Искусственный интеллект

В популярной в свое время игре Papers, please! игрок выполняет роль таможенника, проверяющего документы по все более усложняющимся правилам. Главная игровая механика - проверка документов на соответствие всем нормам, таким как верная дата и место выдачи, соответствие имени и фамилии человека на всех документах, срок действия визы, наличие человека в “черных” списках и тому подобное.

Игра привлекла тысячи пользователей по всему миру самобытным стилем и необычной механикой игры, однако для некоторых людей подобная игра показалась бы настоящим кошмаром, ведь в реальной жизни, на своей реальной работе они занимаются тем же самым.

Здравствуйте Хабр. Просматривал ленту вечерком и наткнулся на очередную статью про ИИ:

Что мы действительно (не)знаем о наличии сознания у сверхбольших нейросетей?

И, честно говоря, в очередной раз в статье пытаются ответить на вопрос - который, по-моему, ИМХО уже давно имеет ответ. Ну не интересно читать об одном и тоже каждый раз. Это как пройденный уровень в игре. И главное - есть следующий уровень. Интересный. Т.е. есть следующий вопрос. Обсуждение, которого и хотелось бы услышать. Начал писать комментарий. Но по мере увеличения количества текста понял - опубликую его отдельной статьёй. Потому как в ответах на изначальный топик, он просто потеряется. А мне хотелось бы увидеть обсуждение. Какие на сегодня есть подвижки в вопросе, который я подымаю, как следующий цепочке вопросов по проблеме создания ИИ. Может мой взгляд кардинально не верен.

Повторюсь - статья ниже это коммент, который писался без всякой коррекции, выглядит сумбурно, поэтому строго не судите. Я надеюсь, что всё же смог донести свою мысль.

Прогнозирование закупок и расхода ингредиентов — часть работы управляющего любым рестораном, которая может занимать несколько часов в неделю. Мы в Dodo Engineering задумались, как можно помочь и автоматизировать рутину, при этом улучшить качество прогноза.

В статье расскажу о том, как развивался процесс прогнозирования для наших пиццерий, как строили расчёт, о недостатках и плюсах инструментов для интеллектуального прогнозирования.

Сегодня одним из принципов, на основе которого строятся решения по обеспечению защиты энергосистем от различного рода технологических нарушений в целом, и как следствие - поддержанию нормальной работы электрических подстанций и потребителей электроэнергии, является использование информационных моделей защищаемых объектов, позволяющих выявлять риски.

Эти модели создаются в результате анализа и изучения существующих систем, которые уже находятся в эксплуатации. Инженеры имеют возможность получать эти модели на самой ранней стадии - стадии проектирования. Такой подход позволяет учесть возможные риски заранее, существенно снизив стоимость исправления ошибок. 

Однако, ручное проектирование структурно-функциональных схем релейной защиты и автоматики для цифровых подстанций - сложный, длительный и дорогостоящий процесс. Помочь инженерам-электроэнергетикам справиться с этой задачей быстрее и проще может искусственный интеллект.

Новаторская работа в области компьютерного зрения показала эффективность моделей с одним кодером, предварительно обученным классификации изображений, для захвата обобщённых визуальных представлений, эффективных в других задачах. Подробности рассказываем к старту флагманского курса по Data Science.

На переходном, происходящим в настоящем, этапе эволюции в среду и процессы которого погружён человек, ключевыми объектами, определяющими вектор уклада данного этапа, а равно каждого последующего, выступают технологии. Перспективные технологии, формируют собой последовательный вектор развития, выраженный в массиве объектов: a. автоматизация и «углубленная» автоматизация; b. автономные системы; c. «интеллектуальные» системы; d. биосистемы; e. K-системы, включая kfs системы как производные.

Переходный этап эволюции является определяющим наиболее сложным в становлении порядка процессов, архитектуры систем, направляющего вектора развития экосистемы и человека как вида. Паритет постижения, имеет не большой, но сутевой перевес, скрытый тайной стороной возможностей, существующих технологий над научным умом. Процесс познания технологий на данном этапе не просто выявляет, а устанавливает набор проблем, определяющих собой местo человека как вида в дальнейшей экосистеме.

Концептуальной (прим.: выражающий собой фрейм проблематики) и наиболее сложной (прим.: краеугольной) представляется проблема осознания места и задач человека как вида в современном и последующем укладе экосистемы. Данный концепт наглядно выражен через проходящую эволюцию видов программно вычислительных систем от автоматических к автономным системaм с самоорганизующимися (прим.: «интеллектуальными») алгоритмами.

Правильное понимание и решение данной проблематики, требует ввести понятия о видах вычислительных систем, входящих в совокупный объект настоящего исследования.

Я начал интересоваться биржевой торговлей 15 лет назад, после того, как прочитал книгу Ричарда Смиттена "Жизнь и смерть величайшего биржевого спекулянта". В этой книге автор рассказал историю жизни трейдера Уолл-стрит, Джесси Ливермора, который смог дважды предсказать падение фондового рынка в 1907 и 1929 году и заработать на этом в переводе на современные деньги миллиарды долларов. Перед смертью Ливермор написал книгу "Как торговать акциями", в которой поделился своими математическими формулами для определения уровней поддержки и сопротивления, тренда и ценовых паттернов.

Продолжаем обзор интересных работ в области глубокого обучения. На очереди — создание и распознавание дипфейков, плюс новый способ генерации речи по заданному тексту.

В сентябре прошлого года уволился глава отдела программного обеспечения Пентагона Николас Чайлен. В своём ставшем знаменитом письме он громко хлопнул дверью, заявив, что «в противоборстве искусственных интеллектов Америка обречена».

А на прошлой неделе мир облетела статья под громким заголовком "Китайский суперкомпьютер достиг мирового превосходства с ИИ нейросетью уровня человеческого мозга".

Китайский ИИ уже победил?

Привет, Хабр! На связи Глеб, ML-разработчик Friflex. В этой серии статей я делюсь своим опытом работы с Blender (мы используем Blender для работы над нашими проектами по оцифровке спорта). В предыдущих статьях мы говорили о работе с объектами и с камерами: научились наводить объектив на объекты, менять фокусное расстояние и многое другое. В этой статье мы поговорим о том, как сделать сцену более реалистичной: настроим освещение, добавим тени, создадим текстуру для объекта, свойства которой будем менять через API.

Всем привет! Меня зовут Владимир, и в этом я году оканчиваю магистратуру “Программирование и анализ данных” в Высшей школе экономики в Петербурге, а также работаю в JetBrains Research. В этом посте я хочу рассказать про нашу статью Scalable Multi-Agent Model-Based Reinforcement Learning, которую приняли на большую конференцию AAMAS’22 (A*). Над статьёй я работал вместе с Алексеем Шпильманом, заведующим Центром анализа данных и машинного обучения в Вышке. 

В статье мы впервые предлагаем использовать модель мира в мультиагентных средах с большим количеством агентов, показывая эффективность такого подхода в использовании опыта при обучении. Модель мира позволяет обучать оптимальное поведение агентов в десятки раз быстрее текущих аналогов, что значительно уменьшает количество требуемых ресурсов.

В новом исследовании, проведённом в Китае, сообщается о высоких результатах и впечатляющем росте эффективности новой системы ретуширования, позволяющей легко удалять объекты на видео. Подробности рассказываем к старту флагманского курса по Data Science.

А помните, был такой коронавирус? Затронул он в том или ином виде практически всех: кто-то болел, кто-то вакцинировался, а кто-то с вакцинацией боролся. Вот о последних и пойдёт речь. Надо помнить, что антивакцинаторы — явление не новое, появились они задолго до коронавируса и боролись они как с конкретными вакцинами, так и с вакцинацией как явлением. Думаю, можно смело сказать, что существуют они столько же, сколько и вакцины. Но можно с уверенностью сказать, что наибольшее внимание они привлекли как раз во время пандемии COVID-19. Впрочем в этот раз они боролись не только с вакцинами, но и с ограничительными мерами, социальной дистанцией и QR-кодами. Их даже называли одной из главных проблем здравоохранения! Антивакцинаторы объединялись в сообщества в социальных сетях, делились мнением и координировали свои действия. Пожалуй, самым активным сообществом антивакцинаторов может похвастаться Telegram. Вот на эти сообщества и посмотрим: этот пост посвящён тематическому моделированию антивакцинаторских каналов в Telegram, мы рассчитываем понять, что именно они обсуждают.

Однажды в Ак Барс Банке был разработан сервис подсказок оператору контакт-центра Neurobot. Он брал входящие запросы от пользователей и искал в базе максимально подходящие ответы. Ещё Neurobot предоставлял возможность операторам контакт-центра самим заводить сценарии для бота. Боты срабатывали по триггеру – вхождению ключевых слов из заранее заданного списка с учетом препроцессинга.

Однако со временем стало понятно, что операторы подсказками пользуются нечасто, а мини-боты на ключевых словах могут покрыть лишь малое число тем. Бот фактически выполнял функцию информирования клиентов по нескольким популярным темам. Но в нём не было полноценного флоу общения с пользователями, автозавершения диалогов и отчётности. 

Кроме того, система представляла собой монолит, написанный на джанго, и её было сложно поддерживать, поэтому возникла потребность полностью переделать эту систему. 

И мы переделали.

Мы в Smart Engines занимаемся системами распознавания документов, и мы решили проверить, сколько нужно времени, чтобы создать MVP инструмента, позволяющего предзаполнять типовые шаблоны в формате DOCX данными, извлекаемые из сканов и фотографий документов. В этой статье мы вам покажем как на базе нашей системы распознавания Smart Document Engine быстро сделать простой шаблонизатор, готовый к использованию и не требующий никакой предварительной подготовки пользователя. Кому интересно - добро пожаловать под кат!

DOOM — прародитель шутеров от первого лица, определивший целое поколение игр 90-х. Хоть это и не первая игра такого рода, и даже не первая игра id Software, но именно она изменила индустрию. Проект до сих пор изучают не только из-за его известности, но и потому, что он достиг высот в условиях сильных технических ограничений, задолго до появления большинства современных инструментов и стандартов. Под катом перевод статьи о работе искусственного интеллекта в Doom и трюках, которые использовали разработчики для создания интересных боевых ситуаций.

Интересные научные проекты часто реализуются на стыке нескольких областей. В последнее время такие проекты становятся краткосрочными, а, значит, все сложнее искать людей, совмещающих нужные компетенции.

Специалисты из Национального центра когнитивных разработок на базе ИТМО задумались о том, как снизить риски найма через оценку открытой информации о человеке и анализ видеозаписи его интервью. Предложенный ими инструмент Exclusive подбирает специалистов по их цифровому следу, подсказывает вопросы для собеседования и анализирует личностные качества и поведение кандидата, помогая принять решение о приглашении в команду.

В этой статье поговорим о том, что у сервиса под капотом: какую полезную информацию можно собрать из открытых источников и записи интервью, а также как ее можно использовать для снижения проектных рисков. 

Краткое описание метода машинного обучения, который представляет, как выглядит текстовое предложение, чтобы локализовать и обосновать его семантику в контексте реального мира, улучшая перевод подобно тому, как это делают люди.

Привет Хабр!

Под катом хочется затронуть тему настройки гиперпараметров в моделях машинного обучения, получаемых при помощи блендинга. В таких ансамблях предсказания из одной модели машинного обучения становятся предикторами для другой (следующего уровня). На рисунке ниже представлены некоторые варианты ансамблей, где данные передаются слева направо. Называть такие ансамбли мы будем в рамках поста также пайплайнами или композитными моделями (композитные пайплайны).