Детектор кота подтвердил, что объект опознан и это действительно кот. 
Facebook создала модель машинного зрения, которая может «видеть» то, на что смотрит. Компания утверждает, что программа под названием SEER превзошла существующие модели искусственного интеллекта при прохождении теста ImageNet, который проверяет, может ли ИИ распознать, что находится на фото. Точность SEER составила 84,2%.
Виталий Ванчурин, профессор физики Миннесотского университета в Дулуте, в августе прошлого года опубликовал статью под названием «Мир как нейронная сеть» на arXiv. Позднее у физика взяли интервью, в котором он подробнее объяснил свою идею.
30 марта компания «Инфосистемы Джет» проведет вебинар об оптимизации выплавки стали с помощью технологий машинного обучения. Мероприятие ориентировано на руководителей отделов ИТ и CDO, специалистов по аналитике и математическому моделированию, кураторов программ цифровизации в металлургических компаниях.
11 марта (чт) в 16:00 по Москве начнется онлайн-митап по искусственному интеллекту и периферийным вычислениям (edge computing). Регистрация открыта для разработчиков, менеджеров и предпринимателей. Цель встречи — разобраться на примерах, как применять эти технологии в конкретных решениях для бизнеса. Будут технические презентации, бизнес-кейсы и панельная дискуссия.
Организаторы митапа — дизайн-центр электроники Promwad и hardware-акселератор Bridgio — планируют встречу с учетом интересов всех участников: инженеры смогут задавать технические вопросы экспертам из глобальных корпораций Arrow и Nvidia, а менеджеры и предприниматели смогут вместе со спикерами разбирать бизнес-аспекты проектов на основе машинного обучения.
Вот лишь несколько вопросов, которые будут раскрыты на митапе в рамках открытого сообщества Hardware Ecosystem:
→ Как применять прорывные AI-технологии в конкретных индустриях?
→ Как обработать AI-алгоритмы на автономных устройствах без интернета?
→ Как выбирать «железо» для AI-проектов с подключением к облаку и без?
→ Какие AI-решения востребованы сейчас, а какие «выстрелят» через 2—3 года?
→ Как выйти на рынок AI тем, кто раньше в нем не работал?
Сегодня видеочаты стали частью нашей повседневной жизни. Хотя пропускная способность сетей растёт, по-прежнему востребована качественная связь на низком битрейте. Проблема особенно для звука, потому что именно звук передаёт информацию в чате. На самом низком битрейте принято использовать параметрические кодеки с роботизированным голосом, а не нормальные кодеки, которые описывают форму сигнала.
Ученые британского Кембриджского университета разработали и протестировали «искусственный мозг» — нейросеть MotionNet. Нейросеть изучает так называемый фи-феномен: имитирует восприятие человеком картинки, в частности кажущегося движения, возникающего тогда, когда два стационарных огонька загораются последовательно (и кажется, что они движутся по какой-то траектории).
«Каждый день мы пишем много асинхронного кода и выбираем для каждой задачи подходящую aio-библиотеку в зависимости от того, с чем нам приходится работать: с HTTP или с файлами. А ещё нам приходится работать с базами данных, но, увы, aio-database нет.
Раньше отсутствие асинхронной ORM вызывало много вопросов у разработчиков, зато теперь у нас есть сразу несколько асинхронных библиотек. Впрочем, их использование даёт прирост к производительности не всех типов задач, а только некоторых.
На PyCon Weekend я расскажу, в каких типах задач всё будет ок, а когда не стоит ждать чудес от асинхронности. Также разберёмся, почему так сложно написать асинхронное ORM и как в новой SQLAlchemy добавить асинхронность без переписывания кода при помощи greenlet»
«ВКонтакте» внедряет новый инструмент, который поможет администраторам бороться с травлей в комментариях сообществ. Фильтр для отсеивания таких комментариев основан на работе нейросети. Его можно будет включить и отключить в настройках сообщества в любое время.
Несколько дней назад разработчик шахматных программ ChessBase представила «новый шахматный движок номер 1» Fat Fritz 2. Согласно описанию на сайте, это движок «на новой нейронной сети, обученной Альбертом Сильвером с помощью Fat Fritz».
Выяснилось, что Fat Fritz 2 — это, по сути, поиск Stockfish на новой нейросети и с минимальными изменениями в коде.
Команда отдела электротехники и компьютерных наук Массачусетского технологического института и Института данных, систем и общества разработала подход на основе машинного обучения для выявления уже имеющихся на рынке лекарств, которые потенциально могут быть перепрофилированы для борьбы с Covid-19.
Приложение машинного обучения BrowZen, разработанное Ником Билдом, способно определять состояние пользователя при просмотре веб-сайтов.
Исследователи AI2 заявили, что обучили агентов ИИ искать спрятанные в смоделированном доме предметы. В ходе игры под названием «Тайник» агенты ищут помидоры, буханки хлеба, чашки и ножи. Исследователи обнаружили, что модели понимают принципы постоянства объектов и могут ранжировать изображения в зависимости от того, сколько свободного места они содержат.
Исследователи использовали модель машинного обучения Brain2pix для преобразования сканов изображений мозга в изображения. Модель успешно восстановила увиденные человеком сцены путем анализа его мозговой активности.
Команда исследователей из Университета штата Колорадо обучила систему на ИИ от NVIDIA Jetson edge на более 20 тысячах изображений собак. Теперь система способна тренировать питомцев. ИИ определяет, когда собака сидит, стоит или лежит.
Если питомец занимает нужное положение по команде, то система вознаградит пса, автоматически подавая ему угощение.
Команда исследователей из Университетского колледжа Маастрихта опубликовала работу, посвященную использованию GPT-3 в качестве почтового менеджера. В работе исследуется, можно ли эффективно использовать GPT-3 и проигрывает ли модель человеку.
Друзья, только недавно вышел новый релиз Numpy 1.20.0 и самое время обсудить, что туда завезли интересного.
Само собой, обсуждать будем не все - иначе мы просто с головой погрязнем в изучении доки. Публикуем только самое интересное (на наш скромный и неправильный взгляд). Если Вы для себя выделяете еще что-то важное, о чем мы не упомянули - поделитесь в комментариях!
Итак, приступим.
