il processo co-creativo dell’intelligenza artificiale generativa e riflettere su di esse attraverso l’inserimento nel diario, assistendo così consulenti e terapisti scolastici.
LeGT.ai (Julie Shi, Jessica Yuan e Yubing Cui): I processi legali relativi all’immigrazione possono essere complicati e costosi. LeGT.ai mira a democratizzare la conoscenza giuridica. Utilizzando una piattaforma con un ampio modello linguistico, ingegneria tempestiva e ricerca semantica, il team ottimizzerà un chatbot per il completamento, la ricerca e la stesura di documenti per le aziende, oltre a migliorare il pre-screening e le consultazioni iniziali.
Sunona (Emmi Mills, Selin Kocalar, Srihitha Dasari e Karun Kaushik): Circa metà della giornata di un medico è dedicata alla documentazione medica e agli appunti clinici. Per risolvere questo problema, Sunona sfrutta la trascrizione audio e un ampio modello linguistico per trasformare l’audio della visita medica in note ed estrazione di funzionalità, offrendo ai fornitori più tempo nella loro giornata.
UltraNeuro (Mahdi Ramadan, Adam Gosztolai, Alaa Khaddaj e Samara Khater): Per circa un adulto su sette, lesioni del midollo spinale, ictus o malattie inducono disturbi motori e/o paralisi. Le neuroprotesi di UltraNeuro aiuteranno i pazienti a riacquistare alcune delle loro capacità quotidiane senza impianti cerebrali invasivi. La loro tecnologia sfrutta un elettroencefalogramma, sensori intelligenti e un sistema di intelligenza artificiale multimodale (EMG muscolare, visione artificiale, movimenti oculari) addestrato su migliaia di movimenti per pianificare movimenti precisi degli arti.
UrsaTech (Rui Zhou, Jerry Shan, Kate Wang, Alan He e Rita Zhang): L’istruzione oggi è caratterizzata da disparità e insegnanti sovraccarichi. La piattaforma di UrsaTech utilizza un modello linguistico multimodale di grandi dimensioni e modelli di diffusione per creare lezioni, contenuti dinamici e valutazioni per assistere insegnanti e studenti. Il sistema dispone anche di un apprendimento immersivo con agenti AI per l’apprendimento attivo per l’utilizzo online e offline.
Team di studenti universitari del primo anno MIT Ignite Flagship Prize
Alikorn (April Ren e Ayush Nayak): La scoperta di farmaci rappresenta costi biotecnologici significativi. L’ampia piattaforma basata su modelli linguistici di Alikorn mira a semplificare il processo di creazione e simulazione di nuove molecole, utilizzando una rete generativa avversaria, un algoritmo Monte-Carlo per valutare i candidati più promettenti e una simulazione fisica per determinare le proprietà chimiche.
Premi del secondo posto
Cyber autonomo (James “Patrick” O’Brien, Madeline Linde, Rafael Turner e Bohdan Volyanyuk): Gli audit sulla sicurezza del codice richiedono competenze e sono costosi. Il codice “fuzzing”, ovvero l’immissione di input non validi o inattesi per rivelare le vulnerabilità del software, può rendere il software notevolmente più sicuro. Il sistema Autonomous Cyber’s sfrutta modelli linguistici di grandi dimensioni per integrare automaticamente i “fuzzer” nei database.
Generazione EGM (Noah Bagazinski e Kristen Edwards): Elaborare politiche di sviluppo socioeconomico informate richiede prove e dati. L’ampio sistema di modelli linguistici di Gen EGM accelera il processo esaminando e analizzando la letteratura, quindi produce una mappa delle lacune delle prove (EGM), suggerendo potenziali aree di impatto.
Matt AI (Leandra Tejedor, Katie Chen e Eden Adler): I set di dati utilizzati per addestrare i modelli di intelligenza artificiale presentano spesso problemi di diversità, equità e completezza. Mattr AI affronta questo problema con l’intelligenza artificiale generativa con un ampio modello linguistico e modelli di diffusione stabili per aumentare i set di dati.
Neuroschermo (Andrew Lu, Chonghua Xue e Grant Robinson): Lo screening dei pazienti per partecipare potenzialmente a una sperimentazione clinica sulla demenza è costoso, spesso richiede anni e nella maggior parte dei casi si traduce in una non idoneità. Neuroscreen utilizza l’intelligenza artificiale per valutare più rapidamente le cause della demenza dei pazienti, portando a un arruolamento più efficace negli studi clinici e nel trattamento delle condizioni.
L’iniziativa sulla provenienza dei dati (Naana Obeng-Marnu, Jad Kabbara, Shayne Longpre, William Brannon e Robert Mahari): i set di dati utilizzati per addestrare modelli di intelligenza artificiale, in particolare modelli linguistici di grandi dimensioni, spesso hanno metadati mancanti o errati, causando preoccupazione per questioni legali ed etiche. La Data Provenance Initiative utilizza l’annotazione assistita dall’intelligenza artificiale per verificare i set di dati, monitorando la provenienza e lo stato legale dei dati, migliorando la trasparenza dei dati, la legalità e le preoccupazioni etiche relative ai dati.
Theia (Jenny Yao, Hongze Bo, Jin Li, Ao Qu e Hugo Huang): La ricerca scientifica e il dialogo online attorno ad essa si svolgono spesso in compartimenti stagni. La piattaforma di Theia mira ad abbattere questi muri. La tecnologia dell’intelligenza artificiale generativa riassumerà i documenti e aiuterà a orientare le direzioni della ricerca, fornendo un servizio agli studiosi e alla comunità scientifica più ampia.
Dopo il concorso MIT Ignite, tutti i 12 team selezionati per la presentazione sono stati invitati a un evento di networking come primo passo immediato per trasformare le loro idee e prototipi in realtà. Inoltre, sono stati invitati a sviluppare ulteriormente le loro idee con il supporto del Martin Trust Center for MIT Entrepreneurship attraverso StartMIT o MIT Fuse e il MIT-IBM Watson AI Lab.
“Nei mesi trascorsi dal mio arrivo [at MIT], ho imparato molto su come gli abitanti del MIT pensano all’imprenditorialità e su come questa sia realmente integrata in tutto ciò che fanno tutti all’Istituto, dagli studenti del primo anno ai docenti fino agli ex studenti: sono davvero motivati a diffondere le loro idee nel mondo “, ha detto il presidente Kornbluth. “L’imprenditorialità è un elemento essenziale per il nostro obiettivo di organizzarci per un impatto positivo”.
[ad_2]
Source link
