Алгоритмы *

Инженеры Google разработали систему под названием AutoML-Zero, которая позволит искусственному интеллекту обучаться быстрее и практически без вмешательства человека.

Учёные из Массачусетсткого технологического института (МТИ) разработали модель машинного обучения, которая показывает темпы распространения инфекции COVID-19. Проверки исследователей показали, что модель, обученная на данных за период с конца января по начало марта, точно отображает масштабы распространения заболевания до 1 апреля в различных регионах мира и показывает, что ослабление или отмена карантинных мер, действующих в настоящее время, может привести к «экспоненциальному взрыву» числа случаев заражения.

Команда исследователей из компании Microsoft и Классического университета Центрального Китая опубликовала исходный код алгоритма отслеживания объектов, работающего на основе машинного обучения. Исследователи надеются, что алгоритм будет полезен для обеспечения безопасности а также для отслеживания распространения заболеваний.

112 исследователей из 160 групп по данным и общественным наукам провели совместную работу и обнаружили, что ИИ и статистические модели, используемые для прогнозирования шести результатов для детей, родителей и домохозяйств, были не очень точными даже при обучении на 13 000 единиц данных из более 4000 семей. Они считают, что эти наработки помогут предупредить провалы при использовании прогностического моделирования, особенно в системе уголовного правосудия и программах социальной поддержки.

Компания Deep Mind, занимающаяся разработкой искусственного интеллекта, создала ИИ Agent57 с глубоким обучением, который получил среднюю оценку во всех выбранных 57 играх приставки Atari 2600 выше, чем человек, сообщается на сайте Deep Mind.

Специалисты Google Brain, исследовательского проекта Google по изучению искусственного интеллекта, разрабатывают алгоритмы, которые будут сами создавать процессоры. Статью с описанием своего проекта команда опубликовала на Arxiv.

До 2020 года в Школу анализа данных могли попасть только те, кто очень глубоко и творчески владеет высшей математикой. Но этим качеством обладают не все способные люди, интересующиеся data science и инфраструктурой больших данных. Нередко разработчики, аналитики и молодые исследователи не помнят математику 1-2 курса вуза настолько хорошо, чтобы преодолеть наши вступительные экзамены. В этом году мы хотим дать таким людям возможность всё-таки попасть в ШАД. Мы организовали для них специальный трек поступления, о котором я расскажу ниже.

Но мало в ШАД попасть. Матанализ, линейная алгебра и теория вероятностей будут нужны дальше: без них не удастся разобраться с байесовскими методами, корректно оценить асимптотику сложности быстрой сортировки, написать хитрый метод многомерной оптимизации. Поэтому мы создаём принципиально новый адаптационный курс по математике. Все, кто поступят в ШАД по новым правилам, должны будут пройти этот курс.

_{Фото: newsroom.intel.com}

Intel и исследователи из Корнеллского университета продемонстрировали новую способность нейроморфного чипа Intel Loihi. Теперь он способен распознавать запахи десяти опасных химических веществ даже при сильных помехах, имитируя работу обонятельной системы человека.

Разработчики из Университета Райса в Хьюстоне, штат Техас, разработали новый алгоритм машинного обучения, который получил название SLIDE. По их словам, эта схема обучения ИИ будет более эффективна при работе на центральных процессорах, чем на графических.

_{Фото: news.mit.edu}

Исследователи из Массачусетского технологического института создали компьютерную модель, которая отражает способность зрительной системы человека быстро генерировать подробное описание сцены из изображения и дает некоторое представление о том, как работает мозг.

Существующие алгоритмы обучения роботов ходьбе сильно зависят от вмешательства человека: каждый раз, когда робот падает, ему нужно, чтобы кто-то поднял его и вернул в правильное положение. Новый проект исследователей из Google Brain позволит роботам учиться ходить без помощи человека. В течение нескольких часов, полагаясь исключительно на настройки современных алгоритмов, команда Google обучила четырехногого робота ходить вперед и назад и поворачивать влево и вправо полностью самостоятельно.

В Google попытались создать чат-бота, максимально похожего на человека. Результатом разработок стала Meena — модель, работающая на основе нейросетей. По оценке Google, чат-бот способен достигнуть большей «человечности» в беседе по сравнению с другими моделями.

Исследователи из Орегонского и Портсмутского университетов разработали математическую модель приготовления идеального эспрессо, которая позволяет добиться одинакового вкуса от чашки к чашке и снизить расход зерен. Статью о своей модели Кристофер Хендон и Джейми Фостер с коллегами опубликовали в журнале Matter.

Kaggle — система организации конкурсов по исследованию данных, принадлежащая компании Google — обнаружила мошенничество в результатах одного из своих конкурсов. Победителя конкурса отстранили от участия в дальнейших соревнованиях.

Kaggle регулярно организует конкурсы в сфере обработки данных и машинного обучения. Призы на этих конкурсах могут достигать десятков тысяч долларов. На прошлой неделе компания объявила, что команда-победитель конкурса, который состоялся в прошлом году и был посвящён улучшению работы сайта по поиску хозяев для бездомных животных, выиграла обманом.

_{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.