Алгоритмы *

_{Источник: cunicode}

Бернат Куни, исследователь в области цифрового дизайна и экодизайна, работающий в студии cunicode, обучил нейросеть на иллюстрациях жуков, которые он взял из энциклопедии. После этого машина смогла сгенерировать собственные изображения.

_{Источник: Гонконгский университеа науки и технологии}

Сотрудники Гонконгского университета науки и технологии разработали систему, которая использует искусственный интеллект для анализа эмоций учащихся во время уроков и лекций. Они надеются, что новый инструмент поможет преподавателям улучшить свою работу.

Исследователи описали систему в статье, опубликованной в цифровой библиотеке IEEE Xplore. По их словам, инструмент «поможет преподавателям быстро и просто оценить уровень вовлечённости студентов в предмет».

_{Фото: Moscow Live}

Роспатент озвучил десятку самых интересных, по мнению ведомства, патентов на изобретения в 2019 году. На первом месте оказалось средство для подавления вируса Эбола. Патент представили Новосибирский институт органической химии имени Н. Н. Ворожцова СО РАН и государственный научный центр вирусологии и биотехнологии «Вектор».

Далее идет катализатор для получения моторного топлива из возобновляемого растительного сырья. Он позволяет получить высокоэкологичное топливо в первую стадию. Данное топливо обладает улучшенными низкотемпературными свойствами, то есть может использоваться в северных регионах.

_{Фото: web.mit.edu}

Исследователи Массачусетского технологического института изобрели инструмент машинного обучения, который предсказывает, насколько быстро компьютерные чипы будут выполнять коды из различных приложений.

Чтобы заставить код работать максимально быстро, разработчики и компиляторы — программы, которые переводят язык программирования в машиночитаемый код — обычно используют модели производительности, которые запускают его путем моделирования заданных архитектур чипов.

_{Источник: Nintendo}

Разработчики из Бразилии, Нидерландов и Великобритании создали игровую соревновательную платформу EvoMan, которая имитирует игру Mega Man 2. Платформа разработана для обучения нейросетей. С её помощью исследователи проверят способность искусственного интеллекта не только выучить правила игры, но и адаптировать своё поведение под каждого из игровых боссов.

_{Фото: Alexxx Malev/Flickr}

Китайские исследователи создали систему обнаружения космического мусора на орбите. Она работает с применением телескопов с лазерными дальномерами. Ими управляет нейронная сеть. Разработчики утверждают, что новая система поможет обеспечить защиту для летательных аппаратов от столкновений с опасными объектами.

Система, как отмечается, может обнаружить объект с площадью поперечного сечения в один квадратный метр на расстоянии 1500 километров. Нынешние системы с лазерными локаторами определяют местоположение космического мусора с необходимой точностью лишь на уровне до одного километра, так как отраженный от объекта световой сигнал является недостаточно мощным.

_{Источник: Stanford}

Инженеры из Стэнфордского университета в США обучили робомобиль, собранный из автомобиля DeLorean 1981 года выпуска, управляемому заносу. Исследователи утверждают, что их разработки должны помочь беспилотникам избегать аварий.

Инженеры оснастили DeLorean автоматическим управлением и бортовыми компьютерами ещё в 2015 году. Робомобиль, который они назвали MARTY в честь главного героя фильма «Назад в будущее» Марти Макфлая, совершенствовался последние четыре года. Для обучения MARTY исследователи использовали записи дрифта профессиональных водителей. Все механические системы DeLorean были заменены на электронные, которые управляются бортовыми компьютерами. Компьютеры, в свою очередь, получают данные о движении робомобиля с GPS-датчиков.

Журналисты The Guardian, которая одной из первых раскрыла использование данных десятков миллионов пользователей Facebook британской компанией Cambridge Analytica, не могли добиться интервью с главой соцсети Марком Цукербергом. В итоге они пообщались с нейросетью Цукербот, которую обучили отвечать на вопросы с помощью интервью и публичных выступлений главы Facebook.

Алгоритм создала студия Botnik. Цукербота обучали с применением интервью, речей и публикаций в блогах Цукерберга за последние три года. В итоге нейросеть может оперировать 200 тысячами слов. The Guardian готовила вопросы для интервью совместно с Observer.

Художники объявили войну сайтам, которые предлагают купить футболки с рисунками. В течение нескольких лет художники, которые публиковали свои работы в интернете, натыкались на сайты, торгующие футболками и другими товарами с их рисунками без разрешения или какой-либо компенсации. Несколько художников выдвинули теорию, в соответствии с которой арты находили боты.

_{Источник: MIT}

Когда люди смотрят на изображение чего-либо, они определяют, что на нём изображено, с помощью памяти, где содержится коллекция узнаваемых особенностей объекта. Человек может идентифицировать вид птицы, например, по контуру ее клюва, цвету ее перьев или форме лап. Нейронная сеть, однако, просто ищет образцы пикселей по всему изображению, не делая различий между птицей и ее фоном. Это делает нейронную сеть более уязвимой к ошибкам и затрудняет диагностику её работы людьми.

Вместо того, чтобы обучать нейронную сеть на изображениях птиц целиком, исследователи из частного Университета Дьюка в Северной Каролине и лаборатории Линкольна Массачусетского технологического института обучили ее распознавать различные особенности птиц: форму клюва и головы каждого вида, окраску перьев. Затем алгоритм на каждом новом изображении ищет эти отличительные признаки и пытается определить, к какому виду они принадлежат.

Группа ученых из Лаборатории компьютерных наук и искусственного интеллекта Массачусетского технологического института (CSAIL) разработали метод, позволяющий восстанавливать скрытое на видео, используя тени и отражения. Алгоритм анализирует взаимодействие теней и геометрии на видео и делает прогноз «переноса света».

К примеру, если в комнате установлена видеокамера, алгоритм поможет реконструировать видеоизображение невидимого угла помещения. Анализ видео занимает около двух часов.

Литературные аналитики давно заметили руку другого автора в шекспировском «Генрихе VIII». Теперь нейронная сеть указала конкретные сцены, написанные не Шекспиром, и определила, кто на самом деле их написал.

Большую часть своей жизни Уильям Шекспир был драматургом актерской труппы под названием «Люди короля», которая исполняла свои пьесы на берегу Темзы в Лондоне. Когда в 1616 году Шекспир умер, труппа нуждалась в замене. Актёры обратились к одному из самых плодовитых и известных драматургов того времени — Джону Флетчеру. Более двухсот лет спустя, в 1850 году, литературный аналитик Джеймс Спеддинг заметил сходство между пьесами Флетчера и пьесой «Генрих VIII», которую, как считалось ранее, написал Шекспир. Спеддинг пришел к выводу, что Флетчер и Шекспир, вероятнее всего, написали пьесу вместе.

Команда исследователей во главе с сотрудниками Лаборатории информатики и искусственного интеллекта Массачусетского технологического института (CSAIL) работает над созданием искусственного интеллекта, который мог бы предсказывать поведение водителей-людей на дорогах. Для этого они используют инструменты социальной психологии.

Учёные обучали систему с помощью так называемой социальной ценностной ориентации (SVO). Этим термином исследователи обозначили степень, в которой кто-то «эгоистичен» или «просоциален» во время вождения. Система наблюдала за поведением водителей и оценивала их SVO для создания траектории движения для беспилотных авто.

Во время тестов система показала, что она может оценивать и предсказывать поведение водителей лучше на 25%, чем до обучения.

Два исследователя из Университета Луизианы в Лафайетте разработали модель, основанную на искусственном интеллекте, которая может с точностью до 99,6% прогнозировать возникновение эпилептического припадка за час до наступления.

Алгоритм использует результаты электроэнцефалограммы (ЭЭГ) для прогноза. Сейчас учёные занялись разработкой устройства, на основе которого будет функционировать модель.

Telegram продолжает традицию проведения «народных» конкурсов для своих пользователей с выплатой крупных денежных вознаграждений. На этот раз задача — создать агрегатор новостей. Раньше такую роль в рунете выполнял сервис «Яндекс.Новости», который теперь подчиняется требованиям властей и индексирует только специально отобранные источники информации.

В июне 2019 года Павел Дуров пригласил на работу в Telegram разработчиков из «Яндекса»: «Российская интернет-индустрия породила сотни талантливых разработчиков. Однако, в результате описанной выше политики, сегодня они вынуждены играть в поддавки со своими зарубежными коллегами, — написал он. — В своё время мы организовали ”Ноев ковчег” для лучших разработчиков ”Вконтакте”, пригласив их на работу в Telegram. В этом году мы хотим дать такой же шанс разработчикам ”Яндекса”, которые занимаются сервисами рекомендации контента. Устройство таких сервисов, как ”Яндекс.Новости”, впечатляет в техническом отношении, однако ограничено цензурой и русскоязычным рынком».

Неизвестно, сколько разработчиков ушли из «Яндекса» в Telegram, но Дуров не отказался от идеи разработки агрегатора новостей, свободного от политической цензуры.

Группа исследователей во главе с экспертами Медицинского колледжа Бэйлора, США, провела эксперимент, в ходе которого учёные зафиксировали активность мозга мышей, смотревших на изображения. Полученные данные использовали, чтобы сделать модели компьютерного зрения более устойчивыми к попыткам обмануть их.

Сверточные нейронные сети (CNN), которые используются для распознавания объектов на изображениях, подвергают состязательным атакам. Если входные данные были каким-то образом изменены, будь то добавление случайного шума или изменение нескольких пикселей в разных местах, робот неверно распознает объект. Состязательные атаки приводят к тому, что система принимает изображение банана за тостер или игрушечной черепахи за винтовку.

Wall Street Journal провело расследование работы поиска Google. Журналисты заявили, что компания серьезно вмешивается в алгоритм формирования поисковой выдачи.

По словам собеседников издания, в 2018 году Google внесла в алгоритмы более 3200 изменений, в 2017 году — 2400, а в 2010 году — около 500. В самой корпорации это объясняют тем, что примерно 15% запросов представляют собой слова или комбинации, с которыми система ранее не сталкивалась, и поэтому разработчики вынуждены корректировать работу алгоритмов для релевантной выдачи.

WSJ утверждает, что, тем не менее, Google отдает предпочтение крупным компаниям, так как на этих площадках покупатель вероятнее что-то приобретет. В итоге на верхние строчки выдачи попадает Amazon. Расследователи заявили, что это происходит даже тогда, когда продукты уже вышли из продажи в магазине. «Неверно также полагать, что мы не пытаемся решить проблему с отображением вышедших из продажи товаров на высоких позициях в выдаче», — в ответ заявила представитель корпорации.

В России появился альянс по развитию искусственного интеллекта. В него вошли Сбербанк, Яндекс, Mail.ru Group, МТС, Российский фонд прямых инвестиций (РФПИ) и «Газпром нефть». Компании уже подписали соответствующее соглашение.

Альянс по развитию ИИ появился для того, чтобы его участники вместе разрабатывали технологии, законодательную базу для их работы, привлекали инвестиции, проводили исследования и активно продвигали использование искусственного интеллекта. Как сообщил изданию «Ведомости» представитель РФП, на сегодня для инвестиций в российские технокомпании привлечено уже 2 млрд рублей.

OpenAI опубликовала финальную модель генератора текста GPT-2 — «жуткого» ИИ, которого исследователи считали слишком опасным для выпуска. Его анонсировали в феврале, но тогда OpenAI ограничилась выпуском менее мощной его версии: в компании опасались, что модель может превратиться в средство распространения дезинформации. Вместо этого компания решила выпустить его в четырёх частях в течение восьми месяцев.

Google упростила машинное обучения для тех, кто не имел дела с разработкой. На смену Teachable Machine — сайту, который знакомил пользователей с основами создания ИИ, пришел Teachable Machine 2.0, где нейронные сети можно обучить одним нажатием кнопки.

Первая версия позволяла с использованием веб-камеры наблюдать, как компьютер учится распознавать шаблоны и закономерности в изображениях.

См. также: «Квантовая ставка Google на ИИ – и что она означает для всего человечества»

Теперь же пользователь может с помощью веб-камеры и микрофона на своем ПК без написания кода обучать нейронные сети и экспортировать их в сторонние приложения, носители или на веб-сайты. Вторая версия может распознавать звуки и позы.