Réseau Transition be

L’intelligence artificielle promet de "libérer du temps" et d’optimiser l’apprentissage. Mais en déléguant aux machines les tâches qui formaient étudiants et jeunes chercheurs, les universités risquent d’éroder les conditions mêmes de l’expertise.

Des chercheurs japonais ont développé un nouveau système de transfert d’énergie sans fil capable de maintenir efficacement une tension stable, même en cas de variation de charge. Conçu à l’aide de l’apprentissage automatique, il limite les fluctuations de la tension de sortie à moins de 5 % de la valeur nominale et atteint un rendement énergétique pouvant aller jusqu’à 86,7%, y compris sous des charges variables. Cette avancée représente une étape significative vers un déploiement à grande échelle des systèmes énergétiques sans fil.

« Les processus que nous comprenons mieux grâce aux avancées de la science cognitive peuvent être reproduits dans les machines », estime ce professeur de psychologie cognitive expérimentale au Collège de France. Avec LéNA, découvrez le meilleur du journalisme européen.

Des chercheurs ont développé Torque Clustering, un algorithme d’IA doté d’une capacité inégalée à apprendre à partir de vastes ensembles de données, sans intervention humaine.

En inventant les réseaux de neurones artificiels dans les années 1980, John Hopfield et Geoffrey Hinton ont posé les bases de l’intelligence artificielle.

L’exposition à un cocktail de polluants chimiques très répandus, appelés perturbateurs endocriens, provoque des retards de langage chez l’enfant. Ce résultat a été obtenu par une équipe de recherche internationale et publié dans Science ce vendredi 18 février.

Les signaux d’alerte précoce (EWS) des points de basculement sont essentiels pour anticiper l’effondrement du système ou d’autres changements soudains. Cependant, les indicateurs génériques d’alerte précoce existants conçus pour fonctionner dans tous les systèmes ne fournissent pas d’informations sur l’état qui se situe au-delà du point de basculement.

abs_empty