Машинное обучение *

Компания NtechLab разработала новую технологию распознавания человека по его уникальному силуэту, используя которую можно отслеживать перемещение любого искомого лица по городу и отделять цифровой след его силуэта от других людей. Анонсировал новую технологию информационному агентству «ТАСС» генеральный директор компании NtechLab Александр Минин.

Компания Waymo открыла в общий доступ и только для некоммерческого использования большой датасет, предназначенный для обучения алгоритмов беспилотных автомобилей.

Датасет «Waymo Open Dataset» содержит в себе тысячу двадцатисекундных записей, собранных с пяти лидаров и пяти камер во время реальных поездок по четырем американским городам с разными дорожными и погодными условиями, как пояснено в блоге компании.

Большая часть данных в датасете маркирована и содержит в себе суммарно о 12 млн. 3D меток и 1,2 млн. 2D меток различных объектов вокруг автомобиля.

Миллионы людей общаются с помощью языка жестов, но до сих пор проекты по захвату сложных жестов и переводу их в устную речь не имели особого успеха. Новая методика отслеживания движений рук в реальном времени, разработанная лабораторией искусственного интеллекта Google и использующая фреймворк MediaPipe, может стать прорывом в этой сфере.

Методика использует машинное обучение для создания в реальном времени высокоточной карты руки и всех ее пальцев при помощи только смартфона и камеры.

Компания Cerebras Systems выпустила самую большую микросхему в истории компьютерной техники. С площадью 46 225 мм² и 1,2 трлн транзисторов она примерно в 56,7 раз больше, чем самый большой GPU (21,1 млрд транзисторов, 815 мм²). Фото: Jessica Chou / The New York Times

Самые большие компьютерные чипы обычно помещаются в ладони. Некоторые могут уместиться на кончике пальца. Известно, что увеличение физических размеров вызывает массу проблем. Однако стартап из Кремниевой долины бросает вызов этой идее. Сегодня на конференции Hot Chips в Пало-Альто компания Cerebras Systems и её производственный партнер TSMC представили «крупнейшую микросхему в истории компьютерной техники» размером примерно с обеденную тарелку, пишет NY Times.

Процессор предназначен для дата-центров по обработке вычислений в области машинного обучения и искусственного интеллекта (AI).

Исследователи Facebook совместно с Google DeepMind, Вашингтонским университетом и Нью-Йоркским университетом представили SuperGLUE — серию тестовых задач для измерения производительности искусственного интеллекта, распознающего речь.

SuperGLUE была создана на основе нейронной сети Google BERT. Производительность BERT, как сообщает VentureBeat, превзошла такие модели, как MT-DNN от Microsoft, XLNet от Google и RoBERTa от Facebook, которые обеспечивают высокую производительность — выше среднего базового уровня человека.

Wall Street Journal опубликовал отчёт, в котором утверждается, что стартап под названием Engineer.ai, который якобы использует ИИ для создания приложений, на самом деле представляет собой группу разработчиков-людей.

Стартап Engineer.ai стал известен в прошлом году после того, как представил революционный способ создания приложении с помощью «нескольких щелчков мышью». Руководство компании заявляло, что для этого используется искусственный интеллект. На мероприятии в Нью-Дели генеральный директор компании Сачин Дуггал рассказал, что он создал ИИ под названием «Наташа», который позволяет любому создать пользовательское приложение, и что это так же просто, как заказать пиццу.

В рамках борьбы с deepfake — видео и аудио, созданных с помощью искусственного интеллекта — исследователи Орегонского университета тестируют одну из самых необычных идей. Группа учёных пытается научить мышей распознавать незаметные для человеческого слуха различия в речи, чтобы затем обучить машину этому механизму распознавания.

Исследователи обучили мышей понимать небольшой набор фонем, которые отличают одно слово от другого. Мышки получали награду каждый раз, когда они правильно идентифицировали звуки, что составило до 80% случаев.

«Мы научили мышей определять разницу между звуками, окруженными разными гласными, в разных контекстах. Мы считаем, что есть возможность обучить мышей распознавать ложную и реальную речь», — рассказал Джонатан Сондерс, один из исследователей проекта, изданию BBC.

DeepMind, дочерняя компания Google, создала футбольный симулятор для тестирования алгоритмов машинного обучения. Видеоигра под названием Google Research Football Environment позволяет исследователям тестировать алгоритмы в основанном на физике и простом в использовании мире.

Футбольный симулятор в качестве обучающей платформы для ИИ был выбран неслучайно. Как сообщает статья на сайте Массачусетского технологического института, одна из задач для исследователей ИИ заключается в том, чтобы найти новые проблемы для алгоритмов машинного обучения, которые они могли бы решать и таким образом обучаться. Простые видеоигры, такие как Pong или Breakout, иногда слишком примитивны и предсказуемы для этих алгоритмов. Другие игры, такие как Starcraft, слишком сложны. Starcraft — стратегия в реальном времени, которая разворачивается в большой онлайн-вселенной, — настолько обширна и запутанна, что требует огромных вычислительных ресурсов для сбора соответствующих данных и обучения.

Управление перспективных исследовательских проектов Министерства обороны США (DARPA) ищет средства для быстрого обнаружения deepfake в условиях «растущей угрозы крупномасштабных дезинформационных атак».

На прошлой неделе Управление объявило о том, что 28 августа проведёт день соискателей. Цель мероприятия — дать больше информации о программе Semantic Forensics (SemaFor). Программа, по словам DARPA, будет разрабатывать способы обхода некоторых слабых сторон современных deepfake-инструментов.

«Методы обнаружения, которые использовались раньше, часто можно обмануть из-за их ограниченных ресурсов, — говорится в объявлении DARPA. — Однако существующие алгоритмы автоматического генерирования и манипулирования мультимедиа в значительной степени подвержены семантическим ошибкам».

Третий семестр Техносферы переходит в онлайн-формат, и учиться на нём теперь смогут не только студенты МГУ. Партнёром онлайн-программы стала образовательная компания SkillFactory, которая спроектировала онлайн-курс по машинному обучению. Также SkillFactory организует дополнительный набор на курс и техническую поддержку обучения. Преподавателями и менторами курса останутся ведущие инженеры Mail.ru Group. 

Подрядчики, работающие на Microsoft, возможно, могут прослушивать личные разговоры пользователей Skype. Об этом представители компании, название которой не раскрывается, рассказали изданию Motherboard.

В 2015 году Skype запустил услугу «Переводчик», которая переводит разговор прямо во время звонка. Инструмент даёт возможность пользователям Skype разговаривать или переписываться в чате на разных языках с людьми по всему миру. Для этого Skype использует искусственный интеллект, но, как и во многих других проектах с применением ИИ или машинного обучения, часть работы выполняется людьми для улучшения алгоритмов его функционирования.

При этом в FAQ для Skype Translator говорится: «Чтобы помочь технологии развиваться, мы проверяем автоматические переводы и отправляем исправления обратно в систему для создания более эффективных сервисов». Однако в этом разделе не сообщается, что аудио, захваченное с помощью функции «Переводчик», могут слушать живые люди.

Швейцарский стартап DeepCode разрабатывает систему автоматического код-ревью на базе глубинного обучения, сообщает venturebeat. На днях компания закрыла первый инвестиционный раунд и получила на свое развитие $4 млн.

В основе технологии, предлагаемой командой DeepCode, лежит семантический анализ кода вкупе с обучением нейросети с помощью Big Data. Самое интересное в этой разработке то, что в качестве базы данных для обучения сети будет использоваться код публичных репозиториев GitHub.


Кликабельно

Весь процесс разработчики разделяют на несколько этапов. Первый — разметка базы, то есть парсинг самого GitHub и сортировка данных. В качестве главного параметра будет выступать язык программирования, на котором написан проект. Далее идет разметка данных и подготовка спаршенного кода к потреблению нейросетью. Ну и последний, третий этап — это обучение самого DeepCode.

Приглашаем 10 августа в московский офис Mail.ru Group на тренировку по машинному обучению.

Тренировка по машинному обучению — это открытый митап, на который мы приглашаем участников соревнований по анализу данных, чтобы познакомиться, рассказать про задачи, обменяться опытом участия и пообщаться. С докладами выступают опытные участники последних соревнований на Kaggle и других платформах, рассказывают о своих решениях: какие техники и методы использовали они сами, а какие помогли их конкурентам.

Пользователь вводит данные: контуры планировки, входная группа и окна. Нейросеть создает планировку с помещениями, а также стены и проемы между ними.

_{Источник: DeepMind}

Разработчики Google DeepMind представили прорыв в сфере здравоохранения. Новая технология DeepMind способна предсказать обострения заболеваний почек за 48 часов до того, как симптомы могут распознать врачи.

Для контроля состояния почек программа использует результаты анализа крови. Она определяет содержание креатинина — вещества, которое способно вызвать острую почечную недостаточность. Результаты исследования отправляются в автоматическом режиме врачам и медсестрам в виде отчета.

Даниил Казанцев из Екатеринбурга выиграл грант от Google на обучение в размере 15 тысяч долларов. Он придумал устройство, которое помогает глухим и слабослышащим людям выражать свои мысли.

Результаты нового исследования искусственного интеллекта указывают на то, что зрительная система спонтанно создает чувство числа без предварительного опыта подсчета.

У людей и животных есть «чувство числа», врожденная способность подсчитывать количество объектов в сцене. Считается, что нейронной основой этой способности являются так называемые нейроны числа, которые реагируют на определенные числа и были обнаружены в мозге человека и животных. Исследователи долго задавались вопросом, формируются ли эти нейроны числа в мозге только благодаря способности видеть — и если да, то как? Теперь группа исследователей во главе с профессором Андреасом Нидером из Института нейробиологии Университета Тюбингена изучила происхождение чувства числа, используя искусственную нейронную сеть. Результаты показывают, что чувство числа возникает спонтанно в визуальной системе без какого-либо опыта в подсчете. Исследование было опубликовано в издании Science Advances.

Три исследователя Samsung AI Center в Сколково разработали нейросеть, способную воспроизводить фотореалистичные сцены из видео с нового угла зрения.
Система использует набор точек, которые представляют собой геометрический аналог сцены из видео. Сеть обрабатывает облако точек так, чтобы в итоге получилось изображение с другой точки обзора. Такой подход можно использовать для моделирования изображений из видео без построения сетки.

Как сообщил Дмитрий Ульянов, один из авторов разработки, в комментарии The Next Web, «идея состоит в том, чтобы научиться визуализировать сцену с любой точки зрения».

В рамках реализации мероприятий федерального проекта «Цифровые технологии» национальной программы «Цифровая экономика» Сбербанк подготовил проект дорожной карты по развитию направления «Нейротехнологии и искусственный интеллект», пишет CNews. Ведущий российский банк позиционирует себя как локомотив рынка решений в области искусственного интеллекта и нейротехнологий. Этот рынок в ближайшие годы ожидает бурный рост, особенно в России, считает Сбербанк, который постепенно избавляется от последних четырёх букв в своём названии.

Российский рынок решений в сфере ИИ в 2018 г. составил 2,1 млрд руб., а к 2024 г. увеличится до 160 млрд руб. (рост в 76 раз). Рынок решений в сфере нейротехнологий в 2018 г. составил 100 млн руб., а к 2024 г. вырастет до 8,2 млрд руб. (в 82 раза). А если учесть выручку компаний в сфере ИИ, выручку прочих ИТ-компаний, которые разрабатывают продукты благодаря ИИ, и прирост выручки компаний из различных отраслей экономики, который был получен благодаря искусственному интеллекту, то к 2024 году российский рынок ИИ вырастет до 907 млрд рублей, подсчитали специалисты Сбербанка.

Это фантастически привлекательная перспектива. Чтобы она воплотилась в жизнь, Сбербанк предлагает вложить в данное направление относительно небольшую сумму: всего 180 млрд руб. до 2030 года.

29 июля 2019 г., Москва — ООО «Северсталь Диджитал» (входит в ПАО «Северсталь») завершило разработку первой версии нейронной сети для выявления поверхностных дефектов на листовом металле в Цехе обработки металлов №2 (ЦОМ-2) производства плоского проката Череповецкого металлругического комбината (ЧерМК). Призовой фонд конкурса составляет суммарно $120 тыс.