• Дрон в Австралии спас первых утопающих


      Такие БПЛА с надувными спасательными плотами несут службу в береговых водах Австралии. Их задача — не только спасать утопающих, но и заблаговременно замечать морских хищников, передавая сигнал тревоги на берег

      Австралия стала одной из первых стран в мире, где береговые службы спасения стали внедрять беспилотные летательные аппараты. В настоящее время побережье патрулируют десятки беспилотников. У роботов-спасателей две основные задачи:

      1. Обнаружение в воде утопающих и сбрасывание надувного спасательного плота;
      2. Обнаружение хищников, которые угрожают жизни людей.

      Несколько дней назад один из беспилотников обнаружил вдалеке от берега двух мальчиков — и доблестно выполнил свою миссию, сбросив им спасательный плот. Судя по всему, эти двое австралийцев стали первыми в мире пловцами, которым летающие роботы спасли жизнь, передаёт агентство AFP.
      Читать дальше →
    • Нейросеть AttnGAN рисует объекты по частям, используя векторное пространство не только предложений, но и слов


        Пример работы AttnGAN. В верхнем ряду несколько изображений разного разрешения, сгенерированные нейросетью. Во втором и третьем рядах показана обработка пяти наиболее подходящих слов двумя моделями внимания нейросети для отрисовки наиболее релевантных участков

        Автоматическое создание изображений по текстовым описаниям на естественном языке — фундаментальная проблема для многих приложений, таких как генерация произведений искусства и компьютерный дизайн. Эта проблема также стимулирует прогресс в области мультимодального обучения ИИ со взаимосвязью зрения и языка.

        Последние разработки исследователей в этой области основаны на генеративно-состязательных сетях (GAN). Общим подходом является перевод всего текстового описания в глобальное векторное пространство предложений (global sentence vector). Такой подход демонстрирует ряд впечатляющих результатов, но у него есть главные недостатки: отсутствие чёткой детализации на уровне слов и невозможность генерации изображений высокого разрешения. Группа разработчиков из Лихайского университета, Ратгерского университета, Университета Дьюка (все — США) и компании Microsoft предложили своё решение проблемы: новая нейросеть Attentional Generative Adversarial Network (AttnGAN) представляет собой улучшение традиционного подхода и позволяет многоступенчато изменять сгенерированное изображение, меняя отдельные слова в текстовом описании.
        Читать дальше →
      • Глубинное обучение: критическая оценка

        • Перевод

        Резюме


        Хотя корни глубинного обучения уходят в прошлое на десятилетия, ни сам термин «глубинное обучение», ни этот подход, не были так популярны до того момента, когда пять лет назад в эту область вдохнули новую жизнь такие работы, как уже ставшее классическим исследование от 2012 года за авторством Крижевский, Сутскевер и Хинтон о глубинной сетевой модели Imagenet (Krizhevsky, Sutskever, & Hinton, 2012).

        Что в этой области было открыто за последующие годы? На фоне внушительного прогресса в таких областях, как распознавание речи, распознавание изображений и игры, а также значительного энтузиазма в популярной прессе, я хотел бы рассмотреть десять проблем глубинного обучения (ГО), и заявить, что для создания искусственного интеллекта общего назначения (ИИОН) ГО необходимо дополнять другими техниками.

        1. Приближается ли ГО к своему пределу?


        Большинство задач, в которых ГО предложило принципиально новые решения (зрение, речь), в 2016-2017 годах вошло в зону уменьшающейся отдачи.

        Франсуа Чоле, Google, автор библиотеки для нейросетей Keras

        «Прогресс науки движется от одних похорон к другим». Будущее зависит от студента, с большим подозрением относящегося к тому, что я говорю.

        Джофф Хинтон, дедушка глубинного обучения
        Читать дальше →
      • Корпорация Microsoft разработала ИИ, способный прочитать текст и ответить на вопросы о прочитанном



          На днях стало известно о том, что команда Microsoft Research Asia смогла достичь заметного успеха в разработке ИИ. Используя набор данных Stanford Question Answering Dataset, известный среди исследователей, как SQuAD, ученые создали слабую форму ИИ, способную читать текст и отвечать на вопросы о прочитанном не хуже, чем человек (даже немного лучше).

          Используя шкалу SQuAD, исследователи провели оценку успехов своего детища. Как оказалось, ИИ набрал 82,650 баллов, в то время, как результат человека с аналогичным набором вопросов и ответов составляет 82,304. Как оказалось, Microsoft — не первая компания, которой удалось достичь подобного успеха. До нее примерно такое же количество баллов набрал ИИ от Alibaba, улучшив затем своей результат уже после достижения Microsoft. Сейчас программные продукты обеих компаний находятся на первом месте рейтинга SQuAD.
          Читать дальше →
        • Стилизация музыки с помощью нейросетей

          • Перевод


          За последнее десятилетие глубокие нейросети (Deep Neural Networks, DNN) превратились в превосходный инструмент для ряда ИИ-задач вроде классификации изображений, распознавания речи и даже участия в играх. По мере того, как разработчики пытались показать, чем обусловлен успех DNN в сфере классификации изображений, и создавали инструменты для визуализации (например, Deep Dream, Filters), помогающие понять, «что» именно «изучает» DNN-модель, возникло новое интересное применение: извлечение «стиля» из одного изображения и применение к другому, иного содержания. Это назвали «переносом визуального стиля» (image style transfer).

          Читать дальше →
          • +32
          • 7,3k
          • 5
        • Осознание человеческой сущности через понимание ИИ. Введение. Часть 1

          Введение


          Введение посвящено тому, как ход событий и умозаключений привели к появлению идеи и началу ее реализации.

          С давнего времени меня занимает проблема ИИ. В начале это были попытки сделать продвинутого чат-бота. Затем пришло осознание, что это будет всего лишь программа, которая на запрос будет давать ответ в соответствии со своей базой данных (БД). Благодаря тому, что все знания системы будут заполнятся относительно случайно (в процессе разговора, обучения), мы получаем псевдонепредсказуемые ответы, но ведь сама система не осознает, что она отвечает. Следом была попытка разработать систему с более подвинутыми источниками познания, в надежде, что это даст какой-то толчок к появлению ИИ. Обработка изображения с камеры, звуков с микрофона, попытка создать бинокулярное зрение, чтобы опознавать образы объемных предметов… Все это было всего лишь очередным вводом данных в БД. Бесспорно, все это полезно и необходимо в робототехнике, но к самому интеллекту не приведет.
          Читать дальше →
        • Никаких подозрительных скриптов, только релевантные баннеры. Не релевантные? Пиши на: adv@tmtm.ru с темой «Полундра»

          Зачем оно вам?
          Реклама
        • Ученые из Кембриджа создали мод к Civilization V с реализацией сценария развития сильного ИИ



            Об искусственном интеллекте сейчас не говорит и не пишет только ленивый. Но в наше время ИИ — это вовсе не SkyNet из фильма «Терминатор». Пока что ученые имеют дело со слабой формой искусственного интеллекта. В большинстве случаев это относительно сложные нейросети, предназначенные для решения определенных задач.

            Многие выдающиеся люди нашего времени обеспокоены возможностью появления именно сильной формы ИИ. По мнению некоторых экспертов, «думающий компьютер» может стать непримиримым противником человека, его врагом. Или же ИИ будущего будет выполнять какие-то свои цели, будучи безразличным к человеку. При этом искусственный интеллект будет уничтожать целые города или страны при возникновении такой необходимости. Для того, чтобы показать подобный сценарий развития технологий, ученые из Кембриджа разработали мод для игры «Цивилизация», пятой ее части.
            Читать дальше →
          • Изучаем этику секс-роботов по голливудским фильмам

            • Перевод


            19-20 декабря в Лондоне состоялся третий международный конгресс по отношениям с секс-роботами (Third International Congress of Love and Sex with Robots). Изучив основные темы докладов, журналист Engadget Даниэль Купер пришел к выводу, что телевидение и кинематограф уже осветили большинство из тех проблем, что сейчас обсуждают ученые.

            Поэтому если вы хотите понять ключевые вопросы этики (секс)-роботов, у вас есть два пути. Первый — на несколько лет зарыться в скучные книжки. Второй — сесть перед ТВ-экраном. В «Футураме», «Мире Дикого Запада» и «Степфордских женах» Купер нашел отражения тех проблем, над которыми спорили участники конгресса.
            Читать дальше →
          • ИИ для личных целей: помощь с образованием, работой и планированием


              На фоне новостей в области ИИ обычные стартапы как-то теряются. На arxiv.org в геометрической прогрессии растут исследования по machine learning (computer vision, natural language processing, etc.). AlphaGo Zero порабощает Землю разгромно обыгрывает прошлые версии сети и не требует человеческого участия в процессе тренировки. Нейросеть NVIDIA меняет на фото время года и погодные условия, а умельцы с помощью выложенного алгоритма меняют в фильмах актрис на… других актрис.


              Как на фоне роста новостей по ИИ остаться жизнеспособным проектом? Когда-то Рэй Курцвейл предсказывал: «В 2029-м году программа не только сможет полностью пройти тест Тьюринга, а сделает это лучше многих реальных собеседников. Компьютер за тысячу долларов будет на порядки превосходить мозг среднего человека в большинстве областей». Однако сейчас эксперты говорят, что есть шансы получить сильный ИИ «в течение 5 лет с вероятностью 80 % и в течение 10 лет с вероятностью 99 %».


              Вероятно, в ближайшие 5-10 лет может решиться судьба человечества. Стоит ли в таких условиях вообще заниматься проектом, связанным с ИИ, если его цель не заключается в создании разумных роботов? Точного ответа на этот вопрос нет. Но бум проектов, решающих прикладные задачи, продолжается. Сегодня мы посмотрим на три сферы применения ИИ, где уже достигнуты интересные результаты.

              Читать дальше →
            • Применение искусственного интеллекта в синтетической химии



                Интервью с профессором Игорем Баскиным, доктором физико-математических наук, ведущим научный сотрудник физического факультета МГУ.

                В чем самая большая сложность для нейронных сетей, чтобы научиться устанавливать взаимосвязь между структурой вещества и его физическими и химическими свойствами?

                Самая большая сложность и ключевая особенность применения нейронных сетей, как и любого другого метода машинного обучения, для поиска соотношений между структурой и свойствами химических веществ заключается в том, что в этом случае они должны моделировать реальную природу с ее чрезвычайно сложной и порой неизвестной организацией, управляемую строгими, но не всегда применимыми на практике законами.

                В этом состоит фундаментальное отличие от стандартных задач, решаемых при помощи нейронных сетей, например, распознавания изображений. Действительно, то, что цифра 8 изображается в виде двух соприкасающихся окружностей, не является следствием каких-либо законов природы – это просто предмет соглашений между людьми. А вот римляне в свое время решили, что для них лучше изображать это же число как VIII. Поскольку такие соглашения делаются ради удобства, их форма выбирается такой, чтобы естественные нейронные сети в голове у человека очень легко на подсознательном уровне их распознавали.

                Читать дальше →
              Самое читаемое