Bak luke 23 skjuler det seg en algoritme for å kjenne igjen fiskeindivider, og som kan støtte biologene med å følge enkeltindivider av fisk over lang tid.

Artikkel: A contrastive learning approach for individual re-identification in a wild fish population

Dersom du noen gang har kjørt en båt, vet du hvor vanskelig det kan være å legge til bryggen. Algoritmen bak luke 22 er det en algoritme som nettopp gjør dette.

Artikkel: Towards Using Reinforcement Learning for Autonomous Docking of Unmanned Surface Vehicles, https://link.springer.com/chapter/10.1007/978-3-031-08223-8_38

Prøv selv: https://github.com/marho13/boatSimulator

Her har vi en algoritme som med forsterkningslæring lærer seg når det er lurt å lade batteriene og når det er lurt å forbruke strøm, slik at vi får energi til lavest mulig pris.

Artikkel: Augmented Random Search with Artificial Neural Networks for energy cost optimization with battery control,

Prøv selv: https://www.sciencedirect.com/science/article/pii/S0959652622042482

I luke 20 er det en kunstig intelligent algoritme som ikke bare kjenner igjen søvnmønster, men som kan forklarer sine egne avgjørelser til søvnleger.

Artikkel: SleepXAI: An Explainable Deep Learning approach for Multi-class Sleep Stage Identification

Bak denne luken skjuler det seg en algoritme for å kjenne igjen prostatasvulster. Unikt med den intelligente algoritmen er at den trenes som delvis veiledet, men som allikevel drastisk øker prediksjonen.

Artikkel: Contrasting Axial T2W MRI for Prostate Cancer Triage: A Self-Supervised Learning Approach, https://ieeexplore.ieee.org/abstract/document/9761573

I luke 18 ser vi på bruk av kunstig intelligens for å predikere kornproduksjon, slik at kornbøndene kan dyrke mest mulig korn til høyest mulig kvalitet, som samtidig ta vare på miljøet.

Artikkel: Farm-Scale Crop Yield Prediction from Multi-Temporal Data Using Deep Hybrid Neural Networks, https://www.mdpi.com/2073-4395/11/12/2576

I denne luken ser vi på en AI som kan oppdager og finner hjernesvulster, ved bruk av nye introduserte attention-blokker.

Artikkel: Brain Tumour Segmentation on 3D MRI Using Attention V-Net, https://link.springer.com/chapter/10.1007/978-3-031-08223-8_28

Har du noen gang funnet et potteskår fra gamle helles med noen inskripsjoner du ikke helt kan tolke? Ikke det, da er du nok ikke arkeolog med spesialfelt det antikke Hellas. Google-algoritmen viser veldig godt hvordan et fagfelt som arkeologi får fabelaktig nytte av en beslutningsstøtteverktøy med kunstig intelligens. 

Artikkel: Restoring and attributing ancient texts using deep neural networks, https://www.nature.com/articles/s41586-022-04448-z

Prøv selv: https://ithaca.deepmind.com/

Chatbot-algoritmen LaMDA ble verdensberømt da en av utviklerne mente at algoritmen var blitt så god at den hadde fått sin egen selvbevissthet. Sannheten er mye mer fantastisk en innbilt selvbevissthet. Algoritmen kan optimalisere samtalen for å gjøre den fornuftig, spesifikk, interessant, trygg, og informativ, noen ganger bedre enn samtaler oss mennesker i mellom. 

Artikkel: LaMDA: Language Models for Dialog Applications, https://arxiv.org/abs/2201.08239

Blog post: https://ai.googleblog.com/2022/01/lamda-towards-safe-grounded-and-high.html

Prøv selv: https://aitestkitchen.withgoogle.com/signup

80% av all internett er video streaming, og tilsammen går det mye energi bort til overføring av YouTube-videoer og NetFlix-streaming. Nå har Google modifisert sin sjakkspillende MuZero til også komprimere videoer, og den kjører allerede for alle videoer på YouTube

Artikkel: MuZero with Self-competition for Rate Control in VP9 Video Compression, https://arxiv.org/abs/2202.06626

Prøv selv: https://www.deepmind.com/blog/muzeros-first-step-from-research-into-the-real-world