Media is too big
VIEW IN TELEGRAM
RL способны управлять гоночными дронами на сумасшедшей скорости и выигрывать у чемпионов!
Команда Дэвида Скарамуцца из Университета Цюриха опубликовала статью в Nature, в котором представила "Swift", первый автономный дрон. Разработанная ИИ-система по-честному выиграла несколько гонок у чемпионов мира! Дрон Swift AI сочетает в себе глубокое обучение с подкреплением на основе данных, собранных в физическом мире.
Это первый раз, когда автономный мобильный робот победил чемпионов в реальном физическом виде спорта, предназначенном для людей. Ключевое отличие от предыдущих достижений, таких как победа IBM Deep Blue у Гэри Каспарова в шахматах в 1996 году или AlphaGo от Google DeepMind, сокрушившего Ли Седола в Го в 2016 году, заключается в том, что предыдущие подвиги были ограничены настольными играми или видеоиграми.
Как и у человека, основным сенсором ИИ является зрение - бортовая камера. Видеопоток обрабатывается глубокой нейронной сетью для обнаружения отдельных гоночных ворот. Затем эта информация объединяется с инерциальными датчиками для оценки положения, ориентации и скорости дрона на гоночной трассе. Затем контроллер нейронной сети, обученный глубокому обучению с подкреплением в симуляции, в сочетании с данными, собранными в физическом мире, заставляет дрон пролетать полосу препятствий полигона.
Эта работа представляет собой значимую веху для мобильной робототехники и машинного интеллекта.
Команда Дэвида Скарамуцца из Университета Цюриха опубликовала статью в Nature, в котором представила "Swift", первый автономный дрон. Разработанная ИИ-система по-честному выиграла несколько гонок у чемпионов мира! Дрон Swift AI сочетает в себе глубокое обучение с подкреплением на основе данных, собранных в физическом мире.
Это первый раз, когда автономный мобильный робот победил чемпионов в реальном физическом виде спорта, предназначенном для людей. Ключевое отличие от предыдущих достижений, таких как победа IBM Deep Blue у Гэри Каспарова в шахматах в 1996 году или AlphaGo от Google DeepMind, сокрушившего Ли Седола в Го в 2016 году, заключается в том, что предыдущие подвиги были ограничены настольными играми или видеоиграми.
Как и у человека, основным сенсором ИИ является зрение - бортовая камера. Видеопоток обрабатывается глубокой нейронной сетью для обнаружения отдельных гоночных ворот. Затем эта информация объединяется с инерциальными датчиками для оценки положения, ориентации и скорости дрона на гоночной трассе. Затем контроллер нейронной сети, обученный глубокому обучению с подкреплением в симуляции, в сочетании с данными, собранными в физическом мире, заставляет дрон пролетать полосу препятствий полигона.
Эта работа представляет собой значимую веху для мобильной робототехники и машинного интеллекта.
IBM создает аналоговый процессор для ИИ
В существующей «классической» фон-неймановской схеме вычислений много энергии уходит на передачу данных из памяти на вычислительное устройство и обратно. Инженеры из IBM же решили проводить вычисления непосредственно в памяти по принципу аналоговой схемы.
Система получается достаточно производительной — умножение 8-разрядной матрицы на вектор в зависимости от требуемой точности результата производительность системы составила от 16,1 до 63,1 трлн операций в секунду, TOPS.
Для сравнения, старая серверная видеокарта Nvidia Tesla T4 оперирует с теми же 8-разрядными целочисленными аргументами со скоростью 130 TOPS. При этом процессор IBM существенно более энергоэффективен — около 12,4 TOPS на ватт против 1,9 TOPS на ватт у T4.
Сам по себе процессор изготовлен по классической КМОП-технологии и имеет размерность 14 нм.
Важно отметить, что это не универсальный процессор искусственного интеллекта. Он работает только с определенным типом нейронной сети, который подходит не для всех задач.
Экономия энергии, которую он обещает, также зависит от того, остаётся ли сеть статичной. Любые проблемы, требующие перенастройки соединений между узлами, означают сброс состояния резисторов, а это требует значительно большего расхода энергии.
Это также означает, что чип полезен для инференса моделей, но не их обучения. Тем не менее, при правильной постановке задач чип потенциально может обеспечить значительное сокращение энергопотребления.
#ИИ #чипы #бигтехи
https://www.nature.com/articles/s41586-023-06337-5
В существующей «классической» фон-неймановской схеме вычислений много энергии уходит на передачу данных из памяти на вычислительное устройство и обратно. Инженеры из IBM же решили проводить вычисления непосредственно в памяти по принципу аналоговой схемы.
Система получается достаточно производительной — умножение 8-разрядной матрицы на вектор в зависимости от требуемой точности результата производительность системы составила от 16,1 до 63,1 трлн операций в секунду, TOPS.
Для сравнения, старая серверная видеокарта Nvidia Tesla T4 оперирует с теми же 8-разрядными целочисленными аргументами со скоростью 130 TOPS. При этом процессор IBM существенно более энергоэффективен — около 12,4 TOPS на ватт против 1,9 TOPS на ватт у T4.
Сам по себе процессор изготовлен по классической КМОП-технологии и имеет размерность 14 нм.
Важно отметить, что это не универсальный процессор искусственного интеллекта. Он работает только с определенным типом нейронной сети, который подходит не для всех задач.
Экономия энергии, которую он обещает, также зависит от того, остаётся ли сеть статичной. Любые проблемы, требующие перенастройки соединений между узлами, означают сброс состояния резисторов, а это требует значительно большего расхода энергии.
Это также означает, что чип полезен для инференса моделей, но не их обучения. Тем не менее, при правильной постановке задач чип потенциально может обеспечить значительное сокращение энергопотребления.
#ИИ #чипы #бигтехи
https://www.nature.com/articles/s41586-023-06337-5
Nature
An analog-AI chip for energy-efficient speech recognition and transcription
Nature - A low-power chip that runs AI models using analog rather than digital computation shows comparable accuracy on speech-recognition tasks but is more than 14 times as energy efficient.
This media is not supported in your browser
VIEW IN TELEGRAM
Google DeepMind запустил инструмент для создания водяных знаков для изображений, созданных искусственным интеллектом
DeepMind представили инструмент создания водяных знаков, который помечает, были ли изображения сгенерированы с помощью искусственного интеллекта. Инструмент, называемый SynthID, позволит пользователям создавать изображения с помощью генератора изображений AI от Google Imagen, а затем выбирать, добавлять ли водяной знак.
Почему водяные знаки? В прошлом году огромная популярность генеративных моделей ИИ привела к распространению созданных ИИ дипфейков, порно без согласия и нарушений авторских прав. Водяные знаки - метод, при котором вы скрываете сигнал в фрагменте текста или изображении, чтобы идентифицировать его как сгенерированный искусственным интеллектом - стал одним из самых популярных политических предложений для сдерживания вреда.
SynthID может помочь людям определить, когда контент, сгенерированный искусственным интеллектом, выдается за реальный для противодействия дезинформации. Также это поможет криейторам защитить авторские права.
DeepMind представили инструмент создания водяных знаков, который помечает, были ли изображения сгенерированы с помощью искусственного интеллекта. Инструмент, называемый SynthID, позволит пользователям создавать изображения с помощью генератора изображений AI от Google Imagen, а затем выбирать, добавлять ли водяной знак.
Почему водяные знаки? В прошлом году огромная популярность генеративных моделей ИИ привела к распространению созданных ИИ дипфейков, порно без согласия и нарушений авторских прав. Водяные знаки - метод, при котором вы скрываете сигнал в фрагменте текста или изображении, чтобы идентифицировать его как сгенерированный искусственным интеллектом - стал одним из самых популярных политических предложений для сдерживания вреда.
SynthID может помочь людям определить, когда контент, сгенерированный искусственным интеллектом, выдается за реальный для противодействия дезинформации. Также это поможет криейторам защитить авторские права.
Китайская компания DJI представила мощный грузовой коптер
Лидер рынка потребительских дронов выпустил модель FlyCart 30.
Коптер имеет 4 оси, на каждой по два ротора, способен нести 30 кг со скоростью до 20 м/с. Максимальная дальность на одном заряде при комплектовании двумя батареями сразу — 28 км, предел высоты до 3 км.
Модель имеет «умную» систему распознавания препятствий и уклонения от них, радар, приёмник автономного зависимого наблюдения-вещания (АЗН-В, ADS-B) для распознавания сигналов других воздушных судов, встроенный парашют для аварийных посадок.
Также дрон может транслировать видеосигнал с борта на площадь до 30 кв. км. Эта модель одна из немногих на рынке, которая может эксплуатироваться в плохую погоду и зимой: ее рабочий диапазон температур от -20 до 56 °C, при этом дрону не страшен туман и средней силы дождь.
Вторая особенность — механизм совместного пилотирования, т.е. одним судном могут управлять два внешних пилота, передавая контроль друг другу, не прерывая полёта.
Это может обеспечить доставку на большие расстояния, позволяет нивелировать помехи сигнала и добавляет еще один уровень надежности системе управления.
На данный момент FlyCart 30 доступен только в Китае, цена $17 тыс. В стоимость покупки входит дрон, два аккумулятора, зарядный хаб с кабелями и пульт дистанционного управления RC Plus.
#дроны #Китай
https://www.freightwaves.com/news/dji-already-dominates-consumer-drones-now-its-getting-into-delivery
Лидер рынка потребительских дронов выпустил модель FlyCart 30.
Коптер имеет 4 оси, на каждой по два ротора, способен нести 30 кг со скоростью до 20 м/с. Максимальная дальность на одном заряде при комплектовании двумя батареями сразу — 28 км, предел высоты до 3 км.
Модель имеет «умную» систему распознавания препятствий и уклонения от них, радар, приёмник автономного зависимого наблюдения-вещания (АЗН-В, ADS-B) для распознавания сигналов других воздушных судов, встроенный парашют для аварийных посадок.
Также дрон может транслировать видеосигнал с борта на площадь до 30 кв. км. Эта модель одна из немногих на рынке, которая может эксплуатироваться в плохую погоду и зимой: ее рабочий диапазон температур от -20 до 56 °C, при этом дрону не страшен туман и средней силы дождь.
Вторая особенность — механизм совместного пилотирования, т.е. одним судном могут управлять два внешних пилота, передавая контроль друг другу, не прерывая полёта.
Это может обеспечить доставку на большие расстояния, позволяет нивелировать помехи сигнала и добавляет еще один уровень надежности системе управления.
На данный момент FlyCart 30 доступен только в Китае, цена $17 тыс. В стоимость покупки входит дрон, два аккумулятора, зарядный хаб с кабелями и пульт дистанционного управления RC Plus.
#дроны #Китай
https://www.freightwaves.com/news/dji-already-dominates-consumer-drones-now-its-getting-into-delivery
FreightWaves
DJI already dominates consumer drones; now it’s getting into delivery
DJI this week unveiled FlyCart 30, its first delivery drone. Here’s what you need to know.
Генеративный ИИ встает на ноги быстрее чем все остальные технологии.
Передовое машинное обучение, на котором основаны ИИ-продукты было и ранее в течение десятилетий. Но с тех пор, как ChatGPT вышел на рынок конце 2022 года, новые поколения технологий генеративного ИИ выпускались несколько раз в месяц. Только в марте 2023 года было примерно шесть основных релизов, включая новые решения по управлению взаимоотношениями с клиентами и поддержку индустрии финансовых услуг.
Передовое машинное обучение, на котором основаны ИИ-продукты было и ранее в течение десятилетий. Но с тех пор, как ChatGPT вышел на рынок конце 2022 года, новые поколения технологий генеративного ИИ выпускались несколько раз в месяц. Только в марте 2023 года было примерно шесть основных релизов, включая новые решения по управлению взаимоотношениями с клиентами и поддержку индустрии финансовых услуг.
Путь к ИИ уровня человека стал ближе
Для большинства технических возможностей, показанных на этой диаграмме, генеративный ИИ будет работать на среднем уровне человеческой производительности уже к концу текущего десятилетия. К 2040 году ИИ уже будет конкурировать с 25% самых высокопроизводительных процентами людей. В некоторых случаях это на 40 лет быстрее, чем считали ранее эксперты.
Для большинства технических возможностей, показанных на этой диаграмме, генеративный ИИ будет работать на среднем уровне человеческой производительности уже к концу текущего десятилетия. К 2040 году ИИ уже будет конкурировать с 25% самых высокопроизводительных процентами людей. В некоторых случаях это на 40 лет быстрее, чем считали ранее эксперты.
Автоматизация знаниевого труда уже скоро
Предыдущие волны технологий автоматизации в основном повлияли на физическую работу. Генеративный ИИ окажет наибольшее влияние на работу со знаниями, особенно деятельность, связанную с принятием решений и сотрудничеством. Профессионалы в таких областях, как образование, право, технологии и искусство, скорее всего, увидят, что части своей работы будут автоматизированы раньше, чем ожидалось ранее. Это связано с способностью генеративного ИИ предсказывать закономерности в естественном языке и использовать это динамически.
Предыдущие волны технологий автоматизации в основном повлияли на физическую работу. Генеративный ИИ окажет наибольшее влияние на работу со знаниями, особенно деятельность, связанную с принятием решений и сотрудничеством. Профессионалы в таких областях, как образование, право, технологии и искусство, скорее всего, увидят, что части своей работы будут автоматизированы раньше, чем ожидалось ранее. Это связано с способностью генеративного ИИ предсказывать закономерности в естественном языке и использовать это динамически.
Появляются приложения для решения конкретных use-cases
Инструменты генеративного ИИ уже могут создавать большинство текстов, образов, видео, аудио и компьютерного кода. Предприятия разрабатывают приложения для решения сценариев использования во всех этих областях. В ближайшем будущем мы ожидаем, что приложения, ориентированные на конкретные отрасли и функции, обеспечат большую ценность, чем те, которые являются более общими.
Инструменты генеративного ИИ уже могут создавать большинство текстов, образов, видео, аудио и компьютерного кода. Предприятия разрабатывают приложения для решения сценариев использования во всех этих областях. В ближайшем будущем мы ожидаем, что приложения, ориентированные на конкретные отрасли и функции, обеспечат большую ценность, чем те, которые являются более общими.
В некоторых отраслях будет получаться лучше
Точное влияние генеративного ИИ зависит от множества факторов - сочетание и важность различных бизнес-функций, а также от масштаба доходов отрасли. Почти все отрасли получат наибольшую прибыль от внедрения технологии в своих маркетинговых и торговых функциях. Но hi-tech и банки получат еще больше влияния благодаря потенциалу генеративного ИИ в ускорении разработки ПО.
Точное влияние генеративного ИИ зависит от множества факторов - сочетание и важность различных бизнес-функций, а также от масштаба доходов отрасли. Почти все отрасли получат наибольшую прибыль от внедрения технологии в своих маркетинговых и торговых функциях. Но hi-tech и банки получат еще больше влияния благодаря потенциалу генеративного ИИ в ускорении разработки ПО.
Несмотря на коммерческие перспективы генеративного ИИ, большинство организаций еще не используют его
В ответ на вопрос как организация должна использовать ИИ или машинное обучение для коммерческой деятельности, 90 процентов ответили, что это должно быть, по крайней мере, "часто". Это неудивительно, учитывая, что маркетинг и продажи - это область с наибольшим потенциалом для воздействия, как мы видели ранее. Но 60 процентов сказали, что их организации редко или никогда этого не делают.
В ответ на вопрос как организация должна использовать ИИ или машинное обучение для коммерческой деятельности, 90 процентов ответили, что это должно быть, по крайней мере, "часто". Это неудивительно, учитывая, что маркетинг и продажи - это область с наибольшим потенциалом для воздействия, как мы видели ранее. Но 60 процентов сказали, что их организации редко или никогда этого не делают.
Разработка ПО, другой фактор большой ценности для многих отраслей, может стать гораздо более эффективным с помощью генеративного ИИ
Когда 40 собственных разработчиков McKinsey протестировали генеративные инструменты на основе ИИ, мы обнаружили впечатляющий прирост скорости для многих распространенных задач разработчиков. Документирование функциональности кода для удобства обслуживания (что учитывает, насколько легко можно улучшить код) может быть завершено в два раза быстрее, написание нового кода почти за половину времени и оптимизация существующего кода (называемый рефакторингом кода) почти за две трети времени.
Когда 40 собственных разработчиков McKinsey протестировали генеративные инструменты на основе ИИ, мы обнаружили впечатляющий прирост скорости для многих распространенных задач разработчиков. Документирование функциональности кода для удобства обслуживания (что учитывает, насколько легко можно улучшить код) может быть завершено в два раза быстрее, написание нового кода почти за половину времени и оптимизация существующего кода (называемый рефакторингом кода) почти за две трети времени.
Помощь ИИ может сделать разработчиков более счастливыми
Исследование показало, что оснащение разработчиков инструментами, необходимыми для их наиболее продуктивной работы, также значительно улучшило их опыт, что, в свою очередь, может помочь компаниям сохранить свои лучшие таланты. Разработчики, использующие генеративные инструменты на основе искусственного интеллекта, более чем в два раза чаще сообщали об общем счастье, самореализации и состоянии потока. Они объяснили это способностью инструментов автоматизировать грубую работу, которая удерживала их от более интересных задач и предоставляла информацию быстрее, чем поиск решений на различных онлайн-платформах.
Исследование показало, что оснащение разработчиков инструментами, необходимыми для их наиболее продуктивной работы, также значительно улучшило их опыт, что, в свою очередь, может помочь компаниям сохранить свои лучшие таланты. Разработчики, использующие генеративные инструменты на основе искусственного интеллекта, более чем в два раза чаще сообщали об общем счастье, самореализации и состоянии потока. Они объяснили это способностью инструментов автоматизировать грубую работу, которая удерживала их от более интересных задач и предоставляла информацию быстрее, чем поиск решений на различных онлайн-платформах.
Тяга к использованию ИИ-инструментов среди работников нарастает
Новое исследование McKinsey показывает, что подавляющее большинство работников - в различных отраслях и географических местах - хотя бы раз пробовали генеративные инструменты искусственного интеллекта, будь то на работе или вне ее. Это довольно быстрое принятие - менее чем через год после появления на рынке. Один из удивительных результатов заключается в том, что бэби-бумеры сообщают об использовании инструментов искусственного интеллекта для работы больше, чем миллениалы.
Новое исследование McKinsey показывает, что подавляющее большинство работников - в различных отраслях и географических местах - хотя бы раз пробовали генеративные инструменты искусственного интеллекта, будь то на работе или вне ее. Это довольно быстрое принятие - менее чем через год после появления на рынке. Один из удивительных результатов заключается в том, что бэби-бумеры сообщают об использовании инструментов искусственного интеллекта для работы больше, чем миллениалы.
Организации продолжают нанимать все больше сотрудников, владеющих технологиями ИИ
По мере того, как организации начинают ставить цели поколения ИИ, они также развивают потребность в большем количестве работников поколения ИИ - грамотных работников. По мере того, как генеративные и другие прикладные инструменты ИИ начинают приносить пользу ранним пользователям, разрыв между предложением и спросом для квалифицированных рабочих остается большим. Чтобы оставаться на вершине рынка талантов, организации должны развивать отличные возможности управления талантами, предоставляя полезный опыт работы работникам, которых они нанимают и надеются сохранить.
По мере того, как организации начинают ставить цели поколения ИИ, они также развивают потребность в большем количестве работников поколения ИИ - грамотных работников. По мере того, как генеративные и другие прикладные инструменты ИИ начинают приносить пользу ранним пользователям, разрыв между предложением и спросом для квалифицированных рабочих остается большим. Чтобы оставаться на вершине рынка талантов, организации должны развивать отличные возможности управления талантами, предоставляя полезный опыт работы работникам, которых они нанимают и надеются сохранить.