Машинное обучение *

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.

Согласно информации издания The Wall Street Journal (WSJ), в Google уже почти год идет сбор персональных данных миллионов американских пациентов для своего секретного проекта под кодовым названием «Project Nightingale» (проект Соловей). Данный проект реализуется совместно с крупнейшей в США медицинской некоммерческой организацией Ascension из Сент-Луиса, которая предоставляет Google доступ к данным о здоровье жителей из двадцати одного штата США. Сейчас в базе данных медицинского проекта компании есть данные по пациентам из почти трех тысяч лечебных учреждений. При этом доктора и пациенты не были поставлены в известность, что их медицинская информация будет доступна третьим лицам.

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.

Московский театр на Таганке анонсировал проект, в котором при помощи искусственного интеллекта воссоздан голос Владимира Высоцкого. По информации ТАСС, воссозданный голос посетители театра могли услышать уже на этой неделе в рамках творческой лаборатории «Метаморфозы Таганки», однако полноценный запуск проекта состоится летом.

«Мы планируем презентовать помещение, куда любой человек смог бы прийти и пообщаться с Высоцким. Мы планируем это сделать к 25 июля, когда будет 40 лет со дня смерти Высоцкого», — рассказала директор театра Ирина Апексимова.

Исследователи из Принстонского университета и Google Brain Research раскритиковали алгоритм, который разработан Microsoft Research Asia и Бэйханским университетом в Китае. Алгоритм обучен генерировать комментарии к новостям. Как считают некоторые эксперты, технология опасна тем, что её можно использовать в ходе кампаний по дезинформации.

«В статье пекинских исследователей представлена ​​новая техника машинного обучения, основными применениями которой, по-видимому, являются троллинг и дезинформация», — написал в своем посте в твиттере Арвин Нараянан, специалист по вычислительной технике из Центра политики в области информационных технологий Принстонского университета.

_{Источник: MIT}

Исследователи Массачусетского технологического института (МТИ) и компании Toyota разработали новый алгоритм, который поможет беспилотным транспортным средствам определять, безопасно ли выезжать на перекрестки.

Специалисты создали модель, которая избегает возможных столкновений на перекрестках, где у беспилотника нет открытого обзора. Алгоритм взвешивает несколько критических факторов, включая все близлежащие визуальные препятствия, шум и скорость других автомобилей. На основании измеренного риска система может посоветовать автомобилю остановиться, начать движение или подождать, чтобы собрать больше данных.

Социальная сеть ВКонтакте объявила, что проведет в День народного единства 4 ноября 2019 года эксперимент по снижению агрессивности пользователей в комментариях.

Данный проект уже запущен, специальная система, используя определенные алгоритмы, автоматически определяет, есть ли в тексте комментария признаки оскорблений. При их наличии пользователю дается совет не тратить время на агрессию и отказаться от обидной реплики. Эксперимент продлится один день — по его результатам команда VK оценит, насколько эффективно подобная механика снижает количество негатива в комментариях.

Искусственный интеллект AlphaStar, который разработала команда Google DeepMind, вошёл в «Элитную лигу» игроков StarCraft II — то есть попал в список 200 лучших игроков мира. Об этом сообщает научное издание Nature.

AlphaStar способен играть за три расы, представленные в Starcraft II: зергов, протоссов и терранов. Как утверждает Nature, AlphaStar не имел никакого особенного преимущества перед обычными игроками, его соперники не знали, что играют против машины. Попадание AlphaStar в «Элитную лигу» означает, что ИИ играет лучше, чем 99,8% игроков-людей.

Инженеры из Массачусетского технологического института (МТИ) и Исследовательского института Toyota разработали новое техническое решение для обучения автомобильных беспилотных систем, которое дополняет существующие системы анализа препятствий в прямой видимости их сенсоров. Теперь бортовой компьютер беспилотного автомобиля может автономно анализировать ситуацию, когда вне поля зрения его сенсоров (лидаров, радаров и камер), например, за углом на подземной парковке или за стеной дома, находится движущийся объект. Тогда беспилотный автомобиль может оценить вероятность пересечения их траекторий и избежать аварии, причем в этом случае ему помогут только косвенные признаки препятствия на дороге — появление на дороге новой тени, изменение ее размера.

По информации агентства ТАСС, сотрудники Пермского государственного национального исследовательского университета (ПГНИУ) разработали компьютерную программу, с помощью которой можно составить психологический и лингвистический портрет пользователей на основании опубликованных ими комментариев в различных социальных сетях.

Nvidia представила две новые телевизионные приставки: Shield TV и Shield Pro. Как пишет издание Variety, Nvidia в новой версии приставки «попыталась расширить границы возможностей устройства». Поэтому для нового поколения Shield был использован процессор Tegra X1+.

Этот процессор на 25% мощнее, чем тот, что использовался в устройствах Shield предыдущего поколения. Дополнительная производительность используется для поддержки Dolby Vision и Dolby Atmos. Кроме того, приставка может преобразовывать изображение 720p до 4K при помощи искусственного интеллекта. Nvidia обещает «более четкое и чистое видео с разрешением до 4K в режиме реального времени».

Компания Fujitsu и её американское подразделение в сотрудничестве со Школой компьютерных наук Университета Карнеги-Меллона разработали технологию распознавания выражения лица на основе ИИ.

«Технология может точно обнаруживать едва уловимые эмоциональные изменения, в том числе нервную улыбку, замешательство и т. д. Fujitsu рассчитывает, что новая технология найдет применение в различных приложениях, связанных в том числе с безопасностью», — объявлено в пресс-релизе.

Как отмечают в компании, технологии, связанные с обнаружением изменений выражения лица и «чтением» человеческих эмоций, в основном, были разработаны для обнаружения явных изменений — таких как широкая улыбка или широко раскрытые глаза. Чтобы эффективнее «читать» человеческие лица, важно фиксировать тонкие изменения, связанные с такими эмоциями, как непонимание, недоумение и стресс, уверены в Fujitsu.

_{Источник: Wikimedia}

Нейросеть KataGo решила задачу, которая считается самой сложной в японской игре Го. Решение опубликовала пользовательница под ником Cassandra на форуме 19х19. KataGo изменила 140-й ход 177-ходового решения, созданного немецкими исследователями, и пришла к неожиданному итогу: победа белых с перевесом в два очка вместо победы черных с перевесом в пять камней.

Ученые опробовали методику глубокого обучения нейросетей для предсказывания исхода гравитационного взаимодействия трех тел. Выяснилось, что она позволяет решить задачу до 100 млн раз быстрее. Пока метод опробовали в ограниченном пространстве начальных параметров, но в дальнейшем его намерены применить для общего случая.

Нейросеть смогла за время около 1 миллисекунды предсказывать положения тел. Современный численный алгоритмом Brutus тратил на это, как правило, в 10 тысяч раз больше времени, а иногда отставал в 10 миллионов раз.

Ученые могут определять цвет по длине световой волны. Но когда дело доходит до ароматов, нельзя просто посмотреть на молекулу и по структуре определить ее запах. Исследователи из Google Brain Team надеются, что это сможет изменить искусственный интеллект. В статье, опубликованной на Arxiv, они объясняют, как обучают ИИ распознавать запахи.

Исследователи собрали датасет из почти 5000 молекул летучих веществ, идентифицированных парфюмерами. Парфюмеры пометили запахи как «цветочный», «древесный» или «жирный». Около двух третей набора данных команда из Google Brain использовала для обучения своего ИИ, чтобы он смог связывать молекулы с названиями запаха. Затем исследователи использовали оставшиеся молекулы для проверки ИИ — и это сработало. Алгоритм оказался способен предсказывать запахи молекул на основе их структур.

На официальном сайте возобновленного мероприятия Android Developer Challenge корпорация предложила разработчикам мобильных приложений принять участие в новом соревновании, поделиться свои текущими наработками или отдельными функциями с использованием машинного обучения. К участию в конкурсе принимаются разработки и приложения, созданные с помощью наборов инструментов, поддерживаемых платформами Google, в том числе ML Kit и TensorFlow Lite. Допускается использовать как уже созданные приложения, так и те, которые находятся на стадии разработки или даже только в планах. Авторам предлагается рассказать о своих идеях и программах до 2 декабря 2019 года. По итогам первого раунда будут отобраны десять самых лучших проектов. Авторы из этого шорт-листа должны будут предоставить финальный вариант своих мобильных приложений до 1 мая 2020 года. Основной посыл соревнования: «инновации для мобильных устройств, основанные на машинном обучении + вы!»

Алгоритм, разработанный учеными из Университета Калифорнии Сан-Франциско (UCSF), ищет микроскопические кровоизлияния в мозг и прочие нарушения лучше специалистов-радиологов, сообщает Berkley News.


_{Источник: USFC}

Искусственный интеллект учится расшифровывать поврежденные древнегреческие тексты. При этом машина, по мнению специалистов, справляется с дешифровкой древних текстов лучше, чем люди. Искусственный интеллект с успехом заполняет пропущенные слова, но полезнее всего он оказывается в совместной работе с человеком, когда исследователи используют его для сужения вариантов в процессе поиска нужного слова или высказывания.

Каждый год, как пишет New Scientist, учёные-археологи открывают десятки новых артефактов с текстом. Со временем многие предметы стали разрушаться, что приводит к потерям фрагментов текста. Какими могут быть пробелы, выясняет наука эпиграфика. Работа эпиграфистов начинается с изучения сохранившихся фрагментов и других подобных текстов.

Учёные из Университета Цукубы и Технологического Университета Тойохаси представили новую статью на SIGGRAPH Asia 2019. Она называется «Анимационный пейзаж: изучение самостоятельного движения и внешнего вида объектов для синтеза видеоизображений из одного изображения». Их метод с помощью свёрточных нейронных сетей (CNN) может создавать анимацию с высоким разрешением из одного ландшафтного изображения.

«Из пейзажного изображения люди могут представить, как движутся облака и меняется цвет неба с течением времени. Воспроизведение таких переходов — довольно распространённое явление. Например, люди используют синемаграммы и другие методы».

К сожалению, отмечают учёные, при использовании подобных методов разрешение и качество полученного видео часто оказывается намного ниже ожидаемых. Одной из причин неудовлетворительных результатов является то, что пространственно-временная область видео слишком велика по сравнению с изображениями. Другая причина — неопределенность в будущем, в прогнозировании кадров.