По пробкам дадут очередь из нейросетей «Калашникова»
Концерн «Калашников», входящий в госкорпорацию «Ростех», представил столичному Центру организации дорожного движения видеокомплекс для анализа обстановки на дорогах Москвы. В нем будут использованы технологии нейросетей, сообщает пресс-служба концерна.
Для начала напомним, что нейросеть — это некая обучаемая система, действующая не только в соответствии с заданным алгоритмом, но и на основании накопленной информации. Первый созданный с применением этой технологии видеокомплекс концерна «Калашников» сегодня установлен на Третьем транспортном кольце, где будет проходить тестирование.
Данные с комплекса в режиме реального времени передаются в Ситуационный центр ЦОДД, а там в соответствии с этой информацией программируют работу светофоров, анализируют причины возникновения заторов, вялотекущего движения и дорожно-транспортных происшествий. Об этом сообщил генеральный директор концерна «Калашников» Алексей Криворучко.
Видеокомплекс подключен к интеллектуальной транспортной системе Москвы, а его работа основана на разработках военных специалистов. Основываясь на полученных данных, сотрудники ЦОДД смогут принимать более оперативные решения по корректировке светофорных программ, управлению электронными дорожными знаками и вовремя реагировать на внештатные ситуации, в том числе оперативно вызывая экстренные службы. Как это будет действовать на практике, наглядно продемонстрировано в видеоролике.
Комплекс «Калашников» станет частью интеллектуальной транспортной системы Москвы, которая уже включает свыше 2,6 тыс. светофоров, более 2 тыс. камер телеобзора, более 3,7 тыс. детекторов, 172 электронных информационных табло и около 2 тыс. стационарных и мобильных комплексов фотовидеофиксации.
В столице постоянно работают над развитием интеллектуальной транспортной системы. Так, летом этого года отрапортовали об успешном запуске «зеленой волны» для трамваев, курсирующих по шоссе Энтузиастов.
Параллельно идет развитие проекта «Магистраль»: с помощью грамотно организованной сети наземного транспорт центр Москвы свяжут с окраинами.
Источник: http://www.zr.ru #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
Концерн «Калашников», входящий в госкорпорацию «Ростех», представил столичному Центру организации дорожного движения видеокомплекс для анализа обстановки на дорогах Москвы. В нем будут использованы технологии нейросетей, сообщает пресс-служба концерна.
Для начала напомним, что нейросеть — это некая обучаемая система, действующая не только в соответствии с заданным алгоритмом, но и на основании накопленной информации. Первый созданный с применением этой технологии видеокомплекс концерна «Калашников» сегодня установлен на Третьем транспортном кольце, где будет проходить тестирование.
Данные с комплекса в режиме реального времени передаются в Ситуационный центр ЦОДД, а там в соответствии с этой информацией программируют работу светофоров, анализируют причины возникновения заторов, вялотекущего движения и дорожно-транспортных происшествий. Об этом сообщил генеральный директор концерна «Калашников» Алексей Криворучко.
Видеокомплекс подключен к интеллектуальной транспортной системе Москвы, а его работа основана на разработках военных специалистов. Основываясь на полученных данных, сотрудники ЦОДД смогут принимать более оперативные решения по корректировке светофорных программ, управлению электронными дорожными знаками и вовремя реагировать на внештатные ситуации, в том числе оперативно вызывая экстренные службы. Как это будет действовать на практике, наглядно продемонстрировано в видеоролике.
Комплекс «Калашников» станет частью интеллектуальной транспортной системы Москвы, которая уже включает свыше 2,6 тыс. светофоров, более 2 тыс. камер телеобзора, более 3,7 тыс. детекторов, 172 электронных информационных табло и около 2 тыс. стационарных и мобильных комплексов фотовидеофиксации.
В столице постоянно работают над развитием интеллектуальной транспортной системы. Так, летом этого года отрапортовали об успешном запуске «зеленой волны» для трамваев, курсирующих по шоссе Энтузиастов.
Параллельно идет развитие проекта «Магистраль»: с помощью грамотно организованной сети наземного транспорт центр Москвы свяжут с окраинами.
Источник: http://www.zr.ru #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
zr.ru
Сайт За рулем www.zr.ru - Статьи, новости, тесты, обзоры, обсуждения на форуме, фото, видео
Официальный сайт журнала «За рулем». Ежедневные автомобильные новости и статьи, тесты, характеристики и подбор машин. — сайт «За рулем»
Искусственный интеллект Google научится распознавать незнакомцев, которые подглядывают в ваш телефон
Случайно или намеренно — но заглянуть в экран чужого телефона — это довольно частый соблазн, знакомый многим. Равно, как и многие пользователи сталкивались с тем, что другие люди подглядывали за ними. Исследователи компании Google ведут разработки над искусственным интеллектом, призванным противодействовать данному явлению.
Рабочее название приложения — E-Screen Protector, и на момент написания новости оно находится на этапе первого тестирования перед дальнейшей разработкой.
Используя фронтальную камеру мобильного устройства, программа распознаёт лица людей, которые по тем или иным причинам решили изучить содержание экрана владельца устройства. На основе определённой мимики и направления взгляда программа отмечает подозрительных личностей соответствующей рамкой, протягивая к ним стрелку с изображением радуги, намекая на подозрительного незнакомца за вашей спиной.
Обратная сторона медали заключается в том, что E-Screen Protector мгновенно прерывает работу остальных программ, тем более — тех, что тоже используют фронтальную камеру, чтобы обратить внимание пользователя на незнакомца, и, спустя несколько секунд, когда владелец устройства оповещён о событии, сворачивается, возобновляя работу остальных программ.
Есть ещё масса оговорок на тему того, будет ли эта программа работать по умолчанию, или её выпустят в рамках дополнительного свойства для приложений, которые нуждаются в подобной защите (например, таких, где необходим ввод личных данных), и можно ли будет в таких условиях делать личные фотографии с участием нескольких человек одновременно.
Помимо этого, всё ещё не известна дата выпуска программы, и намерены ли представители Google действительно использовать её с будущими моделями устройств, работающими на операционной системе Android.
Источник: 3dnews.ru #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
Случайно или намеренно — но заглянуть в экран чужого телефона — это довольно частый соблазн, знакомый многим. Равно, как и многие пользователи сталкивались с тем, что другие люди подглядывали за ними. Исследователи компании Google ведут разработки над искусственным интеллектом, призванным противодействовать данному явлению.
Рабочее название приложения — E-Screen Protector, и на момент написания новости оно находится на этапе первого тестирования перед дальнейшей разработкой.
Используя фронтальную камеру мобильного устройства, программа распознаёт лица людей, которые по тем или иным причинам решили изучить содержание экрана владельца устройства. На основе определённой мимики и направления взгляда программа отмечает подозрительных личностей соответствующей рамкой, протягивая к ним стрелку с изображением радуги, намекая на подозрительного незнакомца за вашей спиной.
Обратная сторона медали заключается в том, что E-Screen Protector мгновенно прерывает работу остальных программ, тем более — тех, что тоже используют фронтальную камеру, чтобы обратить внимание пользователя на незнакомца, и, спустя несколько секунд, когда владелец устройства оповещён о событии, сворачивается, возобновляя работу остальных программ.
Есть ещё масса оговорок на тему того, будет ли эта программа работать по умолчанию, или её выпустят в рамках дополнительного свойства для приложений, которые нуждаются в подобной защите (например, таких, где необходим ввод личных данных), и можно ли будет в таких условиях делать личные фотографии с участием нескольких человек одновременно.
Помимо этого, всё ещё не известна дата выпуска программы, и намерены ли представители Google действительно использовать её с будущими моделями устройств, работающими на операционной системе Android.
Источник: 3dnews.ru #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
Дочерняя сеть искусственного интеллекта Google превзошла все ожидания
Представленный публике в мае 2017 года искусственный интеллект AutoML создал дочернюю сеть NASNet с превосходным машинным зрением. Аналитики Google Brain отметили, что система, созданная AutoML, превосходит искусственные интеллекты, которые разрабатывают люди.
Изначально планировалось, что AutoML станет управляющей нейросетью с функциями, позволяющими создавать другие нейросети для выполнения специфических задач.
Так, NASNet должна была распознавать такие объекты, как люди, машины, светофоры, багаж и другие предметы. Искусственный интеллект учитывал ошибки «дочки» и использовал эту информацию для улучшения сети, повторяя данный процесс тысячу раз.
Когда инженеры решили протестировать NASNet с помощью приложений ImageNet и COCO, результаты превзошли все их ожидания.
В 82,7% случаев в выборке ImageNet нейросеть дала правильный ответ. Предыдущий рекорд успешности составил 81,5%. Кроме того, эффективность NASNet оказалась на 4% выше по сравнению с другими системами, оснащенными машинным зрением.
Однако теперь разработчики опасаются, что AutoML сможет создавать нейросети со скоростью, за которой не удастся угнаться всему человечеству. Представители многих крупных компаний предлагают создать этические стандарты для искусственного интеллекта.
Источник: dni24.com #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
Представленный публике в мае 2017 года искусственный интеллект AutoML создал дочернюю сеть NASNet с превосходным машинным зрением. Аналитики Google Brain отметили, что система, созданная AutoML, превосходит искусственные интеллекты, которые разрабатывают люди.
Изначально планировалось, что AutoML станет управляющей нейросетью с функциями, позволяющими создавать другие нейросети для выполнения специфических задач.
Так, NASNet должна была распознавать такие объекты, как люди, машины, светофоры, багаж и другие предметы. Искусственный интеллект учитывал ошибки «дочки» и использовал эту информацию для улучшения сети, повторяя данный процесс тысячу раз.
Когда инженеры решили протестировать NASNet с помощью приложений ImageNet и COCO, результаты превзошли все их ожидания.
В 82,7% случаев в выборке ImageNet нейросеть дала правильный ответ. Предыдущий рекорд успешности составил 81,5%. Кроме того, эффективность NASNet оказалась на 4% выше по сравнению с другими системами, оснащенными машинным зрением.
Однако теперь разработчики опасаются, что AutoML сможет создавать нейросети со скоростью, за которой не удастся угнаться всему человечеству. Представители многих крупных компаний предлагают создать этические стандарты для искусственного интеллекта.
Источник: dni24.com #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
Искусственный интеллект выпустил дэт-метал альбом
Coditany of Timeness в целом похож на любой другой альбом жанра дэт-метал – но ровно до тех пор, пока вы не решите узнать об исполнителе больше. Дело в том, что его создала нейронная сеть. Да-да, ни одной гитары, никаких ударных – на записи не было даже вокалиста.
Это результат проекта Dadabots, над которым долгое время работали Зак Зуковски и СиДжей Карр. В качестве источника вдохновения они использовали альбом Diotima группы Kralice. Треки разбили на небольшие кусочки и дали на обработку искусственному интеллекту, чтобы он смог разобраться, что такое дэт-метал и как его создавать.
На практике же ученые воспроизводили фрагмент песни и позволяли нейронной сети угадывать, что будет дальше. При этом, в зависимости от того, правильный ответ был дан или нет, сеть получала различный отклик. По сути, ученые симулировали механизм обучения человеческого мозга.
Поначалу ИИ издавал лишь произвольные звуки. “В первое время это звучало слишком шумно, гротескно и текстурно”, – отмечает Карр. За три дня одни и те же фрагменты прозвучали около пяти миллионов раз, и это начало приносить свои плоды: музыка становилась всё более похожей на оригинал.
Источник: it-here.ru #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
Coditany of Timeness в целом похож на любой другой альбом жанра дэт-метал – но ровно до тех пор, пока вы не решите узнать об исполнителе больше. Дело в том, что его создала нейронная сеть. Да-да, ни одной гитары, никаких ударных – на записи не было даже вокалиста.
Это результат проекта Dadabots, над которым долгое время работали Зак Зуковски и СиДжей Карр. В качестве источника вдохновения они использовали альбом Diotima группы Kralice. Треки разбили на небольшие кусочки и дали на обработку искусственному интеллекту, чтобы он смог разобраться, что такое дэт-метал и как его создавать.
На практике же ученые воспроизводили фрагмент песни и позволяли нейронной сети угадывать, что будет дальше. При этом, в зависимости от того, правильный ответ был дан или нет, сеть получала различный отклик. По сути, ученые симулировали механизм обучения человеческого мозга.
Поначалу ИИ издавал лишь произвольные звуки. “В первое время это звучало слишком шумно, гротескно и текстурно”, – отмечает Карр. За три дня одни и те же фрагменты прозвучали около пяти миллионов раз, и это начало приносить свои плоды: музыка становилась всё более похожей на оригинал.
Источник: it-here.ru #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
Искусственный интеллект станет приоритетом Xiaomi на ближайшее десятилетие
На рынке имеется немало самых разных коммерческих продуктов и прототипов, использующих элементы искусственного интеллекта. А недавно Huawei принесла искусственный интеллект и на рынок смартфонов, выпустив флагманские Mate 10 и Huawei V10 на чипсете Huawei Kirin 970 с поддержкой нейронных вычислений.
Конечно, Huawei Mate 10 и Huawei V10 - это лишь первые ласточки. И руководитель Xiaomi Лей Джун (Lei Jun) подтвердил, что сфера ИИ станет главным приоритетом компании на ближайшие десять лет. А первые смартфоны Xiaomi с технологиями искусственного интеллекта появятся на рынке уже в следующем году.
Первым продуктом Xiaomi с элементами искусственного интеллекта считается, выпущенная этим летом смарт-колонка Mi AI Speaker. Да и сама Xiaomi находится в выигрышном положении для развития ИИ: компания может похвастаться сильной платформой продуктов интернета вещей (IoT) и огромным числом пользователей MIUI, которое уже перевалило отметку в 300 млн человек.
Что касается будущих смартфонов Xiaomi с поддержкой искусственного интеллекта, то первым таким устройством может стать флагманский Xiaomi Mi 7 на чипсете Snapdragon 845.
Источник: thg.ru #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
На рынке имеется немало самых разных коммерческих продуктов и прототипов, использующих элементы искусственного интеллекта. А недавно Huawei принесла искусственный интеллект и на рынок смартфонов, выпустив флагманские Mate 10 и Huawei V10 на чипсете Huawei Kirin 970 с поддержкой нейронных вычислений.
Конечно, Huawei Mate 10 и Huawei V10 - это лишь первые ласточки. И руководитель Xiaomi Лей Джун (Lei Jun) подтвердил, что сфера ИИ станет главным приоритетом компании на ближайшие десять лет. А первые смартфоны Xiaomi с технологиями искусственного интеллекта появятся на рынке уже в следующем году.
Первым продуктом Xiaomi с элементами искусственного интеллекта считается, выпущенная этим летом смарт-колонка Mi AI Speaker. Да и сама Xiaomi находится в выигрышном положении для развития ИИ: компания может похвастаться сильной платформой продуктов интернета вещей (IoT) и огромным числом пользователей MIUI, которое уже перевалило отметку в 300 млн человек.
Что касается будущих смартфонов Xiaomi с поддержкой искусственного интеллекта, то первым таким устройством может стать флагманский Xiaomi Mi 7 на чипсете Snapdragon 845.
Источник: thg.ru #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
Десять лучших книг для развлечения дата сайентиста http://datawanderings.com/2017/12/01/geek-christmas-best-books-data-scientist/ #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
Eve the Analyst's Adventures in the Data Wonderland
Geek Christmas: 10 best books to entertain a Data Scientist
A roundup of best data science books to indulge every data geek. Less-obvious choices that are guaranteed to entertain and enlighten.
Искусственный интеллект научили подделывать погоду и ландшафт на видео
Компания Nvidia представила программу, работающую на основе искусственного интеллекта, которая может изменить погодные условия и ландшафт на видеозаписи.
Программу протестировали на роликах, снятых видеорегистраторами. Алгоритм способен изменить день на ночь, а зиму на лето.
Алгоритм включает в себя две работающие сети, одна из которых предоставляет информацию, а вторая ее критически оценивает. Таким способом ученым удалось добиться четкой корректировки изображений, когда запись с зимнего видеорегистратора автомобиля была переделана в летнюю. NVIDIA убрала снег, добавив небу ярких красок и зелени на деревья.
Источник: dni24.com #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
Компания Nvidia представила программу, работающую на основе искусственного интеллекта, которая может изменить погодные условия и ландшафт на видеозаписи.
Программу протестировали на роликах, снятых видеорегистраторами. Алгоритм способен изменить день на ночь, а зиму на лето.
Алгоритм включает в себя две работающие сети, одна из которых предоставляет информацию, а вторая ее критически оценивает. Таким способом ученым удалось добиться четкой корректировки изображений, когда запись с зимнего видеорегистратора автомобиля была переделана в летнюю. NVIDIA убрала снег, добавив небу ярких красок и зелени на деревья.
Источник: dni24.com #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
Технологии искусственного интеллекта будут управлять 99% всех инвестиций
Через 20 лет технологии искусственного интеллекта будут управлять 99% всех инвестиций. Об этом сообщает издание Bloomberg.
Главный исполнительный директор Man Group Plc Люк Эллис отмечает постепенный переход на ИИ. Лондонская компания, стоимостью 103,5 млрд долларов, уже выделяет около 13 млрд долларов на несколько хедж-фондов, которые работают с машинным обучением. Эллис считает, что через 10 лет ИИ будет использоваться во всех «человеческих сферах» - от проведения торгов до помощи в выборе ценных бумаг.
«Если вычислительная мощность и генерация данных будут расти с такими темпами, то через 25 лет машинное обучение будет управлять 99% инвестиций. Оно станет частью нашей жизни. Оно поможет сделать нашу жизнь намного лучше», - считает Эллис.
Но негативный фактор от ИИ все же остается. По оценкам консалтинговой компании Opimas, к 2025 году порядка 90 тысяч рабочих мест под угрозой. В частности, это сфера управления активами, включая фондовых менеджеров, аналитиков и сотрудников бэк-офиса.
Кроме того, многие разработчики игнорируют реальный потенциал машинного обучения. Потенциал, который не светит человеческому разуму. Но зачастую компании используют ИИ всего лишь для анализа социальных сетей и данных смартфонов, прогнозов прибыли и продаж, создания стратегий.
«Именно машины будут прикладывать усилия для развития своих возможностей. Они смогут генерировать гипотезы, проверять их, а затем сообщать людям», - заявил Васан Дхар, который 20 лет назад основал один из первых хедж-фондов, использующих ИИ - Adaptive Quant Trading стоимостью 350 млн долларов в SCT Capital Management.
Источник: internetua.com #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
Через 20 лет технологии искусственного интеллекта будут управлять 99% всех инвестиций. Об этом сообщает издание Bloomberg.
Главный исполнительный директор Man Group Plc Люк Эллис отмечает постепенный переход на ИИ. Лондонская компания, стоимостью 103,5 млрд долларов, уже выделяет около 13 млрд долларов на несколько хедж-фондов, которые работают с машинным обучением. Эллис считает, что через 10 лет ИИ будет использоваться во всех «человеческих сферах» - от проведения торгов до помощи в выборе ценных бумаг.
«Если вычислительная мощность и генерация данных будут расти с такими темпами, то через 25 лет машинное обучение будет управлять 99% инвестиций. Оно станет частью нашей жизни. Оно поможет сделать нашу жизнь намного лучше», - считает Эллис.
Но негативный фактор от ИИ все же остается. По оценкам консалтинговой компании Opimas, к 2025 году порядка 90 тысяч рабочих мест под угрозой. В частности, это сфера управления активами, включая фондовых менеджеров, аналитиков и сотрудников бэк-офиса.
Кроме того, многие разработчики игнорируют реальный потенциал машинного обучения. Потенциал, который не светит человеческому разуму. Но зачастую компании используют ИИ всего лишь для анализа социальных сетей и данных смартфонов, прогнозов прибыли и продаж, создания стратегий.
«Именно машины будут прикладывать усилия для развития своих возможностей. Они смогут генерировать гипотезы, проверять их, а затем сообщать людям», - заявил Васан Дхар, который 20 лет назад основал один из первых хедж-фондов, использующих ИИ - Adaptive Quant Trading стоимостью 350 млн долларов в SCT Capital Management.
Источник: internetua.com #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
Появился революционный алгоритм для спасения плохих фотографий
Создан новый алгоритм восстановления поврежденных цифровых изображений, использующий методику искусственных нейронных сетей. Об этом пишет EurekAlert!.
Программа инженеров из университета Берна и университета штата Мэриленд корректирует резкость изображения, убирает шум, а также выполняет ряд других задач. Создатели алгоритма обучили его на большом наборе фотографий высокого качества. В результате алгоритм научился предсказывать, как должно выглядеть исходное изображение, на основе данных о текстуре, цвете, свете и границах.
«Традиционно, существовали инструменты, которые решали каждую проблему с изображением в отдельности. Каждый из них использовал интуитивные предположения о том, как выглядит хорошее изображение. В последнее время, искусственные нейронные сети были применены для решения проблем с изображением, но последовательно. Наш алгоритм идет на шаг дальше. Он может решать широкий спектр проблем одновременно», — рассказал Маттиас Цвикер из Бернского университета.
Программисты предложили использовать байесовкую систему глубокого обучения для восстановления резкости размытого изображения, увеличения разрешения и демозаики. Выяснилось, что алгоритм может определять и устранять отклонения от идеальных параметров на загруженных снимках. Иными словами, исправляя, например, зернистость изображения, он одновременно убирает и другие дефекты. Правда, воссоздавать сложные элементы снимка алгоритм пока не умеет.
«Чтобы распознавать черты высокого уровня, алгоритму нужен контекст. Например, если на снимке показано лицо, то вероятнее всего, пиксели сверху — это волосы. Это похоже на решение головоломки. Как только вы определите, где находится этот кусок, сразу станет понятно, что представляют собой пиксели», — подчеркнул Цвикер.
По словам разработчиков, система пока хорошо справляется с простыми недостатками, например размытыми краями объектов. Исследователи представили свои выводы 5 декабря 2017 года, на 31-й конференции по системам обработки информации Neural в Лонг-Бич, штат Калифорния.
Источник: inforesist.org #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
Создан новый алгоритм восстановления поврежденных цифровых изображений, использующий методику искусственных нейронных сетей. Об этом пишет EurekAlert!.
Программа инженеров из университета Берна и университета штата Мэриленд корректирует резкость изображения, убирает шум, а также выполняет ряд других задач. Создатели алгоритма обучили его на большом наборе фотографий высокого качества. В результате алгоритм научился предсказывать, как должно выглядеть исходное изображение, на основе данных о текстуре, цвете, свете и границах.
«Традиционно, существовали инструменты, которые решали каждую проблему с изображением в отдельности. Каждый из них использовал интуитивные предположения о том, как выглядит хорошее изображение. В последнее время, искусственные нейронные сети были применены для решения проблем с изображением, но последовательно. Наш алгоритм идет на шаг дальше. Он может решать широкий спектр проблем одновременно», — рассказал Маттиас Цвикер из Бернского университета.
Программисты предложили использовать байесовкую систему глубокого обучения для восстановления резкости размытого изображения, увеличения разрешения и демозаики. Выяснилось, что алгоритм может определять и устранять отклонения от идеальных параметров на загруженных снимках. Иными словами, исправляя, например, зернистость изображения, он одновременно убирает и другие дефекты. Правда, воссоздавать сложные элементы снимка алгоритм пока не умеет.
«Чтобы распознавать черты высокого уровня, алгоритму нужен контекст. Например, если на снимке показано лицо, то вероятнее всего, пиксели сверху — это волосы. Это похоже на решение головоломки. Как только вы определите, где находится этот кусок, сразу станет понятно, что представляют собой пиксели», — подчеркнул Цвикер.
По словам разработчиков, система пока хорошо справляется с простыми недостатками, например размытыми краями объектов. Исследователи представили свои выводы 5 декабря 2017 года, на 31-й конференции по системам обработки информации Neural в Лонг-Бич, штат Калифорния.
Источник: inforesist.org #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
Ученые перестали понимать, как работает ИИ
Ученые и программисты перестали понимать, как именно принимает решения искусственный интеллект. Об этой проблеме заявили сразу несколько специалистов на главной ИИ-конференции — Neural Information Processing Systems, — прошедшей в Лонг-Бич (Калифорния), пишет Quartz.
Эксперты, с которыми пообщались в Quartz, говорят, что нужно действовать, пока система не стала слишком сложной. «Мы не хотим принимать за должное решения ИИ, без понимания их логики, — говорит Джейсон Йосински из Uber. — Чтобы общество приняло модели машинного обучения, мы должны знать, как ИИ принимает решения».
Проблема, которую многие эксперты называют «черной коробочкой», действительно серьезная. Предыдущий опыт показал, что ИИ имеет склонность принимать предвзятые решения и проводить аналогии там, где их не следовало бы проводить. Ошибка ИИ может обойтись очень дорого, например, во время таких операций, как космическая миссия на Марс. Аппараты находятся в 200 млн миль от Земли и стоят сотни миллионов долларов, говорит Кири Вагстафф ИИ-эксперт в Jet Propolusion Lab (NASA).
Ученые к счастью, пытаются находить методы, позволяющие понять логику искусственного интеллекта. Так, исследователь из Google Мэтра Рагху представила доклад, в котором описывается процесс отслеживания действий отдельных «нейронов» нейросети. Анализируя миллионы операций, ей удалось понять, какие из искусственных «нейронов» концентрировались на неверных представлениях, и отключить их. Это доказывает, что перевод работы нейросетей в форму, доступную для понимания человека, — не такая уж невозможная задача. «Это похоже на то, как школьные учителя просят детей пересказать своими словами, что они поняли из объяснений учителя», — говорит Вагстафф.
Источник: hightech.fm #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python
Ученые и программисты перестали понимать, как именно принимает решения искусственный интеллект. Об этой проблеме заявили сразу несколько специалистов на главной ИИ-конференции — Neural Information Processing Systems, — прошедшей в Лонг-Бич (Калифорния), пишет Quartz.
Эксперты, с которыми пообщались в Quartz, говорят, что нужно действовать, пока система не стала слишком сложной. «Мы не хотим принимать за должное решения ИИ, без понимания их логики, — говорит Джейсон Йосински из Uber. — Чтобы общество приняло модели машинного обучения, мы должны знать, как ИИ принимает решения».
Проблема, которую многие эксперты называют «черной коробочкой», действительно серьезная. Предыдущий опыт показал, что ИИ имеет склонность принимать предвзятые решения и проводить аналогии там, где их не следовало бы проводить. Ошибка ИИ может обойтись очень дорого, например, во время таких операций, как космическая миссия на Марс. Аппараты находятся в 200 млн миль от Земли и стоят сотни миллионов долларов, говорит Кири Вагстафф ИИ-эксперт в Jet Propolusion Lab (NASA).
Ученые к счастью, пытаются находить методы, позволяющие понять логику искусственного интеллекта. Так, исследователь из Google Мэтра Рагху представила доклад, в котором описывается процесс отслеживания действий отдельных «нейронов» нейросети. Анализируя миллионы операций, ей удалось понять, какие из искусственных «нейронов» концентрировались на неверных представлениях, и отключить их. Это доказывает, что перевод работы нейросетей в форму, доступную для понимания человека, — не такая уж невозможная задача. «Это похоже на то, как школьные учителя просят детей пересказать своими словами, что они поняли из объяснений учителя», — говорит Вагстафф.
Источник: hightech.fm #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python