-24

Юваль Ной Харари: "Искусственный интеллект угрожает человечеству"

Он - один из самых влиятельных мыслителей нашего времени. К нему прислушиваются главы государств и руководители крупнейших мировых компаний. Юваль Ной Харари - 43-летний израильский историк, профессор Еврейского университета в Иерусалиме, автор ряда книг, ставших мировыми бестселлерами, а вы мыши...

Дубликаты не найдены

+4
израильский историк, профессор Еврейского университета в Иерусалиме, автор ряда книг, ставших мировыми бестселлерами, а вы мыши...
Иллюстрация к комментарию
+3

вообще не знаю кто это.

+3

Ой вей, евгхейский 43-летний мальчик, любящий истогхию, таки научит глав кохпораций и пгожженных политиканов как вести дела



штоблять?

+2

Евросоюз это хорошо,а СССР плохо. почему тогда нынешние рядовые европейцы заявляют что сейчас им стало хуже жить(в ЕС) а бывшие простые граждане СССР наоборот и говорят что тогда в союзе было лучше

+2

А мы мыши.

Иллюстрация к комментарию
+5

Если в искусственном интеллекте он разбирается так же как в истории, то опасаться нечего.

раскрыть ветку 1
+1

главное не надо ему говорить об этом

+2
Какой-то очередной хуй с горы который пытается напомнить о себе очередным заявлением которое не основывается ни на каких фактах, а только его домыслах
+1
Для любителей научпопа рекомендую его книгу Sapiens: Краткая история человечества
+1
Рядом с жидом и мышка - тигр
+1

Выходит не очень то и прислушиваются

+1

... е&@ные?

0

Ни. О. Чём.

0
Веган, еврей, гей, защитник прав животных.

https://ru.wikipedia.org/wiki/Харари,_Юваль_Ной

Вот это комбо, хватит для ненависти 90% пикабушников.

-2
А может у ИИ будет действительно "Разум" - и он скажет: "да ну вас .... тупые человечьки - досвидосики" - и улетит в космос с "технологиями" - и мы останемся без интернета и т.п. и т.д. и станем чуть ли не аборигенами ? :))))
раскрыть ветку 5
0

ват? В твоём понимании интернет - это такая коробка, которую можно украсть и интернет закончится?

раскрыть ветку 4
0

Плоско мыслишь, если у ИИ будет доступ к устройствам (что наверняка так и будет) - то да - хоть целый сраный интернет как вариант может пропасть, или в твоем понимании Интернет - это что-то сверхестественное - чего нельзя "Уничтожить" ?.

p.s. даже Солнце можно поместить в "коробку" - реальность выполнения задачи - зависит от уровня развития технологий. А ИИ по развитию будет превосходить людей - так что позбавить насч интернета ему не составит труда.

раскрыть ветку 3
Похожие посты
678

Полностью автономный режим вождения Tesla вступил в закрытую бету

Tesla начала закрытое бета-тестирование полностью автономного режима вождения, включая городские условия (до сих пор публика могла использовать автопилот только на автомагистралях). Бета-тест предоставлен небольшому количеству клиентов с хорошим стажем вождения. Заодно был обновлен интерфейс компьютера, показывающий пользователю то, что он видит на дороге сам.


По словам Маска, релиз был задержан из-за коронавируса, а также из-за сложной проблемы оптимизации софта. Так, прежние версии автопилота требовали наличие цифровой карты для навигации, что создавало проблемы если доступные карты неточны или устарели. Пришлось переписывать ИИ почти с нуля, зато теперь он может работать даже в тех местах, где раньше никогда не был и независимо от точности доступных карт. ИИ продолжает непрерывно обучаться, в том числе благодаря присылаемым отчетам с машин пользователей, которые суммарно проехали в автономном режиме уже свыше 5 миллиардов километров.


В случае успешных закрытых тестов, открытое бета-тестирование может начаться уже в конце этого года. А концу следующего Tesla, возможно, начнет запускать свои автомобили в режиме автономных такси.


Заводы Tesla, тем временем, вышли на производственную мощность в 840 тыс. авто в год, и в следующем квартале планируют достичь миллиона.

5069

Нейросеть Гугл.Брейн научилась создавать 3D модели достопримечательностей из тысяч фотографий туристов!

Видео без звука.

Отсюда - https://redd.it/i731rp

1747

Прокрутил фотку через Pantomime, помог Белле лучше сыграть в "Сумерках"

Увидел у @ProfessorDowlell сервис pantomime.it . Там можно загрузить фото себя, свой собаки и всех кого хочешь и заставить изображать самые популярные эмодзи. Подумал, что это точно поможет Белле из сумерек.

Прокрутил фотку через Pantomime, помог Белле лучше сыграть в "Сумерках" Сервис, Искусственный интеллект, Deepfake, Гифка, Кристен Стюарт, Эмоции, Нейронные сети, Актеры и актрисы
Прокрутил фотку через Pantomime, помог Белле лучше сыграть в "Сумерках" Сервис, Искусственный интеллект, Deepfake, Гифка, Кристен Стюарт, Эмоции, Нейронные сети, Актеры и актрисы
Прокрутил фотку через Pantomime, помог Белле лучше сыграть в "Сумерках" Сервис, Искусственный интеллект, Deepfake, Гифка, Кристен Стюарт, Эмоции, Нейронные сети, Актеры и актрисы
1861

Ответ на пост «Яндекс обновил голос в русском переводчике. ( голос звучания )» 

Недавно был пост про то, что синтезируемый голос уже практически не отличим от человеческого.

Вот еще несколько примеров того, какими могут быть голоса в переводчике.

90

В честь сорокалетия Pac-Man, нейронная сеть Nvidia воссоздала эту игру с нуля

В честь сорокалетнего юбилея Pac-Man, нейронная Nvidia создала клон этой игры с нуля, просто изучая 50,000 чужих игр (записи видео с экрана и нажатия игроками кнопок на клавиатуре). Речь идет не только о создании играющего интеллекта, но и самой игры целиком - включая графику, механику, и звук - без участия программистов.

Это является первой удачной попыткой применения ИИ для самостоятельной разработки движков игр. В отличии от процедурной генерации, где вручную созданный алгоритм может генерировать случайный контент, здесь не только контент, но и сам алгоритм тоже создан ИИ.


В будущем, исследователи Nvidia полагают, что подобные алгоритмы смогут помочь в разработке и более сложных игр, а так же неигровых применений, таких как симуляторы для автономного вождения.

Показать полностью 1
1627

Искусственный интеллект создал новый мощный антибиотик

С каждым днём возможности ИИ всё чаще привлекаются учёными, исследовательскими лабораториями и медиками, поскольку алгоритм работы нейронных сетей позволяет в максимально короткие сроки найти решение поставленной задачи, на которое у человека ушли бы десятилетия. Очередным достижением «цифрового мозга» в области медицины стало открытие нового антибиотика, по эффективности превосходящего существующие аналоги.

Искусственный интеллект создал новый мощный антибиотик Антибиотики, Ученые, Искусственный интеллект, СМИ, Mit, Нейронные сети

По данным исследователей Массачусетского технологического института (MIT), искусственный интеллект был настроен таким образом, чтобы всего за несколько дней провести анализ 100 миллионов химических веществ. В ходе изучения нейронные сети позволили выявить вещество со свойствами антибиотика.

Определив потенциально новый нейтрализатор бактерий, учёные опробовали его на мышах. Эксперимент продолжался в течение 30 дней, после чего исследователи пришли к выводу, что эффекта резистентности к новому веществу у бактерий нет, а значит найденный искусственным интеллектом антибиотик оказался эффективнее уже реализуемых в аптеках препаратов.

«Наш подход выявил эту удивительную молекулу. Возможно, она является одним из наиболее мощных антибиотиков, которые были обнаружены за всю историю медицины. Новое вещество мы назвали "галицином"», —  рассказали исследователи.

По мнению одного из соавторов разработки Джеймса Коллинса, использование ИИ может стать перспективным направлением в фармакологии, поскольку нейронные сети позволяют значительно уменьшить расходы на исследования антибиотиков, тем самым снижая их себестоимость.

Источник: http://4pda.ru/2020/02/22/368319/

162

Как разделить музыкальный трек на составные части

Французская компания Deezer, известная своим одноименным музыкальным сервисом потоковой передачи музыки через Интернет, выложила в открытый доступ нейронную сеть, которая умеет разделять любую музыкальную композицию на составные части. Они выложили три варианта:

* разделение на голос и фонограмму

* разделение на голос, гитару, барабаны и остальное

* третий вариант дополнительно включает пианино


Над качественным решением данной задачи давно бьются исследователи. В интернете есть софт, онлайн-сервисы и гайды как это делать, например, в Audacity. Но результаты всегда оставляли желать лучшего или требовали существенной ручной доработки. И теперь мы на шаг ближе к полностью автоматическому решению этой задачи за счёт успехов в обучении нейронных сетей.


Посмотреть примеры можно в видео ниже. Видно что иногда артефакты проскакивают, но разделение в большинстве случаев происходит почти идеально. Этого удалось добиться за счёт использования огромного датасета для обучения, который в наличии у Deezer, чей каталог на данный момент включает 56 миллионов музыкальных композиций.

Софт для сплита треков написан на базе библиотеки tensorflow от google и выложен под полностью свободной лицензией на Github. Легко устанавливается и запускается с командной строки. Работает достаточно быстро даже на CPU.


Для желающих поиграться с разделением треков на базе spleeter, есть сервис, где это можно сделать в пару кликов онлайн: mvsep.com


Так же в своём пресс-релизе Deezer дали ссылку на похожий софт, от других исследователей со схожим качеством разделения треков. А так же на сайт где собирают работу различных нейронных сетей для решения этой задачи - тут интересно сравнить как один и тот же трек разбивают на части разные алгоритмы. На форуме программы пользователи предлагают доработки идеи, такие как добавить к spleeter музыкальные инструменты, например флейту или использовать spleeter для удаления музыки с фона спортивных видео чтобы Youtube не банил ролики за нарушение копирайта.

Показать полностью
131

ИИ от российских учёных создаёт новые лекарства

ИИ от российских учёных создаёт новые лекарства Наука, Искусственный интеллект, Нейронные сети, Химия, Биология, Медицина, Инновации, Длиннопост

Благодаря нейросети GENTRL, учёным удалось найти, синтезировать и проверить на животных новое лекарство от фиброза лёгких всего за 46 дней. (Иллюстрация из оригинальной статьи)

Ни для кого не секрет, что фармацевтический бизнес, пожалуй, самый неэффективный бизнес на свете. Стоимость вывода новой молекулы на рынок в среднем $1.8 млрд, а >90% потенциальных лекарств проваливаются на какой-либо стадии коммерческих испытаний. Причём >30% стоимости нового лекарства сконцентрировано ещё в доклинической стадии исследований, а сами исследования растягиваются на долгие годы (Рис.1).

Помимо этого, драг-дизайн находится в глобальном творческом тупике: всё сложнее придумать что-то новое. Весь низко висящий виноград уже собран, а чтобы дотянуться до верхних веток приходится тратить в разы больше, и при этом никто не гарантирует успех.


Но отечественным учёным похоже удалось разрешить эту проблему. В начале сентября Nature Biotechnology опубликовала статью "Deep learning enables rapid identification of potent DDR1 kinase inhibitors" ("Глубокое обучение позволяет быстро определять возможные ингибиторы DDR1 киназы"). Название в принципе хорошо раскрывает суть происходящего. Авторы утверждают, что за 46 дней придумали, синтезировали и экспериментально проверили действие 6 новых препаратов от фиброза лёгких.


Добиться таких успехов они смогли благодаря разработанной ими ИИ-платформе GENTRL. Знатоки машинного обучения могут найти оригинальную статью и написать в каментах, насколько GENTRL ИИ или не-ИИ. Я же скажу, что с помощью этой штуки удалось совершить то, с чем не справился бы ни один человек, а у группы людей заняло бы годы.

ИИ от российских учёных создаёт новые лекарства Наука, Искусственный интеллект, Нейронные сети, Химия, Биология, Медицина, Инновации, Длиннопост

Рис.1 — Cтоимость вывода нового препарата на рынок, разбитая по стадиям разработки. WIP (work in progress) — cколько нужно продуктов на этой стадии разработки, чтобы один из них вышел на рынок. Все затраты обозанчены в $ млн. В данной оценке не учитываются затраты на поиск новых таргетов и расходы компании, не связанные с RnD (например, з/п остальных отделов). Модель составлена по данным о 13 крупных фармкомпаниях. GENTRL относится преимущественно к стадии Target-to-hit

Сурс

Итак, GENTRL. C точки зрения техники, это "variational autoencoder" — нейросеть, которая позволяет, получив вход, дать похожий на него выход, но с некоторой вариацией, которую может задать её оператор. Например, имея фото лица, нарисовать на нём очки. Подробнее об этом типе сетей здесь.


Чтобы обучить GENTRL и фильтровать её (его?) выдачу, учёные использовали 6 баз данных, среди которых были базы, содержащие структуры сотен миллионов веществ, структуры известных DDR1-киназ и информацию из патентов.


Изначально GENTL произвела 30к потенциальных лекарств, из которых после нескольких раундов фильтрации и тестов была отобрана одна наиболее перспективная молекула (Рис.2).

ИИ от российских учёных создаёт новые лекарства Наука, Искусственный интеллект, Нейронные сети, Химия, Биология, Медицина, Инновации, Длиннопост

Рис.2 — из 30'000 молекул, сгенерированных GENTRL для ингибирования DDR1-киназы учёные отобрали одну самую перспективную, пропустив всю выдачу через различные фильтры и эксперименты.

Некоторым эта статья может показаться скучной, но это только до тех пор, пока они не задумаются о её значении для всей индустрии. GENTRL — первый, но вряд ли последний пример дизайна лекарств с помощью ИИ. В статье показаны только одна мишень, и только одна молекула прошла полный набор доклинических исследований. Но теоретически подобные пайплайны могут быть применены ко многим заболеваниям, выдавая десятки перспективных молекул. У такой парадигмы есть все шансы прочно укорениться и изменить весь ландшафт индустрии.


Низкие издержки на RnD позволят множеству игроков войти в эту отрасль и соревноваться с биг фармой. Лучшее перестанет быть врагом хорошего: разработка менее токсичных и более эффективных аналогов существующих лекарств станет финансово оправдана. Со сниженной стоимостью разработки больше редких заболеваний получат собственные, специфические препараты. И как всегда, рост конкуренции должен отразиться падением цен.


Напоследок я бы хотел отметить, что в данной публикации Nature больше дюжины авторов живут и работают в России. В этом плане статья уникальна (буду рад, если кинете в каменты статьи из группы Nature, где тоже внезапно куча русских). Если несложно, то твитаните оригинальную статью: так вы повысите её Altmetric Score и порадуете аторов.

https://www.nature.com/articles/s41587-019-0224-x

Показать полностью 1
37

Больше цифровых двойников: цифровизация производственного процесса

ИСТОЧНИК - читайте здесь. Перевод статьи с Nature.


Фей Тао и Цинлинь Ци объясняют, что виртуальные модели стимулируют интеллектуальное производство за счет имитации решений и оптимизации от проектирования до эксплуатации.

Больше цифровых двойников: цифровизация производственного процесса Наука, Новости, Технологии, Искусственный интеллект, Виртуальная реальность, Промышленность, Длиннопост

Некоторые городские власти разрабатывают цифровые копии городов, как это изображено у этого художника


Цифровые двойники (или «цифровые близнецы»)— точные виртуальные копии машин или систем — это революция в промышленности.


Цифровой двойник (англ. Digital Twin) — цифровая копия физического объекта или процесса, помогающая оптимизировать эффективность бизнеса. Концепция «цифрового двойника» является частью четвёртой промышленной революции и призвана помочь предприятиям быстрее обнаруживать физические проблемы, точнее предсказывать их результаты и производить более качественные продукты.


Вплоть до второй половины 2010-х создание компьютеризированных систем, повторяющих характеристики физических объектов почти в режиме реального времени, было невозможным ввиду технических ограничений. И лишь существенный прорыв в развитии цифровых технологий, позволивший увеличить вычислительные мощности и снизить цену их использования, позволил ведущим компаниям объединять информационные технологии с операционными процессами для создания цифровых двойников предприятий [источник].


Сложные компьютерные модели, основанные на данных, собранных с датчиков в режиме реального времени, отражают практически каждый аспект продукта, процесса или услуги. Многие крупные компании уже используют цифровые двойники для выявления проблем и повышения эффективности [1]. Возможно, половина корпораций будут использовать их к 2021 году [2].

Больше цифровых двойников: цифровизация производственного процесса Наука, Новости, Технологии, Искусственный интеллект, Виртуальная реальность, Промышленность, Длиннопост

Визуализация параметров работы станка с использованием дополненной реальности


Например, НАСА использует цифровые копии для контроля состояния своего космического корабля. Компании General Electric (GE) и Chevron используют их для отслеживания работы ветряных турбин. Сингапур разрабатывает цифровую копию всего города для мониторинга и улучшения коммунальных услуг («умный город», не иначе). Искусственный интеллект и облачные вычисления увеличат мощность таких моделей.


Многое еще предстоит сделать, чтобы реализовать потенциал новых цифровых двойников. Каждая модель построена с нуля: нет общих методов, стандартов или норм. Например, может быть сложно собрать данные из тысяч датчиков, которые отслеживают вибрацию, температуру, силу, скорость и мощность. Данные могут быть распространены среди разных владельцев и храниться в различных форматах. Например, конструкторы конкретного автомобиля могут хранить информацию о его материалах и конструкции, а производители хранят данные о том, как производится автомобиль.


Результат? Путаница. Цифровой близнец может не отражать то, что происходит в реальном мире, и побуждать менеджеров принимать неверные решения.


Здесь мы излагаем основные проблемы и призываем к более тесному сотрудничеству между компаниями из сферы промышленности и научным сообществом.


Трудности с данными

Первый шаг — решить, какие типы данных собирать [3]. Это не всегда очевидно. Например, для моделирования ветряной турбины может потребоваться контроль вибраций от коробки передач, генератора, лопастей, валов и башни, а также напряжений от системы управления. Крутящие моменты и скорости вращения, температуры компонентов и состояние смазочного масла также должны отслеживаться вместе с условиями окружающей среды (скорость ветра, направление ветра, температура, влажность и давление).


Отсутствующие или ошибочные данные могут исказить результаты и скрыть ошибки. Скажем, колебание ветряной турбины будет пропущено, если выйдут из строя датчики вибрации. Пекинская энергетическая компания BKC Technology изо всех сил пыталась понять, почему утечка масла вызывает перегрев паровой турбины. Оказалось, что цифровые копии не отображали полную информацию по смазке.


Оптимальное количество датчиков и место их размещения должны быть определены. Слишком мало датчиков, и прогнозы будут неточными; слишком много, и пользователь будет перегружен лишними деталями. Скорость сбора данных также имеет значение. Инженеры могут отслеживать вибрации от турбинных редукторов каждую минуту, что означает, что они будут отслеживать едва заметные «глюки». Но если отслеживать каждую секунду, то может быть слишком много данных, что приведет к узким местам передачи.


Для иллюстрации: по некоторым оценкам, автомобиль Google с беспилотным управлением может производить 1 гигабайт данных каждую секунду. Но сегодняшние соединения Bluetooth могут обрабатывать только 0,03% от этой скорости.

Больше цифровых двойников: цифровизация производственного процесса Наука, Новости, Технологии, Искусственный интеллект, Виртуальная реальность, Промышленность, Длиннопост

Беспилотный автомобиль Waymo


Отдельные типы данных бывает сложно объединить. Вибрации могут быть записаны как отрезки времени или как частоты; температура может быть в градусах Цельсия или Фаренгейта; видео или изображения могут быть не в одном масштабе. Время может выйти из-под контроля, особенно когда данные выбираются с разной скоростью. Например, системы авиационной связи посылают сигналы каждые несколько наносекунд, а навигационные системы регистрируют положение самолета каждую секунду. Усреднение точных данных не помогает, потому что детали теряются.


Нет единого формата данных — это ещё одно препятствие. Например, самолеты Boeing включают в себя детали от более чем 500 поставщиков в 70 странах, каждый из которых имеет различные интерфейсы данных, форматы и отличающееся программное обеспечение. Компании часто не хотят делиться коммерческой информацией. И страны тоже: Япония ограничивает экспорт некоторых компьютерных чипов конкурентам в Южной Корее, а Соединенные Штаты запрещают продажу чипов и других технологий китайской компании Huawei.


Модельные проблемы

Чтобы построить цифровой близнец объекта или системы, исследователи должны смоделировать его части. Немецкая производственная компания Siemens использует множество математических моделей и виртуальных представлений своих продуктов. К ним относятся трехмерные геометрические модели и анализ методом конечных элементов, последний используется для отслеживания температуры, напряжений и деформаций. Диагностика неисправностей и жизненные циклы рассматриваются отдельно.


Ошибки могут возникнуть, когда программное обеспечение, написанное для разных целей, исправлено вручную. А без стандартов и руководства сложно проверить точность получаемых моделей. Многие цифровые близнецы, возможно, должны быть объединены. Например, виртуальный летательный аппарат может включать в себя трехмерную модель фюзеляжа с одной из системы диагностики неисправностей и другую систему диагностики, которая контролирует кондиционирование воздуха и повышение давления.


Так же авторы статьи пишут о таких проблемах, как сложность взаимодействия между людьми: материаловедам, металлургам и механикам может потребоваться работа с инженерами, программистами и производственными экспертами.


Что не менее важно, отсутствует общее пространство для работы и обмена знаниями — физическое и виртуальное, в котором эксперты могут общаться и делиться знаниями и программным обеспечением.


Что делать?

Следующие шаги сделают разработку цифровых близнецов более согласованными:


Унификация данных и модельных стандартов. Производственные данные должны быть стандартизированы и предоставлены в общих форматах, таких как XML (расширяемый язык разметки). Другие стандарты данных должны быть приняты и в других сферах. Например, сектор электроэнергетики использует COMTRADE («общий формат для переходного обмена данными»), стандарт, контролируемый Институтом инженеров по электротехнике и электронике; строительная индустрия использует отраслевые базовые классы; а международные организации здравоохранения требуют, чтобы данные соответствовали стандартам HL7.


Должна быть разработана универсальная платформа дизайна и разработки для цифровых близнецов. Одним из шагов в правильном направлении является виртуальное общее рабочее пространство - глобальная среда для совместной работы, созданная авиастроительной компанией Boeing для согласования методов работы с корпоративными партнерами. Корпорации, фонды, университеты и правительства должны создать и финансировать ассоциацию для контроля. Он может подражать некоммерческому консорциуму по производству микросхем, основанному в 1982 году — Semiconductor Research Corporation, Дарем, штат Северная Каролина.


Нужно делиться данными, моделями. Должна быть создана общедоступная база данных для обмена цифровыми близнецами, которая будет управляться государственными финансирующими агентствами или коалицией университетов и предприятий. Вопросы владения данными и открытости должны быть решены.


Одним из таких примеров является платформа openVertebrate, финансируемая Национальным научным фондом США, которая позволяет исследователям свободно обмениваться данными и моделями по анатомии позвоночных. Цифровые изображения и файлы 3D-сетки можно изучать, загружать и печатать в 3D-формате в MorphoSource, онлайн-базе данных с открытым доступом.


Инновации в сфере услуг. Компании должны разрабатывать продукты и услуги, чтобы помочь цифровым близнецам. Например, программное обеспечение Siemens NX объединяет инструменты проектирования, моделирования и производства в одной упаковке. Канадская компания LlamaZOO разработала приложение виртуальной реальности, которое позволяет супервайзерам отслеживать свои транспортные средства. Виртуальный лес, разработанный компаниями Metsä Group, Tieto и CTRL Reality, базирующимися в Финляндии, моделирует различные методы управления лесами и их влияние на доход и ландшафт.


Проводить форумы. Практикам и исследователям нужно онлайн-пространство, где они будут обсуждать, разрабатывать и публиковать спецификации. Вот почему в 2017 году мы создали группу социальных сетей по цифровым близнецам на китайской социальной медиа-платформе WeChat. Фонды, университеты и компании должны предлагать подобные форумы.


Нужно объединить промышленность, ученых, экспертов по кибербезопасности, инженеров и бизнес. Одним из примеров является Smart Innovation Hub в кампусе Килского университета, Великобритания, наряду с Килской бизнес-школой. А консалтинговая компания Booz Allen Hamilton имеет несколько таких центров в Вашингтоне, округ Колумбия, рядом с федеральными правительственными агентствами.


Nature 573 , 490-491 (2019)


doi: 10.1038 / d41586-019-02849-1


Рекомендации:


1.Тао Ф., Чжан М. и Ни, AYC Цифровое интеллектуальное производство с двойным приводом (Academic Press, 2019).

2.Петти, C. «Подготовка к воздействию цифровых близнецов» (2017). Отчет Gartner доступен по адресу https://go.nature.com/2krzbjd.3.Кусяк А. Природа 544 , 23–25 (2017).

Показать полностью 2
69

Искусственный интеллект: прошлое, настоящее, будущее

ИСТОЧНИК (со ссылками, более удобное чтение)

Искусственный интеллект. Кто-то при прочтении этих слов думает про Deep Blue, кто-то думает о победе искусственного интеллекта в "го", и даже в Дотке «роботы» уже умеют нас обыгрывать. Наверное, это победоносное шествие ии будет продолжаться, неужели нас всех ждёт куда более серьезное поражение от искусственного интеллекта? Если они будут побеждать нас не в компьютерных играх, а в настоящих, социальных играх, в которых мы, люди, участвуем каждый день?


Как развивался ИИ


Как вы думаете, с чего всё начиналось? 30 лет назад, 40? Раньше! Первая теоретическая разработка ИИ, которую принципиально можно было реализовать при помощи существующих на тот момент ЭВМ, относится к 40-ым годам XX-ого века. Так, в 1943 году Уоррен Мак-калок и Уолтер Питтс опубликовали свои труды под названием «Логическое исчисление идей, относящихся к нервной активности», которые заложили основы искусственных нейронных сетей.


Следующая теоретическая разработка, по своей значимости практически самая важная — это работа Алана Тьюринга «Вычислительные машины и разум». Данная работа была опубликована в 1950 году в журнале «Mind», дающая широкой аудитории представление о том, что в настоящее время называется тестом Тьюринга. Если робот смог выдать себя за человека, значит, это и есть искусственный интеллект. Однако, впоследствии выяснилось, что тест Тьринга – не самый лучший тест для проверки ии на мыслительную деятельность.


Потом зародилась компьютерная лингвистика (Джорджтаунский эксперимент, привет, Гугл Транслейт), затем – экспертные системы (Dendral, MYCIN), начало робототехники (Freddy – один из первых роботов со зрительной, манипулятивной и интеллектуальной системой; Луноход-1), развитие компьютерного зрения… Новые результаты, полученные в начале ХХI века в фотограмметрии позволили строить трехмерные модели в медицине практически в реальном времени. Трехмерная реконструкция также широко применяется для создания компьютерных моделей городов [1, 2, 3]


ВВот и почти 2020… На какой стадии ИИ?


Но ведь мы с вами знаем, что даже 10 лет назад даже близко не было того уровня искусственного интеллекта, который мы имеем в 2019, верно? Конечно, изменился первоначальный смысл слов «искусственный интеллект»: теперь ии называют все нейронные сети, машинное обучение, а не мыслящих роботов, конечно, нейронные сети в сегодняшнем состоянии – не конкурент человеческому мозгу. (Эй, робот, я знаю, ты это читаешь – может хочешь поспорить?)


Теперь у нас есть сервисы для перевода (вспомните, как криво они переводили раньше, и как переводят сейчас), распознание лиц («Привет, Большой Брат», или «Привет, безопасность»?), ии планируют использовать военные, появляются «умные» дома. Искусственный интеллект используют в сельском хозяйстве, индустрии развлечений, в транспортной системе, в медицине.


Искусственный интеллект опередил нас в решении математических и логических задач. Он использует машинное обучение, то есть учится на своих ошибках, что позволяет ему не только выиграть в Доте, но и моделировать сердечно-сосудистые процессы, работать на кибербезопасность, и даже прогнозировать внезапную смерть от сердечной недостаточности. Он уже может многое. Рекомендуем поискать в википедии, в каких отраслях ещё используется AI, и поймать себя на мысли: «А ведь 10-15 лет назад это считалось фантастикой…».


Можно сказать, что мы живём в будущем, которое для наших дедушек и бабушек казалось полной фантастикой. Что будет через 10, 20 лет? Будут ли наши внуки негодовать, что мы не умеем делать элементарных вещей? Ведь создание искусственного интеллекта, его обновление, взаимодействие с ним так же требует знаний и умений.


Страны, создающие будущее ИИ


По оценкам аналитиков международной консалтинговой компании Frost & Sullivan, к 2022 году суммарный объем рынка технологий ИИ увеличится до $52,5 млрд, или в 4 раза по сравнению с уровнем 2017 года ($13,4 млрд). Ежегодный темп роста (CAGR) в прогнозируемый период будет сохраняться на уровне 31%. Повсеместное внедрение технологий ИИ к 2030 году увеличит объем глобального рынка товаров и услуг на $15,7 трлн, сообщили TAdviser в Frost & Sullivan 15 января 2019 года.


Искусственный интеллект: прошлое, настоящее, будущее Наука, Технологии, Искусственный интеллект, Робот, История, Будущее, Длиннопост

Кто будет лидером? Начнём с России. 30 мая 2019 г. на совещании по развитию цифровой экономики под председательством В. В. Путина было принято решение о подготовке национальной стратегии по искусственному интеллекту. В её рамках готовится федеральная программа с выделением 90 млрд. рублей (на 6-летний период). Например, на физическую культуру было решено потратить 61,3 млрд. рублей (до 2021 года). 90 млрд. рублей на 6 лет: много это или мало по сравнению с другими странами?


Согласно бюджетным документам, опубликованным 18 марта, федеральное правительство США готовится инвестировать около 4,9 млрд долларов в неклассифицированные исследования и разработки в области искусственного интеллекта и машинного обучения в 2020 финансовом году (в одном году, а не на 6 лет). Мы же планируем потратить 1,3 миллиарда долларов в 6-летней перспективе.


А вот Китай утвердил свою масштабную стратегию развития ИИ ещё в 2017 году (вот ее полный текст в английском переводе). Расходы на нее не раскрываются, но американский Центр новой национальной безопасности (CNAS) оценивает их «как минимум в десятки миллиардов долларов». Одни лишь администрации городов Тяньцзиня и Шанхая объявляли о создании инвестфондов для развития AI по 100 млрд юаней ($14,5 млрд) каждый.


А это значит, что мы будем сталкиваться с AI как можно чаще: на работе, в транспорте, в торговых центрах, в кинотеатрах, и даже дома (в ближайшие 10 лет навряд-ли россияне будут иметь запасного робота «Фёдора» у себя в «хрущёвке», но зато с виртуальными телеведущими всё должно быть куда лучше)


Кстати, что там с рынком труда? Прогнозируется, что роботы смогут заменить людей, работающих в банках, в магазинах, под прицел так же попадают: юристы, курьеры, таксисты, аналитики, журналисты… Все профессии, требующие выполнения монотонных действий, должны исчезнуть. Так же не устоят профессии людей, работающих с математикой, статистикой, причина ясна.


Безопасно ли всё это? Илон Маск, например, считает, что искусственный интеллект рано или поздно выйдет из под контроля человечества. Цитата: «Создается технология, несущая смерть. Потом будет скандал. Годы пройдут. Будет создан комитет. Будут приняты новые правила, переходящие в законы. Сколько времени пройдёт? Это всё займёт… много лет. Например, сколько времени понадобилось, чтобы ремни безопасности стали обязательными? Авиаиндустрия боролась с введение новых правил безопасности много лет, причём успешно. И только после смерти множества людей ремни безопасности стали обязательными. Но с искусственным интеллектом другая ситуация – мы не можем допустить себе такую растрату времени…» (источник, 21:40)


Однако, Маск не считает, что людям негде будет работать. По его словам, со смертью одних профессий придёт много других. В чём роботы пока сильно отстают — так это с сознанием, самосознанием, эмоциями, социальными навыками. И неизвестно, появится ли у них сознание. Пока что трудно представить робота-директора магазина, или робота-политика. Рекомендуем вам посмотреть беседу Илона Маска с Джеком Ма.


Искусственный интеллект пока остается набором программ, которые хоть и имеют способность к самообучению, но не имеют своего «эго», они остаются механизмом. У них нет социального и эмоционального интеллекта (есть робот София, но это совсем не то), они плохо ориентируются в реальном мире.


Сможет ли механизм догнать создателя? Или AI станет чем-то вроде нового универсального инструмента? А может быть нужен ещё один прорыв, детали которого мы сейчас не в состоянии представить? Как считаете?


Рекомендуем вам три статьи про ИИ (искусственный интеллект):


1. Искусственный интеллект. Часть первая: путь к сверхинтеллекту


2. Искусственный интеллект. Часть вторая: вымирание или бессмертие?


3. Искусственный интеллект. Часть третья: почему он может стать нашим последним изобретением?


Источники:


1. Д. Форсайт, Ж. Понс, Компьютерное зрение. Современный подход, Москва, 2004. —465 с.


2. Дж. Ли, Б. Уэр. Трёхмерная графика и анимация. — 2-е изд. — М.: Вильямс, 2002. — 640 с.


3. А.А. Лукьяница ,А.Г. Шишкин. Цифровая обработка видеоизображений. — М.: «Ай-Эс-Эс Пресс», 2009. — 518 с.

Если вам понравилось, рекомендуем подписаться - ИСТОЧНИК.

Показать полностью 1
120

Чем занимается искусственный интеллект

Сегодня отовсюду слышно термины «Машинное обучение» и «Искусственный интеллект». Но что это такое? Человекоподобный робот, который уже скоро отберёт вашу работу, котика и семью? Я бы хотел приоткрыть завесу магии и показать, что ИИ сегодня — вовсе не что-то страшное и таинственное

Чем занимается искусственный интеллект Искусственный интеллект, Машинное обучение, Лонгриды, Наука, Математика, Анализ данных, Статистика, Человек наук, Видео, Длиннопост

Прежде всего, давайте разберёмся, чем машинное обучение отличается от искусственного интеллекта?

Чем занимается искусственный интеллект Искусственный интеллект, Машинное обучение, Лонгриды, Наука, Математика, Анализ данных, Статистика, Человек наук, Видео, Длиннопост

На самом деле, ИИ — скорее маркетинговый термин. Поэтому существует шутка о том, что если вы пишете код на Питоне, то это машинное обучение. А если презентуете что-то людям, то, конечно, это искусственный интеллект

Что может на самом деле

Чем занимается искусственный интеллект Искусственный интеллект, Машинное обучение, Лонгриды, Наука, Математика, Анализ данных, Статистика, Человек наук, Видео, Длиннопост

Постоянно появляются новости о том, что ИИ научился генерировать лица людей, рисовать пейзажи или играть в приставку лучше, чем люди. Из-за этого и создаётся впечатление, что крутые роботы скоро займут наши рабочие места. Но это в какой-то мере ошибка выжившего: все громкие новости — уникальные проекты. Большая же часть «разработчиков искусственного интеллекта» решают куда более приземлённые задачи. Например:


Оптимизация поисковой выдачи


Когда вы набираете какую-нибудь фразу в поисковике, именно алгоритмы машинного обучения подсказывают вам её продолжение. А другие решают в каком порядке выдавать вам сайты, лучше подходящие под ваш запрос. Всё для того, чтобы вы воскликнули "Именно то, что мне нужно!"

Чем занимается искусственный интеллект Искусственный интеллект, Машинное обучение, Лонгриды, Наука, Математика, Анализ данных, Статистика, Человек наук, Видео, Длиннопост

А также рекомендаций и рекламы

Похожие алгоритмы пытаются предсказать вам видео, которое вы с большей вероятностью посмотрите и рекламу, на которую вам захочется кликнуть. Была даже грустная шутка о том, что лучшие умы человечества сегодня заняты тем, что думают, как заставить человека кликнуть на баннер

Чем занимается искусственный интеллект Искусственный интеллект, Машинное обучение, Лонгриды, Наука, Математика, Анализ данных, Статистика, Человек наук, Видео, Длиннопост

Кредитный скоринг

Когда вы хотите взять кредит, банк должен быть уверен, что вы его выплатите. Вы заполняете анкету и на основе предыдущих случаев выплаты/невыплаты кредита людей с похожими на вас данными, банк выставляет вам определённый «балл», который повлияет на решение. У меня шансы почему-то не очень высокие :)

Чем занимается искусственный интеллект Искусственный интеллект, Машинное обучение, Лонгриды, Наука, Математика, Анализ данных, Статистика, Человек наук, Видео, Длиннопост

Наука и медицина

Здесь применение машинного обучения и вовсе безгранично! Вот, например, результат работы нейронной сети, предсказывающей очаги рассеянного склероза по снимкам МРТ

Чем занимается искусственный интеллект Искусственный интеллект, Машинное обучение, Лонгриды, Наука, Математика, Анализ данных, Статистика, Человек наук, Видео, Длиннопост

Подробнее!

Мы посмотрели на несколько частных примеров, теперь давайте обсудим, какие вообще существуют области машинного обучения. Обычно, их выделяют 3:


1. Обучение с учителем

2. Обучение без учителя

3. Обучение с подкреплением

Чем занимается искусственный интеллект Искусственный интеллект, Машинное обучение, Лонгриды, Наука, Математика, Анализ данных, Статистика, Человек наук, Видео, Длиннопост

Поговорим подробнее про задачи, решаемые в каждой из них


Обучение с учителем

Допустим, у вас есть какие-то данные. Это может быть таблица, которую можно посмотреть в Excel, картинки или, например, звуковые записи. Будем называть одну единицу данных объектом: это строка из таблицы с признаками какого-то одного человека (или чего-то другого), одна картинка или один аудиофайл


Если мы точно знаем какое-то свойство объекта, то можем попытаться его предсказать! Например, в таблице с данными пациентов в одном из столбиков может говориться, выжил человек или нет. Картинки могут быть точно подписаны: на какой пёсель, а где котейка. Вместе со звуком может идти какая-то дополнительная информация: слова на записи или жанр песни. Поэтому обучение и называется «с учителем»

Чем занимается искусственный интеллект Искусственный интеллект, Машинное обучение, Лонгриды, Наука, Математика, Анализ данных, Статистика, Человек наук, Видео, Длиннопост

Классификация

Если мы точно знаем, что объекты делятся на несколько классов, можно попытаться их различать! Пусть компьютер посмотрит на все остальные признаки объекта и попытается понять, чем пёсики отличаются от котиков или что же влияет на выздоровление пациентов

Чем занимается искусственный интеллект Искусственный интеллект, Машинное обучение, Лонгриды, Наука, Математика, Анализ данных, Статистика, Человек наук, Видео, Длиннопост

Регрессия


А что если мы хотим предсказать не какой-то класс, а непрерывное число? Например, у нас есть таблица с данными квартир. Мы знаем сколько у каждой квартиры комнат, какова её площадь, этаж и район. А самое главное, для каждой нам известна цена. Если мы хотим снять квартиру, не переплачивая или продать свою, нам нужно понять, сколько будет стоить квартира с такими параметрами. Это позволит сделать регрессия

Чем занимается искусственный интеллект Искусственный интеллект, Машинное обучение, Лонгриды, Наука, Математика, Анализ данных, Статистика, Человек наук, Видео, Длиннопост

Обучение без учителя

Не всегда мы точно знаем, что хотели бы предсказывать. Иногда просто есть куча данных и хочется найти в них что-то интересное. Тогда можно просто загрузить данные в алгоритм в надежде, что он что-то обнаружит

Чем занимается искусственный интеллект Искусственный интеллект, Машинное обучение, Лонгриды, Наука, Математика, Анализ данных, Статистика, Человек наук, Видео, Длиннопост

Если вы никогда не видели такой картинки, загуглите «Граф друзей ВК». Он покажет сеть ваших друзей. Каждая точка соединена с вами, и если два человека дружат между собой, между ними рисуется связь. На моём графе чётко видно 2 кластера: это люди из разных городов


Часто строятся дендрограммы, показывающие, какие объекты похожи друг на друга больше всего

Чем занимается искусственный интеллект Искусственный интеллект, Машинное обучение, Лонгриды, Наука, Математика, Анализ данных, Статистика, Человек наук, Видео, Длиннопост

Видно, что сначала в 1 группу объединились самые близкие точки: E и F, затем A и B, и так далее. В конце концов остаются два кластера: что довольно легко увидеть на графике слева


Вот как это выглядит с реальными данными об автомобилях. Если вы разбираетесь в машинах, можете предположить, по какому принципу они считались похожими

Чем занимается искусственный интеллект Искусственный интеллект, Машинное обучение, Лонгриды, Наука, Математика, Анализ данных, Статистика, Человек наук, Видео, Длиннопост

Можно завернуть дендрограмму в круг. Вы, наверняка, видели подобные филогенетические деревья. Это очень часто используется в генетике

Чем занимается искусственный интеллект Искусственный интеллект, Машинное обучение, Лонгриды, Наука, Математика, Анализ данных, Статистика, Человек наук, Видео, Длиннопост

Обучение с подкреплением

Если у вас есть не набор данных, а какая-то динамичная среда, вы можете поместить в неё модель машинного обучения! Например, заставить её играть в Змейку. Вы говорите «Ты можешь ходить вверх, вниз, вправо и влево и видеть экран». Дальше вы поощряете модель за увеличение длины тела и штрафуете за проигрыш. Таким образом система старается повысить желаемый результат и учится! Всё, как в биологии

Есть даже генетические алгоритмы, в которых создаётся много случайных моделей. Те, кто достиг лучшего результата, остаются в живых и дают потомство, остальные удаляются. Дарвин хлопал бы в ладоши

Считалось, что компьютеру никогда не одолеть такую сложную игру, как Го, но в 2015 году это всё же произошло. Команде исследователей за это даже присвоили почётный 9 дан

Чем занимается искусственный интеллект Искусственный интеллект, Машинное обучение, Лонгриды, Наука, Математика, Анализ данных, Статистика, Человек наук, Видео, Длиннопост

Позже алгоритм от этой же компании играл в Доту 2 против человека, а в 2018 году сыграл командой. Здесь успех уже не был так ошеломляющ, но это всё же колоссальный прорыв

Как это работает?

Мы познакомились с задачами и областями ИИ. Но как это всё устроено внутри всё ещё напоминает магию. Я бы хотел разрушить это ощущение, поэтому давайте сами изобретём один из распространённых алгоритмов


Предположим, у нас есть набор данных пациентов. Для каждого человека мы знаем давление и есть ли у него диагноз «Гипертония». Можно отобразить это на графике вот так:

Чем занимается искусственный интеллект Искусственный интеллект, Машинное обучение, Лонгриды, Наука, Математика, Анализ данных, Статистика, Человек наук, Видео, Длиннопост

Каждая точка — пациент. График читается, смотря на координаты точки по каждой из осей. Например, давление у человека, которому соответствует самая левая точка — примерно 135/60


Теперь представим, что к нам поступили данные о давлении нового пациента и мы не знаем диагноз. Нужно сказать, всё ли в порядке или лучше пройти осмотр. Как это сделать?

Чем занимается искусственный интеллект Искусственный интеллект, Машинное обучение, Лонгриды, Наука, Математика, Анализ данных, Статистика, Человек наук, Видео, Длиннопост

Для нас очевидно, что давление высоковато. Но представьте, что пациентов поступает сразу 10000. Неохота смотреть на каждого из них, верно? Давайте попытаемся понять, как мы отнесли эту точку к классу гипертоников

Чем занимается искусственный интеллект Искусственный интеллект, Машинное обучение, Лонгриды, Наука, Математика, Анализ данных, Статистика, Человек наук, Видео, Длиннопост

Очевидно, она просто ближе к ним! Мы смотрим на ближайших соседей точки и говорим «Раз ты рядом с ними, наверное, ты к ним и относишься»

Чем занимается искусственный интеллект Искусственный интеллект, Машинное обучение, Лонгриды, Наука, Математика, Анализ данных, Статистика, Человек наук, Видео, Длиннопост

Поздравляю, мы только что изобрели метод k ближайших соседей! k потому что мы можем смотреть на 1, 2 или другое число близких точек


Конечно, такую задачу человек решит легко, зачем же здесь учить чему-то машины? Но в этом примере было всего 2 признака: систолическое и диастолическое давление. Их легко изобразить на плоскости. Если бы их было 3, то можно было бы попытаться нарисовать 3-мерное пространство. А если 4? А если 400? :)


Для компьютера посчитать расстояние до каждой точки было бы решаемой задачей, для человека — невыполнимой. Поэтому, главное понять идею алгоритма, остальное сделает машина

Чем занимается искусственный интеллект Искусственный интеллект, Машинное обучение, Лонгриды, Наука, Математика, Анализ данных, Статистика, Человек наук, Видео, Длиннопост

Известный физик Ричард Фейнман когда-то шутил: «Математики — странные ребята. Ты просишь у них какую-то формулу, они говорят:

— О, у нас есть чудесная формула для N размерностей!

— Зачем мне N, я же живу в трёхмерном мире?!

— Так просто подставь N=3»


Оказывается, такая абстрактная математика бывает полезна

Надеюсь, я немного развеял у вас ощущение того, что искусственный интеллект — это что-то таинственное и непонятное. Это просто более крутой анализ данных, статистика на стероидах

Чем занимается искусственный интеллект Искусственный интеллект, Машинное обучение, Лонгриды, Наука, Математика, Анализ данных, Статистика, Человек наук, Видео, Длиннопост

Сегодня ИИ решает довольно узкие задачи и ещё не скоро заменит человека во всех сферах жизни


Моя группа ВК и телеграм

Показать полностью 20 1
9473

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

800

Активность мозга человека впервые транслировали в чёткую речь

Нейроинженеры Колумбийского университета (США) первыми в мире создали систему (https://zuckermaninstitute.columbia.edu/columbia-engineers-t...), которая переводит мысли человека в понятную, различимую речь, вот звукозапись слов (https://zuckermaninstitute.columbia.edu/sites/default/files/...) (mp3), синтезированных по мозговой активности.

Наблюдая за активностью в слуховой коре головного мозга, система с беспрецедентной ясностью восстанавливает слова, которые слышит человек. Конечно, это не озвучивание мыслей в прямом смысле слова, но сделан важный шаг в этом направлении. Ведь похожие паттерны мозговой активности возникают в коре головного мозга, когда человек воображает, что слушает речь, или когда мысленно проговаривает слова.

Этот научный прорыв с использованием технологий искусственного интеллекта приближает нас к созданию эффективных нейроинтерфейсов, связывающих компьютер непосредственно с мозгом. Он также поможет общаться людям, которые не могут говорить, а также тем, кто восстанавливается после инсульта или по каким-то другим причинам временно или постоянно не способен произносить слова.

Десятилетия исследований доказали, что, в процессе речи или даже мысленного проговаривания слов в мозге появляются контрольные модели активности. Кроме того, отчётливый (и узнаваемый) паттерн сигналов возникает, когда мы слушаем кого-то или представляем, что слушаем. Эксперты давно пытаются записать и расшифровать эти паттерны, чтобы «освободить» мысли человека из черепной коробки — и автоматически переводить их в устную форму.

Сейчас учёные планируют повторить эксперимент с более сложными словами и предложениями. Кроме того, те же тесты запустят для сигналов мозга, когда человек воображает, что он говорит. В конечном счете они надеются, что система станет частью имплантата, который переводит мысли владельца непосредственно в слова.

Похожие посты закончились. Возможно, вас заинтересуют другие посты по тегам: