Intel Labs presenta dei progetti di ricerca sul futuro dell’AI a NeurIPS 2023

Intel Labs, ente di ricerca globale di Intel, presenterà alcune delle più significative e avanzate innovazioni nel campo dell’intelligenza artificiale (AI) a NeurIPS 2023. Si tratta del più importante evento globale per sviluppatori, ricercatori e accademici che si occupano di tecnologie di AI e computer-vision. L’evento avrà luogo a New Orleans dal 10 al 16 dicembre.

NeurIPS 2023, Intel Labs presenta la visione dell’azienda

Al NeurIPS, oltre a presentare ricerche sull’intelligenza artificiale, Intel Labs illustrerà la visione dell’azienda di una “AI Everywhere” ad un’ampia comunità di innovatori e opinion leader, presentando 31 progetti di ricerca, tra cui 12 main paper e 19 tra workshop paper e demo.

La ricerca si concentra su nuovi modelli, metodi e strumenti per le applicazioni scientifiche dell’intelligenza artificiale, nonché sul graph learning, sull’AI generativa multimodale e sugli algoritmi e tecnologie di ottimizzazione dell’AI da utilizzare in diversi casi d’uso tra cui la modellazione climatica, la ricerca farmacologica e la scienza dei materiali.

Inoltre, Intel Labs terrà il workshop “AI for Accelerated Materials Discovery (AI4Mat)” il 15, con l’obiettivo di fornire una piattaforma per consentire ai ricercatori AI e agli scienziati dei materiali di affrontare le sfide legate alla scoperta e sviluppo di nuovi materiali attraverso l’AI.

I progetti di ricerca di Intel Labs presentati a NeurIPS 2023

Il lavoro di ricerca presentato può essere categorizzato come segue.

AI per la scienza 

• Modelli di codifica del cervello: sviluppati congiuntamente con ricercatori della University of Texas di Austin. Possono aiutare a prevedere le risposte del cervello e dare una visione della capacità di elaborazione multimodale del cervello. 
• ClimateSet: dataset di modelli climatici su larga scala sviluppati con il Quebec Artificial Intelligence Institute (Mila) per il machine learning in grado di proiettare rapidamente nuovi scenari di cambiamento climatico e creare le basi per costruire innovative applicazioni di analisi climatica.
• HoneyBee: large language model (LLM) avanzato sviluppato congiuntamente con il Mila per consentire ai ricercatori di comprendere più rapidamente la scienza dei materiali.

AI generativa multimodale

• COCO-Counterfactuals: tecnica multimodale per generare dati controfattuali sintetici che moderano i bias statistici errati nei modelli multimodali pre-addestrati con l’obiettivo di contribuire a migliorare le prestazioni dei modelli AI in attività a valle quali il recupero di immagini-testo e il riconoscimento delle immagini.
• LDM3D-VR: modello latent diffusion per la realtà virtuale (VR) in 3D, volto a semplificare la generazione di video per applicazioni AI
• CorresNeRF: metodo di image rendering che utilizza i campi di radianza neurale per costruire rappresentazioni 3D di immagini 2D.

Migliorare le prestazioni dell’AI 

• DiffPack: metodo di intelligenza artificiale generativa per la modellazione delle proteine finalizzato a garantire che le strutture 3D generate riflettano le proprietà strutturali delle proteine nel mondo reale.
• InstaTune: metodo che genera una superrete durante la fase di messa a punto per ridurre il tempo complessivo e le risorse di calcolo necessarie per il network-attached storage (NAS).

Graph Learning 

• A*Net: il primo metodo path-based del settore per il knowledge graph reasoning con un dataset million-scale; consente la scalabilità dei dataset oltre la portata computazionale e migliora l’accuratezza degli LLM.
• ULTRA: il primo modello fondativo per il knowledge graph reasoning e un nuovo approccio per l’apprendimento delle rappresentazioni grafiche universali e trasferibili, e delle loro relazioni.
• Perfograph: una nuova rappresentazione del programma graph-based del compilatore in grado di acquisire informazioni numeriche e la struttura composita dei dati per migliorare la capacità dei metodi ML di ragionare sui linguaggi di programmazione.