У Google есть секретная лаборатория, о которой не знают даже многие сотрудники компании и в которой разрабатываются проекты, описания которых звучат как из научно-фантастического фильма. Об этом рассказывает в своей статье издание New York Times.

В лаборатории, расположенной где-то в области залива Сан-Франциско, ярчайшие инженеры Google работают над десятками проектов. Это место, где ваш холодильник может быть подключен к Интернету и заказывать продукты, когда они заканчиваются. Ваша тарелка может сообщать в социальной сети, что вы едите. А ваш робот может пойти в офис, пока вы дома в пижаме.

Исследователи, которые изучают особенности восприятия визуальной информации человеческим мозгом, один раз в год позволяют себе отвлечься от научной работы и поучаствовать в конкурсе Best Visual illusion of the Year. Это соревнование, где каждый из них может продемонстрировать на практике свои открытия. Вот список финалистов и победителей конкурса 2011 года.

1 место. Отключение восприятия смены цветов за счёт движения фона

Описание. Если смотреть на маленькую белую точку посреди экрана, то хорошо заметна смена цветов окружающих элементов. Если окружающие элементы начинают вращаться, то мозг не справляется с обработкой информации о смене цвета каждого из них.


^{mp4, webm, ogv, vimeo
Авторы: Джордан Сачоу (Jordan Suchow), Джордж Альварез (George Alvarez), Гарвардский университет
Научная работа}

Есть просто плохие вещи. Есть очень плохие. А есть вещи настолько плохие, что в них, в полном согласии с заветами даосизма и дзэн-буддизма, неожиданно прорезается сакральный смысл, о котором «хорошие» вещи не смеют и мечтать. Небезызвестный агент Малдер, например, в моменты, когда расследование заходило в тупик, пересматривал «худший фильм всех времён и народов» — «План 9 из открытого космоса». По его словам, фильм был настолько отвратителен, что отключал всю разумную часть мозга, активизируя подсознательные процессы, которые могли привести к гениальному наитию. :)

Ужасное качество современного машинного перевода давно стало притчей во языцех. Даже могучий Google Translate справляется со своими обязанностями с громким скрипом, не говоря уже о таких чудесных продуктах, как PROMT. Однако какой там PROMT! Некий сайт Bad Translator заставляет нас понять в полной мере, что такое по-настоящему плохой перевод. Однако, следуя первому абзацу топика, этот перевод именно настолько ужасен, что внезапно обретает философскую глубину и даже способен стать аналогом… диалога со Вселенной.

Под катом инструкция и образцы глубокомысленных (иногда действительно глубокомысленных) диалогов со Вселенским Разумом.

В системе патентов в США существует фундаментальная проблема.

Эта проблема — мы.

Под словом «мы» я имею в виду всех нас: компании и людей, которые напрямую взаимодействуют с патентной системой, СМИ, которые освещают эти взаимодействия, и, наконец, большое количество активных и шумных читателей, которым мы служим своими репортажами. И мы все вместе приняли общепринятую истину, что патентная система испорчена до непригодности, что она является лишь осколком прошлых времен, что она отжила свое в наш век стремительных технологических инноваций, особенно в области программного обеспечения, и что, возможно, ее стоит отправить в утиль.

За последние несколько месяцев эти мнения выросли до яростного вопля, так как патентная система начала негативно влиять на все больше и больше игроков в индустрии: небольшие разработчики стали целью судебных исков от компаний, которые ничего не делают и не производят; Apple, HTC и Samsung не могут сдвинуться места в судебных процессах, связанных с патентами; пара многомиллиардных аукционов по патентам вызвала к жизни неслыханную до селе словесную баталию между Microsoft'ом и Google'ом. Самые пламенные критики открыто заявляют, что любая польза, которую патентная система могла бы принести, сейчас полностью перекрывается издержками, что ресурсы, которые при прочих равных условиях были бы направлены на развитие новых идей теперь тратятся на чрезмерно усердную защиту старого.

Эти аргументы повторяются так часто и с такой уверенностью, что они стали практически аксиомой, риторическим и интеллектуальным обманом, который редко (если вообще) подвергается сомнению. Но это плохо и неверно — настолько, что ставит под удар любые реальные попытки реформирования системы. Шуметь и злиться — хороший способ привлечь к себе внимание, но ужасный способ чего-либо добиться, особенно если принять во внимание, что большинство бьющих себя в пяткой в грудь лишь повторяют упрощенную версию аргументов, которые повторялись в нашей стране еще со времен, когда Томаса Джефферсона назначили главой Управления патентов.

Так что давайте начнем с начала. Давайте посмотрим, как работает патентная система, где она особенно дает сбои, и как можно привести ее в порядок. Готовы? Поехали.

За последние несколько лет в России вновь пробудился интерес к речевым интерфейсам. Западная научная традиция, в отличие от русской, в этом направлении имеет непрерывный более чем полувековой опыт.
Наш обзор посвящен ведущим вузам, дающим образование в области речевых технологий — автоматической обработки речи, голосовых интерфейсов, биофизики, искусственного интеллекта, нейронных сетей и т.д.

Что такое коартикуляция

Жуткий зверь по имени «аллофон»

Произнося слова и составляющие их звуки, мы никогда не задумываемся о том, что физически они из себя представляют. Сколько из говорящих на разных языках разумных земных существ пытались записать свою речь и исследовать её на графиках, спектрограммах? Понять и изучить её особенности, выделить закономерности и вообще, узнать о речи больше? Думаю, совсем немногие — в процентном отношении.

Мы просто пользуемся! Причём пользуемся неосознанно.

Мы интуитивно делим речь на звуки, которые записываем буквами, и нам кажется, что звук «а» — это всегда «а», а в слово «мама» есть два абсолютно одинаковых звука «а».

А вот и нет!!! Проведите эксперимент: запишите слово «мама», а потом, с помощью средств обработки аудиозаписи поменяйте слоги местами…

В этой статье я хотел бы рассказать вам о нашем проекте.

ЗАДАЧА

Проект посвящен созданию действующей трехмерной компьютерной модели нематоды C. Elegans, то есть модель, включающую сенсорную, нервную и мышечную системы, взаимодействующие между собой и рассматриваемые в физическом окружении. Фундаментальная проблема, на решение которой направлен проект — выяснить, возможно ли на основе современных моделей биологического нейрона воспроизвести поведение виртуального организма, близкое к оригиналу. Модельным организмом, как уже было сказано выше, был взят C.Elegans (свободно живущая нематода). Наш выбор пал именно на этой нематоде, не просто так, C. Elegans — наиболее изученный многоклеточный организм, на сегодняшний день есть данные не только обо всех нейронах, но и о связях между ними (302 нейрона, более 5000 синапсов, более 2000 нейромышечных соединений и 95 мышечных клеток, осуществляющих движение, весь организм состоит из 959 клеток). В этой связи нематода C. Elegans представляется не просто одним из возможных объектов исследования, а ключом к проблеме интеллекта, поскольку обладает рядом уникальных свойств – инвариантностью строения нервной системы, упрощающей задачу наблюдения за состояниями нейронов в живом организме, предельно высокая изученность строения на сегодняшний день, и достаточно сложный спектр поведенческих реакций при относительной простоте нервной системы. Создание полнофункциональной виртуальной копии C. Elegans позволит заложить фундамент для изучения нервной системы значительно более сложных существ, а также существенно расширить возможности проектирования искусственных нейронных сетей, используя выявленные механизмы и паттерны, присущие биологическим нейронным сетям, что представляет исключительный интерес как для нейробиологии, так и для областей знаний, связанных и искусственным интеллектом.

Введение

В этот раз я хочу рассказать вам об одной из самых важных вех в развитии как нейрофизиологии, так и непосредственно кибернетики. Сейчас я говорю с одной стороны про формулировку первого работающего правила обучения искусственных нейронных сетей, а с другой стороны про попытку приблизиться к тайнам обучения живых существ.

Сегодня мы пройдем путь от изначального вида постулата Хебба к его непосредственному применению, а также попробуем обсудить возможность его применения для моделирования обучения в системах искусственного интеллекта.

К написанию данной статьи меня побудили комментарии к моим предыдущим топикам, в которых мне было необходимо выражать свое отношение к обучению за счет изменения силы синаптической связи. Поэтому я решил один раз разобрать все подробно, в том числе для самого себя.

Эта статья — перевод эссе Пола Грэма "What happened to Yahoo".

Когда я начал работать в Yahoo после того, как они купили наш стартап в 1998 году, эта компания казалась центром мира. Казалось, что это будет следующей большой вещью. Казалось, что она будет тем, чем стала Google.

Что же пошло не так? Проблемы, которые тянули компанию назад, появились давно, фактически с самого основания компании. Эти проблемы были уже хорошо видны, когда я пришел туда в 1998. У Yahoo были две проблемы, которых не было у Google: легкие деньги и нежелание быть технологической компанией.

В продолжение новости о возможном закрытии Google Wave. Вчера исполнительный директор Google Эрик Шмидт выступил на конференции Techonomy, где высказал пару фундаментальных мыслей.

«Пять экзабайт информации создано человечеством с момента зарождения цивилизации до 2003 года, — сказал Шмидт, — но столько же сейчас создаётся каждые два дня, и скорость увеличивается… Люди не готовы к технологической революции, которая должна произойти».

Итак, сегодня компания Motorola представила android-смартфон из серии RAZR – DROID RAZR с корпусом имеющим кевларовое покрытие(толщина 7,1 мм).

Тема «стартапинга» IT-продуктов была весьма популярна пару лет назад… Сегодня «стартап» не делал только ленивый. Сколько их — «проваленных» проектов? Тысячи, десятки тысяч?..
Стартаперы «забывают» о простой истине: «Идея ничего не стоит без реализации. Реализация ничего не стоит без продаж.» Что нужно для «успешной» реализации? «Хорошая» команда? «Правильная» методология управления проектом? А что нужно для продаж?..

Об этом и о многом другом рассказано в данной публикации, причем не голословно, а на примере конкретного «стартапа».

Внимание! Под хаброкатом ОЧЕНЬ длинная статья...

1. Tor все еще работает

Судя по всему, сеть Tor остаётся невзломанной. По крайней мере, согласно внутреннему докладу NSA от 2012 года, хотя у этой организации и были возможности в определённых случаях раскрывать принадлежность определённых нод, в целом они не в состоянии раскрыть любую ноду по запросу. Да и раскрытия эти происходили по оказиям типа ошибки в браузере Firefox, который входил в tor bundle и прочим подобным. Если использовать Tor правильно, то вероятность раскрытия крайне мала.

Сайт GameTutorials, известный своими уроками по C/C++/Win32/OpenGL/Direct3D/C#/Java, открыл все свои материалы для свободного изучения. Все уроки проверены на совместимость с Visual Studio 2013, в самом ближайшем будущем ожидаются уроки по Unreal Engine и Unity Engine, кроме того, будут обновлены устаревшие уроки по OpenGL и DirectX (сейчас на сайте описана версия DirectX 9).

Большая часть уроков затрагивает самые основы, но некоторые уроки охватывают создание полноценных небольших игр. Сами уроки представляют собой исходный код, специально снабженный большим количеством подробных комментариев. По обещаниям авторов уроков, если вы пройдете большую часть уроков, то обретете реальный багаж знаний, получение которых обычно занимает несколько лет.

Для просмотра и скачивания уроков потребуется зарегистрироваться.

«В 1997 году Deep Blue обыграл в шахматы Каспарова.
В 2011 Watson обставил чемпионов Jeopardy.
Сможет ли ваш алгоритм в 2013 году отличить Бобика от Пушистика?»

Эта картинка и предисловие — из челленджа на Kaggle, который проходил осенью прошлого года. Забегая вперед, на последний вопрос вполне можно ответить «да» — десятка лидеров справилась с заданием на 98.8%, что на удивление впечатляет.

И все-таки — откуда вообще берется такая постановка вопроса? Почему задачи на классификацию, которые легко решает четырехлетний ребенок, долгое время были (и до сих пор остаются) не по зубам программам? Почему распознавать предметы окружающего мира сложнее, чем играть в шахматы? Что такое deep learning и почему в публикациях о нем с пугающим постоянством фигурируют котики? Давайте поговорим об этом.

Несколько дней назад на хабре вышла статья Что скрывают нейронные сети?. Она является вольным пересказом английской статьи The Flaw Lurking In Every Deep Neural Net, а та в свою очередь рассказывает о конкретном исследовании некоторых свойств нейронных сетей (Интригующие свойства нейронных сетей).

В статье, описывающей исследование, авторы выбрали несколько сенсационный подход к подаче материала и написали текст в духе «в нейронных сетях найдена серьезная проблема» и «мы не можем доверять нейросетям в проблемах, связанных с безопасностью». Ссылку на пост на Хабре среди моих знакомых много кто расшарил, в фейсбуке завязалось сразу несколько дискуссий на эту тему. При этом у меня сложилось впечатление, что за два пересказа часть информации из начального исследования потерялась, плюс возникло много вопросов, связанных с нейронными сетями, которые в изначальном тексте не рассматривались. Мне кажется, что есть потребность подробнее описать, что же делали в исследовании, а заодно попробовать ответить на изначальные вопросы. Формат фейсбука для таких длинных текстов не подходит совсем, так что я решил попробовать оформить свои размышления в пост на Хабре.

Команда проекта GeeksLab 12 апреля 2014 года в Одессе провела конференцию «Al&BigData Lab», которая была посвящена большим данным и искусственному интеллекту.

Презентации и видеозаписи докладов под катом.

В комментариях к моей предыдущей статье о происходящем в нейронной сети проскользнула фраза, что, к сожалению, визуализация процессов обучения редко бывает возможна на реальных задачах с большими данными. Действительно очень жаль. Давайте же попытаемся это исправить. Под катом я предлагаю простую и, как ни удивительно, информативную визуализацию процесса обучения нейронной сети, не зависящую ни от характера задачи, ни от свойств самой сети, то есть доступную для сколь угодно сложной задачи.

34 ученых из Allen Institute for Brain Science в Сиэтле завершили создание первой всеобъемлющей карты мозга млекопитающих, о чем они объявили 2 апреля в журнале Nature Neuroscience. Карта детально отображает взаимосвязи между клетками мозга мыши – нейроны, которых у нее около 71 миллиона.

Для свободной кроссплатформенной библиотеки компьютерного зрения CCV разработан новый классификатор изображений, обученный в свёрточной нейроной сети. Впервые классификатор такого уровня и модели (детектор лиц, детектор автомобилей, детектор пешеходов) выпущены под свободной лицензией.