TechCave

Описание сайта

Искусственный интеллект

Основная информация

Искусственный интеллект (ИИ, англ Artificial intelligence, AI) наука и технология создания интеллектуальных машин, особенно интеллектуальных компьютерных программ, свойство интеллектуальных систем выполнять творческие функции, которые традиционно считаются прерогативой человека.

Рейтинг: 0
Создана 4 года назад
Владелец root

Стена группы

Загрузка...
5 месяцев назад
#

Встречаем Яндекс.Телефон — теперь официально





Представляем
Яндекс.Телефон — это первый смартфон, который объединяет привычные приложения Яндекса в единую экосистему, в центре которой находится Алиса.

Сегодня мы расскажем читателям Хабра, почему тесная связь с «железом» так важна для любого голосового помощника. Мы объясним, чем определитель номеров Яндекса отличается от простого поиска по каталогу организаций. Вспомним про машинное обучение и сравним клавиатуры. Расскажем о каталоге приложений и ответим на другие вопросы.

Источник
5 месяцев назад
#

Бывший вице-президент Sun и DEC стал президентом MIPS / Wave, говорит о России и RISC/V



15 минут назад Арт Свифт стал президентом MIPS, до этого он вице-председателем комитета по маркетингу RISC-V, вице-президентом Sun, DEC, Cirrus Logic, президентом Трансмета. Я стал первым, кто взял у него видео-интервью в его новой роли, и его первые слова были о России. Арт рассказал, что он знаком с Байкал Электроникс, ЭЛВИС-НеоТек. НИИСИ, МЦСТ и группой Бабаяна, встречался с российскими RISC-V компаниями Syntacore и CloudBear. Вот видео — в конце оборвалось, так как у меня кончилась батарейка:

А вот официальный-пресс релиз и отрывок из биографии Арта Свифта:

Источник
5 месяцев назад
#

Как искусственный интеллект помогает работать с юридическими документами? Лекция Егора Будникова из ABBYY



Недавно системный аналитик технологического департамента компании ABBYY Егор Будников выступил в «Яндексе» на конференции «
Data & Science: закон и делопроизводство». Он рассказал, как работает компьютерное зрение, происходит обработка текстов, на что важно обращать внимание при извлечении информации из юридических документов и о многом другом.

— У компании могут быть развитые методологии анализа данных и электронный документооборот, при этом от клиентов или от соседних отделов в компанию могут приходить документы, созданные в Word, при этом распечатанные, отксерокопированные, отсканированные и принесенные на флешке.

Что же делать с документооборотом, который есть сейчас, с «грязными» документами, с бумажным хранением, вплоть до того, что документы могут храниться до 70 лет, прежде чем они отсканированы и должны быть распознаны?

Источник
5 месяцев назад
#

Логика, объяснимость и будущее понимания



Открытие, связанное с логикой

Логика служит основой множества вещей. Но каковы основы самой логики?

В символьной логике вводятся символы вроде p и q, обозначающие утверждения (или «пропозиции») типа «это интересное эссе». Ещё есть определённые правила логики, к примеру, для любого p и любого q выражение NOT (p AND q) аналогично (NOT p) OR (NOT q).

Но откуда берутся эти «правила логики»? Логика – система формальная. Как и евклидову геометрию, её можно построить на аксиомах. Но что такое аксиомы? Можно начать с таких утверждений, как p AND q = q AND p, или NOT NOT p = p. Но сколько аксиом требуется? Насколько они могут быть простыми?

Этот вопрос довольно давно был мучительным. Но в 20:31 в воскресенье, 29 января 2000 года, на экране моего компьютера появилась единственная аксиома. Я уже показал, что проще ничего быть не может, но вскоре установил, что этой единственной небольшой аксиомы было достаточно, чтобы создать всю логику:



Источник
5 месяцев назад
#

Научный корпоратив Smart Engines (или как мы ездили на ICMV 2018)





Каждая уважающая себя IT-компания ценит своих сотрудников. Это выражается не только в хороших зарплатах, гибких графиках и домашнем уюте в офисе (что, несомненно, является важным материальным показателем ценности сотрудника), но и в проведении различных мероприятий из серии “для души”. Именно поэтому в новостях часто мелькают заметки про то, как крупные IT компании арендуют рестораны/пансионаты/яхты для проведения различного рода корпоративов. И, наверное, это все очень здорово, дружно и весело. Наверное, в такие моменты активно процветает тот самый мифический тимбилдинг, про который так любят говорить за границей. И все-таки, у нас в Smart Engines свой взгляд на то, как лучше потратить честно заработанные деньги с наибольшей пользой для сотрудников.



Источник
5 месяцев назад
#

Digital-тренды 2019 года и их влияние на изменение поведения потребителей



Основа развития любого бизнеса — понимание того, в каком направлении движется отрасль. Держать руку на пульсе трансформаций, происходящих в сфере цифрового маркетинга, одновременно сложно и интересно. Все, что касается технологий и digital, изменяется крайне быстро, но эти изменения открывают новые возможности достучаться до потребителя и найти своего клиента.

В данном обзоре рассмотрим digital-тренды, которые будут влиять на маркетинг и пользовательское поведение в 2019 году.

<img src="https://habrastorage.org/webt/la/oi/rv/laoirvdnm_duhwrhamgayjscbdi.png">

Источник
5 месяцев назад
#

ИИ от Uber прошел Montezuma’s Revenge лучше, чем человек





Об игре Montezuma’s Revenge на Хабре писали не так, чтобы очень много. Это сложная классическая игра, которая ранее была очень популярна, но сейчас в нее играют либо те, у кого она вызывает ностальгические чувства, либо же исследователи, разрабатывающие ИИ.

Летом этого года
появилась информация о том, что компания DeepMind смогла научить свой ИИ проходить игры для Atari, включая Montezuma’s Revenge. На примере этой же игры
обучали свою разработку и создатели OpenAI. Сейчас аналогичным проектом занялась компания Uber.

Источник
5 месяцев назад
#

Night Sight: как телефоны Pixel видят в темноте





Слева: iPhone XS (фото в полном разрешении). Справа: Pixel 3 Night Sight (фото в полном разрешении).

Night Sight – новая возможность приложения Pixel Camera, позволяющая делать чёткие и чистые фотографии при очень низком освещении, даже когда света настолько мало, что и ваш глаз мало что видит. Она работает на основной и фронтальной камере всех трёх поколений телефонов Pixel, и ему не требуется штатива или вспышки. В этой статье мы поговорим о том, почему так сложно делать фотографии при плохом освещении, обсудим вычислительную фотографию и технологии машинного обучения, накладываемых на формат HDR+, и позволяющим Night Sight работать.

Источник
Den
5 месяцев назад
#

Как научить искусственный интеллект здравому смыслу





Пять лет назад программисты из DeepMind, лондонской компании, специализирующейся на ИИ, радостно наблюдали за тем, как ИИ самостоятельно учился играть в классическую аркадную игру. Они использовали модную технологию глубинного обучения (ГО) для, казалось, странной задачи: овладения игрой в
Breakout, сделанной в компании Atari, в которой нужно отбивать шарик от кирпичной стены, чтобы кирпичики исчезали.

ГО – это самообучение для машин; вы скармливаете ИИ огромные количества данных, и он постепенно начинает самостоятельно распознавать закономерности. В данном случае данными было происходящее на экране – крупные пиксели представляли кирпичи, шарик и ракетку. В ИИ DeepMind, нейросеть, состоящую из расположенных слоями алгоритмов, не было заложено никаких знаний по поводу правил игры Breakout, его принципов работы, целей и методов игры. Программисты просто позволили нейросети изучать результаты каждого действия, каждого отскока шарика. К чему это приведёт?

Источник
Den
5 месяцев назад
#

Искусственный интеллект. Интеллектуальная собственность. Danger



Достижения в области искусственного интеллекта у всех на слуху, объемы рынка оцениваются в
1,2 трлн долл. США к концу 2018 года. В пятилетней перспективе большинство специалистов говорит об увеличении рынка чуть ли не на порядок.

И вот совсем лаконичный факт — количество патентов только по точному запросу в наименовании «artificial intelligence»/искусственный интеллект, т.е. даже не принимая в расчет сходные термины «neural network»/нейронные сети, «machine learning»/машинное обучение и пр., по состоянию на начало ноября 2018 г.:

  • Google (Alphabet) — 1 430 патентов,

  • Apple — 592 патента,

  • Китай всего — более 7 000 патентов,

  • Всего в мире — более 100 тыс. патентов (эти и аналогичные данные можно увидеть и проанализировать на открытом ресурсе Google Patent или других агрегаторах).



И, внимание(!!!):

  • Россия – 17 патентов (база данных Роспатента, также есть в открытом доступе), содержащих в наименовании термин «искусственный интеллект» и 657 патентов (это с учетом незавершенных и отмененных), содержащих термин «искусственный интеллект» в описании.





Источник
5 месяцев назад
#

Беседы с «Высшим разумом». Пределы в создании искусственного интеллекта



Продолжаю публиковать отрывки из книги "
Высший разум". Теперь о том, почему мы так далеки от действительного искусственного интеллекта. И не факт, что сможем его достигнуть.



— Ты знаешь, что мы тоже работали над созданием искусственного интеллекта?

— Ваши разработки еще очень далеки до того, что можно назвать интеллектом. Ваши нейросети – это пока не более чем классификаторы сложных паттернов, которые выбирают какой-то из выходов сети, но совершенно не знают о нем ничего более чем о точке выхода. Это вы интерпретируете выход как «лошадь», а не сеть, распознающая ее картинку. Сеть о ней ничего не знает. Это не интеллект.

— Поясни. Не понял этот тезис.

— Вам кажется, что вы сделали нейросеть, которая как человек распознает образы. Она может различить лошадь и пароход. Но нейросеть не может различить, например, две лошади так, чтобы назвать их произвольное отличие. Мозг отличается именно аналитической функцией, то, что вы называете common sense.

— Но нейросети уже многое могут то, что раньше мог только человек. Разве это не интеллект?

— Самый совершенный ваш автопилот не может действовать так же эффективно как обычная пчела. Пчела летает без помощи дорожной разметки и ориентируется без GPS. А пчела — это насекомое, самое начало эволюции нейронных систем. Вы находитесь где-то на том же шаге в разработке интеллекта. И достигаете результата только за счет больших масштабов.

Кстати, обученные вами нейросети, с подкреплением особенно, похожи на выработку врожденных инстинктов у насекомых. Только время их выработки вы сумели сжать до нескольких часов вместо тысячи лет, собрав датасет из картинок, которые жучок может увидеть только за сотню поколений. Но поменять инстинктивное поведение обученной сети вы уже не можете, как и жучок свои инстинкты. Это тот уровень, которого вы достигли. А интеллект – это память, внимание, мышление, воображение и, в конце концов, сознание. Вы даже не знаете еще, что это такое, но думаете, что можете создать их. Это очень странно.

Источник
Den
5 месяцев назад
#

NeurIPS: как покорить лучшую конференцию по ML



NeurIPS –– конференция, которая на данный момент считается самым топовым событием в мире машинного обучения. Сегодня я расскажу вам о своем опыте участия в конкурсах NeurIPS: как потягаться с лучшими академиками мира, занять призовое место и опубликовать статью.





Источник
5 месяцев назад
#

Обзор основных методов Deep Domain Adaptation (Часть 2)



В первой части мы ознакомились с методами доменной адаптации с помощью глубоко обучения. Поговорили об основных датасетах, а также о подходах discrepancy-based и adversarial-based non-generative. Эти методы хорошо себя показывают для некоторых задач. А в этот раз мы разберём наиболее сложные и перспективные adversarial-based методы: generative models, а также алгоритмы, показывающие наилучшие результаты на датасете VisDA (адаптации с синтетических данных под реальные фотографии).





Источник
Den
6 месяцев назад
#

Обзор основных методов Deep Domain Adaptation (Часть 1)



Развитие глубоких нейронных сетей для распознавания изображений вдыхает новую жизнь в уже известные области исследования в машинном обучении. Одной из таких областей является доменная адаптация (domain adaptation). Суть этой адаптации заключается в обучении модели на данных из домена-источника (source domain) так, чтобы она показывала сравнимое качество на целевом домене (target domain). Например, source domain может представлять собой синтетические данные, которые можно «дёшево» сгенерировать, а target domain — фотографии пользователей. Тогда задача domain adaptation заключается в тренировке модели на синтетических данных, которая будет хорошо работать с «реальными» объектами.



В группе машинного зрения Vision@Mail.Ru мы работаем над различными прикладными задачами, и среди них часто встречаются такие, для которых мало тренировочных данных. В этих случаях сильно может помочь генерация синтетических данных и адаптация обученной на них модели. Хорошим прикладным примером такого подхода является задача детектирования и распознавания товаров на полках в магазине. Получение фотографий таких полок и их разметка довольно трудозатратны, зато их можно достаточно просто сгенерировать. Поэтому мы решил глубже погрузиться в тему доменной адаптации.





Источник
6 месяцев назад
#

Готовы ли вы к AI в билбордах?





Что, если бы билборды и баннеры могли понимать, какие цвета, картинки и слова получают больше всего отклика у зрителей? И самостоятельно «оптимизироваться», чтобы получать еще больше внимания? Что, если бы рекламные щиты учитывали, кто стоит перед ними, и показывали самую эффективную рекламу конкретно для этого человека? Это уже далеко не научная фантастика. Такие «умные» билборды активно развиваются последние два года, и скоро могут стать новым стандартом. Современные технологии вдыхают новую жизнь в один из самых старых методов рекламы.



Источник
5 6 8 9

Авторизация

Войти с помощью

Пользователи

GeekBrains

КАРКАМ

Нетология