Con il rilascio di prodotti di generazione video tramite AI come Sora e Luma, si prevede una marea di contenuti video generati artificialmente, e politici, figure pubbliche e ingegneri del software stanno già avvertendo riguardo all’ondata di deepfake.
Ora sembra che l’AI stessa possa essere la nostra migliore difesa contro i contenuti falsi generati dall’AI, grazie a un algoritmo che ha identificato marcatori caratteristici dei video AI con una precisione superiore al 98%. Questo algoritmo rappresenta un importante progresso nel rilevamento di immagini e video falsi, poiché molti dei “breadcrumb digitali” cercati dai sistemi esistenti nei media digitalmente modificati non sono presenti nei media interamente generati dall’AI.
Il progetto, guidato da Matthew Stamm, professore associato di ingegneria presso la Drexel University, ha sviluppato uno strumento chiamato “MISLnet”.
Questo strumento è stato evoluto da anni di dati derivati dal rilevamento di immagini e video falsi con strumenti che individuano i cambiamenti apportati ai video o alle immagini digitali, come l’aggiunta o il movimento dei pixel tra i fotogrammi, la manipolazione della velocità del clip o la rimozione dei fotogrammi. Tuttavia, poiché i video generati dall’AI non sono prodotti da una fotocamera che cattura una scena reale, non contengono quelle disparità tipiche tra i valori dei pixel.
MISLnet utilizza una rete neurale vincolata che può differenziare tra valori normali e insoliti a livello sub-pixel delle immagini o dei videoclip.
Questo metodo ha permesso a MISLnet di superare sette altri sistemi di rilevamento dei video falsi generati dall’AI, identificando correttamente i video generati dall’AI nel 98,3% dei casi, superando altri otto sistemi che hanno ottenuto almeno il 93%. Con l’aumento dell’uso dei video generati dall’AI per creare disinformazione, strumenti come MISLnet diventano essenziali per proteggere la veridicità delle informazioni.
Per maggiori informazioni, clicca per l’articolo originale.
Come l’AI generativa sta plasmando la scoperta di farmaci
L’AI generativa sta rivoluzionando la scoperta di farmaci, permettendo ai ricercatori di trovare nuove medicine più rapidamente e colmando le lacune nei reclutamenti per le sperimentazioni cliniche. Le aziende farmaceutiche sono sempre più interessate a come l’AI possa accelerare il processo di scoperta dei farmaci, che solitamente richiede circa un decennio e un costo medio di 2,7 miliardi di dollari.
Nel primo trimestre del 2024, l’industria farmaceutica globale ha registrato un aumento del 45% delle menzioni dell’AI nei documenti aziendali rispetto al trimestre precedente. Anthony Gotzis di FTI Consulting sottolinea che l’AI potrebbe fornire un’intelligenza reale nel processo di scoperta, prova ed errore, rappresentando un grande impulso per l’industria. Alex Snyder di Generate: Biomedicines spiega che l’AI sta suggerendo nuovi farmaci in tempi molto ridotti.
Il team di Snyder ha utilizzato l’AI per sviluppare un farmaco contro il Covid-19, riducendo il tempo di sviluppo da tre-cinque anni a 1,5 anni. Tuttavia, è cruciale fornire all’AI dati di alta qualità per evitare bias. L’AI sta anche velocizzando le sperimentazioni cliniche, affrontando le sfide del reclutamento dei pazienti. Nonostante l’ottimismo, la regolamentazione rappresenta un ostacolo significativo.
La FDA e altre autorità sanitarie devono sentirsi sicure che l’AI stia facendo ciò per cui è stata progettata. Generative AI potrebbe avere un impatto significativo sull’industria farmaceutica nei prossimi cinque-dieci anni, ma richiederà tempo per l’approvazione regolamentare.
Per maggiori informazioni, clicca per l’articolo originale.
La questione da 600 miliardi di dollari dell’AI
La bolla dell’AI sta raggiungendo un punto di svolta cruciale. Navigare nel futuro del settore sarà essenziale per determinarne il successo. Nel settembre 2023, un’analisi rivelava un divario di 125 miliardi di dollari tra le aspettative di entrate e la crescita effettiva nel settore dell’AI, ora questo divario è cresciuto fino a 500 miliardi di dollari.
La scarsità di GPU è stata attenuata e le scorte di questi processori stanno crescendo, con i grandi fornitori di cloud come Microsoft che rappresentano una parte significativa delle entrate di Nvidia. Nonostante la crescita delle entrate di OpenAI, il gap tra le sue entrate e quelle degli altri competitor rimane significativo.
La nuova generazione di chip B100 di Nvidia promette miglioramenti significativi in termini di costi e prestazioni, stimolando ulteriori investimenti. Tuttavia, la mancanza di potere di determinazione dei prezzi e la rapida obsolescenza dei chip pongono sfide significative. Sebbene la computazione GPU stia diventando una commodity, è previsto che gli investimenti speculativi inneschino un’alta incinerazione di capitali. Le aziende focalizzate sulla creazione di valore per gli utenti finali saranno premiate, e le innovazioni nell’AI creeranno un’enorme quantità di valore economico.
Tuttavia, è essenziale mantenere un approccio equilibrato per evitare la delusione associata alle aspettative irrealistiche di rapida ricchezza grazie all’AGI. Nonostante le sfide, il percorso avanti è promettente e offre grandi opportunità per chi saprà affrontarlo con saggezza.