User
Гравицапа для межпланетных перелётов или гравитационный манёвр
Вопрос эмиграции в последние десятилетия стоит наиболее остро. И если 40 лет назад пределом мечтаний было перебраться за океан, то в XXI веке умами овладела мечта о релокейшне на Марс, например. Однако там тоже в скором времени может стать тесно. Остаётся одна дорога — колонизация Солнечной Системы и экзопланет. Допустим, мы собрались покинуть внутреннюю область Солнечной Системы, а, если повезёт, то и совсем выбраться за её пределы. Помимо невероятных объёмов тушёнки и кислорода, необходимых для выживания в суровом Космосе, нам потребуется
И самое обидное, что скорее всего мы закончим свой век среди троянских астероидов Юпитера, померев от тоски. Потому что топлива всё равно ни на что не хватит. Однако присмотримся к нашей Солнечной системе повнимательнее. Вот те же «троянцы и греки» — не просто так столпились в точках Лагранжа L4 и L5 Юпитера. Их туда «затолкала» гравитация планеты-гиганта, не потратив ни единой капли гидразина.
Давайте же и мы применим дармовую энергию Природы для достижения благородной цели доставки полезной нагрузки в далёкий космос.
Расчёты гравитационных манёвров в космосе или зачем человечеству нужны компьютеры
Я недавно писал о манёврах в космосе, использующих гравитационную магию вместо устаревшего топлива для покорения просторов Солнечной Системы. Так вот мало того, что мы не знаем что такое гравитация, мы всё ещё не можем нормально всё посчитать.
К рубежу 19-20 веков прогрессивное человечество столкнулось с доказательством невозможности создания волшебных и точных математических формул, описывающих наше бытие. Например, к 1899 году французский математик Анри Пуанкаре доказал, что существует бесконечно много частных решений задачи трёх тел. Другими словами, существует бесконечно много разных формул, описывающих движение, например, космического тела в поле тяготения двух других. Для каждого объекта, момента времени, положения в пространстве надо всё считать отдельно, и пока считаешь, задача потеряет актуальность, комета улетит, а мы облажаемся с гравитационным манёвром и эта чёртова консервная банка с надписью NASA станет нашим гробом. А чтобы описать поведение системы множества тел, потребуется время, сопоставимое с возрастом Вселенной. Распаковывай чемоданы обратно, мы никуда не летим, дорогая.
Приблизительные траектории трёх одинаковых тел, находившихся в вершинах неравнобедренного треугольника и обладавших нулевыми начальными скоростями
Настраиваем домашний почтовый сервер и уходим с «бесплатной» почты
С каждым годом рекламы в интернете становится все больше, а подают ее с каждым разом все навязчивее. Дошло уже до почты: реклама в интерфейсе почтового ящика выглядит как первое непрочитанное письмо, которое машинально хочется открыть. Я не против рекламы, особенно когда она в тему и не сбивает с толку. Но маскировать её под непрочитанное письмо ‒ это перебор. Чувствуется, что следующим шагом рекламу начнут вставлять прямо в тело письма.
15 лучших наборов данных для обучения чат-бота
Осторожный переезд в Нидерланды с женой и ипотекой. Часть 1: поиск работы
В общем, если вам интересен рассказ о том, как C++ программист из Подмосковья искал работу в Европе, желательно в Великобритании, а нашел-таки в Нидерландах, переехал туда сам и привез жену, все это с непогашенной ипотекой в России и с небольшими приключениями — добро пожаловать под кат.
«Обратите внимание» #1: Дайджест статей об ИИ, продуктовом мышлении, поведенческой психологии
Это первый в серии еженедельных дайджестов о технологиях, людях и том, как они влияют друг на друга.
NLP. Основы. Техники. Саморазвитие. Часть 1
Привет! Меня зовут Иван Смуров, и я возглавляю группу исследований в области NLP в компании ABBYY. О том, чем занимается наша группа, можно почитать здесь. Недавно я читал лекцию про Natural Language Processing (NLP) в Школе глубокого обучения – это кружок при Физтех-школе прикладной математики и информатики МФТИ для старшеклассников, интересующихся программированием и математикой. Возможно, тезисы моей лекции кому-то пригодятся, поэтому поделюсь ими с Хабром.
Поскольку за один раз все объять не получится, разделим статью на две части. Сегодня я расскажу о том, как нейросети (или глубокое обучение) используются в NLP. Во второй части статьи мы сконцентрируемся на одной из самых распространенных задач NLP — задаче извлечения именованных сущностей (Named-entity recognition, NER) и разберем подробно архитектуры ее решений.
Как найти похожие тексты и отсортировать
Как ни удивительно, простой метод даёт хорошие результаты. Например, если ищем следующую книгу чтоб почитать, можно ввести текст прочтённой книги или нескольких прочтённых книг как образец для поиска, и тогда для этого репозитория из 10 книг получаем следующие результаты для книги «FAIRY TALES By The Brothers Grimm»:
Как мы учили ИИ распознавать скопления галактик
Недавно, вместе с командой друзей-астрофизиков, я закончила проект, целью которого был поиск далеких, скрытых тканью космоса галактик и их скоплений. Сейчас я поделюсь с вами тем, что мы сделали в результате этой непростой работы.
«Туда и обратно» для нейронных сетей, или обзор применений автокодировщиков в анализе текстов
Источник: Deep Learning for NLP (without Magic)
Как мы упоминали в той статье, сравнение текстов у нас было “смысловое” – мы сопоставляли не сами текстовые фрагменты, а векторы, им соответствующие. Такие векторы получались в результате обучения нейронной сети, которая отображала текстовый фрагмент произвольной длины в вектор большой, но фиксированной размерности. Как получить такое отображение и как научить сеть выдавать нужные результаты – отдельный вопрос, о которой и пойдет речь ниже.
Памятки по искусственному интеллекту, машинному обучению, глубокому обучению и большим данным
В течение нескольких месяцев мы собирали памятки по искусственному интеллекту, которыми периодически делились с друзьями и коллегами. В последнее время сложилась целая коллекция, и мы добавили к памяткам описания и/или цитаты, чтобы было интереснее читать. А в конце вас ждёт подборка по сложности «О большое» (Big-O). Наслаждайтесь.
UPD. Многие картинки будут читабельнее, если открыть их в отдельных вкладках или сохранить на диск.
Пифагорейское математическое обоснование музыкальной гаммы
Почтенный Пифагор отвергал оценку музыки, основанную на свидетельстве чувств. Он утверждал, что достоинства ее должны восприниматься умом, и потому судил о музыке не по слуху, а на основании математической гармонии и находил достаточным ограничить изучение музыки пределами одной октавы.
Плутарх
Строго говоря, речь здесь пойдет о пифагоровом строе. Что же такое гамма и строй в музыке?
Космический язык, ч. 1: универсальна ли универсальная грамматика?
Глаза осьминога демонстрируют явление конвергентной эволюции – намёк на возможность того, что структура языка инопланетян может оказаться похожей на нашу
Симпозиум METI
Симпозиум
Как бы вы составили сообщение для разумных существ с другой планеты? Им не был бы знаком ни один из языков человечества. Их «речь» может отличаться от нашей так же, как жутковатые крики китов или мерцающие огоньки светлячков. У их культурной и научной истории был бы свой собственный путь. Даже их разум может работать не так, как наш. Будет ли глубинная структура языка, так называемая "универсальная грамматика", у инопланетян такой же, как у нас? Группа лингвистов и других учёных собралась 26 мая 2018 года, чтобы обсудить сложные проблемы разработки сообщения, которое смогли бы понять внеземные существа. Появляется всё больше надежд на то, что среди миллиардов обитаемых планет, которые, как мы теперь считаем, существуют в нашей Галактике, найдутся такие существа. Этот симпозиум, названный «Язык в космосе» [Language in the Cosmos], был организован инициативой METI International. Он проходил в рамках Международной конференции по разработке космоса в Лос-Анджелесе, организованной Национальным космическим обществом. Председателем был доктор Шерри Уэллс-Дженсен, лингвист из Университета Боулинг-грин-стэйт в Огайо.
Слово лингвисту: что если компьютеры заговорят лучше нас
Фото: Александр Корольков/РГ
3 июня, в заключительный день Московского книжного фестиваля на Красной площади, лингвист Александр Пиперски выступал с рассказом о компьютерной лингвистике. Он говорил о машинных переводах, нейросетях, векторном отображении слов и поднимал вопросы границ искусственного интеллекта.
Лекцию слушали разные люди. Справа от меня, например, клевала носом китайская туристка. Александр, наверняка, тоже понимал — пара лишних цифр, формул и слов об алгоритмах, и люди убегут в соседнюю палатку слушать фантастов.
Я попросил Александра подготовить для Хабра «режиссерскую версию» лекции, где не вырезано ничего, что может усыпить случайных туристов. Ведь больше всего выступлению не хватало аудитории с толковыми вопросами и вообще хорошей дискуссии. Думаю, здесь мы ее сможем развить.
На переднем крае науки: анализ статей arxiv.org
Моя специальность — физика конденсированного состояния. Разумеется, в процессе погружения в нее требуется изучать много научных статей, однако на разбор хотя бы одной может уйти немало времени. На arxiv в разделе cond-mat публикуется более тысячи статей в месяц. Складывается ситуация, когда многие исследователи, особенно начинающие, не обладают целостным видением своей области науки. Описанный в этой статье инструмент резюмирует содержимое базы научных статей и призван ускорить работу с литературой.
Чему я научился, пройдя множество собеседований в компаниях и стартапах из сферы ИИ
В конце концов, если уж собираешься две трети своего времени (если не больше) проводить за работой, она должна быть этого достойна.
Где и как изучать машинное обучение?
Всем привет!
Ни для кого не секрет, что интерес к машинному обучению и искусственному интеллекту растет в лучшем случае по экспоненте. Тем временем мой Яндекс Диск превратился в огромную свалку пейперс, а закладки в Google Chrome превратились в список, длина которого стремится к бесконечности с каждым днем. Таким образом, дабы упростить жизнь себе и вам, решил структурировать информацию и дать множество ссылок на интересные ресурсы, которые изучал я и которые рекомендую изучать вам, если вы только вначале пути (буду пополнять список постоянно).
Путь для развития новичка я вижу примерно так:
LIGO: линейка точностью в 1/10000 диаметра протона
Лазерно-интерферометрическая гравитационная обсерватория LIGO в Ливингстоне, Луизиана, США.
Сегодня поговорим об инженерном устройстве LIGO. Но прежде — о гравитационных волнах вообще.
Топливо для ИИ: подборка открытых датасетов для машинного обучения
Связанные проекты сообщества Open Data (проект Linked Open Data Cloud). Многие датасеты на этой диаграмме могут включать в себя данные, защищенные авторским правом, и они не упоминаются в данной статье
Если вы прямо сейчас не делаете свой ИИ, то другие будут делать его вместо вас для себя. Ничто более не мешает вам создать систему на основе машинного обучения. Есть открытая библиотека глубинного обучения TensorFlow, большое количество алгоритмов для обучения в библиотеке Torch, фреймворк для реализации распределенной обработки неструктурированных и слабоструктурированных данных Spark и множество других инструментов, облегчающих работу.
Добавьте к этому доступность больших вычислительных мощностей, и вы поймете, что для полного счастья не хватает лишь одного ингредиента — данных. Огромное количество данных находится в открытом доступе, однако непросто понять, на какие из открытых датасетов стоит обратить внимание, какие из них годятся для проверки идей, а какие могут быть полезны в качестве средства проверки потенциальных продуктов или их свойств до того, как вы накопите собственные проприетарные данные.
Мы разобрались в этом вопросе и собрали данные по датасетам, удовлетворяющим критериям открытости, востребованности, скорости работы и близости к реальным задачам.
Information
- Rating
- Does not participate
- Registered
- Activity