यह लेख साइंस एक्स की संपादकीय प्रक्रिया और नीतियों के अनुरूप एक संपूर्ण समीक्षा के गुज़रे हैं। हमारे संपादक ने सत्यापन सुनिश्चित करते हुए इस सामग्री के मान्यता को बनाए रखते हुए निम्नलिखित प्रमुख विशेषताएं पहचानी हैं: नेचर में प्रकाशित एक हाल ही का अध्ययन बताता है कि एक कृत्रिम बुद्धिमत्ता (एआई) मॉडल तलब भविष्यवाणी की सटिकता को बढ़ाने की क्षमता रखता है। यह अनुसंधान साबित करता है कि यह प्रणाली मौजूदा अग्रणी विधियों से तुलना करने की क्षमता रखती है, महत्वपूर्ण बाढ़ संघटनों के लिए पहले से चेतावनी देने का कार्य करती है। मानव-संचालित जलवायु परिवर्तन के कारण, कुछ क्षेत्रों में बाढ़ की आवृत्ति में वृद्धि हुई है। हालांकि, मौजूदा तलबगाहों पर भविष्यवाणी विधियों का अधिकांश आधार वाले नदियों के अवरोही स्थानों के द्वारा ही निर्भर करती हैं, जो कि विश्वव्यापी रूप से समान रूप से वितरित नहीं होती हैं। इस परिणामस्वरूप, अभिलाषीय नदियों की भविष्यवाणी करना अधिक चुनौतीपूर्ण हो जाता है, विशेष रूप से विकासशील देशों पर असर डालती है। इस मुद्दे का सामना करने के लिए, ग्रे नीयरिंग और उनकी टीम ने एक एआई मॉडल विकसित किया। इस मॉडल को 5,680 मौजूदा तालाबगाहों के डेटा का उपयोग करके प्रशिक्षित किया गया, जिसका उद्देश्य 7 दिवसीय पूर्वानुमान अवधि में अविंगणिय वॉटरशेड में दैनिक स्ट्रीमफ्लो पूर्वानुमान करना था। इसके बाद, एआई मॉडल को ग्लोफास (वैश्विक बाढ़ जागरूकता प्रणाली), लघुकालिक और लंबुकालिक संभावनाओं में बाढ़ की पूर्वानुमान करने के लिए वैश्विक रूप से मान्यता प्राप्त सॉफ़्टवेयर के खिलाफ परीक्षण से गुज़रा। असाधारण रूप से, एआई मॉडल ने पांच दिन पहले बाढ़ की भविष्यवाणी दी जो वर्तमान प्रणाली के समान-दिन की पूर्वानुमानों के साथ उचित या उनसे अधिक विश्वासयोग्य थीं। इसके अलावा, पांच वर्ष के वापसी विंडो के साथ एकाधिक मौसमी घटनाओं की पूर्वानुमान करते समय, एआई मॉडल ने वन वर्ष के वापसी विंडो के लिए ग्लोफास की पूर्वानुमानों की तुलना में तुलनात्मक या बेहतर सटिकता दिखाई। ये खोज सख्तानुसार, एआई मॉडल में बाढ़ की चेतावनी प्रदान करने की क्षमता है, और यह पूर्व विधियों से अधिक लंबी अग्रिम अवधि प्रदान कर सकता है। इस परिणामस्वरूप, विकासशील क्षेत्रों में मान्य बाढ़ पूर्वानुमान तक पहुंच को काफी सुधारा जा सकता है। अधिक जानकारी के लिए, कृपया मूल अध्ययन से संपर्क करें: ग्रे नीयरिंग आदि, "अनजेँे पीलीभू उपजलावाहको में वैश्विक बाढ़ की पूर्वानुमान," नेचर (2024)

कंपास, अमेरिका की सबसे बड़ी ब्रोकरेज कंपनी, तकनीक को समर्थन करने के लिए 30,000 एजेंटों की सहायता के लिए 10 अरब रुपये से अधिक का निवेश किया है। निवेश में "लाइकली टू सेल" जैसे उपकरण शामिल हैं, जो लीड्स का विश्लेषण करते हैं और संभावित विक्रेताओं की पूर्वानुमानित करते हैं, और कॉम्पास एआई, जो सूचियों और मार्केटिंग सामग्री को लिखने में सहायता करने के लिए चैटबॉट उपकरण है। कंपनी का ध्येय है कि वह एजेंट्स को अपना व्यापार बढ़ाने और ग्राहक अनुभव में सुधार करने में मदद करे। यद्यपि रियल एस्टेट उद्योग एआई के अपनाने में चुनौतियों का सामना कर रहा है, लेकिन महत्वपूर्ण मूल्य और व्यवस्थापन की संभावना है। JLL और Higharc जैसी कंपनियाँ भी ऑपरेशन को सुधारने और बेहतर परिणाम प्रदान करने के लिए एआई का उपयोग कर रही हैं। प्रोलोगिस वेंचर्स वास्तु निर्णय लेने में एआई-समर्थित स्टार्टअप का उपयोग कर रही है, जबकि ऑगमेंटा इलेक्ट्रिकल सिस्टम के डिज़ाइन प्रक्रिया को स्वचालित करता है। समग्रता में, रियल एस्टेट क्षेत्र में कुशलता और नवाचार को बढ़ाने के लिए एआई को कीमती उपकरण के रूप में देखा जाता है।

MIT के शोधकर्ताओं ने एक नया ढांचा विकसित किया है जिसे वितरण मिलान अंशीकरण (डीएमडी) कहा जाता है, जो विसरण मॉडल का उपयोग करके छवियों को उत्पन्न करने की प्रक्रिया को सरलित करता है। पारंपरिक बहु-कदम प्रक्रिया को एकल कदम में संक्षिप्त किया जाता है, जिससे तेजी से उत्पन्न होने की अनुमति मिलती है बिना छवि क्वालिटी पर कोई कमी के साथ। डीएमडी ढांचा प्रेक्षापांकण और वितरण मिलान हानियों को मिलाकर इस्तेमाल करता है, जबकि दो विस्तारन मॉडल्स का उपयोग प्रशिक्षण प्रक्रिया के मार्गनिर्देशन और स्थिरता में सुधार के लिए किया जाता है। नया दृष्टिकोण मांडलों के साथ तुलनात्मक परिणाम प्राप्त करता है, जिसका कारणानुसार सामग्री सृजन, दवा खोज और 3D मॉडेलिंग में संभावित अनुप्रयोग हैं। शिक्षक मांडलों में आगे की प्रगति जेनेरेटेड इमेजेस की गुणवत्ता को बढ़ा सकती हैं। इस अध्ययन को जून में कंप्यूटर विजन और पैटर्न रिकग्नितन कांफ्रेंस में प्रस्तुत किया जाएगा।

हाल ही में एक अध्ययन सुझाव देता है कि एक एआई टूल जिसे फोरसाइट नामक एक डिजिटल ट्विन के निर्माण करके भविष्य के स्वास्थ्य परिणामों की पूर्वानुमान लगाने की क्षमता है। फोरसाइट जनरेटिव प्री-ट्रेन्ड ट्रांसफॉर्मर्स का उपयोग करता है, जो चैटजीपीटी द्वारा उपयोग की जाने वाली बड़ी भाषा मॉडल के समान प्रकार के होते हैं। शुरुआत में, यूके के शोधकर्ताओं ने चिकित्सा रिकॉर्ड का उपयोग करके मॉडल्स को प्रशिक्षित किया। इसके बाद, उन्होंने नई हेल्थकेयर डेटा को इस टूल में दिया, जिसके परिणामस्वरूप रोगियों के वर्चुअल प्रतिरूप बने। इन डिजिटल ट्विन्स का उपयोग फलाकर्षण करने के लिए किया गया, जिनमें रोग विकास और दवा की आवश्यकताओं सहित विभिन्न परिणामों का पूर्वानुमान था। एक मशहूर चिकित्सा के लिए उत्तेजनास्तर बढ़ाने वाला उदाहरण विज्ञानियों को ग्रुहित कर रहा है जो तेजी से निदान करने की क्षमता है। यूएस डेटा के साथ परीक्षण किए जाने पर, डिजिटल ट्विन्स 88% सफलता दर के साथ अगली स्थिति का सही पूर्वानुमान कर रहे थे। हालांकि, ये अधिक प्रभावी नहीं थे जब यूके के डेटा का उपयोग किया गया, जहां दो नेशनल हेल्थ ट्रस्ट (एनएचएस) संगठनों की जानकारी पर आधारित चाहिते प्रतियोगी परिणाम 68% और 76% बराबर समय में सही संकेत करते थे। तथापि, शोधकर्ताओं को यह विश्वास है कि डिजिटल ट्विन्स निदान, उपचार योजनाएं, और नैदानिक शोध में सहायता कर सकते हैं। अध्ययन सह-लेखक जेम्स तेओ, किंग्स कॉलेज हॉस्पिटल में डेटा विज्ञान और एआई के प्रमुख, इन पूर्वानुमानों को रोगों की समझ करने के लिए "संभव मल्टीवर्स" के रूप में मानते हैं। "यह रोगी डिजिटल ट्विन रोग सम्बंधित स्वास्थ्य रिकॉर्ड में दिए पाठ से एनी विकार, परीक्षण, दवा, उपचार या समस्या के लिए एआई पूर्वानुमान उत्पन्न करके, औगे भविष्य में जानकारी रख सकता है," तेओ ने कहा। इस प्रौद्योगिकी को अमल में लाने से पहले और समीक्षा परीक्षण की आवश्यकता है, लेकिन प्रगति हो रही है। शोधकर्ताएं पहले से ही फोरसाइट 2 नामक एक बेहतर संस्करण पर काम कर रहे हैं। विस्तृत जानकारी के लिए, Lancet Digital Health में प्रकाशित अध्ययन गतिविधियों के लिए संदर्भ कर सकते हैं।

Nvidia दुनिया में तीसरी सबसे मूल्यवान कंपनी बन गयी है, जिसकी बाजारी मूल्यांकन 2

Micron Technology Inc

एआई के नकली द्वारा, विशेष रूप से डीपफेक के रूप में, आनलाइन एक महत्वपूर्ण मुद्दा बन जा रहा है। जेनरेटिव एआई उपकरणों के उदय से भ्रामक चित्र, वीडियो और ऑडियो का प्रसार में बढ़ोतरी हो रही है, जिससे असल और नकली के बीची रेखा मिट्टी में मिलने लग रही है। आसानी से उपलब्ध वीडियो और छवि जेनरेटर के साथ कोई भी डीपफेक बना सकता है, जो धोखाधड़ी, पहचान चोरी, प्रपैगैंडा और चुनाव में परिवर्तन आदि जैसे कुछ खराब प्रयोजनों के लिए उपयोग किया जा सकता है। पहले, manipulation के साफ निशानों जैसे चित्रों में गलतियाँ या वीडियो में अस्थायी झपकी के माध्यम से, डीपफेक्सों की पहचान करना आसान था। हालांकि, जबकि एआई प्रौद्योगिकी में सुधार हुआ है, डीपफेक्सों को पहचानना अधिक चुनौतीपूर्ण हो गया है। फिर भी, इसके बावजूद, ध्यान देने की कुछ संकेतक हैं, जैसे एआई द्वारा उत्पन्न चित्रों में एक इलेक्ट्रॉनिक चमक, छायाओं और प्रकाश में असंगतियाँ और चेहरे की त्वचा के बीची खोपड़ी या शरीर के बाकी हिस्से में असंगतियाँ। विस्तृतता की जैसे चेहरे की कठोरता और आवाज के साथ होंठों की समक्रमण का समन्वय भी ध्यान दें। डीपफेक के लिए एक संकेत हो सकती है दाँतों की रेखा में अस्पष्टता या असंगतियाँ। डीपफेक्स की पहचान में बड़ी चीज को सोच में रखना और संभाव्यता भी महत्वपूर्ण है। यदि किसी सार्वजनिक चित्र में कोई महत्वाकांक्षी या असामान्य कुछ करता दिखाई देता है, तो यह एक डीपफेक हो सकता है। प्रसंग मायने रखता है, और मान्य स्रोतों की अतिरिक्त प्रमाणीकरण सत्यापन करने में मदद कर सकती है कि एक छवि या वीडियो की सत्यता को कन्फर्म किया जाए। डीपफेक्स की पहचान में सहायक एआई उपकरण उपलब्ध हैं, जैसे माइक्रोसॉफ्ट के authenticator टूल और इंटेल का FakeCatcher। हालांकि, ये उपकरण आम जनता के लिए हमेशा उपयोग के लिए उपलब्ध नहीं होते हैं, ताकि बुरे किरदारों द्वारा गलत प्रयोग से बचाया जा सके। यह याद रखना महत्वपूर्ण है कि केवल पहचान टूल पर भरोसा करना एक गलत सुरक्षा अनुभाग का निर्माण कर सकता है और महत्वपूर्ण विचार सोच क्षमताओं को कम कर सकता है। यह महत्वपूर्ण है कि एआई प्रौद्योगिकी तेजी से आगे बढ़ रही है, और डीपफेक्स की गुणवत्ता में सुधार हो रही है जबकि दोष कम हो रहे हैं। इसलिए, वर्तमान पहचान के तरीकों की प्रभावकारिता समय के साथ बदल सकती है। इसके अलावा, डीपफेक्स की पहचान में आम लोगों के ऊपर जिम्मेदारी डालना जोखिम से भरा हो सकता है, क्योंकि वास्तविक और नकली सामग्री के बीच अंतरिक्ष के अनुभवी होना भी बढ़ता जा रहा है। चुनाव और लोकतंत्र की बढ़ी हुई कवरेज प्रदान करने के लिए निजी संस्थानों द्वारा एसोसिएटेड प्रेस का समर्थन किया जाता है।