On June 21st 2021, ActInfLab had its first Applied Active Inference symposium. We had three sessions with Professor Karl Friston. The three sessions were around the topic of Active Inference as applied to the domains of Education, Communication, and Tools.
The recordings of all three sessions are available at this playlist: https://www.youtube.com/playlist?list=PLNm0u2n1IwdptxalPH0CVAC9eey39CEJZ
Check out https://activeinference.org/ for more information on ActInfLab, and how you can participate in future activities! Let us know if you have any thoughts or questions ~
The recordings of all three sessions are available at this playlist: https://www.youtube.com/playlist?list=PLNm0u2n1IwdptxalPH0CVAC9eey39CEJZ
Check out https://activeinference.org/ for more information on ActInfLab, and how you can participate in future activities! Let us know if you have any thoughts or questions ~
YouTube
Applied Active Inference Symposium 2021 - YouTube
Forwarded from Малоизвестное интересное
Прорыв в ИИ может произойти уже до конца этого года.
Начинается всемирный поиск новых ИИ-моделей, в котором вы можете участвовать.
Речь идет об объявленном AIcrowd Facebook AI крауд-конкурсе проектирования и обучения альтернативных ИИ-агентов, работающих иначе, чем современный мейнстрим машинного обучения с подкреплением.
Недавно DeepMind объявил, что обучение с подкреплением — метод, когда ИИ-агент ничего не знает об окружающей среде, но может самообучаться, взаимодействуя с ней, - может позволить прорыв к ИИ человеческого уровня (AGI). Этот метод, действительно, весьма перспективен. Но он требует значительного объема вычислений и мощного компьютерного оборудования. А это, к сожалению, не очень подходит за пределами демонстрационных игр, когда цель – не удивить общественность, а решение практических задач в реальном мире.
Facebook решил попробовать обойти эту проблему, организовав всемирный поиск новых ИИ-моделей, позволяющих ИИ-агентам ориентироваться в сложных средах при низких вычислительных затратах.
В качестве супер-теста была выбрана NetHack — старая, но до сих пор одна из самых сложных игр. В ней игроки должны спуститься на 50+ уровней подземелья, чтобы найти магический амулет. Шансов выиграть в эту игру мало даже у ИИ-агентов, разгромивших людей в StarCraft II, Dota 2 и Minecraft. Ведь в этой игре игроки просто мрут, как мухи. А после каждой смерти подземелье полностью перестраивается, тем самым сводя почти что к нулю набранный опыт.
Единственный способ выиграть в таких адских условиях — каким-то образом суметь совместить нестандартное мышление, исследовательские навыки и удачу. Такой ИИ-агент должен уметь совмещать оптимальное применение уже имеющихся знаний со способностью исследовать совершенно неизученные области (т.е. сочетать exploitation & exploration).
Идея исследователей из Facebook проста. Авторитеты машинного обучения так пока и не преуспели в создании ИИ-агентов, способных учиться с малыми вычислительными затратами. Поэтому вместо того, чтобы самим пытаться поймать «золотую рыбку» прорывной ИИ-модели, Facebook решил провести открытый конкурс, пригласив участвовать всех желающих и предоставив каждому участнику высокотехнологическую «удочку». Ею будет специально разработанная учебная среда с открытым кодом - NetHack Learning Environment (NLE). Это масштабируемая, процедурно генерируемая, стохастическая, весьма сложная среда для исследования обучения с подкреплением в ходе игры ИИ-агента в NetHack.
Работая в среде NLE, участники смогут тратить больше времени на тестирование новых перспективных идей, а не на ожидание результатов длительных вычислений. Перед ними поставлена задача спроектировать и обучить своего агента каким угодно существующим или изобретенным способом - с машинным обучением или без него, с использованием любой внешней информации, любого метода обучения с любым вычислительным бюджетом.
Единственное требование – создать ИИ-агента, который может быть оценен жюри конкурса. О его результатах будут судить по тому, как часто этот агент выживает и поднимается из подземелья с Амулетом.
Среди альтернативных концепций создания моделей ИИ-агентов – имхо, самой перспективной является модель процесса активного вывода (active inference). Суть такого процесса в:
• статистической генерации предсказаний (бессознательных выводов об окружающем мире и самом себе на основе внутренней модели);
• проверке этих выводов на основе сенсорных данных;
• и постоянной минимизации ошибок предсказания.
Активный вывод и прогностическое кодирование, объединенные фундаментальным принципом свободной энергии Карла Фристона я называю «конституция биоматематики». Это, по сути, - высший закон, определяющий основной принцип жизни и разума (подробней см. мой пост).
А теперь о самом важном и интересном.
Дочитать (еще всего на 1 мин):
- на Medium https://bit.ly/3j9Qaf8
- на ЯДзен https://clck.ru/VgSju
#ИИ #МашинноеОбучение #ПринципСвободнойЭнергии #Фристон #АктивныйВывод
Начинается всемирный поиск новых ИИ-моделей, в котором вы можете участвовать.
Речь идет об объявленном AIcrowd Facebook AI крауд-конкурсе проектирования и обучения альтернативных ИИ-агентов, работающих иначе, чем современный мейнстрим машинного обучения с подкреплением.
Недавно DeepMind объявил, что обучение с подкреплением — метод, когда ИИ-агент ничего не знает об окружающей среде, но может самообучаться, взаимодействуя с ней, - может позволить прорыв к ИИ человеческого уровня (AGI). Этот метод, действительно, весьма перспективен. Но он требует значительного объема вычислений и мощного компьютерного оборудования. А это, к сожалению, не очень подходит за пределами демонстрационных игр, когда цель – не удивить общественность, а решение практических задач в реальном мире.
Facebook решил попробовать обойти эту проблему, организовав всемирный поиск новых ИИ-моделей, позволяющих ИИ-агентам ориентироваться в сложных средах при низких вычислительных затратах.
В качестве супер-теста была выбрана NetHack — старая, но до сих пор одна из самых сложных игр. В ней игроки должны спуститься на 50+ уровней подземелья, чтобы найти магический амулет. Шансов выиграть в эту игру мало даже у ИИ-агентов, разгромивших людей в StarCraft II, Dota 2 и Minecraft. Ведь в этой игре игроки просто мрут, как мухи. А после каждой смерти подземелье полностью перестраивается, тем самым сводя почти что к нулю набранный опыт.
Единственный способ выиграть в таких адских условиях — каким-то образом суметь совместить нестандартное мышление, исследовательские навыки и удачу. Такой ИИ-агент должен уметь совмещать оптимальное применение уже имеющихся знаний со способностью исследовать совершенно неизученные области (т.е. сочетать exploitation & exploration).
Идея исследователей из Facebook проста. Авторитеты машинного обучения так пока и не преуспели в создании ИИ-агентов, способных учиться с малыми вычислительными затратами. Поэтому вместо того, чтобы самим пытаться поймать «золотую рыбку» прорывной ИИ-модели, Facebook решил провести открытый конкурс, пригласив участвовать всех желающих и предоставив каждому участнику высокотехнологическую «удочку». Ею будет специально разработанная учебная среда с открытым кодом - NetHack Learning Environment (NLE). Это масштабируемая, процедурно генерируемая, стохастическая, весьма сложная среда для исследования обучения с подкреплением в ходе игры ИИ-агента в NetHack.
Работая в среде NLE, участники смогут тратить больше времени на тестирование новых перспективных идей, а не на ожидание результатов длительных вычислений. Перед ними поставлена задача спроектировать и обучить своего агента каким угодно существующим или изобретенным способом - с машинным обучением или без него, с использованием любой внешней информации, любого метода обучения с любым вычислительным бюджетом.
Единственное требование – создать ИИ-агента, который может быть оценен жюри конкурса. О его результатах будут судить по тому, как часто этот агент выживает и поднимается из подземелья с Амулетом.
Среди альтернативных концепций создания моделей ИИ-агентов – имхо, самой перспективной является модель процесса активного вывода (active inference). Суть такого процесса в:
• статистической генерации предсказаний (бессознательных выводов об окружающем мире и самом себе на основе внутренней модели);
• проверке этих выводов на основе сенсорных данных;
• и постоянной минимизации ошибок предсказания.
Активный вывод и прогностическое кодирование, объединенные фундаментальным принципом свободной энергии Карла Фристона я называю «конституция биоматематики». Это, по сути, - высший закон, определяющий основной принцип жизни и разума (подробней см. мой пост).
А теперь о самом важном и интересном.
Дочитать (еще всего на 1 мин):
- на Medium https://bit.ly/3j9Qaf8
- на ЯДзен https://clck.ru/VgSju
#ИИ #МашинноеОбучение #ПринципСвободнойЭнергии #Фристон #АктивныйВывод
Когда в 2018 году Microsoft купил Github за $7.5 BUSD было сильное бурление, что якобы коварный капиталист собирается придушить проект или как-то еще испортить жизнь open-source сообществу, которое понятное дело всегда в белых одеждах.
Хотя в принципе было ясно, что Сатья Наделла, к тому моменту уже увеличивший капитализацию компании за время своей работы CEO примерно в 3 раза, останавливаться на этом не планирует. А для дальнейшего роста банальные ходы, приходящие в конспирологические умы, не подходят.
И вероятно, когда в следующем 2019 году Microsoft инвестировал $1 BUSD в OpenIA, у которых к тому моменту уже была GPT-2, некоторым стало понятно куда дуют такие финансовые ветра. Для принимающих и следующих экспоненциальным законам развития технологий это была задача уровня 2х2.
И вот вчера ребята выкатили новый продукт для разработчиков Сopilot и говорят, что это "Your AI pair programmer". Модель, обученная на всем массиве кода Github, умеет дописывать за вас код на всех языках программирования, исходя из осмысленного названия функций или даже из описания задачи в комментариях.
Выглядит уже очень впечатляюще, но нужно снова представлять, чем это станет в будущем и когда оно отправит огромное количество разработчиков низкой квалификации на заслуженный отдых.
https://copilot.github.com/
Хотя в принципе было ясно, что Сатья Наделла, к тому моменту уже увеличивший капитализацию компании за время своей работы CEO примерно в 3 раза, останавливаться на этом не планирует. А для дальнейшего роста банальные ходы, приходящие в конспирологические умы, не подходят.
И вероятно, когда в следующем 2019 году Microsoft инвестировал $1 BUSD в OpenIA, у которых к тому моменту уже была GPT-2, некоторым стало понятно куда дуют такие финансовые ветра. Для принимающих и следующих экспоненциальным законам развития технологий это была задача уровня 2х2.
И вот вчера ребята выкатили новый продукт для разработчиков Сopilot и говорят, что это "Your AI pair programmer". Модель, обученная на всем массиве кода Github, умеет дописывать за вас код на всех языках программирования, исходя из осмысленного названия функций или даже из описания задачи в комментариях.
Выглядит уже очень впечатляюще, но нужно снова представлять, чем это станет в будущем и когда оно отправит огромное количество разработчиков низкой квалификации на заслуженный отдых.
https://copilot.github.com/
GitHub
GitHub is where people build software. More than 150 million people use GitHub to discover, fork, and contribute to over 420 million projects.
Сегодня вечером пройдет вебинар, который будет интересен разработчикам, которые уже выросли или планируют встать на роль тимлида (и выше), или просто на них "повесили" выполнение менеджерских обязанностей в команде.
Системный подход очень поможет разобраться, что нужно знать и уметь, чтобы эта деятельность была эффективна. Да и просто даст понимание, нужно вам это или стоит оставаться в зоне комфорта своего IDE.
Регистрация по ссылке bit.ly/2TDYHwN
Системный подход очень поможет разобраться, что нужно знать и уметь, чтобы эта деятельность была эффективна. Да и просто даст понимание, нужно вам это или стоит оставаться в зоне комфорта своего IDE.
Регистрация по ссылке bit.ly/2TDYHwN
Forwarded from VR Journal VR/AR/MR/360/AI/Metaverse (Emarchenberg)
This media is not supported in your browser
VIEW IN TELEGRAM
Будущее совсем рядом. Посмотрите на то, как при помощи роботов и VR можно оказаться в любом месте на планете.
Forwarded from Цифровой геноцид
QR-коды: то вводим, то выводим. Краткая история одного знака в промышленном производстве
Впервые QR-код внедрили на заводах японской Denso: машиностроительная компания специализировалась на производстве автомобильных комлектующих и запчастей, но не могла достигнуть унификации и стандартизации качества на каждом из 10 заводов. Разработчик Масахиро Хара начал прорабатывать идею нового кода на маркировке деталей с 1992 года: обычный и всем знакомый штрих-код - это линейный код, который может вместить в себя от 20-ти до 30-ти символов, чего было недостаточно для целей компании. Вдохновением для создания QR-кода послужила игра го, в которую Масахиро Хара играл во время обеденного перерыва. Хара решил, что цель разработки состоит не только в увеличении объема кодовой информации, но и в «точном и быстром чтении», а также в том, чтобы сделать код читаемым и устойчивым к масляным пятнам, грязи и повреждениям, предполагая, что он будет использоваться на соответствующих производствах. Предполагалось, чтотакой код получится прочитать, даже если 30% его области загрязнены или повреждены.
Камни на поле игры Го выстроены в определенном порядке - и этот порядок удобен для чтения (когнитивист назвал бы такое термином “чанки”, вслед за Гербертом Саймоном, который также анализировал игру в шахматы)
Так QR-код был впервые представлен японской компанией Denso-Wave, в 1994 году после двухлетнего периода разработки. На картинке сам Масахиро Хара
Впервые QR-код внедрили на заводах японской Denso: машиностроительная компания специализировалась на производстве автомобильных комлектующих и запчастей, но не могла достигнуть унификации и стандартизации качества на каждом из 10 заводов. Разработчик Масахиро Хара начал прорабатывать идею нового кода на маркировке деталей с 1992 года: обычный и всем знакомый штрих-код - это линейный код, который может вместить в себя от 20-ти до 30-ти символов, чего было недостаточно для целей компании. Вдохновением для создания QR-кода послужила игра го, в которую Масахиро Хара играл во время обеденного перерыва. Хара решил, что цель разработки состоит не только в увеличении объема кодовой информации, но и в «точном и быстром чтении», а также в том, чтобы сделать код читаемым и устойчивым к масляным пятнам, грязи и повреждениям, предполагая, что он будет использоваться на соответствующих производствах. Предполагалось, чтотакой код получится прочитать, даже если 30% его области загрязнены или повреждены.
Камни на поле игры Го выстроены в определенном порядке - и этот порядок удобен для чтения (когнитивист назвал бы такое термином “чанки”, вслед за Гербертом Саймоном, который также анализировал игру в шахматы)
Так QR-код был впервые представлен японской компанией Denso-Wave, в 1994 году после двухлетнего периода разработки. На картинке сам Масахиро Хара
Современные представления о работе мышления к текущему моменту обрели определенный консенсус, который упрощенно формулирует, что мозг это машина предсказаний. И вся его работа это контроль генерируемых галлюцинаций.
Согласно более ранним взглядам считалось, что мы получаем сигналы на сенсорный аппарат, которые преобразуются и отправляются в голову, где мозг уже формирует наши представления об окружающей реальности в соответствии с полученными данными и нашими собственными предустановкам.
В концепции predictive processing все перевернуто. Сначала мозг формирует предсказание того, что он ожидает на следующем шаге, отправляет их по цепочке вниз и на сенсорном уровне по полученным данным только определяются ошибки предсказания.
На бытовом уровне примером может быть ощущение, что у вас кармане вибрирует телефон, хотя он молчит или его вообще там нет. Просто вы ждете какой-то звонок и предсказываете его поступление.
Такая модель оказывает существенное влияние на многие дисциплины вокруг мышления, сознания и интеллекта, в том числе искусственного. К сожалению, пока еще не в полной мере.
По ссылке ниже интервью с Andy Clark, одним из самых веселых и модных когнитивных философов, с которого можно начать увлекательное путешествие на фронтир нейронауки.
https://www.edge.org/conversation/andy_clark-perception-as-controlled-hallucination
Согласно более ранним взглядам считалось, что мы получаем сигналы на сенсорный аппарат, которые преобразуются и отправляются в голову, где мозг уже формирует наши представления об окружающей реальности в соответствии с полученными данными и нашими собственными предустановкам.
В концепции predictive processing все перевернуто. Сначала мозг формирует предсказание того, что он ожидает на следующем шаге, отправляет их по цепочке вниз и на сенсорном уровне по полученным данным только определяются ошибки предсказания.
На бытовом уровне примером может быть ощущение, что у вас кармане вибрирует телефон, хотя он молчит или его вообще там нет. Просто вы ждете какой-то звонок и предсказываете его поступление.
Такая модель оказывает существенное влияние на многие дисциплины вокруг мышления, сознания и интеллекта, в том числе искусственного. К сожалению, пока еще не в полной мере.
По ссылке ниже интервью с Andy Clark, одним из самых веселых и модных когнитивных философов, с которого можно начать увлекательное путешествие на фронтир нейронауки.
https://www.edge.org/conversation/andy_clark-perception-as-controlled-hallucination
DX space
Современные представления о работе мышления к текущему моменту обрели определенный консенсус, который упрощенно формулирует, что мозг это машина предсказаний. И вся его работа это контроль генерируемых галлюцинаций. Согласно более ранним взглядам считалось…
По совпадению, в день когда вышел предыдущий пост была опубликована новая работа, обобщающая последние наработки в predictive coding и его связи с подходами машинного обучения. И если то, что рассказал Andy Clark вас заинтересовало, то попробуйте разгрызть статью Beren Millidge, Anil Seth, Christopher L Buckley "Predictive Coding: a Theoretical and Experimental Review":
Predictive coding offers a potentially unifying account of cortical function -- postulating that the core function of the brain is to minimize prediction errors with respect to a generative model of the world. The theory is closely related to the Bayesian brain framework and, over the last two decades, has gained substantial influence in the fields of theoretical and cognitive neuroscience. A large body of research has arisen based on both empirically testing improved and extended theoretical and mathematical models of predictive coding, as well as in evaluating their potential biological plausibility for implementation in the brain and the concrete neurophysiological and psychological predictions made by the theory. Despite this enduring popularity, however, no comprehensive review of predictive coding theory, and especially of recent developments in this field, exists. Here, we provide a comprehensive review both of the core mathematical structure and logic of predictive coding, thus complementing recent tutorials in the literature. We also review a wide range of classic and recent work within the framework, ranging from the neurobiologically realistic microcircuits that could implement predictive coding, to the close relationship between predictive coding and the widely-used backpropagation of error algorithm, as well as surveying the close relationships between predictive coding and modern machine learning techniques.
https://arxiv.org/abs/2107.12979
Predictive coding offers a potentially unifying account of cortical function -- postulating that the core function of the brain is to minimize prediction errors with respect to a generative model of the world. The theory is closely related to the Bayesian brain framework and, over the last two decades, has gained substantial influence in the fields of theoretical and cognitive neuroscience. A large body of research has arisen based on both empirically testing improved and extended theoretical and mathematical models of predictive coding, as well as in evaluating their potential biological plausibility for implementation in the brain and the concrete neurophysiological and psychological predictions made by the theory. Despite this enduring popularity, however, no comprehensive review of predictive coding theory, and especially of recent developments in this field, exists. Here, we provide a comprehensive review both of the core mathematical structure and logic of predictive coding, thus complementing recent tutorials in the literature. We also review a wide range of classic and recent work within the framework, ranging from the neurobiologically realistic microcircuits that could implement predictive coding, to the close relationship between predictive coding and the widely-used backpropagation of error algorithm, as well as surveying the close relationships between predictive coding and modern machine learning techniques.
https://arxiv.org/abs/2107.12979
В конце 2018 года я познакомился с деятельностью Школы Системного Менеджмента, начал изучение Системного Мышления. В следующем году принял решение идти дальше и глубже в образовательную программу ШСМ, ежедневно инвестируя время и планируя заниматься этим несколько лет. И сейчас с полной уверенностью могу сказать, что это было самым важным решением в жизни и его результаты уже выше любых моих ожиданий тогда.
Мысль о том, что чтобы изменить свою жизнь нужно делать в ней что-то по-новому, а для этого новому нужно научиться, всем достаточно понятна. Но чему и как учиться для улучшения жизни во всех смыслах, да еще и так чтобы мозг не заставил быстро забросить эти мероприятия? Если эти вопросы вам приходят, если вы много уже чему "поучились", но еще не нашли фундамента для постройки новой версии себя, то рекомендую этим сентябрем вернуться в Школу.
Вход в кроличью нору Системного Мышления сейчас существует в виде онлайн-курса "Системное саморазвитие: введение в системное мышление", авторский анонс новой его версии даст вам развернутую картину о его содержании: t.iss.one/systemsthinkinglife/75
Мысль о том, что чтобы изменить свою жизнь нужно делать в ней что-то по-новому, а для этого новому нужно научиться, всем достаточно понятна. Но чему и как учиться для улучшения жизни во всех смыслах, да еще и так чтобы мозг не заставил быстро забросить эти мероприятия? Если эти вопросы вам приходят, если вы много уже чему "поучились", но еще не нашли фундамента для постройки новой версии себя, то рекомендую этим сентябрем вернуться в Школу.
Вход в кроличью нору Системного Мышления сейчас существует в виде онлайн-курса "Системное саморазвитие: введение в системное мышление", авторский анонс новой его версии даст вам развернутую картину о его содержании: t.iss.one/systemsthinkinglife/75
Forwarded from Цифровой геноцид
Цифровой геноцид. Новый сезон
Итак, мы постепенно выходим из отпуска и попробуем анонсировать грядущий небольшой пивот нашего контентного проекта.
ЦГ — это проект о природе интерфейсов, который возник 2 года назад. Среди наших традиционных тем эти годы были: книги и учебные пособия по эргономике и UX, энциклопедия паттернов с описанием паттернов взаимодействия или проектирования, словарь юного HCI с терминами из западной литературы, циклы статей (Thanatosensivity, редабилити), история HCI и юзабилити, просто свежие статьи о HCI, отдельный цикл о советских интерфейсах в аэрокосмической и других отраслях промышленности. Большую роль в прошлом году занимали тексты и исследования геймификации и гедономики интерфейсов.
Но, кажется, что можно сделать лучше. Мы бы хотели в новом сезоне развивать новые направления:
Энциклопедия промышленных интерфейсов и цифровых продуктов для работы. В первую очередь интерфейсов для рабочих мест, мобильных рабочих мест, эргономики судов и самолетов, повседневной деятельности синих и белых воротничков. Несколько шире: подобного рода энциклопедия должна быть универсальным справочником со всеми паттернами и потенциальным эффектом для бизнеса и экономики предприятия, оценивать эту инновацию. Кажется, что это придаст проекту глубины и пользы.
Внутренности условной фигмы и документация по дизайнерскому ПО на русском. Тема этой рубрики — объяснение терминов и тонкостей работы именно с программным обеспечением для проектирования интерфейсов. Мы приглашаем в этой теме присоединиться к обсуждению будущего зеро-кодинга и попытаться разобраться с тем, как все это функционирует на уровне выше - своеобразный метадизайн. Хотя мы и не разработчики такого ПО и никогда не работали, но попробуем собрать данные в открытом доступе.
Старые рубрики тоже останутся, некоторые моменты с книгами мы будем делать более расширенно, в формате аннотаций и ревью.
Оставайтесь с нами, пересылайте друзьям ссылку и приглашайте друзей на канал.
Итак, мы постепенно выходим из отпуска и попробуем анонсировать грядущий небольшой пивот нашего контентного проекта.
ЦГ — это проект о природе интерфейсов, который возник 2 года назад. Среди наших традиционных тем эти годы были: книги и учебные пособия по эргономике и UX, энциклопедия паттернов с описанием паттернов взаимодействия или проектирования, словарь юного HCI с терминами из западной литературы, циклы статей (Thanatosensivity, редабилити), история HCI и юзабилити, просто свежие статьи о HCI, отдельный цикл о советских интерфейсах в аэрокосмической и других отраслях промышленности. Большую роль в прошлом году занимали тексты и исследования геймификации и гедономики интерфейсов.
Но, кажется, что можно сделать лучше. Мы бы хотели в новом сезоне развивать новые направления:
Энциклопедия промышленных интерфейсов и цифровых продуктов для работы. В первую очередь интерфейсов для рабочих мест, мобильных рабочих мест, эргономики судов и самолетов, повседневной деятельности синих и белых воротничков. Несколько шире: подобного рода энциклопедия должна быть универсальным справочником со всеми паттернами и потенциальным эффектом для бизнеса и экономики предприятия, оценивать эту инновацию. Кажется, что это придаст проекту глубины и пользы.
Внутренности условной фигмы и документация по дизайнерскому ПО на русском. Тема этой рубрики — объяснение терминов и тонкостей работы именно с программным обеспечением для проектирования интерфейсов. Мы приглашаем в этой теме присоединиться к обсуждению будущего зеро-кодинга и попытаться разобраться с тем, как все это функционирует на уровне выше - своеобразный метадизайн. Хотя мы и не разработчики такого ПО и никогда не работали, но попробуем собрать данные в открытом доступе.
Старые рубрики тоже останутся, некоторые моменты с книгами мы будем делать более расширенно, в формате аннотаций и ревью.
Оставайтесь с нами, пересылайте друзьям ссылку и приглашайте друзей на канал.
Все цифровое что нас окружает, создается ансамблем процессоров, которые соединены коммуникационными каналами от самых облаков до устройства у вас в руке или на столе, а у кого-то уже и до чайника с пылесосом. Ubiquitous сomputing пришел как концепт из IoT и проник в физический мир совершенно незаметно.
Путь, проделанный процессорами от выпущенного 50 лет назад 4 битного Intel 4004 до необъятной номенклатуры CPU, GPU и др, невероятен. 15 ноября нужно будет отметить юбилей.
Сами Intel начинают отмечать выходом второго поколения процессоров Loihi пока малоизвестной neuromorphic архитектуры, которая эмулирует работу мозга при обработке информации. В отличие от линейной обработки данных в стандартных вычислениях цифровые нейроны работают параллельно и отправляют сигналы в сети других нейронов, а также перестраивают структуру соединений, таким образом обучаясь и оптимизируя энергопотребление.
Новый Loihi содержит 1 млн нейронов и 120 млн синапсов. И ждет своих разработчиков, которые догадаются как можно использовать его возможности в полную мощность. Пока ведутся исследовательские работы, в которых показывают, что например можно в 1000 раз энергоэффективнее, чем на GPU, решать задачи для backpropagation neural network (BPNN).
bit.ly/3uymMmm
Путь, проделанный процессорами от выпущенного 50 лет назад 4 битного Intel 4004 до необъятной номенклатуры CPU, GPU и др, невероятен. 15 ноября нужно будет отметить юбилей.
Сами Intel начинают отмечать выходом второго поколения процессоров Loihi пока малоизвестной neuromorphic архитектуры, которая эмулирует работу мозга при обработке информации. В отличие от линейной обработки данных в стандартных вычислениях цифровые нейроны работают параллельно и отправляют сигналы в сети других нейронов, а также перестраивают структуру соединений, таким образом обучаясь и оптимизируя энергопотребление.
Новый Loihi содержит 1 млн нейронов и 120 млн синапсов. И ждет своих разработчиков, которые догадаются как можно использовать его возможности в полную мощность. Пока ведутся исследовательские работы, в которых показывают, что например можно в 1000 раз энергоэффективнее, чем на GPU, решать задачи для backpropagation neural network (BPNN).
bit.ly/3uymMmm
Science
Brain-inspired chips could soon help power autonomous robots and self-driving cars
Computer architecture that emulates the parallel processing of our neurons is fast and energy efficient
Forwarded from MIXR — школа выживания в метаверсе
https://youtu.be/nzhERI1rPAo
После всевозможных сливов и спекуляций, HTC на только что прошедшей конференции наконец-то представила новый девайс: HTC Vive Flow — судя по всему, это и был тот самый Project Proton, который тайваньская корпорация затизерила еще год назад.
Выглядит все предельно круто: новый VR-шлем… хотя нет — это даже не шлем, а стильные XR-очки, которые при том весят всего 189 грамм. Устройство сделано так, что их можно надевать как обычные очки и при этом не чувствовать дискомфорта. Спереди предусмотрены две внешние камеры, которые обладают «шестью степенями свободы» и 100° обзора, а обе линзы показывают изображение с разрешением в 1.6К на каждый глаз (это, конечно, не полноценное 4К, но это все же и не шлем). Кроме того, у очков HTC Vive Flow будет собственный встроенный динамик на каждой дужке, который должен показать «что такое настоящий иммерсивный звук» в XR.
HTC позиционирует Vive Flow не столько как игровое устройство, а больше как гарнитуру для просмотра VR-кино и прочего «экспериментального XR-контента», то есть играть в них в Half-Life: Alyx теоретически возможно, но принципиально не нужно.
Ну и главное: в качестве контроллера для нового девайса подойдет любой Android-смартфон, при помощи которого можно будет запустить совместимое приложение или выбрать подходящий 360° ролик на «Ютубе». В будущем у Vive Flow также появится поддержка отслеживания рук.
(Ну а если у вас iPhone — то и поддержка отслеживания рук не поможет — пока девайс, увы, работает только на телефонах от «Гугля»).
Заказать HTC Vive Flow можно уже сейчас на официальном сайте: цена за все про все — 549€.
После всевозможных сливов и спекуляций, HTC на только что прошедшей конференции наконец-то представила новый девайс: HTC Vive Flow — судя по всему, это и был тот самый Project Proton, который тайваньская корпорация затизерила еще год назад.
Выглядит все предельно круто: новый VR-шлем… хотя нет — это даже не шлем, а стильные XR-очки, которые при том весят всего 189 грамм. Устройство сделано так, что их можно надевать как обычные очки и при этом не чувствовать дискомфорта. Спереди предусмотрены две внешние камеры, которые обладают «шестью степенями свободы» и 100° обзора, а обе линзы показывают изображение с разрешением в 1.6К на каждый глаз (это, конечно, не полноценное 4К, но это все же и не шлем). Кроме того, у очков HTC Vive Flow будет собственный встроенный динамик на каждой дужке, который должен показать «что такое настоящий иммерсивный звук» в XR.
HTC позиционирует Vive Flow не столько как игровое устройство, а больше как гарнитуру для просмотра VR-кино и прочего «экспериментального XR-контента», то есть играть в них в Half-Life: Alyx теоретически возможно, но принципиально не нужно.
Ну и главное: в качестве контроллера для нового девайса подойдет любой Android-смартфон, при помощи которого можно будет запустить совместимое приложение или выбрать подходящий 360° ролик на «Ютубе». В будущем у Vive Flow также появится поддержка отслеживания рук.
(Ну а если у вас iPhone — то и поддержка отслеживания рук не поможет — пока девайс, увы, работает только на телефонах от «Гугля»).
Заказать HTC Vive Flow можно уже сейчас на официальном сайте: цена за все про все — 549€.
YouTube
HTC VIVE Special Event: Go with the Flow | Immersive VR Glasses
Have you ever experienced burnout from the demands of everyday life? Find out how virtual reality can become your tool for relaxation, recreation, and reconnecting with yourself and the world around you. Watch as HTC unveils a new kind of immersion with the…
Нейронные сети и глубокое обучение к 2021г захватили человечество, но иначе чем ожидали фантасты. Захвачено главное — внимание людей. Но любая тема, ставшая популярной, развивается в сторону увеличения количества публикуемых материалов и их упрощения, а также хайпа во всех проявлениях.
В результате, перед теми кто хочет действительно разобраться в этой области, хотя бы верхнеуровнево, возникает бурлящий поток из блогов, статей, репозиториев, онлайн-курсов и пр. В такой ситуации нужно выбирать источники от авторов, которые стоят за созданием оснований этих технологий и способны рассказать о них как о своих детях. С любовью и натянутым нервом.
Ян Лекун является патриархом машинного обучения, который провел десятилетия в работе над базовыми исследованиями и инженерии первых работающих систем, даже в ситуациях, когда в академической среде такая работа считалась абсолютно бесперспективной, а соответственно нефинансируемой.
Уйдя в преподавание в 43 года, он продолжал работу над исследованиями в составе очень ограниченной группы коллег фактически в стелс режиме. До момента, когда в 2013г Цукерберг лично уговорил его построить лабораторию, а дальше все направления машинного обучение в Facebook. Приняв его условие совмещать эту работу с продолжением преподавания.
Книга Лекуна Как учится машина дает развернутую историческую панораму становления технологий машинного обучения. Через примеры уникальных прорывов, иногда совершенно случайных успехов, больших провалов конкретных исследователей и их работ, их влияния на то, что используется сейчас "в одну строчку кода", разбираются "первые принципы" всех основных архитектур нейронных сетей. С именами и личными историями, что делает все повествование очень литературным и интересным.
Книга была переведена и издана в России издательством Альпина PRO, которое и предоставило ее на обзор. Как и несколько других, про которые будут новые публикации. Свежий канал издательства в ТГ @polkanaprotiv, где можно подсмотреть актуальные и качественные книги, которых у них сейчас в количестве, а также получать анонсы мероприятий с авторами и другие плюшки.
В результате, перед теми кто хочет действительно разобраться в этой области, хотя бы верхнеуровнево, возникает бурлящий поток из блогов, статей, репозиториев, онлайн-курсов и пр. В такой ситуации нужно выбирать источники от авторов, которые стоят за созданием оснований этих технологий и способны рассказать о них как о своих детях. С любовью и натянутым нервом.
Ян Лекун является патриархом машинного обучения, который провел десятилетия в работе над базовыми исследованиями и инженерии первых работающих систем, даже в ситуациях, когда в академической среде такая работа считалась абсолютно бесперспективной, а соответственно нефинансируемой.
Уйдя в преподавание в 43 года, он продолжал работу над исследованиями в составе очень ограниченной группы коллег фактически в стелс режиме. До момента, когда в 2013г Цукерберг лично уговорил его построить лабораторию, а дальше все направления машинного обучение в Facebook. Приняв его условие совмещать эту работу с продолжением преподавания.
Книга Лекуна Как учится машина дает развернутую историческую панораму становления технологий машинного обучения. Через примеры уникальных прорывов, иногда совершенно случайных успехов, больших провалов конкретных исследователей и их работ, их влияния на то, что используется сейчас "в одну строчку кода", разбираются "первые принципы" всех основных архитектур нейронных сетей. С именами и личными историями, что делает все повествование очень литературным и интересным.
Книга была переведена и издана в России издательством Альпина PRO, которое и предоставило ее на обзор. Как и несколько других, про которые будут новые публикации. Свежий канал издательства в ТГ @polkanaprotiv, где можно подсмотреть актуальные и качественные книги, которых у них сейчас в количестве, а также получать анонсы мероприятий с авторами и другие плюшки.
alpinabook.ru
Как учится машина: Революция в области нейронных сетей и глубокого обучения — купить книгу Яна Лекуна на сайте alpinabook.ru
Как учится машина: Революция в области нейронных сетей и глубокого обучения, Автор Ян Лекун в форматах fb2, txt, epub, pdf, mp3, аудио книга. Гарантируем низкие цены, доставка курьером и в пункты выдачи от 99 руб. Издательство Альпина Паблишер
Forwarded from Лабораторный журнал
В Ridero опубликован мой учебник "Образование для образованных 2021" (4 электронных формата, 652 страницы формата А5). О книге: В учебнике даётся краткое описание 17 мыслительных практик в версии 2021 года: труд (инженера, менеджера, предпринимателя), системное мышление, экономика, методология, риторика, этика, эстетика, исследования, объяснения, логика, алгоритмика, онтология, теория понятий, теория информации, семантика, собранность, понятизация. Учебник учит планированию усиления интеллекта людей с высшим образованием. Предназначен как составителям вузовских учебных программ, так и занимающимся саморазвитием.
Кто уже покупал книгу в Ridero, могут просто её скачать (была замена книги), остальные могут купить за 240 рублей. В других магазинах замена книги будет примерно через месяц.
В посте привожу основные содержательные отличия версии 2021 года от версии 2020 года, даю оглавление и некоторые полезные ссылки.
https://ailev.livejournal.com/1591523.html
Кто уже покупал книгу в Ridero, могут просто её скачать (была замена книги), остальные могут купить за 240 рублей. В других магазинах замена книги будет примерно через месяц.
В посте привожу основные содержательные отличия версии 2021 года от версии 2020 года, даю оглавление и некоторые полезные ссылки.
https://ailev.livejournal.com/1591523.html
Livejournal
Опубликован учебник "Образование для образованных 2021"
В Ridero опубликован учебник А.Левенчука "Образование для образованных 2021" (4 электронных формата, 652 страницы формата А5) -- https://ridero.ru/books/obrazovanie_dlya_obrazovannykh/ . Текст о выходе учебного курса по книге: https://ailev.livejournal.com/1586995.html…
DX space
Нейронные сети и глубокое обучение к 2021г захватили человечество, но иначе чем ожидали фантасты. Захвачено главное — внимание людей. Но любая тема, ставшая популярной, развивается в сторону увеличения количества публикуемых материалов и их упрощения, а также…
Продолжаем серию обзоров книг про искусственный интеллект от издательства Альпина PRO (@polkanaprotiv). Сегодня отзыв на "Внедрение искусственного интеллекта в бизнес-практику" Томаса Дэвенпорта.
Автор птица гнезда бизнес-консультантов, несколько десятилетий занимавшийся вопросами машинного обучения, в итоге карьеры в топовых компаниях получивший право выступать экспертом. При этом взгляд автора прежде всего в бизнес-кейсы, а не детали технологий.
Думаю, что книгу стоит прочитать тем, кто исполняет в компаниях различные бизнес роли, и кто размышляет надцифровой трансформацией развитием с использованием технологий ML&AL. Дается обзор возможностей в применении к различным функциям организаций, примеры успехов и провалов, а также конкретных рекомендаций по проведению изменений и первым правильным шагам.
Как отражение опыта автора дается много цифр из рыночных исследований и опросов. С учетом того, что результаты там 2-3 летней давности, есть подозрение что сейчас они как раз актуальны к нашим реалиям. А описанные проблемы внедрений технологий упростились и стоимости снизились.
Автор птица гнезда бизнес-консультантов, несколько десятилетий занимавшийся вопросами машинного обучения, в итоге карьеры в топовых компаниях получивший право выступать экспертом. При этом взгляд автора прежде всего в бизнес-кейсы, а не детали технологий.
Думаю, что книгу стоит прочитать тем, кто исполняет в компаниях различные бизнес роли, и кто размышляет над
Как отражение опыта автора дается много цифр из рыночных исследований и опросов. С учетом того, что результаты там 2-3 летней давности, есть подозрение что сейчас они как раз актуальны к нашим реалиям. А описанные проблемы внедрений технологий упростились и стоимости снизились.
alpinabook.ru
Внедрение искусственного интеллекта в бизнес-практику: Преимущества и сложности — купить книгу Томаса Дэвенпорта на сайте alpinabook.ru
Внедрение искусственного интеллекта в бизнес-практику: Преимущества и сложности, Автор Дэвенпорт Томас в форматах fb2, txt, epub, pdf, mp3, аудио книга. Гарантируем низкие цены, доставка курьером и в пункты выдачи от 99 руб. Издательство Альпина Паблишер