Только 5% пилотных проектов ИИ приносят измеримую прибыль. Исследование показывает, что проблема не в технологии, а в отсутствии операционной дисциплины и документирования процессов.
MIT разработал ИИ-платформу CRESt, которая самостоятельно планирует эксперименты, анализирует научную литературу и открывает новые материалы с помощью роботизированных лабораторий.
MIT разработал инструмент SCIGEN, который направляет генеративные модели ИИ на создание материалов с экзотическими квантовыми свойствами для квантовых вычислений и сверхпроводимости.
Летняя программа акселератора MIT delta v показала, как студенты используют ИИ для создания стартапов — от ускорения кодинга до валидации бизнес-идей, сохраняя при этом фундаментальные принципы предпринимательства.
Исследователи MIT разработали универсальное руководство по созданию законов масштабирования для языковых моделей, позволяющее оптимизировать многомиллионные бюджеты на обучение ИИ.
MIT создает центр экзафлопсного моделирования экстремальных условий для гиперзвуковых полетов и космических аппаратов при финансировании $17.5 млн от Министерства энергетики США.
Психотерапевты используют ChatGPT для диагностики без ведома пациентов, создавая этические и медицинские риски в отсутствие регуляции.
Популярный курс MIT учит инженеров применять машинное обучение для решения реальных задач проектирования — от велосипедных рам до городских сетей.
Исследователи MIT разработали ИИ-систему FlowER, которая точно предсказывает химические реакции, строго соблюдая законы сохранения массы и энергии.
Синтетические данные составляют более 60% данных для ИИ-приложений. Эксперт MIT объясняет преимущества и риски их использования в машинном обучении.