Бывший секретный проект «Гугла» теперь в прямом смысле этого слова появляется на публике: компания получила лицензию для тестовых поездок по дорогам общего пользования в Неваде, а до этого приглашались желающие для тестовой поездки на закрытой площадке.

На данный момент принадлежащий поисковому гиганту флот роботизированных автомобилей «Тойота Приус» отмотал более 300 тысяч километров в городском окружении, на оживленных трассах и горных дорогах лишь с частичными вмешательствами человека. Проект всё ещё далек от выхода на рынок, но в «Гугле» в собственном кампусе установили беспилотные гольф-карты, которые наглядно демонстрируют, как уже в ближайшем будущем новая технология может изменить мир.

Оценивая новый дизайн google+, случайно наткнулся на простенькую флеш игру — нажимаем кубики одинакового цвета, они лопаются, и мы получаем очки и profit. Но, вместо того, чтобы самому кликать по кубикам, я решил написать бота, который будет делать все это за меня.

Бот для этой многострадальной игры уже существует (и не один), но мне захотелось сделать не отслеживание протоколов передачи, ковыряние чужого и внедрение своего кода, а попробовать реализовать распознавание образов и принятие на их основе решений, то есть некую эмуляцию действий реального игрока. Никакого матана, исключительно for fun. Реализация на .NET под хаброкатом.

Питер Стоун — доцент Техасского университета в Остине, специалист по искусственному интеллекту и многоагентным системам занимается моделированием дорожного движения с учетом широкого распространения автомобилей под управлением компьютера. Стоун считает, что машины-роботы способны сделать транспортную систему намного более эффективной. “Каждым перекрёстком — говорит Стоун — должен управлять автономный интеллектуальный агент, регулирующий режим движения каждого автомобиля индивидуально, а не светофор, запрещающий или разрешающий движение всего потока”.

Понять как работает человеческий мозг невозможно если не дать внятного ответа на вопрос: что такое эмоции. Предлагаю концепцию, отличную от всех классических представлений, но позволяющую построить исчерпывающую объясняющую модель. В рамках этой модели удается дать объяснение гармонии, красоте и юмору.

Введение или как я писал свой первый ИИ

Доброго времени суток. Я написал свой первый искуственный интеллект много лет назад, когда учился в колледже. Тогда это был ИИ для змейки в необычной для змеек игре — Serpent's Madness (ссылка ведет на мой сайт игры), в которой последние могут двигаться в любом направлении. Скриншот ниже демонстрирует это:



Тогда это был детерминированный алгоритм, т.е. алгоритм с четкой последовательностью действий, когда на каждом шаге можно точно сказать, что будет на следующем. Выглядел он приблизительно так

Элементарные частицы

Еще совсем недавно, пару сотен лет назад, физики открыли атом и признали его неделимым. Потом другие физики его разделили, еще раз разделили и собираются снова делить. И каждый раз старательно доказывают элементарность открытых ими частиц. Это наводит меня, далекого от физики человека, на мысль о возможности бесконечного деления любого физического элемента, любой материи. А как следствие — любая частица материи включает в себя несколько аналогичных друг другу частиц более низкого уровня.

Важной целью исследователей в области компьютерного зрения является создание автоматизированной системы, способной сравняться или превзойти способности человеческого мозга по распознаванию лиц. Результаты психофизических исследований процесса распознавания лиц предоставляют специалистам по компьютерному зрению ценнейшие факты, которые помогут улучшить системы искусственного интеллекта.

Как обычно, предлагаю сокращенный перевод, полный текст доступен в оригинале.

По скольку недавно опять поднималась тема нейронных сетей, решил показать небольшую реализацию НС, обучаемую методом обратного распространения ошибки, написанную на scheme. Заодно подробно расскажу, как это все работает, для новичков жанра. Будет рассмотрен только самый простой вид сетей, без зацикливаний и пропуска слоев.

Предисловие

Некоторые из вас наверняка недавно проходили Stanford'ские курсы, в частности ai-class и ml-class. Однако, одно дело просмотреть несколько видео-лекций, поотвечать на вопросики quiz'ов и написать десяток программ в Matlab/Octave, другое дело начать применять полученные знания на практике. Дабы знания полученые от Andrew Ng не угодили в тот же тёмный угол моего мозга, где заблудились dft, Специальная теория относительности и Уравнение Эйлера Лагранжа, я решил не повторять институтских ошибок и, пока знания ещё свежи в памяти, практиковаться как можно больше.

И тут как раз на наш сайтик приехал DDoS. Отбиваться от которого можно было админско-программерскими (grep / awk / etc) способами или же прибегнуть к использованию технологий машинного обучения.

Далее пойдёт рассказ о создании нейронной сети на Python 2.7 / PyBrain и её применении для защиты от DDoS'а.

Предисловие

Как известно, задача распознавания непрерывного рукописного текста в режиме off-line пока считается нерешённой.

Мне удалось решить эту задачу теоретически и практически. Практическая часть сейчас имеет вид демонстрационной версии программы. Решение общее, оно не ограничивается какой-либо областью применения, языком или размером словаря.

О программе

Программа полностью обучаемая. Процесс обучения выглядит просто:

Привет всем Хабражителям, кто интересуется вопросами искусственного интеллекта! Всех с Прошедшими праздниками! Пора двигаться дальше.

В конце прошлого года я закончил перевод последней версии документа о «Hierarchical Temporal Memory» (HTM), который теперь можно найти рядом с оригиналом на сайте Numenta.com.

Что это такое и зачем оно все? Это последняя разработка весьма небезысвестного Джеффа Хокинса сотоварищи, моделирующая работу отдельных слоев коры головного мозга. Эта штуковина позволяет (если не накосячить все сделать правильно) выделять из входного потока данных сходные события, их последовательности, проводить их распознавание и предсказание. Всех, кого интересуют подробности, милости прошу под хабракат.

Приветствую тебя, коллективный хабраразум, поздравляю с Новым Годом! УРА!
Некоторое время назад я решил постичь всемогущий Actionscript 3.0. Дабы сразу опробовать этот инструмент, я взялся за написание небольшой программки, которая бы имитировала жизнь бактерий. Как мне пришла эта мысль в голову — точно уже не вспомню, но результат оказался для меня неожиданным и довольно интересным.
Под катом — много картинок и мало текста. Описание программки и пара опытов.

Как Вы уже наверно поняли, речь пойдет о так называемых виртуальных собеседниках или, как их еще называют, чат-ботах. В названии поста я умышленно использовал понятие «интеллектуальная диалоговая система» (для краткости дальше по тексту сокращенно — ИДС), поскольку считаю, что понятия «чат-бот» и «виртуальный собеседник» полностью дискредитированы и не отражают всей сути этого «явления».

В посте пойдет речь о проектировании ИДС и сложностях, которые при этом возникают. Также будут рассмотрены распространенные алгоритмы, используемые в ИДС, их достоинства, недостатки и многое многое другое. Если эта тема Вам интересна, добро пожаловать под кат.

Если вы занимались пакетной обработкой в Adobe Photoshop с помощью инструмента Automate — Batch (пакетная обработка очень большого количества графических файлов с наложением на них фильтров из программы в автоматическом режиме), наверняка сталкивались с такого вида вылетами программы, по не понятным для меня причинам:





Конечно можно ждать появление этих ошибок, которые могут возникнуть через час обработки или через несколько часов, можно заводить будильник, чтобы просыпаться ночью (как робот) и смотреть: «а не вылетел ли Photoshop» с ошибкой? Потом нервно снова запускать обработку, отсортировывая уже обработанные файлы в другую папку.

В кратце вот и проблема! (Аналогично Вы сможете обрабатывать ошибки и от другого программного обеспечения). Решение?

Не так давно, в 2010 году, чат-бот Suzette выиграл премию Лёбнера в рамках теста Тьюринга. Однако же конкуренты не дремлют!

Не так давно в Индии проводился фестиваль Techniche, на котором чат-бот Cleverbot сделал недюжие успехи, фактически пройдя тест Тьюринга. Тест проводился следующим образом: люди чатились с людьми и ботом. В результате людей за людей приняли 63% чатившихся, а Cleverbot'а — 59%. Если учесть, что за прохождение теста Тьюринга считается результат 50% и выше, то можно сказать, что это — победа!

Ребята из французской компании Applidium ровно через месяц после релиза iPhone 4S отреверсили протокол персонального помощника Siri. Ниже перевод статьи, в которой описан сам процесс реверс-инжинеринга и те интересные факты, которые открылись исследователям.

Мир информационных технологий, а вслед за ними и материальный, делится на две части.

Первый — базы данных. Люди работают с разными программами и каждая из них держит при себе по базе. Это проповедуют как локальные приложения, так и сайты.

Так образуются миллионы информационных сегментов. Плюсом является простота: такие базы не сложно заранее настроить на работу с конкретной предметной областью. Создается некий шаблон по которому далее просто накидывается и обрабатывается информация.

Минусов два:

1. разделение на базы не позволяет установить все взаимосвязи между данными и, соответственно, это не дает выжать из них всю пользу.
2. программа получившая контроль над какими-либо данными не имеет интереса дальше оптимизироваться по отношению к ним, пользуясь своим монопольным положением.

Но есть и супер-минус, денежный: продавец и покупатель оказываются лицом к лицу, один на один. И если при продаже других услуг спор о цене идет относительно затраченных материальных ценностей (времени мастера, цене сырья и т.д.), то в случае торговли программами эта опора практически отсутствует. Столкновение превращается в жесточайший торг где нет победивших.

Оглядываясь назад, мы видим, что развитие технологии распознавания речи похоже на наблюдения процесса взросления у ребенка — прогрессируя от определения отдельных слов, затем все больших словарей и наконец до быстрых ответов на вопросы, как это делает Siri.

Слушая Siri с ее слегка элегантным чувством юмора, мы восхищаемся тем, как далеко продвинулись за эти годы в отрасли распознавания речи. Давайте взглянем в прошлые десятилетия, которые позволили человеку управлять девайсами, используя только голос.

Я давно мечтал, чтобы компьютер был умным помощником. Чтобы ему можно было словами описать задачу, и он ее выполнил — как во многих сюжетах. Я общался с Alice, но вы и сами понимаете, что она далека от цели. Наверное потому, что не умеет думать, испытывать эмоции и так далее — стандартный набор проблем ИИ. И мне пришла идея, как эту проблему решить, ее я и хочу вам рассказать.

Вместо предисловия

В недавнем прошлом судьба привела меня в область Нейронных Сетей (НС). Вопрос этот показался мне крайне интересным и, чего уж скрывать, не на шутку перспективным. Ах, какой простор открывается лишь при одной мысли что бы можно было сделать на основе НС, если бы только развить еще буквально чуть-чуть! И вот совсем недавно ко мне в голову забрела интересная (на мой взгляд, конечно) концепция. О да, я ни коем образом не претендую на истинность и правомерность своих суждений в вопросе НС, ибо, признаться честно, в этой области я дилетант (хочется верить, что только пока). Тем не менее, любопытствующих приглашаю под хабракат. Жду (конструктивных мнений), надеюсь (на снисхождение) и верю (в понимание).