3066
@Futuris - канал о технологиях, будущем и не только. Contact @antonod
Вы ждали и наконец его создали, встречайте. Google Gnome
Настоящий искуственный интеллект в вашем доме.
https://youtu.be/4C-Fpa4Pg94
В новом исследовании Университета штата Техас предлагается использовать машинное обучение для идентификации людей , восприимчивых к развитию депрессии.
Усёные используют суперкомпьютер, чтобы обучить алгоритм который может выявить сходство среди сотен пациентов с помощью магнитно-резонансной томографии, данных геномики и других факторов для прогнозирования пациентов с повышенным риском развития депрессии и беспокойств.
Машина научилась классифицировать людей с депрессивным расстройством с точностью около 75 процентов.
Подробнее
Новости на тему искусственного интеллекта становятся настолько популярными, что уже практически невозможно отследить всё, что публикуется в зарубежных СМИ.
Вот, хотя бы, взять то, что появилось в сети за сегодняшний день:
DataRobot - это платформа машинного обучения которая помогает компаниям оперативно разворачивать любые прогностические модели.
На днях компания получила финансирование в размере 54 миллионов долларов.
читать источник
Intel создает фокус - группу для стремительного развития ИИ-технологий
Планируется создание новых лабораторий для разработки софта, железа и новых продуктов компании. Возглавит передовое направление бывший глава компании Nervana (была приобретена Intel) которая использовала передовые технологии для развития алгоритмов машинного обучения.
читать источник
Отели станут следующим рубежом для голосовых ассистентов
Marriott тестирует голосовые помощники компании Apple и Amazon в некоторых из своих номеров в отеле Aloft в Бостоне.
читать источник
Машинное обучение против отмывания денег
Может финансовое мошенничество, такое как прачечная можно избежать, применяя умное сканирование данных? И если да, то почему это не происходит?
осторожно, лонгрид
Один из основателей Apple, Стив Возняк инвестирует $ 9,5 млн в стартап для «роботизированной оцифровке бумажных документов» Ripcord
На сколько я понял из статьи и видеоролика, машина будет сканировать и категоризировать с помощью машинного обучения любую бумажную документацию в компаниях. В общем в тренде - автоматизация, потеря рабочих мест (да, теперь компаниям не нужен будет тот парень который сканирует документы), 4-ая промышленная революция, налог на роботов, универсальный доход и т.д.
Можете изучить подробнее
А, ну и на последок, про своих) Мой друг и по совместительству руководитель стартапа Bolge который разрабатывает головной модуль управления медицинской техникой, опубликовал статью в нашем местном интернет ресурсе. Кстати, проект заинтересовал один из лучших мировых акселераторов для медицинских стартапов MedTech-Bootcamp в Мюнхене, который пригласил Bolge бесплатно поучаствовать в программе акселерации стоимостью в 3 тысячи евро.
Вобщем читайте и инвестируйте)), шутка...хотя на всякий случай вот wm кошелёк) R464948502021
Ну на сегодня всё, читайте, мыслите, мечтайте, работайте, развивайтесь.. прямо как современные нейронки)
Стартап Mythic запустил локальную AI-платформу на микрочипе
Стартап Mythic запустил уникальную платформу искусственного интеллекта, обладающую вычислительной мощью настольного компьютера и силой глубоких нейронный сетей, на микрочипе размером с пуговицу от рубашки.
При этом, AI-платформа производит все вычисления локально, не подключаясь к облачному сервису, что является недостатком существующих голосовых ассистентов, таких как Amazon Alexa, Google Assistant, Apple Siri или Microsoft Cortana. Именно по причине необходимости подключения к облаку для обработки голосовой команды пользователя происходит небольшая задержка при ответе виртуального AI-ассистента.
Разработка Mythic раздвигает границы использования искусственного интеллекта, позволяя голосовым AI-ассистентам появиться практически на любом устройстве – от носимых гаджетов для здоровья до девайсов умного дома.
Возможности использования микрочипа Mythic этим не ограничиваются. Он может найти применение в реализации технологии компьютерного зрения в камерах безопасности или дронах, а также в робототехнике, подключенных автомобилях и виртуальной реальности.
Стартап планирует начать массовые поставки микрочипа в середине 2018 года.
источник techcrunch.com
Читать в телеграфе
ИНВЕСТИЦИИ В БУДУЩЕЕ
• Y Combinator) представил 52 стартапа в первый день своего мероприятия W17 Demo Day
• Два раза в год событие предоставляет многообещающим стартапам возможность представить свою технологию и найти инвесторов.
Подбрка 5-и самых интересных:
Pantheon VR
Pantheon VR - уникальная плтаформа для создания VR игр
VINSIGT
VINSIGT - помогает фермерам заработать больше денег, не теряя урожай из - за плохого прогноза. Vinsight использует машинное обучение , спутниковые снимки, данные о погоде, а также исторические отчеты для формирования разведданных. Vinsight уже используется самым большим в мире винным заводом и вторым по величине производителем миндаля. Стоимость услуги $ 25 за акр, что не так много по сравнению с $ 11 млрд в год , что американские фермеры теряют от плохого прогнозирования.
CAMBRIDGE БИО-УСИЛИВАЮЩАЯ СИСТЕМА (CBAS)
Конечно, в любом лайнапе футуристических технологии вы найдете, по крайней мере, одну сосредоточенную на робототехнике или в данном случае, робот-протезирование. (CBAS) хочет быть стандартом для бионических имплантатов. Как указано на сайте "Мы работаем над решением и стандартизации связи между бионическими устройствами и нейронными и мягкими тканями систем в организме,". В настоящее время компания работает над недорогим имплантатом, который может подключаться как бионическое устройство к любой части тела.
COWLAR
COWLAR - стартап для коров (очевидно), который отслеживает температуру, активность животного, а также другие данные. Он использует "коровий маршрутизатор" на солнечных батареях, чтобы собирать все эти данные в режиме реального времени , а передавать фермерам рекомендации, позволяющие значительно повысить доход на молочных фермах.
SINOVIA
Гибкие дисплеи набирают обороты, и Sinovia Technologies надеется быть на передовой этой тенденции . Стартап хочет сделать OLED - дисплеи для устройств с небольшими экранами на 80 процентов дешевле , используя технологию которая позволяет им печатать рулоны тонких, прозрачных, гибких дисплеев, так же как газеты и журналы.
Источник futurism.com
Читать в телеграфе
Компания Imaging Avegant представляет революционную технологию Light Field которая обеспечивает ультра-высокое качество виртуальным объектам, предоставляя более реалистичный и интерактивный опыт.
Новая технология Light Field Technology позволяет пользователям взаимодействовать с объектами с близкого расстояния, позволяя преодолеть одно из существенных ограничений современной технологии дополненной реальности.
Технология Avegant представляет собой новую платформу в области дополненной реальности, позволяющую пользователям одновременно просматривать объекты на нескольких фокальных плоскостях. Получившееся изображение делает опыт более реалистичным, как если бы рассматриваемый объект находился прямо на кончиках пальцев пользователя. Технология Light Field позволяет получать изображения сверхвысокого качества, как для ближних, так и дальних объектов и может найти применение как в коммерческой, промышленной или потребительской области.
Light Field имитирует естественный способ испускания света объектами реального мира. Вместо того, чтобы представлять объекты как плоскую проекцию на определенном расстоянии, технология Light Field позволяет проецировать каждый объект на своей собственной фокальной плоскости. Следовательно, когда человек использует гарнитуру и переводит взгляд на другой виртуальный объект, его глаза затем перефокусируются на другой объект в своем собственном световом поле. Хотя Avegant до сих пор не полностью раскрыл, как именно работает их новая запатентованная технология, в настоящее время они работают над тем, чтобы превратить ее в коммерчески доступное устройство в течение следующих 12-18 месяцев.
Соучредитель Avegant и главный технический директор Эдвард Танг считает, что новая разработка компании - это недостающее звено в полностью интерактивном и реалистичном виртуальном опыте. Более того, он утверждает, что успех индустрии смешанной реальности зависит от технологии Light Field Technology.
Дополненная реальность изменит способ образования, работы и игровой индустрии. Avegant создал первый полноценный раствор дополненной реальности для аппаратного и программного обеспечения, создающий качественные виртуальные объекты на расстоянии вытянутой руки.
Дополненная реальность и тест Тьюринга.
Тест Тьюринга был разработан Аланом Тьюрингом для проверки способности машины к интеллектуальным характеристикам, которые нелегко отличить от способности человека. С тех пор тест Тьюринга подвергся широкой критике, но стал одной из важных основ искусственного интеллекта. В случае дополненной реальности и других технологий смешанной реальности также существует «визуальный тест Тьюринга», который проверяет «бесшовное» взаимодействие между реальным миром и виртуальным миром. Достижение Light Field Technology делает AR на один шаг ближе к прохождению теста, что может изменить индустрию дополненной реальности.
Видео презентация
Источник http://www.techtimes.com/
К 2029 году, компьютеры будут иметь интеллект человеческого уровня," сказал Курцвейл в интервью SXSW.
Рэй Курцвейл, технический директор в области машинного обучения и обработки естественного языка Google также, является хорошо известным футурологом. Из его 147 предсказаний , начиная с 1990 - х годов, сбылось около 86 процентов. Ранее на этой неделе на SXSW конференции ( фокусируется на новых технологиях, из-за чего фестиваль получил репутацию питательной среды для новых идей и инновационных технологий) в Остине, штат Техас, Курцвейл сделал еще одно предсказание: технологическая #сингулярность произойдёт в течение ближайших 12 лет.
Должно ли человечество бояться сингулярности? Всем известно, что когда машины станут умнее людей, они, вроде как, захватят власть над миром. Правильно? Многие шишки в мире науки и техники - как Стивен Хокинг, Элон Маск, и даже Билл Гейтс - предупреждают о такого рода будущем.
Ну, Курцвейл не думает так. На самом деле, он не особо беспокоится о сингулярности. Было бы правильнее сказать , что он с нетерпением ждёт этого (как, впрочем, и я). То, что научная фантастика изображает как сингулярность - когда один блестящий ИИ порабощает человечество - только вымысел.
"Это не реально", сказал Курцвейл во время своего интервью с SXSW. "У нас не один или два ИИ в мире. Сегодня у нас уже миллионы умных систем".
Для Курцвейла, сингулярность это возможность для человечества стать лучше . Он предполагает, что эта технология сделает умнее не машин, а людей.
"Что происходит на самом деле, так это то, что машины делают нас умнее" сказал Курцвейл во время интервью SXSW. "В 2030-х мы подключим к облаку наш неокортекс, часть мозга, ответственная за мышление».
"Мы сможем быть смешнее, быть лучше в сочинении музыки, мы сможем быть сексуальнее, "сказал Курцвейл во время интервью SXSW.
Таким образом, вместо будущего где машины захватывают мир, Курцвейл считает, что нас ждёт поразительный синтез человека и машины.
Источник futurism.com
Посмотреть интервью
Всем привет.
Прочитал на одном интересном канале о японском роботе для игры в настольный теннис. Робот уже успел получить символичный рекорд Гиннеса за лучшие тренерские способности.
В целом ребята пишут о мире робототехники, искусственного разума и сферах их применения.
Настоятельно рекомендую.
@robotics_channel
Шины с искусственным интеллектом? Почему нет?
Goodyear Eagle 360 Urban - эта шина не подойдёт для вашего семейного седана, но такая технология может появиться раньше, чем вы думаете.
Шины будут играть решающую роль в развитии новых транспортных средств и вполне возможно, что технология 360 Urban будет в конечном итоге использоваться на автомобилях будущего.
https://youtu.be/KAdw09M-F-g
#aiphilosophy
Возможности машинного обучения для стартапов
Машинное обучение, несомненно, является сегодняшним трендом, и не зря. Технология имеет огромный потенциал преобразования целых рынков и отраслей. Можно сделать акцент на четырёх ключевых характеристиках успешных компаний, применяющих машинное обучение:
1. Использование машинного обучения на мировых рынках.
Стартапы применяющие машинное обучение на рынках потребительских товаров смогут более точно прогнозировать уровень запасов для более эффективного управления цепочкой поставок, сократить складские расходы, минимизировать избыточные требования к емкости, и устранить складской дефицит товаров. Согласно исследованию Accenture, машинное обучение может привести к улучшению сроков поставки в 4.25 раз и повышению эффективности цепочек поставок в 2.6 раз.
2. Сосредоточьтесь на областях с рутиной.
Рутинная работа даёт возможность оптимизации сложных алгоритмов прогнозирования. Это не обязательно должна быть работа на заводских конвейерах или другой неинтеллектуальный труд. В том же примере цепочки поставок, сегодня аналитики оценивают потребительский спрос на основе рыночных данных и интуиции. Используя такие данные как время производства, эффективность продаж и другие торговые показатели, можно создать учебные модели на основе алгоритмов машинного обучения которые могли бы более точно прогнозировать будущие потребительские потребности.
3. Большие объемы данных доступных для прогнозирования.
Стартапы должны иметь доступ к значительным объемам данных, чтобы эффективно обучать модели машинного обучения. Для приумножения данных компании могут стать партнёрами с крупными, авторитетными корпорациями или создать собственный продукт, соблазняющий пользователей вводить свои собственные данные.
4. Сетевые эффекты и безопасность.
Алгоритмы будут общедоступными, что делает важным сохранение безопасности конфиденциальной информации. Например, алгоритм распознавания фото в Facebook, узнает от людей (на основе реакций пользователей) кто находится на фотографиях. Поэтому продукт должен стимулировать обратную связь от пользователей о своих прогнозах и рекомендациях в использовании личных данных.
Инвестируемые области
Вот некоторые из областей, где машинное обучение может иметь наибольший потенциал:
Медицинская диагностика и вычислительная биология
Цепочки поставок
Производство
Правовое регулирование
Голосовые технологии в бизнесе
Страхование
Личные финансы
Персонализированное образование
Создание AI стартапов ради применения технологий машинного обучения не является целью. Речь идет о воплощении в жизнь возможностей, которые нам открываются с помощью технологий.
источник http://venturebeat.com
В продолжение мысли предлагаю посмотреть видео о перспективах развития ИИ
DeepMind опубликовал революционную разработку: PathNet.
В научной работе специалисты DeepMind смогли показать как, потенциально, будет выглядеть сильный искусственный интеллект.
PathNet представляет собой сеть нейронных сетей, обученных с использованием стохастического градиентного спуска и метода генетической селекции.
PathNet состоит из слоев модулей. Каждый модуль представляет собой нейронную сеть любого типа, она может быть сверточной, рекуррентной, упреждающей и др.
Мы можем предположить, что в будущем у нас будут гигантские ИИ, обученные тысячам задач и способные обобщать любую информацию. Короче говоря, сверхинтеллект.
Источник medium.com
Google теперь может распознавать объекты в видео с помощью машинного обучения
До сих пор компьютеры не могли понять содержание видео напрямую без пометки вручную. По крайней мере, в демо-версии Google это было действительно впечатляюще. Google делает API доступным для разработчиков.
«Мы начинаем проливать свет на темную материю цифровой вселенной»
Источник http://www.theverge.com/2017/3/8/14857126/google-cloud-video-api-ai-machine-learning
Google Translate с использованием нейронных сетей теперь переводит на русский
В качестве примера выкладываю перевод статьи с techcrunch
от Google Translate:
Прошлой осенью Google внедрил новую систему для машинных переводов, систему переводов Neural Machine Translation (GNMT), которая использует глубокие нейронные сети, чтобы переводить целые предложения, а не только фразы, для значительно улучшенных переводов. Компания поместила систему для работы в Google Translate на восемь языковых пар в ноябре и сегодня расширяет поддержку еще трех: русских, хинди и вьетнамцев. Перевод Neural Machine вступил в действие в конце прошлого года с поддержкой перевода на английский и французский, немецкий, испанский, португальский, китайский, японский, корейский и турецкий языки. Они представляют собой родные языки, в которых проживает около трети населения мира, и охватывают более 35% всех запросов Google Translate, говорится в сообщении компании в то время. Сегодняшние новости также довольно значительны с точки зрения масштаба, так как в США только 1 292 448 человек говорят на вьетнамском языке; Еще 836 171 говорят по-русски; И 586173 говорят на хинди, пишет Google, сославшись на данные переписи населения США. И еще несколько языков будут добавлены в ближайшие недели, включая тайский, что не совсем соответствует сегодняшнему релизу. Google Translate обслуживает более 500 миллионов ежемесячных пользователей, которым требуется 140 миллиардов слов в день, сообщает The New York Times в декабре. Согласно отчету, переход Google на эту систему машинного перевода с питанием от A.I. должен завершиться в этом году. Hindigoogletranslatev2b Нейронный перевод - это огромный скачок по сравнению с предыдущими системами перевода, поскольку он может использовать прогресс, достигнутый в области машинного обучения, чтобы сделать перевод более точным и более похожим на то, как люди говорят на этом языке. Отличия заключаются в том, что система не переводит каждую часть предложения по частям, а рассматривает предложение в целом. Это помогает системе выяснить более широкий контекст и наиболее релевантный перевод. Затем он перестраивает и корректирует предложение, используя правильную грамматику. Кроме того, система Neural Machine Translation учится со временем и совершенствуется, что приводит к лучшим и более естественным переводам, чем дольше она работает. Новые переводы, работающие на этой системе, будут транслироваться на платформу Google Translate, начиная с сегодняшнего дня. Это включает онлайн на сайте translate.google.com, через поиск Google и приложение Google Search, а также в приложениях Переводчика Google для iOS и Android. В скором времени переводы станут доступными для автоматического перевода страниц в Google Chrome.
Английские ученые создали новый материал, который даст возможность управлять звуковыми волнами
Ученые из Университета Сассекса (Великобритания) создали акустический метаматериал, способный преобразовывать звуковые волны. Вещество отнесено в класс метаматериалов, так как его структура не встречается нигде в природе и может быть воссоздана только путем определенных технических операций. Авторы новинки утверждают, что их устройство может быть использовано в сфере аудиотехники, а еще в врачебной области. Также было обозначено, что этот материал крайне доступный, в сравнении с собственными аналогами. Для его разработки использовались вейвлет-преобразование и аналого-цифровое преобразование знаков. Творение ученых имеет вид конструкции, которая построена из крошечных «кирпичиков». Новый квантовый метаматериал, состоящий из большого количества маленьких «кирпичиков», способен преобразовать акустические колебания в необходимые звуковые волны. Некоторые специалисты считают, что с помощью инновационной технологии будет возможность лечения онкологических заболеваний. Для масштабного производства метаматериала научные профессионалы планируют использовать 3D-принтеры.
Оригинал http://www.sci-news.com/featurednews/sound-shaping-metamaterial-4657.html
перевод http://szaopressa.com
Создан материал для борьбы с катастрофическими последствиями разлива нефти в окружающей среде. Способен впитывать жидкость в 1 000% большим объёмом чем собственный.
источник https://www.newscientist.com/article/2123391-sponge-can-soak-up-and-release-spilled-oil-hundreds-of-times/
Чат-бот, созданный 20-и летним студентом Стэнфордского Университета, оспоривший 160 000 штрафов за парковку теперь будет помогать беженцам требовать убежище в США, Канаде и Великобритании
источник https://www.theguardian.com/technology/2016/jun/28/chatbot-ai-lawyer-donotpay-parking-tickets-london-new-york
Welle является первым устройством, которое использует встроенный сонар для обнаружения движения и жестов пользователя в пространстве для управления смарт-устройствами и приложениями в доме или офисе.
Подробнее
Также по теме:
В отдельном научно - исследовательском проекте, команда в MIT разработала способ превратить вашу кожу в сенсорный интерфейс для устройств с использованием золотой татуировки.
OpenAI — некоммерческая исследовательская компания из Сан-Франциско, занимающаяся искусственным интеллектом. Цель компании — развивать открытый, дружественный ИИ. Одним из основателей является предприниматель Илон Маск, известный по проектам PayPal, SpaceX, Tesla Motors.
Наткнулся на интересную статью про новую разработку специалистов компании OpenAI. Краткий перевод изложил ниже.
"Исследователи OpenAI разработали стратегию эволюции нейронной сети (нет, она не имеет большого отношения к биологической эволюции) которая обещает более мощные системы ИИ. Вместо того, чтобы использовать стандартную подготовку по усилению, они создают «черный ящик», где забывается, что существует окружающая среда и нейронные сети. Речь идет об оптимизации данной функции в изоляции и при необходимости использовании ее.
Система начинает со многих случайных параметров, делает догадки, а затем настраивает последующие догадки в пользу более успешных вариантов, постепенно сводя данные к идеальному ответу. Вы можете начать с миллиона чисел, но в итоге вы получите только одно. Это звучит немного загадочно, но существуют явные преимущества.
Эта технология устраняет многие традиционные проблемы в обучении нейронных сетей, делая код как более простым в реализации, сокращая создание сети примерно в два-три раза. В тестах большой суперкомпьютер с 1440 ядрами мог обучать гуманоидов ходьбе за 10 минут против 10 часов для типичной установки.
В конечном итоге мы можем увидеть роботов, которые очень быстро адаптируются к новым задачам и учатся на ошибках."
Интересно, как скоро эта разработка найдёт применение в жизни. Но судя по нынешним темпам развития технологий, это не десятилетия и возможно даже не годы.
Источник engadget.com
Каково будущее машинного обучения в области финансов?
Машинное обучение уже значительно продвинулось в решении сложных задач в области обработки естественного языка, распознавании изображений, речи и других немаловажных задач. В последнее время глубокое обучение или нейронные сети стали одним из самых популярных и мощных методов для изучения задач. Финансовый сектор также не остался в стороне, нетронутым текущей волной машинного обучения и искусственного интеллекта.
Настоящий финансовый рынок уже состоит из людей и машин. Уже сегодня проходят высокочастотные торги где специально обученные машины ворочают миллиардами долларов с частотой отклика измеряемом в микросекундах. Согласно статистике, почти 73% от ежедневной торговли выполняется машинами. Многие крупные финансовые компании вкладывают средства в алгоритмическую торговлю, поскольку уровень и объем торговли, осуществляемой машинами, находится за пределами человеческих границ. Основываясь на очень сложной модели, эти машины учитывают прошлые исторические имеющиеся финансовые данные, а также другую информацию доступную в Интернете. Эти системы принимают торговые решения в режиме реального времени.
Заполненный такими искусственными торговыми системами, рынок с каждым днем становится все более и более изощренным. Эти системы конкурируют в реальном времени, а также, в рамках этих соревнований, они наводняют рынок ложными данными, чтобы замедлить конкурентов и получить преимущество над ними. Кроме того, алгоритм может вести себя нерационально. Один из самых известных примеров Flash Crash 2010 года, когда рынок резко упал на 36 минут.
Теперь, с точки зрения машинного обучения, происходит активное исследование в области биржевой торговли, оптимизации портфеля и т.д. Исследователи постоянно пытаются узнать всё больше информации из увеличивающегося объема доступных данных. Более старые модели использовали только числовые данные, но сегодняшняя система учитывает финансовые новости, даже прежде чем они достигают людей и выводит результаты, основанные на новостях. В будущем мы можем ожидать, что машины будут иметь больший контроль над финансовыми рынками.
Вот ссылки на некоторые хорошие Tedы по алгоритмической торговле и использованию машинного обучения в области финансов:
1) Sean Gourley - Высокочастотная торговля и новые алгоритмические экосистемы
2) Yan Ohayon - Влияние алгоритмической торговли
Этот вопрос первоначально появился на Quora. Место, созданное чтобы задавать вопросы и делиться знаниями, чтобы дать возможность людям учиться у других и лучше понять мир.
ADOBE тут взялся за машинное обучение и научил его аккуратно и главное быстро выделять сложные объекты на фото. Кто занимался редактированием фотографий поймёт, вобщем скоро упростится работа в фотошопе и пишут, что может киноиндустрия откажется от зелёных экранов для создания фантастических спецэффектов.
Всё бы хорошо, да не спецэффекты в жизни главное)
вобщем читайте (переводчик в помощь)
Источник digitaltrends.com
Disney представляет систему, позволяющую пользователям точно поймать объект, погрузившись в среду виртуальной реальности.
Исследование рассматривает три визуализации: визуализацию совпадающего виртуального шара, предсказанную траекторию шара и целевую точку улавливания, лежащую на предсказанной траектории. Прогностическая визуализация повышает эффективность чувств пользователя, также может изменять стратегию пользователя при ловле.
Интересно представить потенциал применения данной технологии.
https://youtu.be/Qxu_y8ABajQ
Через значительные инвестиции в область искусственного интеллекта (ИИ) стартапы и ведущие мировые технологические фирмы спешат создавать новые рынки и трансформировать экономомику.
Посмотрим на некоторые из многих технологических компаний которые вкладывают средства в исследования ИИ, чтобы создать крепкий фундамент на зыбком цифровом рынке.
Читать в телеграфе
Также из последних новостей:
Google разработала Guetzli - новый алгоритм с открытым исходным кодом , который создает высококачественные изображения в формате JPEG с размером файла на 35% меньше, чем методами доступными в настоящее время, что позволяет создавать веб - страницы ,которые могут загружаться быстрее и использовать даже меньше данных.
Источник: Google Research Blog
Квантовые вычисления делают большой шаг вперед благодаря машинному обучению
Мы постепенно узнаем все больше и больше о том, как могут быть реализованы супер-мощные квантовые системы - и последние исследования в этой области относятся к слиянию традиционного машинного обучения и квантовых вычислений.
Ученые из Университета Quantum Engineering Technology Labs в Бристоле успешно продемонстрировали технологию машинного обучения которая может быть использована с квантовым процессором для эволюции других квантовых систем.
Машинное обучение будет играть ключевую роль в эффективном применении будущих квантовых устройств, таких как квантовые компьютеры, а также в понимании и управлении сложной квантовой системы, например, химических молекул.
Проще говоря, это важный шаг к реализации мощных квантовых компьютеров. Ранее в этом месяце, компания IBM объявила , что она планирует создать первый коммерческий универсальный квантовый компьютер.
Источник techradar.com
Команда DeepMind смогла преодолеть проблему катастрофического забывания в нейронных сетях
Исследователи DeepMind преодолели один из главных камней преткновения в области искусственного интеллекта, написав алгоритм который может использовать приобретённые навыки для решения новых задач.
Большинство ИИ, основанных на нейронных сетях могут осваивать различные задачи (например: играть в игру ГО) через бесчисленное количество итераций, проб и ошибок. Но когда нейронная сеть начинает осваивать новую задачу, то ей приходится переписывать свои навыки игры в ГО и повторять весь процесс обучения по новой. Она страдает от того, что исследователи ИИ называют "катастрофическим забыванием".
Для того, чтобы построить новый ИИ, исследователи опирались на исследования из нейробиологии, которые показывают, что животные и люди учатся, постоянно сохраняя связи мозга, которые, как известно, важны для навыков, полученных в прошлом.
Исследователи протестировали новый алгоритм, позволив ему сыграть в 10 классических игр Atari в случайном порядке. Они обнаружили, что через несколько дней в каждой игре ИИ был столь же хорош как человек в 7 из 10 играх. Без нового подхода консолидации памяти, ИИ едва научился играть в одну из них.
Хотя программа научилась играть в разные игры, она не овладела ими на мастерском уровне. Научная работа показала, что алгоритм может освоить новые задачи последовательно, опираясь на предыдущий опыт, но не показала, что он сможет освоить новые навыки с максимальной эффективностью.
Это исследование получило положительную оценку специалистов в области развития искусственного интеллекта и является одним из первых шагов в создании сильного ИИ .
В последнее время новости на тему развития искусственного интеллекта становятся всё интереснее. По оценкам многих специалистов в ближайшие годы нас ждёт больше важных открытий чем за последние десятилетия. Интересно наблюдать как на глазах меняется мир.
Источник theguardian.com
Стартап Evolv получает инвестиции в размере 18 миллионов $ для умных сканеров тела которые помогут избежать массовых жертв
Сегодня общественные места, такие как ночные клубы, стадионы, больницы, торговые центры, культурные центры и школы всё чаще подвергаются угрозам террористических атак.
Стартап под названием Evolv Technology Inc. , получил инвестиции в размере 18 миллионов $, чтобы предложить бюджетное использование передовых технологий для обнаружения злоумышленников и предотвращения массовых жертв.
Инвесторы : General Catalyst , Lux Capital , компания Gates Ventures и Data Collective.
Массачусетский стартап создал аппаратное и программное обеспечение для физической безопасности. Его система Evolv края включает в себя ворота безопасности около пяти футов высотой, может проводить быстрое сканирование людей, не требуя от них остановок. Новая технология позволяет обнаруживать такие «аномалии» на теле человека, как бомба или огнестрельное оружие. Компания утверждает, что ворота могут сканировать 600 человек в час.
Системы Evolv работают совместно с камерами и программным обеспечением распознавания лица для идентификации людей и проверки их в базах данных полиции и спец служб. Если у человека есть судимость или иная негативная информация, то Evolv предупреждает охранников, чтобы они могли вести более пристальное наблюдение за субъектом.
Компания уже работает с целым рядом клиентов в сфере спорта и развлечений, туризма и транспорта, а также во многих коммерческих объектах.
Идея заключается в том, чтобы обеспечить раннее обнаружение угроз, без ложных тревог и привлечения лишнего внимания. Мы должны знать, что мы в безопасности.
Источник techcrunch.com
Expresso — email-рассылка новостей для занятых людей
Сегодня в рубрике «Стартапы» — новостная рассылка Expresso, которая помогает людям оставаться в курсе событий и тратить при этом минимум усилий.
Специалисты НАСА предложили создать магнитный щит вокруг Марса для восстановления атмосферы планеты.
Директор NASA Planetary Science Division Джим Грин, говорит, что запуск магнитного щита может сделать Марс пригодной для жизни планетой.
На конференции Planetary Science Vision (PSV) 2050 в штаб - квартире НАСА в Вашингтоне предназначенной для обсуждения амбициозных космических проектов которые могут быть реализованы, или по крайней мере , созданы к 2050 году, обсудили запуск "магнитного щита" на стабильной орбите между Марсом и Солнцем, под называнием Марс L1. Этот щит сможет защитить планету от солнечных частиц высоких энергий. Структура щита будет состоять из огромного диполя -замкнутой электрической цепи достаточно мощной для генерации искусственного магнитного поля.
Такой щит может создать магнитосферу вокруг Марса, что позволит Красной планете медленно восстановить свою атмосферу. На протяжении 3,5 миллиардов лет около 90 процентов атмосферы Марса было уничтожено от солнечных частиц, что привело к исчезновению поверхностных вод.
В соответствии с имитационными моделями, такой щит может помочь достичь Марсу половины атмосферного давления Земли в течение нескольких лет. С защитой от солнечных ветров, замороженный CO2 на полярных полюсах Марса из твердого состояния превратится в газ. Парниковый эффект будет заполнять тонкую атмосферу Марса и нагреет планету, в основном, на экваторе где огромные запасы льда под полюсами будут плавиться и образовывать моря и океаны.
"Возможно, одна седьмая часть древнего океана может вернуться на Марс", сказал Грин.
Это действительно футуристический сценарий, но теоретически он осуществим и возможно это важный шаг к обитанию Марса человеком в ближайшем столетии.
Источник popularmechanics.com
Aiva Technologies является одним из ведущих стартапов в области сочинения музыкальных композиций с помощью ИИ.
Он был основан только в прошлом году, но уже выпустил свой первый альбом под названием Genesis (советую послушать), а также многие отдельные треки. Aiva недавно стал первым ИИ получивший статус композитора.
Технология AIVA основана на глубоких обучающих алгоритмах, использующие методы обучения с подкреплением.
Будет ли ИИ сочинять музыку неотличимую от человеческих исполнителей? Ну, по мнению команды, они уже провели несколько удачных тестов Тьюринга, спрашивая профессиональных музыкантов которые были не в состоянии понять, что музыкальные композиции были составлены ИИ.
Тем не менее, нет необходимости беспокоиться. Композиции Айва по-прежнему требуют человеческого вклада в отношении оркестровки и сочинения музыки. На самом деле, создатели AIVA видят будущее где человек и машина будут сотрудничать, чтобы реализовать свой творческий потенциал, а не заменять друг друга.
Искусственный интеллект - горячая тема, но каковы факты?
Довольно скоро способность машин к лучшему пониманию реального мира во всей его беспорядочности станет обычным явлением во всех аспектах нашей личной и профессиональной жизни.
ИИ требует больших объемов информации для анализа и во многом получил распространение благодаря доступности недорогой обработки и массового хранения данных.
Виды ИИ, такие как Cortana, используют серверные данные для обработки запросов и доставки ответов. Другие приложения включают в себя распознавание лиц, самостоятельное вождение автомобилей и обработку разговорного языка. Бизнес-приложения включают чат-боты для предоставления услуг и поддержки клиентам, а также прогнозирования спроса на продукты на основе ряда бизнес-критериев. Перечень автоматизированных процессов также включает задачи, которые традиционно считаются рутинными: журналистика и здравоохранение - это только две области, где ИИ продвинулся в последнее время.
Приложения с использованием ИИ требуют высокого уровня вычислительной мощности и большие объёмы массового хранилища, которые могут предоставить только новейшие технологии.
К счастью, оценка IDC объема данных, который будет существовать в глобальном масштабе к 2020 году - 44 зеттабайта, - значительная часть из них будет использована в работе искусственного интеллекта. IDC прогнозирует, что мировые доходы поставщиков крупных данных и бизнес-аналитики вырастут с 130,1 млрд. Долл. США в 2016 году до более 203 млрд. Долл. США в 2020 году .
Из анализа аппаратных и программных требований ИИ ясно, что облачные вычисления будут играть ключевую роль в разработке и развертывании приложений на базе ИИ. В настоящее время службы PaaS значительно помогают в этом процессе. Учитывая, что мы находимся на ранней стадии развития технологий ИИ, требуются эксперименты с данными и алгоритмами, позволяющие вам манипулировать данными и обучать модель, используя алгоритмы машинного обучения.
После того, как эксперимент достигнет удовлетворительного завершения, можно будет развернуть модель как веб-службу для бизнеса. Конечно, это не так просто. Потребуется ряд итераций и, возможно, подготовка ряда моделей в рамках поиска оптимального решения.
Можно утверждать, что ИИ - следующее убийственное облачное приложение.
Актуальные новости по теме:
IBM и Salesforce собираются стать партнерами.
Новое партнерство - это способ для IBM продавать консалтинговые услуги как в компаниях Salesforce Einstein, так и в IBM под маркой Watson AI.
Эйнштейн является ассистентом на основе (ИИ), предназначенным для использования данных управления взаимоотношениями с клиентами (CRM), чтобы помочь компаниям находить, прогнозировать, рекомендовать и автоматизировать усовершенствованные бизнес-процессы.
Например, вы можете использовать Salesforce Sales Cloud и Einstein, чтобы определить, действительно ли покупатель имеет покупательную способность. Маркетологи смогут использовать преимущества Эйнштейна для автоматического сегментирования клиентов на основе предыдущих данных взаимодействия. Например, Эйнштейн может предсказать, откроет ли контакт сообщение и рекомендовать различный контент для покупателей, чтобы они совершили покупку.
Gartner Research прогнозирует, что 85 процентов взаимодействий с клиентами будут осуществляться без участия человека в течение следующих трех лет, а в течение следующего года цифровые помощники смогут использовать технологии, подобные Einstein Vision, для распознавания клиентов по форме их лиц.
источники
http://www.zdnet.com/article/ai-the-promise-of-big-data/
http://www.pcmag.com/article/352196/salesforces-einstein-ai-is-finally-here
https://techcrunch.com/2017/03/06/ibm-and-salesforce-partner-to-sell-watson-and-einstein/
https://hi-news.ru/internet/qutee-com-iskusstvennyj-intellekt-na-sluzhbe-marketinga.html
Читать полностью…
Софт JPMorgan за секунды справляется с тем, на что юристы тратили 360 000 часов
В крупнейшем американском банке JPMorgan Chase & Co финансовые сделки анализирует самообучающаяся машина: когда-то это задание нагружало работой на тысячи часов целые команды юристов. О кейсе автоматизации в JPMorgan пишет Bloomberg.
Программа называется COIN, сокращенно от Contract Intelligence. Она занимается очень скучной работой: анализирует сделки по коммерческим займам. До того, как COIN подключился к работе, эта задача каждый год занимала 360 000 часов работы юристов и специалистов по кредитованию. Софт же рассматривает документацию за секунды, допускает меньше ошибок и никогда не просит об отпуске.
COIN собираются привлечь не только для рассмотрения договоров о займах, но и для других сложных юридических задач, вроде оценки неисполнения кредитных обязательств, соглашений о депозитарных услугах, даже для корпоративных коммуникаций.
Для банка работа COIN — это только начало использования финтех-решений. Компания недавно организовала хабы для команд, специализирующихся на Big Data, роботах и облачной инфраструктуре, которые помогли бы банку сократить расходы. Бюджет, который банк выделяет на развитие технологий — $9,6 млрд, около 9% от его предполагаемой выручки на год.
COIN — не единственный большой технологический проект, который реализуется в банке. Когда COO банка Мэтт Зеймс присоединился к команде в конце 2013 года, он обнаружил, что внутренние системы банка — сплав, образованный за десятки лет слияний и поглощений — содержат слишком много избыточных программ, которые еще и не всегда работают друг с другом.
Тогда представители банка посетили офисы Apple и Facebook, чтобы понять, как работают их разработчики. Руководство банка решило создать собственное вычислительное облако под названием Gaia — оно заработало в прошлом году. По словам Зеймса, система позволяет для банка сократить расходы и даже автоматизировать разработку, помогая штату из 20 000 программистов банка работать более продуктивно. Иногда компания полагается и на облачные решения от Amazon, Microsoft и IBM.
В следующем году банк планирует дать клиентам доступ к некоторым из своих облачных технологий. Компании смогут использовать инструменты для трейдинга и аналитики.
Банк использует также ботов — для простых функций, вроде авторизации в корпоративном софте или ответах на запросы по IT-поддержке (вроде смены пользовательского пароля). Ожидается, что в этом году боты банка обработают 1,7 млн запросов, выполняя работу 140 людей.
перевод ain.ua
источник bloomberg.com