Proteinet før fasiten
Laboratoriene holdt strukturene tilbake mens forskerne forsøkte å beregne proteiners form.
AlphaFold2s forslag og laboratoriets resultat for en del av museproteinet Smchd1.
AI
Elefanten som ble en stol
Forskerne flyttet en innlimt elefant i et stuebilde, og systemet begynte å kalle den en stol.
Enhjørningene fikk en forsker
Et menneske fant på enhjørningene i Andesfjellene. GPT-2 diktet videre og ga dem en navngitt forsker.
Pasientene som kostet for lite
Et amerikansk helsesystem lette etter store helsebehov med en algoritme som var trent til å forutsi regninger.
Trekk 37
AlphaGo la en svart stein på femte linje fra kanten. Den tok ingen hvite steiner og lukket ikke et område.
Maskinen får mer tid
En språkmodell telte to r-er i «raspberry». Etter et innskutt «Wait» fortsatte den og fant den tredje.
Rommet som begynte med støy
Et vindu og en seng tok form gjennom tusen beregninger, uten at modellen fikk en beskrivelse av rommet.
Biblioteket som ble treningsdata
Nasjonalbibliotekets forskere utelot tekst skannet i 2006–2008 da de skulle trene språkmodellen NB-BERT. Maskinlesingen var for dårlig.
Strømmen bak beregningen
Da regnebrikker sviktet under treningen av BLOOM, kunne teamet hente frem en sikkerhetskopi. Strømmen var allerede brukt.
Dommene som ikke fantes
Retten ba om kopier av avgjørelsene advokaten hadde sitert. Flere av dem fantes ikke.
Den nye kollegaen fikk mest hjelp
De beste kundestøttemedarbeidernes samtaler fikk ekstra vekt i treningen av systemet som skulle hjelpe andre ansatte.
Når AI begynner å handle
Pakken blir sendt mens AI-systemet prøver å rette adressen.