47269
Аннотированные ссылки на интересные, полезные и удивительные новости хайтека. Тем, кто больше любит слушать длинное чем читать короткое — могу посоветовать свой подкаст ;) http://sebrant.chat Вопросы - @asebrant
Некоторые велосезон уже открыли, я готовлюсь - и тут новость в тему. Всякими экзотическими электровелами уже никого не удивишь. Но вот ребята из UrbanX смогли впечатлить своим проектом на Кикстартере. Они предлагают электроколесо: в нем и 240-ваттный мотор, и аккумулятор, и вся необходимая механика и электроника. Так что можно жить с любимой рамой, седлом и вообще всем обвесом - ты просто меняешь переднее колесо (дело нескольких минут), на руль устанавливаешь управление электромотором - и можно ехать. Конечно, параметры не рекордны для электробайков. Но достаточны для городских покатушек даже по холмистой местности. Хочется попробовать этот хайтек в деле! ;) в частности, интересуют меня ощущения от колеса с такой нехилый массой.
http://www.geeky-gadgets.com/urbanx-electric-bike-wheel-16-03-2017/
Чтоб не скучали, вот вам ссылочка, где можно поиграть с картинками (например, со своими фотками - и узнать грустную правду о том, что не все они - истинные шедевры мирового фотоискусства :)) Это очередной стартап, использующий машинный интеллект для распознавания изображений - причем с практичной целью: искать нужные картинки по стокам. Собственный поиск по стоковым архивам + тамошнее тегирование, надо признать, никуда не годятся; кто пробовал, тот помнит. Так что идея вполне ОК.
Заодно можно помочь ребятам немного улучшить представление их алгоритма о красоте: если несогласны с полученной оценкой, шлите им скриншоты и свое мнение.
Вот страничка загрузки, распознавания и оценки фото: https://everypixel.com/aesthetics
Login: real
Password: beauty
А обратную связь они собирают здесь (@klipfel) или в почте (hello@everypixel.com)
Я люблю заканчивать свои лекции слайдом с известным законом Кларка: «Если пожилой эксперт утверждает, что чего-то никогда не случится, он, скорее всего, ошибается». Память об этом утверждении помогает воздерживаться от консервативного брюзжания и негативных прогнозов :) И рассказывать только о том, что, как я верю, состоится.
Вот хорошая иллюстрация того, почему поаккуратнее надо быть с негативными прогнозами из оперы «Этого никогда не будет». 22 года назад известный ученый-астроном, преподаватель и педагог (явно позабывший закон Кларка) выступил с большой статьей про то, как интернет не станет ничем полезным, про базы данных, которые никогда не заменят ежедневные газеты, про компьютерных гиков, которые приписывают компьютерам способности, которых у них никогда не будет - ну ведь не будет же компьютера, который можно взять с собой на пляж!
Почитайте, там чудесно про прогнозы :) А по прочтении не забудьте себя уверить, что никогда компьютер не сможет делать вашу работу лучше вас, быть вашим детям интереснее и полезнее вас, и уж точно никогда не научится думать и творить :)
http://europe.newsweek.com/clifford-stoll-said-internet-would-die-1995-566797?rm=eu
Очень полезная и понятная статья с красивым названием "Квантовый скачок" - на языке, совершенно не требующем знания физики, рассказывает о ближайшем будущем квантовых технологий (про них говорят и пишут незаслуженно мало) - от сверхточного позиционирования (довольно критично для будущего беспилотного транспорта) до вычислений, для которых сейчас не хватает мощностей суперкомпьютеров или кластеров, имеющихся в распоряжении крупнейших компаний. Причём тех вычислений, от которых зависит, к примеру, скорость появления новых лекарств и их эффективность. Очень поучительное чтение для тех, кто слышал о кончине закона Мура в связи с достижением предельной плотности транзисторов в привычных микросхемах. Как обычно, это просто означает, что появились новые технологии, у которых пределы иные ;) Оценка тех специалистов, кто квантовыми компьютерами занят: проблемы сейчас уже больше инженерные, чем научные; до промышленных образцов - около пяти лет.
http://www.economist.com/news/leaders/21718503-strangeness-quantum-realm-opens-up-exciting-new-technological-possibilities-quantum
Сразу предупрежу - этот пост, несмотря на метку в URL ссылки, не заказная реклама (ее по-прежнему нет в @techsparks, не пишите с предложениями, не надо ;) ), а ответ на часто задаваемый мне после лекций вопрос: "Где учиться быть продактом онлайнового продукта?" Нетология сейчас дает конкретный ответ для готовых вложиться заметным объемом своего времени и своих денег, а Нетологию я в принципе очень уважаю, это в целом один из немногих достойных и серьезных образовательных проектов про нашу индустрию - на фоне массы шлака из курсов и семинаров, читаемых неведомо кем с единственной целью: на модных словах содрать денежку ни за что. И это нормальный очный процесс, а не всякие там вебинары ;)))
Ну и не случайно в курсе много менторов и преподавателей-яндексоидов (действующих и бывших), которых я ценю и люблю уже лично, и всячески рекомендую ;) Ох, как жизнь нас научила выращивать продактов, и ох как эти люди востребованы сейчас на рынке...
http://netology.ru/programs/product-lead?utm_source=infopartners&utm_medium=1316&utm_campaign=techsparks&stop=1
Сильно на любителя, но очень красиво: Фейсбук публикует в своём техническом блоге целую серию материалов про свои новые серверные решения: любителям компьютерных железок есть чем восхититься: https://code.facebook.com
Публикация приурочена к проходящему сейчас Open Compute Summit - похоже, эта инициатива (Open Compute Project, раскрытие идей и конструкций проприетарного железа, разрабатываемого в больших компаниях) прижилась http://www.opencompute.org/ocp-u.s.-summit-2017/
Это, конечно, серьезный троллинг: BBC сообщает в Фейсбук о массе фотографий в нем, содержащих детскую порнографию. Фейсбук обещает убрать, но проверка BBC показывает, что 80% картинок так и остались доступны - и снова жалуется в Фейсбук. Тут ФБ требует, чтобы им выслали картинки, о которых идет речь - а получив изображения, сообщает в полицию о рассылке детского порно. Круто, но не сильно помогает замаскировать главную проблему: не все у ФБ гладко в использовании машинного обучения для распознавания и детектирования разных нехороших ситуаций. Понятно, что объемы - фантастические (в день загружается 300 млн картинок!), ни у кого нет такого количества непрерывно загружаемого пользователями контента. И все же, постоянно и громко заявляя о могучих алгоритмах искуственного интеллекта, можно было бы более систематично его использовать - не только для оптимизации таргетингов рекламы.
http://www.wired.co.uk/article/facebook-child-abuse-images-bbc-investigation
Далёкие от IT люди все ещё плохо представляют, как открытый софт меняет мир, как буквально за несколько лет то, что было ценным секретом, тщательно охраняемой интеллектуальной собственностью - вдруг официально стало доступно всем, а местами ещё и превратилось в объект совместного глобального творчества.
А тут NASA выложило целый каталог своего софта. Среди окружающих меня людей из разных уголков инженерного мира наблюдаю разнообразные восторги ;) Даже если вы не технарь - почитайте оглавление.
https://software.nasa.gov
Продолжая тему машинок: у гонок самоуправляемых машин - очень неплохие перспективы. Их конструкторы и дизайнеры тоже воодушевлены: когда болид не обязан соответствовать строгим правилам безопасности, охраняющим находящегося внутри гонщика, можно очень многое себе позволить и с точки зрения форм, и с точки зрения стиля вождения.
Но сначала машинку надо научить гоняться, и поэтому учебный болид содержит в себе место для пилота. Вспоминаются двухместные учебные самолеты с местами для инструктора и ученика - только здесь ученику не надо сиденья и руля.
Организаторы гонок полагают, что со временем и правила начнут эволюционировать: на трассе будут создаваться специальные препятствия, чтобы мозгам машинки и зрителям было не скучно. Отсутствие человека в машине позволит превратить гонку в рискованное испытание.
В статье по ссылке красивая картинка и ролик - стоит взглянуть, даже если лень читать
https://www.wired.com/2017/02/meet-self-driving-car-built-human-free-racing/
Милая игрушка - и действительно позволяет начать привыкать к чудному новому миру: как всегда, лучше всего привыкать к новому играючи :)
Читать полностью…
Не так давно Билл Гейтс выступил с заявлением, которое восторженно подхватили в прессе и блогах и на Западе, и у нас: «Давайте введем специальный налог на роботов, которые у людей отбирают рабочие места!» Я немного изумился, потому что это популистское заявление сразу вызывало в памяти закон Менкина «для каждой проблемы существует простое, очевидное - и ошибочное - решение». Но поскольку я ничего в экономике не понимаю, никуда с этим мнением не полез.
Поэтому приятно, что The Economist выступил со статьей, где экономисты разбираются, в чем ошибка Гейтса. Там разные аспекты рассматривают: и то, что инвестиции в основной капитал крайне странно облагать налогом, и то, что налоги - не лучший способ перераспределять деньги в пользу обездоленных прогрессом работников. Мне понравился пример: водитель грузовика им владеет или его арендует, и зарабатывает, крутя баранку. Так пусть он владеет или арендует беспилотный грузовик - и зарабатывает те же деньги, не вставая с дивана.
Вот действительно - люди же сдают недвижимость, и получают иногда неплохой доход, не делая ничего. Если им дать умные машины - класс таких рантье расширится, и хотя бы для них не потребуется госпрограмма гарантированного дохода.
Всё как всегда: мир устроен чуть сложнее, чем кажется на первый взгляд с дивана.
http://www.economist.com/news/finance-and-economics/21717374-bill-gatess-proposal-revealing-about-challenge-automation-poses-why-taxing?cid1=cust/ednew/n/bl/n/20170223n/owned/n/n/nwl/n/n/E/8947035/n
Публикация прошлогодняя, но как-то я пропустил эту красоту. Со времён после Второй Мировой в Лос-Аламосе (где создавали атомную бомбу)физики учились рассчитывать серьёзные взрывы: атомные и термоядерные, результаты лазерных атак и прочие зрелищные события. В моделировании и расчетах они добились колоссальных успехов, но большая часть их работы секретна и на публике её не покажешь. Приходится придумывать что-нибудь невоенное, но энергонасыщенное - чтобы посчитать и показать миру. Вот недавно они озадачились: бОльшая часть поверхности Земли покрыта водой, но почему-то и Голливуд, и многие модели описывают падение астероида на сушу. А ведь у него несколько больше шансов угодить в океан. Что при этом произойдёт? Оказалось, все довольно интересно: астероид диаметром несколько сот метров может испарить при падении в океан сотни мегатонн воды - и этот пар, если его столб достигнет стратосферы, может обеспечить мощный парниковый эффект. Волны на воде, в отличие от кино, оказываются опасны только в случае падения у берега; если столкновение далеко, волны быстро затухнут. Другие интересные подробности и красивая анимация - в пятиминутном ролике в статье по ссылке.
http://gizmodo.com/heres-what-would-happen-if-a-giant-asteroid-struck-the-1790084340
Обычно после лекций часть слушателей остаётся позадавать вопросы, что-то рассказать или просто поспорить. Если лекция про машинный интеллект для студентов, причём разных специальностей, то периодически возникает такой сценарий: не изучающие программирование волнуются, надо ли срочно учиться программировать, а изучающие и при этом ещё и немного думающие, волнуются, когда и что машина вместо них станет программировать.
Вот начало ответа: Microsoft и University of Cambridge представили систему Deep Coder на основе AI. Область её деятельности тактично названа "синтез программ", а не их написание: Deep Coder не пишет код с нуля, а, узнав, какую задачу должна решать программа, комбинирует из уже известного кода (т.е. из всех известных программ) работоспособную программу. Авторы мягко замечают, что программисты подчас занимаются примерно тем же, а их система знает гораздо больше исходников и умеет по ним искать намного лучше и быстрее человека.
Ну, лиха беда начало ;)
https://www.newscientist.com/article/mg23331144-500-ai-learns-to-write-its-own-code-by-stealing-from-other-programs/
Впереди длинные выходные, кое-кто проведёт их в городах, где погода не очень гулятельная, но в самый раз для чтения. Да и вообще очень часто, особенно после лекций в институтах, меня спрашивают, что почитать (на разный уровень подготовки) про data science, машинное обучение и вокруг.
Поэтому сегодня не новость, а ссылка на подборку, которую мне Аня @Anna_Boo подсказала: целых сто бесплатных книг вокруг data science. Да, на английском, но, простите, если уж полез в эту область - будь готов на английском читать.
Так что правильного вам выбора и хорошего чтения - на выходные и не только! ;)
http://www.learndatasci.com/free-data-science-books/
Нам непросто узнавать в лицо азиатов или африканцев, а им - европеоидных белых: наши системы распознавания лиц натренированы в той среде, где мы росли, и для решения новых задач требуют дообучения. С животными - ещё хуже: узнавать в лицо всех овчарок - тяжко даже для кинолога.
А задача не игрушечная: для сохранения редких видов хорошо бы иметь мониторинг не просто на уровне численности - а на уровне особей. Но глазами мы этого не можем. Конечно, можно чипировать, кольцевать и т.п. - но это все выборочные методы идентификации.
Как вы уже догадались - на помощь спешат системы распознавания морд, выросшие из систем распознавания наших лиц. Вот статья про LemurFaceID, систему распознавания конкретных лемуров по фото, работающая с точностью выше 98%. Зоологи и экологи воодушевлены и прочат большое будущее этой технологии и её расширению на другие виды животных. Хорошо, что пока среди защитников животных не зародилось движение защиты их privacy. Представляете, что будет, если примут закон о необходимости размытия котиков на фото??
http://www.theverge.com/2017/2/17/14647168/facial-recognition-software-lemurs-conservation
Я в полном восторге от задумки эксперимента: создать простой виртуальный мир и запустить туда ботов, которым даются простые задания типа достижения определенной точки. Боты, понятное дело, самообучающиеся, но наделены интересной особенностью: они могут обмениваться друг с другом сигналами, но у них нет заранее заданного языка, который придавал бы сигналам смысл. В процессе самообучения боты выясняют, что достигают поставленных целей быстрее, если пользуются подсказками друг друга. А чтобы подсказки действительно помогали, им приходится научиться - опять же самим - придавать смысл каким-то символам, чтобы они сообщали партнерам простейшие концепции. Фактически, изобрести язык.
Понятно, что пока это простейшие истории самозарождения языка, символьной системы, причем язык этот на уровне языка каких-нибудь муравьев или пчел.
Но лиха беда начало - очень скоро начнем узнавать много интересного из области эволюции языка в разных условиях.
http://www.access-ai.com/articles/bots-create-their-own-language-have-conversations-we-can’t-understand
К McKinsey у меня отношение разное, но в области оценок машинного обучения я их уважаю за политкорректный формулировку аж от 2015 года: "использование людей в цепи принятия решений становится все более непрактичным благодаря успехам и скорости развития машинного обучения". Непрактичность - это такой же прекрасный эвфемизм как mentally challenged - для описания тупого мудака ;)
Теперь эти ребята продвигают новый термин - IPA, intelligent process automation, - коктейль разных технологий, который минимизирует присутствие человека в бизнес-процессах и несёт % ROI на уровне трехзначных цифр.
Мне нравится этот способ продать стек технологий машинного обучения консервативному индустриальному бизнесу. А уж что-что, а продавать эти дорогие консалтеры умеют.
http://www.mckinsey.com/business-functions/digital-mckinsey/our-insights/intelligent-process-automation-the-engine-at-the-core-of-the-next-generation-operating-model
Читаю отчёты с SXSW про дискуссии вокруг AI, и как-то скучновато они выглядят, что странно. Ведь всего несколько дней назад была опубликована, к примеру, увлекательнейшая статья про сотрудничество людей и машин в дизайне и архитектуре. И вот там есть чем насладиться: ссылку стоит открыть хотя бы ради того, чтоб взглянуть на картинку, где Autodesk'овский машинный интеллект занят изобретением велосипеда. В прямом смысле: он придумывает новые конструкции велосипедной рамы. И некоторые варианты прямо хороши! ;)
Мне очень нравится этот набирающий популярность подход - вместо дешёвой журналистской дискуссии кто кого - заинтересованное обсуждение того, как эффективнее и выгоднее сотрудничать и как научиться вместе продуктивно работать.
http://archinect.stfi.re/features/article/149995618/the-architecture-of-artificial-intelligence?sf=rykpxxz#aa
Кто-то ещё не поиграл с глазовращалкой? Насладитесь ;) Собственно, в очередной игрушке с нейронками меня впечатлил не столько хорошо подобранный узкий фокус задачи, сколько то, что даже журналисты научились видеть в приколах практическую пользу и придумывать для всех этих модифицированных реальностей хорошие применения. Вот и здесь: "теперь диктор может спокойно читать с суфлера, а в эфир уйдёт картинка, где он неотрывно и уверенно смотрит в камеру" ;) А уж как это пригодится для интервью и тестов по Скайпу ;)
http://www.theverge.com/2017/3/11/14885986/deepwarp-neural-networks-eye-rolling-keanu-reeves
Поиск картинок по загруженной картинке или по словесному названию объектов на изображении - уже почти привычная штука (хотя совсем недавно казалось магией). Спасибо машинному распознаванию изображений ;)
С видео до сих пор массового поиска по роликам не было: конечно, видео - это последовательность кадров, так что принципиально это те же картинки, но объемы! И, потом, в видео есть действия, а не только объекты.
И вот Гугл запускает, хотя пока еще в закрытой бете для корпоративных клиентов, а не для миллиардов пользователей, поиск по видео. И не по интернету, а по частным коллекциям видео, залитым в гугловое облако.
Как первый шаг - все равно очень круто, а фантазия вместе с логикой подсказывают, что получающиеся автоматически аннотации происходящего на экране ох нехилый дадут в итоге инструмент поиска по кино и не только.
https://www.engadget.com/2017/03/08/google-can-use-machine-learning-to-identify-objects-in-videos/
Очень красивая работа, показывающая, как можно извлекать полезную информацию из нетривиальных данных - конечно, привлекая машинное обучение в процессе.
Команда ученых из нескольких американских университетов сначала научила сеточку различать марки автомашин (как это делает наше приложение для Auto.ru - уверенно решаемая задача), а потом эту сеточку пустили просматривать все Street View, определяя, в каких районах какие машинки запаркованы по всей Америке с точностью до квартала. В итоге удалось обучить программу определять демографию населения и даже партийные симпатии по спектру автомашин. Интуитивно понятно, что такая штука может работать, но вот довести её до инструмента - серьезное достижение. Ну и попутно красивые маркеры обнаружились ;))
https://arxiv.org/pdf/1702.06683.pdf
Новый Микрософт при Наделле - это реально другая компания. (Это я как живущий с тучей эппловых девайсов человек говорю.) Вот взгляните, как уверенно они играют на поле, которое казалось яблочным: вдохновляющий образ будущего. Красивые и талантливые люди с айпадами уже не выглядят привлекательнее публики с девайсами из семейства Surface - потому что Микрософт сумел-таки придумать и создать интереснейшую линейку офисных устройств. Правда, на мобильном пока голяк, и полноценной платформы не выходит. Посмотрим, удастся ли им так взлететь.
И в любом случае советую пару минут потратить на просмотр ролика по ссылке. В конце концов, это просто красиво ;)
http://www.theverge.com/2017/3/6/14828428/microsoft-steelcase-office-surface
Чем больше борцы за авторские права закручивают гайки, тем сложнее подобрать к собственному видеоролику музыкальный трек, который не вызвал бы вопросов у бдительной системы охраны прав на видеохостинге, например на Ютюбе. А красивой музыки хочется, и не у всех есть друзья-музыканты и композиторы. Проблему взялся решать стартап, в котором машинный интеллект пишет в неограниченных количествах некопирайтную музыку. Небесплатно, конечно, но не по ценам существующих агентств. Первыми прелесть такой модели осознали информагентства, которым тоже хочется музыкальный фон и не хочется платить правообладателям. Остаётся дождаться публичного запуска - и попробовать. Те эксперименты, с которыми я сам знаком, вселяют надежду, что качество машинной музыки при участии нейронок будет вполне ОК.
https://thenextweb.com/artificial-intelligence/2017/03/03/amper-music-creating-ai-doesnt-suck/#.tnw_cvmcjYQA
Нашёл забавную игрушку в браузере, которая наглядно показывает работу AI в самоуправляемых автомобилях. Это 2D пространство с двумя машинками и блоками, которые они успешно (или нет) объезжают. Машинками управляет нейросеть и правила, что движение вперёд это хорошо, а врезаться в стены — плохо. Для навигации используются 19 сенсоров, имитирующих технологию LIDAR, которую гугл и убер используют для своих беспилотных автомобилей, только сенсоров у них побольше. А ещё там можно дорисовывать блоки прямо на дороге машинки, и создавать им ощутимые проблемы :) Попробуйте, выглядит интересно. Самое главное, народ начинает привыкать к тому, что этого не избежать и вопрос "если" касательно self-driving cars уже превратился в "когда".
http://janhuenermann.com/projects/learning-to-drive
Аж странно было, что последнее время мало что слышно (если не считать предвыборной прикольной президентской кампании Золтана Иштвана в США) от и про трансгуманистов: вроде бы шум вокруг машинного интеллекта и всяких нейроинтерфейсов должен быть для этих ребят питательной средой.
Но вот новость: сегодня в свет выходит книга To Be A Machine - журналистское изучение мира трансгуманистов.
Не уверен, что сам ее буду читать, но кому-то мир людей, всерьез мечтающих стать киборгами или загрузить себя в облако может быть интересен. Они считают, что наш интерес к собственному организму и вообще телесности - это всего лишь стокгольмский синдром людей, оказавшихся в заложниках у недолговечной и довольно непрочной органической оболочки. При всей странности такого взгляда, в нем есть своя логика технологической утопии - а многое утопическое нынче нежданно превращается в обыденность.
http://www.theverge.com/2017/2/25/14730958/transhumanism-mark-oconnell-interview-cyborg-hacker-futurist-biohackers
Ещё одна отличная публикация - спасибо Юлии, что нашла и поделилась, я-то пропустил. Очень поучительная медицинская история. Хороший настоящий врач, как известно, часто может поставить диагноз ещё до всяких анализов и обследований: взглянув на больного, послушав его, он уже знает, что с ним, а вся дальнейшая диагностическая наука лишь подтверждает объективными данными догадки и интуицию врача. Ну и, понятно, когда речь заходит о машинном обучении, защитники традиций это вспоминают и начинают рассказывать про то, что алгоритм не заменит все эти догадки и интуицию. А те, кто в ML верит, вспоминают про го, покер и прочие истории про нечеловеческую чуйку машин.
Так вот, по ссылке текст о том, как просто анализ голоса, записываемого смартфоном, помогает при диагностике и психических расстройств, и кардиологических проблем. Именно голоса, а не смысла слов, что важно, - речь о том, как машина учится невербалке. Интересно, что один из кардиологов утверждает: особенности голоса, коррелирующие с высоким риском коронарной недостаточности, неразличимы человеком, но ловятся софтом при записи голоса.
Там ещё много интересного про близкое будущее медицинской диагностики ;)
https://www.technologyreview.com/s/603200/voice-analysis-tech-could-diagnose-disease/
Разговоры про технологии, которые лишат людей работы (роботы механические и программные) обычно окрашены в тревожные тона, а в случаях эмоциональных собеседников дело чуть ли не до паники доходит. И любители технопрогресса начинают утешать испуганных друзей тем, что какая-то работа им найдётся. Сам этим иногда занимаюсь ;)
Но вот мне попалась на глаза очень логичная заметка, в которой рассмотрен сценарий ликвидации рабочих мест совсем с другой точки зрения. И психологически это очень красиво. Вообще-то социальный прогресс связан как раз с сокращением рабочей недели. И людей это по большей части радует. И тогда возникает интересная перспектива: если потихоньку снижать рабочее время, не снижая доходы, то люди это примут, и большинство ещё скажет спасибо. И тогда такой плавный переход к гарантированному доходу совершенно не грозит теми потрясениями, которыми пугают при одномоментном лишении людей работы. Хотя конечное состояние занятости в обществе то же самое.
Красивый, однако, сценарий. Как все-таки рулит психология и учёт особенностей восприятия (и привыкания).
http://bigthink.com/natalie-shoemaker/working-less-rather-than-being-workless
Пока уникальный прототип, но дальше дело за промышленностью: университетские ученые своё дело сделали. В Стенфорде создали вживляемый в мозг микрочип с сотней тончайших электродов, собирающий сигналы из объёма моторной коры. Ну и, конечно, софт для обработки этих сигналов.
Результат - в высшей степени практичный для людей с полным параличом конечностей (а таких только в Штатах около миллиона; это не только жертвы разных заболеваний, но и пережившие тяжёлые травмы позвоночника): они могут чисто силой мысли гонять курсор по экранной клавиатуре и нажимать нужные буквы. Скорость печати - несколько слов в минуту. Для парализованных это практически новый полноценный канал коммуникации и творчества. Простите, меня почему-то эта новость впечатлила сильнее, чем про три планеты. ;)
http://med.stanford.edu/news/all-news/2017/02/brain-computer-interface-allows-fast-accurate-typing-by-people-with-paralysis.html
Прекрасная заметка на Medium, спасибо Василию @flreln, ведущему канал @techcube за ссылку. Не все из моих читателей прорвутся через технические детали, но алармисты должны напрячься уже от первой строчки текста: "Potentially describing how general artificial intelligence will look like." И идея красива: давайте построим нейронную сеть, каждым из элементов которой является нейронная сеть (действительно, зачем задавать или подбирать правила работы каждого элемента, пусть сам научится). Такой подход применили к важнейшему классу задач: к переносу обучения, т.е. к способности сеточки использовать однажды наработанные навыки, стратегии, решения для новой задачи. Мы так умеем, и это полезно. Теперь, как показано в работе, умеют и нейронки.
Кстати, подход "сеть сетей" допускает произвольный уровень вложенности, и там поведение может стать намного интереснее ;))
thoszymkowiak/deepmind-just-published-a-mind-blowing-paper-pathnet-f72b1ed38d46#.mbuk5e2fs" rel="nofollow">https://medium.com/@thoszymkowiak/deepmind-just-published-a-mind-blowing-paper-pathnet-f72b1ed38d46#.mbuk5e2fs
Нашёл картинки, которые неплохо иллюстрируют проблему неинтепретируемости того, что происходит внутри искусственной нейронной сети в процессе её обучения: инженеры из Graphcore построили картинки активности узлов сети и связей между ними в процессе обучения сетки распознаванию образов. Картинки не только напоминают те, которые получаются при исследовании биологических объектов, но и структурно очень нетривиальны. Учитывая, что каждая из них - лишь мгновенная фиксация непрерывно меняющегося самоуправляемого процесса, становится понятней, почему вопрос "а как она это делает?" ставит исследователей в тупик.
Ну и, в конце-то концов, - это просто красиво, и можно разглядывать не задумываясь о том, что там изображено. Так даже как-то спокойней ;)
http://www.wired.co.uk/gallery/machine-learning-graphcore-pictures-inside-ai