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