7 KI

Bewegen Sie sich, ChatGPT: Diese auf künstlicher Intelligenz basierenden Technologien und Innovationen, die an der UC San Diego entwickelt und implementiert werden, könnten zu den nächsten Entwicklungen in der „KI-Revolution“ führen. Von der Unterstützung bei der Bewältigung chronischer Gesundheitsprobleme bis hin zur Entscheidung, welche Filme wir ansehen möchten – Fortschritte in der KI können dabei helfen, Entscheidungen zu treffen, wissenschaftliche Entdeckungen zu beschleunigen – und sogar Leben zu retten. Im Folgenden sind nur sieben der vielen Werkzeuge und Technologien aufgeführt, die auf dem Campus entwickelt werden und das Potenzial haben, vom Forschungsraum in die reale Welt zu gelangen:

Ein künstlich intelligenter Roboter, der im Healthcare Robotics Lab der UC San Diego entwickelt wird, könnte eines Tages den Zugang zur Pflege verbessern und die Unabhängigkeit von Menschen mit Demenz oder leichter kognitiver Beeinträchtigung erhöhen. Der Cognitively Assistive Robot for Motivation and Neurorehabilitation, kurz CARMEN, ist ein sozialer Roboter, der Strategien im Zusammenhang mit Gedächtnis, Aufmerksamkeit, Organisation, Problemlösung und Planung vermitteln soll. Mithilfe benutzerdefinierter KI-Algorithmen kann CARMEN mehr über den Benutzer erfahren und seine Interaktionen basierend auf den Fähigkeiten und Zielen des Einzelnen anpassen. Zu diesen Interaktionen kann gehören, den Menschen beizubringen, gedächtnisfördernde Gewohnheiten zu entwickeln, etwa Dinge an vertrauten Orten in ihrem Zuhause abzulegen, oder ihnen dabei zu helfen, ihre kognitiven Ziele festzulegen und zu erreichen, etwa das Merken von Namen bei einem gesellschaftlichen Treffen.

Dieses Projekt wird von der Leiterin des Labors, der Robotikerin Laurel Riek, geleitet, einer Professorin für Informatik und Ingenieurwissenschaften mit einer gemeinsamen Anstellung in der Abteilung für Notfallmedizin. Riek arbeitet seit Jahrzehnten an der Schnittstelle von KI und Robotik und sagt, dass Roboter wie CARMEN das Potenzial für spannende Fortschritte auf diesem Gebiet bieten. Prototypen von CARMEN werden bereits verwendet, um kognitive Interventionen für Personen bereitzustellen, die den George G. Glenner Alzheimer's Family Centers in San Diego angehören, und in jüngerer Zeit im Rahmen der Forschung des Teams auch bei Menschen zu Hause.

Von Smartwatches und Fitness-Trackern bis hin zu Blutdruckmessgeräten, Pflastern und Biosensoren erfreuen sich tragbare medizinische Geräte in den letzten Jahren immer größerer Beliebtheit und bieten sowohl Benutzern als auch Ärzten die Möglichkeit, in Echtzeit auf ihre persönlichen Gesundheitsdaten zuzugreifen. Aber was wäre, wenn es eine Möglichkeit gäbe, diese Daten zu kombinieren, um präzise, ​​individuelle Empfehlungen zu generieren, die Menschen bei der Bewältigung chronischer Erkrankungen wie Bluthochdruck und Diabetes helfen könnten? Hier kommt CIPRA.ai ins Spiel, eine neue mobile App, die genau das tut – und sie basiert auf einer an der UC San Diego entwickelten Technologie.

CIPRA.ai basiert auf der Idee, dass die Behandlung chronischer Erkrankungen keine „Einheitslösung“ ist. Die Plattform für künstliche Intelligenz sammelt die mehrdimensionalen Daten, die von den tragbaren Geräten und Gesundheits-Apps einer Person verfügbar sind, und speist diese Daten in Algorithmen für maschinelles Lernen ein, die mehr über den Benutzer erfahren und die Hauptursache seines Zustands ermitteln können. Die App kann dann jeden Tag ein oder zwei gezielte Interventionen empfehlen, die speziell auf den Benutzer zugeschnitten sind und für ihn persönlich die Krankheit am effektivsten umkehren.

„Aus einer reinen Technologie, die wir in einem Forschungslabor entwickelten, ist ein echtes Produkt geworden“, sagte Sujit Dey, Professorin am Fachbereich Elektrotechnik und Informationstechnik und Direktorin des Center for Wireless Communications an der UC San Diego. CIPRA.ai wurde für den Einsatz in Zusammenarbeit mit Gesundheitssystemen entwickelt und ermöglicht es medizinischen Anbietern, auf die Empfehlungen und verfolgten Fortschritte ihrer Patienten zuzugreifen. Es wird bald für Bluthochdruckpatienten an der UC San Diego Health verfügbar sein. Das Team arbeitet daran, das Tool zu einer Plattform für multichronische Krankheiten zu erweitern, die personalisierte Empfehlungen für die Behandlung von Diabetes, psychischen Erkrankungen und mehr bietet.

Um an der UC San Diego einen Blick in die Zukunft zu werfen, muss man sich nur umschauen. Hier erstreckt sich die im Autonomous Vehicle Laboratory durchgeführte Forschung über die Wände eines Gebäudes hinaus auf die Straßen und Gehwege, die sich durch den 1.200 Hektar großen Campus der Universität ziehen. Selbstfahrende Golfwagen für die Postzustellung sind seit ihrem Debüt im Jahr 2019 ein alltäglicher Anblick auf dem Campus, und Henrik Christensen, der das Forschungsteam des Labors leitet und das UC San Diego Contextual Robotics Institute leitet, sagt, dass dieses Projekt kaum an der Oberfläche kratzt wie künstliche Intelligenz die Liefer- und Mikrotransportlogistik auf dem Campus, in Städten und darüber hinaus verändern könnte.

Mithilfe der gleichen zugrunde liegenden KI-Algorithmen, die sie für die Postzustellfahrzeuge entwickelt haben, die so programmiert sind, dass sie auf dem Weg zu ihrem beabsichtigten Ziel die Verkehrsregeln befolgen und Autos, Fahrräder oder Fußgänger auf dem Weg erkennen, will Christensens Team mit der Einführung beginnen seines nächsten Projekts im Herbst. Diesmal handelt es sich um dreirädrige Roller, die so programmiert sind, dass sie zu bestimmten Tageszeiten selbstständig zu stark nachgefragten Orten auf dem Campus fahren. Morgens stehen beispielsweise an der zentralen Campus-Trolley-Station mehrere Motorroller bereit, die von Pendlern abgeholt und zum Unterricht gefahren werden können. Sobald der Benutzer sein Ziel erreicht hat, fährt der Roller selbstständig dorthin zurück, wo er benötigt wird.

Laut Christensen, einem angesehenen Professor für Informatik an der Jacobs School of Engineering, stellt die Entwicklung von KI-Algorithmen, die es autonomen Fahrzeugen ermöglichen, sicher auf fußgängerreichen Strecken zu navigieren, wie sie auf Universitätsgeländen zu finden sind, eine interessante Forschungsherausforderung dar. Selbstfahrende Technologien, die bereits kommerzialisiert sind, können Autobahnfahrten problemlos bewältigen, dicht besiedelte städtische Umgebungen bleiben jedoch eine große Herausforderung.

„Wir versuchen, an Problemen zu arbeiten, die die aktuellen selbstfahrenden Unternehmen noch nicht gelöst haben“, sagte Christensen.

ALERTCalifornia startet, um wesentliche Tools zum Verständnis und zur Anpassung an Naturkatastrophen bereitzustellen

Clever gemacht

Neue KI-Plattform bewältigt die Herausforderung von Lebensmittelwüsten in einkommensschwachen Gemeinden

Die KI-Revolution steht vor der Tür – und Forscher der UC San Diego nutzen sie, um Klimaschutzmaßnahmen zu unterstützen

Künstliche Intelligenz katalysiert Genaktivierungsforschung und deckt seltene DNA-Sequenzen auf

Ein Team aus Atmosphärenforschern und Informatikern am Center for Western Weather and Water Extremes (CW3E) der Scripps Institution of Oceanography hat ein auf künstlicher Intelligenz basierendes Tool entwickelt, um die Vorhersage des integrierten Wasserdampftransports (Integrated Water Vapour Transport, IVT), der Schlüsselvariablen für, zu verbessern Bestimmung des Vorhandenseins und der Intensität atmosphärischer Flüsse – und es hat bereits erhebliche Auswirkungen auf die Entscheidungsfindung von Wassermanagern im gesamten Bundesstaat Kalifornien.

Unter der Leitung des stellvertretenden CW3E-Direktors Luca Delle Monache hat das Team Algorithmen für maschinelles Lernen entwickelt, die riesige Mengen an Wetterdaten in einem sogenannten „Post-Processing-Framework“ durchsuchen können. Diese Methode ermöglicht es ihnen, ihre heutigen Vorhersagen basierend auf Fehlern, die Prognosemodelle in der Vergangenheit gemacht haben, zu verbessern. Im Rahmen des Programms „Forecast Informed Reservoir Operations“ (FIRO) des Zentrums wurden diese hochpräzisen, auf maschinellem Lernen basierenden Vorhersagen entwickelt, um zu bestimmen, wie viel Wasser wann aus den Stauseen freigesetzt werden sollte, was nicht nur die Wasserversorgung des Staates optimiert, sondern auch das Risiko verringert von Überschwemmungen. Durch eine bessere Vorhersage von Niederschlägen und Zuflüssen in das Reservoir haben Forscher von CW3E herausgefunden, dass Wassermanager jedes Jahr etwa 25 % mehr Wasser einsparen können.

„Die Anwendung von maschinellem Lernen auf das dynamische, physikbasierte Modell ist bahnbrechend“, sagte Delle Monache. „Es ist eine aufregende Zeit, in der wir wirklich bedeutende Verbesserungen und Beiträge leisten.“

„Empfohlen für Sie“: Wir sehen es jedes Mal, wenn wir uns bei Netflix, Hulu, Disney+ oder einer anderen beliebten Streaming-App anmelden. Ausgestattet mit Daten darüber, welche Arten von Inhalten Sie ansehen und wie lange Sie eingeschaltet bleiben, setzen diese Unternehmen personalisierte Algorithmen für maschinelles Lernen ein, um Ihre Vorlieben herauszufinden. Aber was wäre, wenn diese Empfehlungssysteme noch einen Schritt weiter gehen könnten? Was wäre, wenn Sie mit ihnen über Ihre Vorlieben und Abneigungen sprechen könnten und sie mit Ihnen antworten oder ihre Empfehlungen entsprechend anpassen könnten?

In seinem Labor an der Jacobs School of Engineering ist Informatikprofessor Julian McAuley, der sich auf Empfehlungssysteme spezialisiert hat, gerade dabei, diese Idee in die Realität umzusetzen. Mit finanzieller Unterstützung von Netflix bauen er und sein Team Demosysteme, um zu untersuchen, wie diese Technologie aussehen könnte und wie Benutzer darauf reagieren könnten. Parallel zur rasanten Beschleunigung generativer KI-Tools wie ChatGPT im vergangenen Jahr hat McAuley einen exponentiellen Anstieg des Interesses an Konversationsempfehlungssystemen beobachtet. Diese Arbeit umfasst die Zusammenführung großer Sprachmodelle, der Teilmenge der KI, die ChatGPT zugrunde liegt, mit traditionellen Empfehlungssystemen, die sich darauf konzentrieren, Vorschläge in sehr spezifischen Bereichen zu machen. Um das Modell zu trainieren, sammeln McAuley und sein Team Datensätze aus Filmkritiken, Gesprächen über Filme auf Reddit und mehr.

„Diese Idee hat sich von scheinbar unmöglich zu etwas entwickelt, das fast in greifbarer Nähe ist“, sagte McAuley, der sagt, dass diese Technologie potenzielle Anwendungen haben könnte, die weit über Filme hinausgehen und E-Commerce, Mode, Fitness und mehr umfassen. „Jeder möchte beim Aufbau und Einsatz dieser Dinge mitmachen.“

Stellen Sie sich vor, Sie haben gerade einen Autounfall an einem abgelegenen Ort überlebt, der für Ersthelfer schwer zugänglich ist. Sie haben eine tiefe Schnittwunde am Arm durch eine Glasscherbe und bluten stark. Die Situation ist schlimm, bis eine über ihnen fliegende Drohne einen autonomen chirurgischen Roboter, der für die Reparatur von Blutungskontrollgefäßen ausgebildet ist, auf den Boden fallen lässt. Es klingt wie eine Szene direkt aus einem Science-Fiction-Film – und obwohl wir das in absehbarer Zeit wahrscheinlich nicht erleben werden, legen die Ingenieure der UC San Diego bereits den Grundstein.

Michael Yip, außerordentlicher Professor für Elektrotechnik und Computertechnik, und sein Team aus Ingenieuren und klinischen Mitarbeitern bauen chirurgische Roboter mit Komponenten künstlicher Intelligenz, die Blut erkennen, Blutungen kontrollieren, Nähte anbringen, bestimmte chirurgische Eingriffe autonom durchführen und vieles mehr können. Kürzlich hat in Zusammenarbeit mit der UC San Diego School of Medicine ein 25 Pfund schwerer humanoider Operationsroboter, den Yip gemeinsam mit dem Telemedicine & Advanced Technology Research Center der US-Armee und SRI International entwickelt hat, bereits dabei geholfen, gemeinsam mit menschlichen Chirurgen Gefäßreparaturen durchzuführen. Es ist eine äußerst komplexe Arbeit, KI-Algorithmen zu entwickeln, die individuelle Unterschiede zwischen Patienten und Unterschiede in der Anatomie erkennen können, aber Yip findet es persönlich lohnend – und sagt, dass diese Fortschritte eines Tages Menschenleben retten könnten.

„Robotik und Automatisierung sind nicht nur eine potenzielle Zukunft – sie sind eine Zukunft der Medizin“, sagte Yip. „Statistiken besagen, dass wir nicht genügend Ärzte und Chirurgen haben, um die wachsende Patientenzahl zu bewältigen. Daher muss etwas getan werden, um dem Umfang der Pflege gerecht zu werden, die die Menschen benötigen.“

Gesichtserkennungstechnologie ist überall um uns herum. Von den Smartphones, die wir in den Händen halten, bis hin zu Sicherheitskameras in Flughäfen und Einzelhandelsgeschäften: KI – in Form von Deep-Learning-Algorithmen und künstlichen neuronalen Netzen – kann lernen, wie wir aussehen, und uns später identifizieren. Diese künstlichen neuronalen Netze sind durch variable Gewichte verbunden, die den Synapsen zwischen Neuronen im menschlichen Gehirn nachempfunden sind. Aber die Synapsen im Gehirn sind unglaublich komplex und wir verstehen ihr Innenleben nicht vollständig: Das ist einer der Gründe, warum typische KI-Technologien wie die Gesichtserkennung traditionell mithilfe einfacher „Synapsen“ oder Gewichten konstruiert wurden und nicht komplex, vom Gehirn inspiriert Einsen.

Aber was würde passieren, wenn ein künstliches neuronales Netzwerk zur Erkennung von Gesichtsvertrautheit gebaut würde, um stattdessen diese gehirnähnlichen Synapsen zu replizieren? Wäre dieses System noch besser in der Lage, sich Gesichter zu merken? Marcus Benna, Assistenzprofessor für Neurobiologie an der UC San Diego, und seine Kollegen beschlossen, es herauszufinden – und bauten eines. In einer im letzten Jahr veröffentlichten Studie stellte das Team fest, dass ihr Synapsenspeichersystem eine größere Anzahl von Gesichtern erkennen konnte, und wenn sie noch mehr Synapsen hinzufügten, stieg die Zahl schneller an als bei einfachen Synapsen.

Benna, der sich intensiv mit der synaptischen Komplexität beschäftigt hat, sagt, sein Hauptziel als computergestützter Neurowissenschaftler sei es, besser zu verstehen, wie das Gehirn funktioniert und wie es seine Grenzen überwinden kann – und nicht darin, Anwendungen für maschinelles Lernen zu entwickeln. Doch da die Bereiche KI und Neurowissenschaften zunehmend zusammenwachsen, erweisen sich ihre jeweiligen Fortschritte als für beide Seiten vorteilhaft.

Bleiben Sie über das Neueste von der UC San Diego auf dem Laufenden. Abonnieren Sie noch heute den Newsletter.

Sie haben sich erfolgreich für den UC San Diego Today Newsletter angemeldet.