Aalto-yliopiston tutkijat voittivat palkinnon tekoälykonferenssissa
Tutkijoiden kehittämä uusi tekoälymenetelmä ymmärtää aiempaa paremmin ennustamiseen liittyviä epävarmuuksia. Menetelmä mallintaa tekoälyennusteen jatkuvana virtana, ja sitä on helpompi tulkinta kuin aiempia neuroverkkomenetelmiä.
Aalto-yliopiston tekoälytutkijoiden uusi tutkimusartikkeli - Deep learning with differential Gaussian process flows - palkittiin 2019 AI & Statistics –konferenssissa Japanissa. Tutkimus toteutettiin Harri Lähdesmäen ja Samuel Kasken, Aalto-yliopiston professorien, ryhmien välisenä yhteistyönä ja sen ensimmäiset kirjoittajat ovat Pashupati Hegde ja Markus Heinonen.
Aallon tutkimusryhmät kehittivät uudenlaisen tekoälymenetelmän, joka tuottaa ennusteen jatkuvana virtana. Tätä virtaa on helpompi tulkita ja ymmärtää kuin neuroverkkopohjaisia oppimisprosesseja. Uusi menetelmä voi olla hyödyllinen yksilöllistetyssä lääketieteessä tai lääkesuunnittelussa, sillä se ymmärtää aiempaa paremmin ennustamiseen liittyviä epävarmuuksia.
- Julkaistu:
- Päivitetty:
Lue lisää uutisia
Tutkimus: Matalan hierarkian organisaatioissa isoja periaatekysymyksiäkin ratkotaan porukalla Slackissa
Aalto-yliopiston alumni, vieraileva tutkijatohtori Lauri Pietinalho New Yorkin yliopiston Sternin kauppakorkeakoulusta ja Aalto-yliopiston apulaisprofessori Frank Martela selvittivät tuoreessa tutkimuksessa, miten matalan hierarkian organisaatiot käsittelevät yhteisiä toimintaperiaatteita vastakkainasettelutilanteissa ja miten auktoriteetti niissä toimii.
Fyysikot saivat bakteerit uimaan lähes täydellisissä riveissä
Bakteerien ohjaaminen onnistui magneettikentän avulla. Löytö auttaa ymmärtämään bakteeripopulaatioiden käyttäytymistä ja voi jatkossa auttaa esimerkiksi kehittämään uuden sukupolven materiaaleja, joista kaavaillaan apua muun muassa lääkkeiden kohdennettuun kuljettamiseen kehon sisällä.
Tutkijat loivat ainutlaatuisen ennustemallin kuvaamaan pandemian leviämistä maiden rajojen yli
Pohjoismainen yhteishanke pureutui koronaviruksen leviämiseen vuonna 2020. Tutkimuksen avulla voidaan jatkossa ennakoida paremmin, milloin ja mitkä matkustusrajoitukset ovat pandemiaolosuhteissa tarkoituksenmukaisia.