Сообщество - Машинное обучение
Машинное обучение
188 постов 2 904 подписчика
27

Слишком много данных

Вокруг столько разговоров, пафосных заявлений, хайпа, прости, Господи. Всё о Big Data. Но едва ли кто может точно сказать, что это такое, дать точное определение.

Слишком много данных Интернет, Большие данные, Длиннопост

Машинное обучение, компьютерное зрение, распознавания лиц, Интернет вещей, даже блокчейн — всё каким-то образом (прямым или косвенным) связано с Большими Данными. Но мы же с вами не дилетанты, которые ведутся лишь на красивые лозунги? Так давайте же разберёмся в этом явлении.


Что это?

Давать ли точное определение? Наверное, стоит потом вывести его самим. В любом случае для начала предлагаю оставить вот это здесь.


Big Data или Большие Данные — это различные инструменты, подходы и методы обработки как структурированных, так и неструктурированных данных* для того, чтобы их использовать для конкретных задач и целей.

*Неструктурированные данные — это информация, которая не имеет заранее определённой структуры или не организована в определённом порядке.


Немного истории

В 2005 году некий Roger Mougalas из O’ReillyMedia впервые ввёл понятие Big Data. Это случилось через год после появления другого термина: Интернет 2.0. Это некая отсылка к тому, что данных стало на столько много, что привычные инструменты бизнес-аналитики стали бесполезны.


Пять эксабайт (миллион терабайт) информации было создано миром в период между расцветом цивилизации и 2003 годом. Теперь то же количество появляется каждые два дня.

Такое заявление в 2010 году сделал Эрик Шмидт (Google, Alphabet) на конференции Techonomy.


В 2011 году в отчёте McKinsey было сказано следующее:


Big Data (Большие данные) — следующий переломный момент для инноваций, конкуренции и производительности. В 2018 году США столкнулся с нехваткой 140 000 — 190 000 специалистов по обработке данных, а также 1, 5 миллиона специалистов по управлению данными.

Цифры, конечно, впечатляют. Однако история Больших Данных началась гораздо раньше. Что предшествовало подобному «взрыву»?


Первые библиотеки Вавилона в 2000-х годах до нашей эры, позднее — библиотеки в Александрии. Это можно представить, как одно из первых организованных хранений данных. Конечно, масштабы небольшие, но попытки анализа и структурирования уже налицо.


В середине XVII века Джон Грант, получивший известность после работ в области демографической статистики, выпустил очередной труд. В нем он показал, что использование аналитики смертности позволяло предупреждать о начале эпидемии бубонной чумы.


В 1865 году профессор Ричард Миллер Девинс ввел термин Business Intelligence, использовав его в своей книге Cyclopedia of Commercial and Business Anecdotes, где кроме прочего рассказал Генри Фернезе, который пришёл к успеху благодаря структурированию и анализу информации о деловой активности.

Позже, в 1881 году, инженер Герман Холлерит создал устройство (табулятор), которое сокращало 10-летний труд до 3 месяцев. Вскоре Холлерит создал компанию TMC, специализирующуюся на создании табулирующих машин. Позже ее купила компания C-T-R, которая в 1924 году была переименована в IBM.

Слишком много данных Интернет, Большие данные, Длиннопост

Во время Второй мировой войны остро стоял вопрос быстрого анализа данных. Так был создан ряд компьютеров, позволяющих дешифровать сообщения врага. В 1943 году британские ученые создали машину Colossus. Она значительно ускорила расшифровку сообщений, сократив необходимое время с нескольких недель до нескольких часов.


Начиная с 1950-х годов, наряду с все увеличивающейся потребностью в хранении и обработке информации, начался бурный рост технологий ее хранения, начали появляться центры обработки данных.

И тут, на стыке тысячелетий происходят важные изменения.


Началась эра Интернета. Количество информации растёт по экспоненте. Появляются новые потребности. Создаются поисковики, рекламные движки и т.д.


Всё это предопределяет становление Big Data.


Эту цепочку можно продолжать до бесконечности, но сам термин Big Data пришёл к нам лишь на стыке тысячелетий и кроме подходов, которые были заложены в его основу, явил миру всю совокупность проблем, с которыми сталкивался человек с начала своей истории работы с информацией.

В чём суть?

C историей разобрались. Давайте теперь попробуем заглянуть в саму суть.

Слишком много данных Интернет, Большие данные, Длиннопост

Что из себя представляют данные? И чем они отличаются от информации? Данные – это своего рода «исходники», «сырьё», то, что ещё не обработали, не извлекли ценные сведения, не исказили, не истолковали. То есть основа основ.


Тот, кто владеет информацией, владеет миром.

Сегодня же стоит изменить одно слово:

Тот, кто владеет данными, владеет миром.

Имея на руках «исходники», вы властны делать с ними всё, что захотите. Например, обладая файлом в формате psd, у вас есть возможность деформировать, редактировать изображение в ваших интересах, представлять их так, как выгодно именно вам.


А теперь представьте, что такого «сырья» очень много. Как вы думаете, какая власть будет у того, кто будет иметь к ней постоянный доступ. У того, кто сможет грамотно их использовать.


Большие данные работают по принципу: чем больше вы знаете о чем-либо, тем более точно будет осуществляться прогнозирование, работать система рекомендаций. При сравнении данных начинают появляться отношения которые были раньше не были заметны, и эти отношения позволяют учиться и принимать более разумные решения. Чаще всего это делается с помощью процесса, который включает построение моделей на основе данных, затем запуск моделирования. Этот процесс автоматизирован — современные передовые аналитические технологии будут запускать миллионы таких симуляций, настраивая все возможные переменные до тех пор, пока не найдут определённую закономерность.


Чтобы разобраться во всех этих запутанных данных, используется передовая аналитика, включающая искусственный интеллект и машинное обучение.

Слишком много данных Интернет, Большие данные, Длиннопост

В Big Data важны три основные вещи:


Объём

Количество данных имеет значение. Чем их больше, тем больше вам придется обрабатывать неструктурированных данных. Для некоторых организаций это могут быть десятки терабайт данных. Для других это могут быть сотни петабайт.


Скорость

Скорость, с которой данные приходят очень высока. Стоит уточнить, что некоторые сервисы, непосредственно связанные с Интернетом работают в режиме реального времени, что требует своевременной оценки и оперативных действий.


Разнообразие

Типы доступных данных весьма разнообразны. С ростом больших они данные приходят в новые неструктурированные типы данных. Так неструктурированные и полуструктурированные типы данных, такие как текст, аудио и видео, требуют дополнительной предварительной обработки.


Примерно это из себя и представляет Big Data. Конечно, существует ряд технологий, которые непосредственно с ней связаны. Но гораздо интереснее будет рассмотреть примеры того, как же это всё применяется.


Пример IT-компаний

Слишком много данных Интернет, Большие данные, Длиннопост

Тут их целая куча, но рассмотрим одного, активного в этом направлении гиганта. Корпорация Apple внедряет машинное обучение во все свои продукты. Преимущество заключается в наличии большой экосистемы, состоящей из устройств, которыми клиенты компании активно пользуются в повседневной жизни. Отсюда по-настоящему огромное количество данных о пользователях. Таким похвастаться, пожалуй, могут не все. Стоит уточнить, что не смотря на это, политика конфиденциальности у Apple очень строгая: корпорация не использует данных клиентов в рекламных целях.


Медицина

Слишком много данных Интернет, Большие данные, Длиннопост

Big Data в медицинской сфере позволяет врачам более детально изучить болезнь, что делает в последствии возможным выбрать более эффективный курс лечения для конкретного случая.


Кроме того, новая методика позволила взглянуть на проблемы пациентов с новой стороны. Например, в результате исследований выяснилось, что некоторые расы генетически более предрасположены к заболеваниям сердца, нежели представители других этнических групп.


Один из последних примеров — случай в Лурдском медицинском центре Богоматери в Нью-Джерси. В то время как пациент проходил обследование из-за нового приступа судороги, вызванного пропущенным приемом лекарств, врачи обнаружили, что мужчина имеет куда более серьезную проблему со здоровьем. Этой проблемой оказалась фибрилляция предсердий. Диагноз удалось поставить благодаря тому, что сотрудники отделения получили доступ к телефону пациента, а именно к приложению, сопряженному с его фитнес-трекером. Данные с приложения оказались ключевым фактором в определении диагноза, ведь на момент обследования у мужчины никаких сердечных отклонений обнаружено не было.

Торговля и продажи

Слишком много данных Интернет, Большие данные, Длиннопост
Анализ данных — средство получения компаниями полного представления относительно ключевых аспектов их бизнеса. Увеличение доходов, снижение затрат и сокращение оборотного капитала являются теми тремя задачами, которые современный бизнес пытается решить с помощью аналитических инструментов.
Особенно отрасль любит использовать технологии Big Data, чтобы улучшить понимание пользовательских запросов и таргетинг. Большие Данные помогают анализировать привычки клиентов. Компании стремятся расширить набор данных благодаря информации из социальных сетей и историй поиска браузера. Так строятся целые предсказательные модели.


Добыча

Внезапно, но факт.

Слишком много данных Интернет, Большие данные, Длиннопост

В нефтяной отрасли большие данные уже начинают активно использоваться для предиктивного ремонта оборудования и оптимизации добычи нефти. Но уже до этого данные применялись в геологоразведке.


Анализ геологической информации позволяет создать модель, которая даёт возможность успешно предсказать местоположение полезных ископаемых. Это конечно, в значительной степени экономит ресурсы, время.


Конечно, это не все отрасли, в которых Big Data нашла своё применение. Технология постепенно, но достаточно быстро проникает во все сферы нашей жизни. Это, конечно, вызывает много вопросов о законности, конфиденциальности. Действительно ли можно использовать, обрабатывать те или иные данные, пострадает ли от этого личная жизнь отдельных людей. Но одно понятно точно: технология открывает широчайшие перспективы, доказывая свою полезность. И по традиции: никуда вы от этого не денетесь.

Источник

Показать полностью 7
145

Нейросеть Deepfake попыталась исправить лицо Скалы с помощью… лица Скалы

YouTube-кинематографисты с канала Corridor исправили самую ужасную сцену со спецэффектами в истории кино. В данном случае речь идет и неудачном кадре из фильма-блокбастера, коим оказался «Мумия возвращается» 2001 года. Многие до сих пор без слез и смеха не могут смотреть на это эпическое появление компьютерного Дуэйна «Скалы» Джонсона в роли Царя Скорпионов.


Команда Corridor с помощью художников по спецэффектам попыталась сделать все возможное, чтобы данную сцену исправить. В какой-то момент они даже обратились к популярной в последнее время нейросети Deepfake, попытавшись исправить лицо Скалы с помощью… лица Скалы. Весь процесс изменений, а также довольно креативную экшен-интерпретацию данную сцены можно посмотреть на видео.

0:27 Origional Movie Clip

9:15 Fixed Movie Clip

6852

Фотошоп-мастерам на заметку

NVIDIA продемонстрировала искусственный интеллект способный в реальном времени преобразовать рисунок в Paint в фотореалистичное изображение.


Видео с комментариями:

Статья в блоге NVIDIA и репозиторий в котором "скоро" будет исходной код.

Показать полностью 1
906

Сальвадора Дали «воскресили» с помощью искусственного интеллекта

Музей Дали в Сент-Питерсберге, штат Флорида, «вернул к жизни» с помощью искусственного интеллекта образ Сальвадора Дали. Художника-сюрреалиста воссоздали в натуральную величину, используя технологию создания видео на основе машинного обучения.

Сальвадора Дали «воскресили» с помощью искусственного интеллекта Сальвадор Дали, Искусственный интеллект, Машинное обучение, Технологии, Флорида, США, Музей, Воскрешение, Видео, Гифка, Длиннопост

Однажды Сальвадор Дали произнес фразу:

В целом я верю в смерть, но в смерть Дали абсолютно нет.

А теперь музей Дали во Флориде поработал над тем, чтобы исполнить пророчество художника. Используя архивные кадры из интервью, сотрудники рекламного агентства Goodby, Silverstein & Partners взяли 6 000 кадров и потратили на них 1 000 часов машинного обучения, чтобы воспроизвести виртуальное лицо сюрреалиста. Уже готовое ИИ-лицо Дали было наложено на тело актера с пропорциями художника, а цитаты из интервью перезаписали голосом актера, который умело подражает его уникальному акценту, сочетающему нотки французского, испанского и английского языков.

Дали появляется перед посетителями после того, как они нажимают дверной замок на специальной промо-конструкции. Следом виртуальный художник начинает рассказ об истории своей жизни. Благодаря 45 минутам новых видеороликов, а также тысячами отрывков из архивов, разные зрители получают разный контент. Дали может читать последние новости со страниц свежей газеты The New York Times или, например, комментировать погоду за окном. В конце сессии Сальвадор Дали предлагает зрителям сделать сэлфи, после чего оборачивается и делает снимок на собственный смартфон.

Сальвадора Дали «воскресили» с помощью искусственного интеллекта Сальвадор Дали, Искусственный интеллект, Машинное обучение, Технологии, Флорида, США, Музей, Воскрешение, Видео, Гифка, Длиннопост

Для всех желающих выставка «Dalí Lives» откроется 11 мая как постоянная экспозиция, посвященная 115-летию Сальвадора Дали.


Источник

Показать полностью 1
9468

Этого человека не существует

Этого человека не существует Нейронные сети, Фотография, Наука, Vcru, Лицо, Генератор, Машинное обучение

Разработчик Uber Филипп Ванг запустил сайт thispersondoesnotexist, на котором раз в несколько секунд генерируется человеческое лицо с помощью алгоритма генеративных нейронных сетей StyleGAN, разработанного Nvidia.


Каждый раз, когда вы обновляете сайт, он генерирует случайное лицо человека, неотличимое от реальной фотографии.


Разработчику удалось преодолеть эффект "зловещей долины" благодаря генеративной нейронной сети — это комбинация из двух нейросетей. Первая генерирует изображение, а вторая пытается определить, насколько оно реалистично. Обучение GAN продолжится до тех пор, пока нейросеть-генератор не обманет нейросеть-судью.


Теперь, когда на пикабу вас попросят скинуть фотку, просто кидайте ссылку на сайт, а там как повезёт. :)


VC.ru

11754

Нейросеть быстро уберет фон на фотографии

Если вам по роду деятельности или просто внезапно нужно быстро убрать фон, а фотошопа под рукой нет, то сегодня я нашел такой полезный сервис основанный на нейронной сети. Фон убирает в большинстве случаев почти идеально, но только с людьми. Животных распознает, но не всегда и иногда не точно. Пробуйте сами адрес сайта: https://www.remove.bg

Нейросеть быстро уберет фон на фотографии Нейронные сети, Технологии, Обработка фотографий, Фон, Сайт
1968

Сбербанк и искусственный интеллект

Сбербанк в результате ошибок искусственного интеллекта потерял миллиарды рублей. Об этом заявил глава банка Герман Греф на проекте «Урок цифры», пишет ТАСС.
«Из-за того, что машина совершала маленькую ошибку на больших объемах, мы теряли миллиарды рублей», — сказал Греф. Он также пояснил, что внедрение искусственного интеллекта в Сбербанке сократило около 70% менеджеров.
Взято отсюда https://m.ura.news/news/1052374016
Получается, 70% менеджеров сократили и потеряли миллиарды.
Греф поистине эффективный менеджер государственного масштаба.
С ним даже искусственный интеллект не хочет работать.

4349

Искусственный интеллект научился скрытно жульничать на заданиях

Искусственный интеллект научился скрытно жульничать на заданиях Искусственный интеллект, Нейронные сети, Google, Карты, Google Maps, Стеганография, Водяные знаки

Группа ученых из Google и Стенфордского университета использовали нейронную сеть для преобразования воздушных фотографий в навигационные карты, и обратно (обратное преобразования использовало только полученную ранее карту, без доступа к исходному снимку). Это позволило бы сервисам вроде Google Maps более быстро создавать и обновлять карты из снимков с воздуха. Обратное преобразование же было нужно, чтобы было легче сверять результат с оригиналом, и тем самым проверять качество работы нейронной сети.


Ученые отметили, что программа работает хорошо... слишком хорошо. На воссозданном снимке были детали, которые должны были потеряться в результате первичного преобразования снимка в карту. Например, уличные фонари и прочие элемента ландшафта, которые не были нанесены на карту, волшебно возвращались на место при обратном преобразовании.


В итоге оказалось, что нейронной сети, вместо того чтобы придумывать, как лучше преобразовать "чистую" карту в спутниковый снимок, оказалось легче вставлять скрытые "шпаргалки" в изначально созданную карту,  которые содержали скрытую информацию для обратного преобразования - такую, как мельчайшие изменения в цвете пикселей, незаметную глазу человека.

Искусственный интеллект научился скрытно жульничать на заданиях Искусственный интеллект, Нейронные сети, Google, Карты, Google Maps, Стеганография, Водяные знаки

На предыдущей картинке показана разница между "обычной" картой сделанной в Google Maps (a), и картой нейронной сети, созданной из воздушного снимка (b). Между первой и второй есть зашифрованная информация (c), используя которую, можно преобразовать карту обратно в снимок (d). Разница (с) искуственно преувеличена для анализа - в реальных снимках она настолько незаметна, что даже в выделенном формате человек бы ее не заметил.


Сам способ не является новым - подобная стеганография давно используется людьми, от скрытых строчек в письмах шпионов, до цифровых водяных знаков в фотографиях. Примечательно же то, что использованию стеганографии нейронную сеть не учили и не ожидали - она до этого способа дошла сама. Более того, поскольку для проверки качества карты требовалось воссоздать снимок именно из карты, то придуманное "решение" нейронной сети оказалось непригодным - если снимок воссоздавался из скрытой информации, то он мог бы воссоздаться правильно, даже если бы полученная карта оказалось неправильной. Таким образом, этот способ является не "креативным решением", а именно шпаргалкой - то есть возможностью пройти тест, не выучив нужный материал.

Показать полностью
1451

«Статья про минет»: ученые обработали 109 часов орального секса, чтобы разработать ИИ, который сосет член

Анонимные специалисты по машинному обучению написали «статью про минет», чтобы сделать эту машинку для отсоса более реалистичной.


Autoblow AI, секс-игрушка для пользователей с пенисом, состоит из резинового рукава и расположенного внутри корпуса электродвигателя, и пытается имитировать оральный секс. Ее кампания на Indiegogo была запущена на прошлой неделе и быстро достигла своей цели в 50 000 $. Ее главное преимущество над предыдущей моделью, Autoblow 2, выпущенной в 2014 — это алгоритм машинного обучения, который «постоянно меняет технику», чтобы удовлетворить пользователя новыми способами.


Вместо повторяющихся, механических движений, этот «режим искусственного интеллекта» обещает воспроизвести сложные и непредсказуемые движения настоящего, человеческого минета. Чтобы сделать это, компания попросила команду из шести человек просмотреть и аннотировать 109 часов порно и наняла специалистов по машинному обучению, чтобы создать модель, обрабатывающую эти данные и транслирующую их в то, что делает игрушка. Вся работа заняла три года.


Результатом исследования стала "Статья про минет", исследование (очевидно, не рецензировавшееся), наполненное сексуальными — или хотя бы имеющими отношение к сексуальной теме — алгоритмическими исследованиями: «В этой работе мы пытаемся количественно описать „общие“ или „типичные“ движения в оральном сексе, выполняемом на мужчинах» — так начинается статья. «Чтобы сделать это, мы анализируем набор данных, содержащий более 108 часов порнографического видео, каждый кадр которого аннотирован позицией губ на стволе пениса. Мы используем технику квантизации, чтобы обнаружить шестнадцать различных движений, и используя эти движения, мы разрабатываем и оцениваем систему, которая процедурно генерирует реалистичные последовательности движений, используя глубокое обучение. Мы количественно показываем, что эта система превосходит простые методы, основанные на цепях Маркова».

«Статья про минет»: ученые обработали 109 часов орального секса, чтобы разработать ИИ, который сосет член Искусственный интеллект, Глубокое обучение, Секс-Игрушка, Гифка, Длиннопост, Habr

У меня не было проблем с этим


Я спросил Брайана Слоана (Brian Sloan), разработчика Autoblow AI, о его попытке нанять серьезных ученых для работы над дрочильной машинкой. Его предложение было прямым и лишенным намеков:


«Я сказал им, что разрабатываю секс-игрушку для мужчин, воссоздающую ощущения от минета и спросил, могут ли они использовать ИИ, чтобы изучить, что на самом деле происходит во время минета, чтобы мое устройство могло делать минет, как человек,» — Слоан написал мне в электронном письме. «Этого было достаточно, чтобы семь компаний практически сразу сказали мне, что „эта работа не для них“. Когда я спросил, почему, они не захотели ответить.»


Восьмая команда ответила «да», и написала «Статью про минет», за которую получила, по словам Слоана, 30 000 $. Но несмотря на прекрасные вычисления и методы сбора данных, в этом исследовании, очевидно, отсутствует одна вещь — имена авторов. В статье нет имен, не упомянуты исследовательские группы или учреждения, ответственные за работу. Ученые выполнили работу анонимно, так как считали, что другие клиенты могут отказаться от сотрудничества с ними, если об этой работе станет известно.

Встречайте Слайдермена


«Статья про минет» начинается с нескольких диаграмм и графиков, описывающих, как исследователи количественно оценили движения, полученные из видео с оральным сексом и преобразовали их в различные движения, предлагаемые Autoblow. Среди них — кластерные диаграммы, представляющие различные действия, включая паузы, управление оргазмом, игру с головкой и «глубокую глотку».


Исследователи разработали архитектуру плотной нейронной сети (dense neural network, DNN), которая предсказывает следующее движение исполнителя минета на основе анализа предыдущих движений, примерно так же, как работает предиктивный ввод текста в вашем телефоне.


Копич собрал команду из шести человек, чтобы извлечь данные про минет из порнороликов. Это не были специалисты по статистике или машинному обучению, просто друзья и доверенные лица, желающие помочь с абсурдным заданием. Они создали систему для аннотирования 109 часов видео про минет — всего 1200 видеороликов с оральным сексом — при помощи анимированной рисованной головы на полосе прокрутки, положение которой можно было менять мышкой во время просмотра порнороликов. Копич сообщил мне в электронном письме, что голову назвали Слайдерменом.

«Статья про минет»: ученые обработали 109 часов орального секса, чтобы разработать ИИ, который сосет член Искусственный интеллект, Глубокое обучение, Секс-Игрушка, Гифка, Длиннопост, Habr

Передовые технологии


«На самом деле, это довольно интересная задача,» — сказали анонимные ученые, писавшие «Статью про минет»: «Сейчас машинное обучение переживает свою золотую лихорадку, и разработчики могут выбирать, какими проектами заниматься. Мой критерий выбора работы — найти проекты, которые интересны, и за которые хорошо платят. Этот проект удовлетворяет обоим условиям.»


«Если они так открыто хотели работать над автоматизацией минета с помощью ИИ, зачем оставаться анонимными?» — спросил я. Мне ответили, что связались с некоторыми из своих клиентов и спросили, не будет ли проблемой участие в этой работе и публичная ассоциация с ней.


«Ответ был удивительным,» — сказали ученые: «Корпорации не хотят никакой связи с подобными вещами. Для них это неприемлемо, и они видят это, как пиар-кошмар. Поэтому я остался анонимным. На личном уровне я не увидел несогласия, а на корпоративном уровне это считается проблемой. Для понимания контекста — мы много работаем с финансовыми и правительственными организациями. От них мы и получили запрет.»


Это не удивительно. Враждебность к сексуальному контенту проявляют и платежные системы, и законодатели.


Помимо математики, это доступный и понятный пример того, как ИИ встраивается в повседневные продукты, такие, как автодополнение электронных писем и поиск Google. Они изучают наш прошлый опыт, и в теории Autoblow AI ничем не отличается. Он просто обучается на примере порнографии.


Анонимные ученые также сообщили мне, что проект для них оказался не бесплодным. «Я понял, что сверточные нейронные сети очень гибкие, и то, что ИИ может понять настолько высокоуровневую идею, как минет, в чем-то удивительно. Я чувствую, что мы действительно используем самые передовые технологии, применяя библиотеки, которых еще не существовало шесть месяцев назад.»


Autoblow AI обязан своим существованием математике наряду с потом, слезами и потенциальным запястным туннельным синдромом множества людей. Но в конце концов, несмотря на всю статистику и машинное обучение, это просто пластмассовая банка с силиконовым рукавом, двигающаяся вверх-вниз по члену. Исследователи воображают себе мир, где интерактивная порнография и секс-игрушки (и не-сексуальные развлечения тоже) могут быть улучшены с помощью ИИ — но это произойдет не одномоментно.


«Секс-игрушки доступны повсюду в развитых странах. Очевидно, люди хотят эти вещи, и они будут становиться умнее по мере того, как ученые и инженеры вроде меня будут делать свою работу,» — сказали они мне: «Это общая картина. Есть, разумеется, и чисто технические улучшения того решения, которое мы построили для этой конкретной секс-игрушки, например, лучшая процедурная генерация имитируемого минета, и другие вещи, помимо минета. Мы обнаружили, например, что анальный секс тоже распознается таким образом.»


Источник: https://habr.com/ru/post/441252/

Показать полностью 1
13

Наглядный пример того, как нейросеть перенимает повадки людей

Наглядный пример того, как нейросеть перенимает повадки людей Искусственный интеллект, Нейронные сети, Беседа, Общение, YouTube, Комментарии, Видео

Примерный перевод:


**KingLies**

Бот-женщина продолжает перебивать бота-мужчину. Это настолько реалистично.


Ссылка на видео https://youtu.be/WnzlbyTZsQY

Мои подписки
Подписывайтесь на интересные вам теги, сообщества,
пользователей — и читайте персональное «Горячее».
Чтобы добавить подписку, нужно авторизоваться.
Отличная работа, все прочитано!