Categoría: AI

Microsoft lanza un nuevo ejemplo de Windows 10 con SwiftKey en 39 otros idiomas



Microsoft ha lanzado un nuevo ejemplo de Windows 10 hoy con SwiftKey en otros 39 idiomas. La actualización obstaculiza a Windows 10 desde la compilación 18855 a 18860. Estas compilaciones son de la rama 20H1, que representa la actualización de Windows 10 que llegará en la primera mitad del próximo año. (Microsoft lanzó una segunda vista previa de la rama 19H1 hoy: compilación 18362. Corrige tres errores adicionales de la compilación de 18361 de ayer.) Windows 10 ahora se está desarrollando como un servicio. Microsoft ha lanzado seis actualizaciones principales hasta el momento: actualización de noviembre, actualización de aniversario, actualización de creadores, actualización de creadores de otoño, actualización de abril de 2018 y actualización de octubre de 2018. Esta compilación es para Windows Insiders que ha elegido la opción Skip Ahead, que puede ser un pequeño subconjunto de Insiders. Normalmente eso significaba compilaciones de 19H2, ya que 19H1 no se ha lanzado todavía, pero Microsoft ha optado por no continuar esta vez. Dicho esto, Microsoft todavía no está agregando ninguna función. En la actualización de octubre de 2018, Microsoft trajo la tecnología AI de SwiftKey a Windows 10. Esta versión amplía el soporte a otros 39 idiomas: africano (Sudáfrica), albanés (Albania), árabe (Arabia Saudita), armenio (Armenia) ), Azerbaiyano (Azerbaiyán), vasco (España), búlgaro (Bulgaria), catalán (España), croata (Croacia), checo (República Checa), danés (Dinamarca), holandés (Países Bajos), estonio (Estonia), finlandés ( Finlandia), gallego (España), georgiano (Georgia), griego (Grecia), Hausa (Nigeria), hebreo (Israel), hindi (India), húngaro (Hungría), indonesio (Indonesia), kazajo (Kazajstán), letón ( Letonia), lituano (Lituania), macedonio (Macedonia), malayo (Malasia), noruego (Bokmal, Noruega), persa (Irán), polaco (Polonia), rumano (Rumania), serbio (Serbia), serbio (Serbia), Eslovaco (Eslovaquia), Esloveno (Eslovenia), Sueco (Suecia), Turco (Turquía), Ucraniano (Ucrania) y Uzbeko (Uzbeko). Microsoft dice que actualiza el modelo de lenguaje subyacente para cada idioma para mejorar la precisión de las autocorrecciones, la configuración y las predicciones. Estas mejoras se aplican a las predicciones del teclado táctil y del teclado. Correcciones de errores y problemas conocidos Esta compilación 20H1 contiene las siguientes correcciones de errores y mejoras: se corrigió un error de Microsoft Edge al interactuar con listas de cuadros combinados en formularios PDF. Se ha resuelto un problema que podría haber causado que se encendiera la luz nocturna Se solucionó un problema por el cual la luz nocturna omitía la transición de desvanecimiento cuando se apagaba (manualmente o programada). Se solucionó un problema que hacía que la batería se agotara mientras se construía la pantalla recientemente. Se solucionó un problema que provocaba que ciertas aplicaciones, como la grabadora de voz, las alarmas y el reloj, estuvieran en pantalla completa. Se solucionó un problema que causaba que algunas personas con información privilegiada tuvieran pantallas de verificación de errores que citaban un error KERNEL_SECURITY_VIOLATION. Compilaciones de Windows Insider Preview: la máquina virtual se cuelga en la pantalla negra con el logotipo de Windows. Se solucionó un problema en el que al hacer clic con el botón derecho en un elemento de Wi-Fi en la lista de redes de la barra de tareas al usar un tema claro se invocaba un menú de contexto oscuro. Se solucionó un problema que hacía que la Configuración se bloqueara para algunos Insiders al hacer clic en la sección de Aplicaciones. Esta compilación tiene cinco problemas conocidos: iniciar juegos que usan software anti-trampas puede provocar una comprobación de errores (GSOD). Almacenamiento reservado habilitado, el usuario quiere ser restaurado. Algunos lectores de tarjetas SD Realtek no funcionan correctamente. Las tarjetas de sonido Creative X-Fi no funcionan correctamente. Si instala una de las compilaciones recientes de Saltar adelante y cambia al anillo rápido o al contenido del anillo lento, opcional. Desea permanecer en el timbre rápido para agregar / instalar / habilitar contenido opcional. Esto se debe a que el contenido opcional solo funciona en compilaciones aprobadas para anillos específicos. Como siempre, no instale esto en su máquina de producción.



Source link

Thinknum recauda $ 11.6 millones para expandir sus herramientas de modelado financiero



Los analistas financieros pasan sus días buscando puntos de datos para identificar patrones e identificar tendencias. Son de la manera tradicional y lo comparten con sus colegas, a través de archivos Excel, no siempre es efectivo. Thinknum, una compañía con sede en Nueva York que recaudó $ 11.6 millones para expandir su negocio. La startup dijo que Green Visor Capital, uno de los inversionistas originales en la ronda inicial de $ 1 millón en 2014, participó en la serie A, aunque Thinknum se negó a revelar a otros participantes. La compañía de cinco años dijo que ha sido rentable desde 2016. Justin Zhen, cofundador y presidente de Thinknum, ha informado a VentureBeat por correo electrónico que la compañía planea invertir el nuevo capital en el desarrollo de su producto e infraestructura. Por lo tanto, es un intento de colaborar con más instituciones para ayudar al mercado a familiarizarse con el poder y el uso de datos alternativos ", dijo. "Datos alternativos" significa un conjunto de información pública que se puede recopilar a través de la web, como comparaciones de productos, revisiones de negocios en sitios de sitios de trabajo y datos obtenidos de aplicaciones comerciales y normativas. Por ejemplo, el año pasado, Thinknum analizó las publicaciones de reclutamiento de Apple en las que el fabricante de iPhone se había vuelto más agresivo al desarrollar su asistente Siri. Thinknum dice que captura huellas digitales de más de 400,000 compañías. Ese es un logro impresionante para un equipo de solo 20 personas. Igualmente impresionantes son las compañías a las que Thinknum ha podido servir. Zhen se complace en anunciar que tiene ocho de los 10 principales bancos de inversión y "cientos de firmas de inversión y grandes empresas". Thinknum ofrece muchas imágenes con una interfaz fácil de usar. Científicos, ingenieros y programadores. "Nuestra plataforma brinda a los clientes acceso a datos en bruto y herramientas específicas que ayudan a responder preguntas de negocios", explica Zhen. Según un informe de Greenwich Associates, el 50 por ciento de los inversionistas institucionales planeaban aumentar el uso de datos alternativos en el próximo año. Actualmente hay más de 4 mil millones de páginas web y 1.2 millones de terabytes de datos disponibles en Internet, números que están creciendo rápidamente. "Hay una montaña de información que puede ser valiosa para los inversionistas", dijo Greenwich Associates en el informe. Regístrese para recibir financiamiento diario: reciba las últimas noticias en su bandeja de entrada todos los días de la semana.



Source link

AI clasifica las emociones a partir de datos EEG



Un electroencefalograma o EEG es una prueba de monitoreo cerebral no invasiva en la que se colocan electrodos a lo largo del cuero cabelludo para enviar señales a una computadora para su análisis. Los EEG se han utilizado recientemente para estudiar la deglución, la clasificación de los estados mentales y el diagnóstico de trastornos neuropsiquiátricos. En un artículo ("Reconocimiento de emociones con aprendizaje automático mediante señales EEG") publicado en el servidor de preimpresión Arxiv.org, un equipo de la Texas Tech University, la Universidad de Tabriz en Irán y el Hospital Akrham describe una IA Sistema que reconoce solo las emociones de los resultados de EEG. "Los estados emocionales están asociados con una amplia gama de sentimientos, pensamientos y comportamientos humanos; de manera racional, en cuestiones como la toma de decisiones, la percepción y la inteligencia humana", escribieron. "En los últimos años, se han desarrollado sistemas de reconocimiento de emociones basados ​​en señales de EEG. [has] "Las señales de EEG, señala el equipo, son un desafío para analizar porque son no lineales, algo aleatorias y están enterradas en varias fuentes de ruido". Método de referencia y basado en un enfoque de descomposición para la extracción de características. Mediante transformaciones wavelet: la señal de EEG se derivó de la señal de EEG que se dividió en los componentes de banda gamma, beta, alfa y theta. Los investigadores compraron DEAP, un corpus anotado para el análisis de emociones usando señales fisiológicas, para entrenar a sus clasificadores de emociones. Esto incluye datos de EEG de 32 participantes, que recibieron 40 videoclips de un minuto y los calificaron en una escala de 1 a 9 en diferentes categorías, incluida la valencia (el atractivo / "bondad" intrínseca de un video / aversidad / "particular" Mala "-dness", excitación (la intensidad de la respuesta fisiológica que desencadenó), dominio y emoción. Las cifras de más de 4.5 se calificaron como & # 39; alta & # 39; mientras que las cifras de menos de 4.5 se consideran & # 39; bajas & # 39; fueron indicados Con esto en mente, los autores del artículo utilizaron tres tipos de clasificadores para distinguir entre las emociones: un algoritmo vecino más cercano, una máquina de vectores de soporte y una red neuronal artificial. Las señales de EEG del cerebro frontal izquierdo y derecho, las regiones que están estrechamente asociadas con las emociones positivas y negativas. 91.3 por ciento de precisión para la excitación y 91.1 por ciento de precisión para la valencia, ambas en la banda de frecuencia beta. Los investigadores argumentan que el aprendizaje de un conjunto, en el paradigma de la IA en el que una combinación de sistemas de aprendizaje automático trabaja en conjunto para producir una sola predicción, podría mejorar aún más el rendimiento de los modelos. Pero afirman que la precisión actual es mayor que los algoritmos existentes aplicados al conjunto de datos DEAP. "[S]Los estudios sobre el reconocimiento de emociones mediante el uso de señales emocionales mejoran los sistemas de interfaz cerebro-computadora (BCI) como un tema efectivo para aplicaciones clínicas e interacciones sociales humanas ", dijeron los investigadores. Los sistemas como estos podrían usarse para investigar estados emocionales durante la vida emocional. "Aspectos emocionales para aclarar los agentes terapéuticos para trastornos mentales como el trastorno del espectro autista (ADSD), el trastorno por déficit de atención con hiperactividad (TDAH) y el trastorno de ansiedad".



Source link

Nuro expande las entregas sin conductor a Kroger en Houston



Nuro, una compañía de autos autónomos fundada por dos ex empleados de Google, anunció hoy que está expandiendo su asociación de entrega sin conductor con Grocery Giant a un nuevo mercado: Houston. Esto sigue a los pilotos en Scottsdale, Arizona, que comenzaron en agosto, primero con un Toyota Priuses modificado y luego con el vehículo modificado de Nuro, R1. En Houston, Nuro quiere cuatro códigos postales (77401, 77096, 77005 y 77025) cerca de dos ubicaciones de Kroger, una en 10306 South Post Oak Road y otra en 5150 Buffalo Speedway. Los clientes que están a su alcance pueden solicitar un precio fijo de $ 5.95 a finales de esta primavera, a través del sitio web o la aplicación Kroger, que realiza pedidos de forma autónoma para el mismo día o el siguiente día, los siete días de la semana (según la disponibilidad final) orden Una vez que se hace un pedido, los empleados de la tienda cargan las compras en uno de los compartimientos en el R1 delgado y resistente de Nuro, que contiene una combinación patentada de sensores láser, cámaras y computadoras. 25 vehículos por hora están completamente sin conductor, aunque ahora para automóviles manejados por el hombre. Después de que llega un automóvil Nuro, los clientes desean verificar su identidad con una contraseña o algún tipo de autenticación biométrica y recoger sus productos. Nuro dice que ha completado con éxito "miles" de estas entregas a clientes en Scottsdale. "Las tiendas de comestibles Kroger fueron entregadas por un auto de auto conducción Nuro", dijo el fundador de Nuro, Dave Ferguson. Houston: una metrópolis dinámica, diversa y hospitalaria que se inició con esta innovación de auto-conducción "El juego final es ofrecer una entrega autónoma a los clientes de Kroger en los EE. UU., Pero eso no sucederá de inmediato, en los estados donde los autos de auto-conducción no controlados & # 39; no está legalizado, Nuro quiere pedir permiso a la Administración Nacional de Seguridad Vial, pero eso deja bastantes lugares en la mesa. Kroger es la cadena de supermercados más grande del país, con más de 2,800 tiendas en 35 estados que atienden a 9 millones de clientes al día. Los autos de Nuro en las regiones que aún no cuentan con ese servicio ofrecen el 75% de las partes del día de los clientes. "Nuestros programas piloto de Arizona se lanzaron para ofrecer soluciones innovadoras", dijo El director digital de Kroger, Yael Cosset. "Siempre ha sido nuestra visión compartida escalar esta iniciativa a nuevos mercados, utilizando tecnología que está cambiando el mundo, a un nuevo tipo de entrega. Servicio para nuestros clientes. Tenemos 102 tiendas en Houston, un mercado energético que incluye avances digitales y tecnológicos. "Nuro fue cofinanciado en 2016 por Ferguson y Jiajun Zhu, ambos proyectos de auto-manejo de automóviles que eventualmente surgieron como Waymo. La compañía con sede en California Mountain View tiene aproximadamente 200 empleados y 100 empleados contratados y ha desplegado seis camionetas. Planea usar 50 camionetas. Ferguson dijo recientemente al Wall Street Journal que Nuro confiscó una industria que está llena de pruebas en carreteras en California, Arizona y Texas, con conductores de seguridad detrás del volante y hablando con fabricantes de automóviles sobre asociaciones que podrían compartir sus licencias. con empresas bien financiadas como Marble, Starship Technologies, BoxBot, Dispatch y Robby Technologies, por nombrar solo algunas, por no mencionar compañías como Robomart, que recientemente anunció planes para probar el supermercado sin conductor sobre ruedas; Udelv, quien cooperó con Farmstead en el Área de la Bahía para llevar productos perecederos al umbral transportar desde el cliente; Ford, trabajando con Postmates para entregar artículos de las tiendas Walmart en el Condado de Miami-Dade; Amazon, que debutó con Scout el mes pasado, en un robot de entrega autónomo; y FedEx. Sin embargo, Nuro tiene la clara ventaja de un importante respaldo de capital de riesgo de Softbank. El conglomerado de tenencia japonés a principios de este año anunció que había invertido cerca de $ 1 mil millones, $ 940 millones, en Nuro a través de su Fondo de Visión, con la compañía valorada en alrededor de $ 2,7 mil millones.



Source link

Google tiene 2.3 mil millones & # 39; malos anuncios & # 39; muertos en 2018, 28% menos que en 2017



En esta época del año, Google compartirá el número de & # 39; anuncios negativos & # 39; que mató un año antes. Y cada año crece el número. Pero no esta vez. & # 39; Anuncios incorrectos & # 39; son anuncios que violan las políticas publicitarias de Google, incluidos el fraude de anuncios, el phishing y el malware. Eso es todo, desde un accidente único hasta una acción coordinada de estafadores que intentan ganar dinero. 2.3 mil millones de anuncios malos en 2018, un 28 por ciento de disminución en comparación con el año pasado, cuando se eliminaron 3.2 mil millones de anuncios malos. En otras palabras: Google tomó más de 100 anuncios malos por segundo en 2017 y menos de 75 anuncios malos por segundo en 2018. Persigue a los malos actores con aprendizaje automático Google no continuaría incluyendo la pregunta de por qué eliminó menos anuncios el año pasado, pero algunos factores juntos forman una imagen bastante buena. La primera es que la compañía está bloqueando cada vez más las malas experiencias publicitarias antes de que las estafas afecten a las personas. Google dice que ha hecho un & # 39; intento oculto en 2014 para ir tras los anuncios maliciosos detrás de los anuncios maliciosos. Entonces & # 39; Tecnología de aprendizaje automático mejorada para identificar y cancelar casi 1 millón de cuentas de anunciantes no válidos, así como casi 734,000 editores y desarrolladores de aplicaciones. La cifra es aproximadamente el doble del número en 2017. Actuar a nivel de cuenta, naturalmente, tiene una gran influencia en la lucha contra la causa de la mala publicidad. Por lo tanto, en 2018, Google lanzará 330 clasificadores de detección para & # 39; maldad & # 39; para poder detectar mejor a nivel de página: casi 3 veces más clasificadores que en 2017. Por lo tanto, Google tiene casi 1,5 millones de aplicaciones y casi 28 millones de páginas eliminadas. Estas violaciones se abordan con la ayuda de una combinación de evaluaciones manuales y aprendizaje automático. Finalmente, Google trabajó con la empresa de seguridad cibernética White Ops, el FBI y otros en la industria. La operación, con nombre en código 3ve, centros de datos operados, computadoras infectadas con malware, falsos dominios fraudulentos y sitios web falsos para producir más de 10,000 dominios falsos y más de 3 mil millones de solicitudes de ofertas diarias en su punto máximo. A fines del año pasado, el FBI publicó cargos contra ocho personas por delitos que incluyen robo de identidad y lavado de dinero con agravantes. Política y administrador de políticas En 2018, Google introdujo 31 nuevas políticas publicitarias para abordar los problemas de soporte técnico de terceros, vendedores de boletos, criptomoneda y servicios locales. 207,000 anuncios para vendedores de boletos, más de 531,000 anuncios para fianzas y alrededor de 58.3 millones de anuncios de phishing. Es por eso que Google ha introducido una nueva política de publicidad electoral en los Estados Unidos. antes de las elecciones intermedias de 2018, donde se verificaron casi 143,000 anuncios de búsqueda. La compañía está agregando un informe transparente sobre anuncios políticos que proporciona más información sobre quién ha comprado los anuncios de elecciones. Y 2019 quiere ofrecer herramientas similares para las elecciones de la UE y la India, prometió Google. 22,000 aplicaciones y casi 15,000 sitios de infracciones de políticas se enfocaron en contenido inexacto, odioso u otro contenido de baja calidad. La política de contenido & # 39; peligrosa o despectiva & # 39; contiene, por ejemplo, una prohibición de contenido odioso y odioso. Hablando de política, Google planea lanzar un administrador de políticas en los anuncios de Google el próximo mes, como su centro de políticas de AdSense. El gerente de políticas quiere tomar sus propias decisiones. Engaño, estafas y malware Google debe seguir luchando. Dado que la mayoría de los ingresos de Google provienen de anuncios, ese escenario simplemente no es una opción.



Source link

A %d blogueros les gusta esto: