Привет, это Леша Хахунов и Игорь Рекун –– основа технической команды Dbrain, компании, которая уже несколько лет внедряет машинное обучение в бизнес-процессы.

Мы собрали список новостных ресурсов, авторов на Медиуме и Реддите, которые просматриваем каждый день и отправляем друзьям и коллегам, и решили делиться этим контентом на собственном канале, комментируя и объясняя, что происходит в индустрии. Главный фокус –– на работающих кейсах, которые мы видим на рынке и делаем сами.

Этот канал –– попытка перенести камерные дискуссии из офисной кухни в онлайн формат, полезный как для владельцев бизнесов и руководителей R&I направлений, так и для тех, кто пока чувствует себя необученной моделькой в мире искусственного интеллекта.

По всем вопросам пишите @Hahunov. И, конечно, зовите друзей –– вместе веселей. AI happens!

Nvidia ищет альтернативу блокчейну

Nvidia открыла двери новой лаборатории робототехники. Инновационный центр, рассчитанный на 50 сотрудников, заработал в середине прошлого месяца в Сиэтле. Среди первых проектов –– разработка робота-помощника по дому для IKEA.

Почему важно: Nvidia уже полностью заняла рынок ИИ, где фактически все вычисления делаются на ее железе. В пользовательском сегменте противостояние с AMD вряд ли перевесит в одну из сторон, а продажа железок для блокчейна свернулась практически до нуля. Из очевидных будущих трендов –– робототехника, которая сейчас страдает именно из-за недостатка "мозгов". Да, алгоритмы распознавания объектов и управления уже среди нас: беспилотники катаются по городам, а пылесосы –– по квартирам, пугая котов. Но им есть куда расти.

Следить за этой разработкой нужно. Если эксперимент удастся –– робототехника выйдет на новый уровень. Продажа в магазинах IKEA ускорит проникновение продукта, и штат из 50 разработчиков быстро превратится в технологическую деревню. Мы, конечно, с нетерпением этого ждем: робот-помощник –– вещь необходимая в хозяйстве. В конце концов, жизнь слишком коротка, чтобы самому гладить рубашку на работу и чистить лоток пушистому господину.

Израильский стартап SeeTree собрал $11.5 млн на развитие сельского хозяйства

Компания помогает агрономам вычислить больные растения на полях и составить эффективный план по сбору урожая. В качестве источников данных предлагают использовать дронов.

Почему важно: Переход к аналитике на уровне отдельной единицы — это большой прорыв в аграрной культуре. Ребята делают крутое дело (закроем глаза на технические сложности сбора данных и маркетинговые рендеры апельсиновых деревьев на сайте компании).

Если SeeTree удастся определять цвет листвы каждого дерева — будет уже хороший продукт. Насчет сканирования урожайности — есть сомнения. Дроны на таких площадях могут стать проблемой, к тому же продавать без долгой интеграции у каждого клиента не получится. Технологически проект выглядит решаемо, но как это масштабировать и обеспечить клиентскую поддержку –– пока непонятно. В любом случае –– стартап интересный, будем следим за его апдейтами.

Искусственный интеллект впервые обыграл профессиональных игроков в StarCraft II

Нейросеть AlphaStar, разработанная подразделением Google по исследованию ИИ DeepMind, обыграла человека в популярной стратегии реального времени StarCraft II.

Почему важно: Этой новости уже несколько дней, но очень хочется вставить свои 5 копеек. Глядя, как робот обыгрывает лучших игроков StarCraft, становится страшно: отвлекаешься на секунду –– и уже не знаешь, где мышкой руководит человеческая рука, а где –– безжалостный ИИ. Предыдущее сражение в Dota, где ИИ управлял сразу 5 юнитами, показало, что его по-настоящему сильная сторона –– скорость реакций. В StarCraft II нейросетка выдавала в моменты боя фантастические 1500 действий в секунду, что далеко за пределами возможностей простых смертных.

Польский чемпион под ником MaNa проиграл со счетом 5:0 отчасти из-за того, что противник обнаружил необкатанные прежде стратегии. И это понятно –– AlphaStar обучался на записях полумиллиона игр между людьми, затем играл с постоянно улучшающимися клонами самого себя и, наконец, эволюционировал в то, что мы видим сейчас (#reinforcement_learning в действии).

А пока с нетерпением ждем летний финал чемпионата мира по Dota, где AI покажет, как справляется с пятью человеческими ролями одновременно во второй раз.

В Сан-Франциско хотят запретить отслеживание людей по лицам, а в Китае –– ловить коррупционеров с помощью ИИ

В Сан-Франциско внесли законопроект о запрете государственным органам использовать технологию распознавания лиц. В то же время в Китае приняли решение остановить работу системы, способной вычислить потенциальных коррупционеров из числа государственных служащих.

Почему важно: Две новости, появившиеся практически одновременно на разных концах земного шара, говорят о том, что вопрос использования AI актуален как для демократического, так и для тоталитарного государств (тема горячая, заслуживает отдельной рубрики). Пора сделать выбор –– либо мы доверяем системе, в которой живем, либо настаиваем на приватности персональных данных.

Применение #image_reсognition в качестве софта для обеспечения безопасности –– это, пожалуй, самое очевидное и логичное развитие технологии. Многие государственные структуры сейчас тестируют или пытаются внедрить распознавание лиц в городах для отслеживания криминальной активности. Например, в московском метро за прошлый год ИИ нашел в шесть раз больше преступников, чем полицейские.

Согласитесь: у нас давно нет личной жизни, хотя бы потому, что информацию о нас уже несколько лет успешно собирают мобильные операторы. Этого достаточно, чтобы устраивать тотальную слежку за человеком, но для поиска подозреваемого в толпе этого пока мало. Ближайший вопрос будущего –– будет ли ИИ следить за нами в открытую или останется тайным советником в руках разведки.

#computervision #cases

Tumblr учит ИИ банить порно –– пока получается плохо.

В конце прошлого года Tumblr запретил взрослый контент в микроблогах. 17 декабря, после того, как новые правила вступили в силу, стало очевидно, что искоренить порно –– задача непростая, и сделать это с помощью одних модераторов не получится. Специально обученный ИИ ошибочно удалил миллионы невинных картинок (досталось рыбкам, цветам, котятам), а, к примеру, хентай, не пострадал.

Почему важно: Удивительно, что Tumblr наступил на грабли новичка в области машинного обучения. В подобных задачах классификации самый важный шаг –– сбор не порноконтента, а данных, которые не являются NSFW (Not Safe For Work, другими словами –– nudity). Попытка обучить нейросеть на материале с Pornhub, очевидно провалилась. Без дополнительной фильтрации это бесполезно. Возьмем куриное яйцо –– ИИ будет упорно отправлять его в запрещенный контент, потому что для него все цвета человеческой кожи –– nudity.

Tumblr, скорее всего, уже осознал ошибку –– пока не сбалансируется обучающая выборка, котята будут улетать в бан. Как это сделать? #Active_learning хорошо справляется с подобными задачами: надо обучить нейросеть по обширной базе случайных картинок, допустим, с Flickr, где нет nudity, и отправить результаты разметчикам –– они отметят, где модель допустила ошибку. Таким образом обучающая выборка расширится максимально полезными данными, и хентай будет побежден. Учитесь на чужих ошибках, и не переживайте –– их допускает даже Tumblr.

#news

Google наняла разметчиков, обучающих ИИ для Пентагона

Компания “Google” наняла сотрудников для разметки данных через краудсорсинговую платформу Figure Eight. За $1 в час работники размечали символы на картинках — аналогах «капчи». Собранные данные должны были пойти на улучшение алгоритмов машинного зрения для военных дронов –– чтобы те эффективно распознавали объекты и людей на снимках. Позже поисковая компания заявила, что не будет продлевать контракт с американскими военными. Его действие закончится в этом году.

Почему важно: Государственные структуры добрались до разметки –– и понятно почему. Это крайне бюджетный способ натаскать ИИ с помощью людей, выполняющих простые задачи. Только представьте –– тысячи фрилансеров обводят объекты на терабайтах картинок квадратиками и получают всего 65 рублей в час по сегодняшнему курсу. И все это –– под радужной оберткой от Google.

С точки зрения технологий нет никакой новизны в поставленной задаче –– автопилоты и умные камеры в смартфонах уже давно используют похожие алгоритмы. Гораздо интересней тот факт, что, когда коллаборация Пентагона с Google была раскрыта, в главном офисе корпорации добра начались протесты: сотрудники выступили против совместной работы с военными. Досталось и сторонней платформе Figure Eight, которая занималась разметкой, –– журналисты ополчились на компанию, заявив, что сокрытие информации о пентагонском заказчике –– мягко сказать, неэтично. Прогнувшись под общественным гнетом, Google прикрыл проект.

Из всего этого следует вывод: пока в Сан-Франциско сворачивают фейс-рекогнишн, в Пентагоне обучают дронов. Правительство не собирается отказываться от программы, другой вопрос –– кто будет этим заниматься теперь.

#cases #cv

Робота научили играть в Дженгу –– объясняем, почему от этого выиграют все

Исследователи из Массачусетского технологического университета собрали робота, который умеет играть в Дженгу. Получив от создателей только способность к анализу и прогнозированию, робот научился самостоятельно перекладывать деревяшки, не разрушая башню.

Как это было: Вместо рук разработчики прикрутили робоигроку два подвижных блока –– их устойчивость даст фору самому аккуратному человеку. На роботизированных конечностях установили тактильный датчик и внешнюю камеру, благодаря чему компьютер получает визуальную и тактильную обратную связь и сравнивает эти измерения с движениями, которые уже делал. Делая предположения, робот корректирует поведение в режиме реального времени и стратегию в целом. К примеру, за несколько партий машина догадалась, что двигать деревяшку, плотно застрявшую между другими деталями, плохая идея, –– согласитесь, многие из нас шли к этой мысли годами, а некоторые и до сих пор не оставляют надежды.

Почему важно: Интересно не то, что робот научился играть в Дженгу, а сама технология, которую вскоре можно будет внедрить в производство. Например, запустить манипуляторы на конвейерных линиях и модули для сервисных роботов.

Многие крупные робототехнические корпорации пока не могут решить задачу качественной обработки продукции на конвейере, где каждый элемент отличается от другого. Робот может запросто собрать детали одного размера и веса, но нарезать овощи, которые по природе своей сильно отличаются по форме, он, увы, не сможет. ИИ, натренированный на Дженге, –– первый шажок к решению этой проблемы. Те же деревяшки, только за совсем другие деньги.

#news

В Финляндии пенсионеров подключили к изучению ИИ

Хельсинкский университет запустил курс по основам ИИ для пожилых людей. За 12 недель программа превращает пенсионеров в «евангелистов ИИ», которые помогают другим освоить базовые принципы работы машинного обучения и сферы его применения.

Почему важно: Вокруг ИИ сложилось множество мифов, главный из которых –– это сложная и недосягаемая для простого обывателя область. Правительство Финляндии придумало элегантный способ, как доказать, что ИИ –– ремесло, доступное даже бабушкам. Вместо того, чтобы вязать носки внукам, пожилые фины осваивают азы машинного обучения и роботехники.

Финляндия демонстрирует хороший пример работы с пожилыми людьми. После того, как американцы заявили, что компьютерные игры помогают в борьбе со старческой деменцией (другими словами, слабоумием), фины предложили пенсионерам добавить в досуг экшн-игры. Мало того, что в оздоровительных целях они уже рубятся в Starcraft, теперь еще продвигают ИИ в массы. Что ж, честь и хвала нашим северным братьям.

#cv #cases

Adobe добавил функцию улучшения фотографий на основе ИИ

Компания Adobe анонсировала новую фичу для редактирования фотографий под названием Enhance Details –– с помощью машинного обучения она улучшает разрешение и качество на увеличенных снимках до 30%.

Как это было: Adobe собрал миллиарды фотографий из интернета, ухудшил разрешение всех снимков и поставил перед нейросетью задачу –– вернуть исходное качество. В итоге алгоритм хорошо работает, например, на фотографиях со зданиями, но провернуть подобный фокус со снимком звезды с телескопа не выйдет –– просто потому, что в Сети нет столько исходных данных.

Почему важно: Помните, как в культовом сериале «CSI» сотрудники криминальной лаборатории приближали изображение на снимках без потери качества? Раньше зритель закатывал глаза от подобной небылицы, но теперь это почти реально. Почти –– потому что улучшить изображение можно, но пока только на 30%.

Технология по улучшению качества изображения (super-resolution imaging) существует уже несколько лет –– здесь ничего нового. Другое дело, что компания Adobe первая, кто интегрирует подобное решение в свои массовые продукты. На радость пользователям инструмент появится в Adobe Camera Raw, Lightroom Classic CC и Lightroom CC для Mac и Windows.

#cv #cases

Аэропорт Хитроу задействует ИИ для посадки самолетов в непогоду

Национальная служба воздушного движения Великобритании (NATS) запустила тестовую систему, работающую на основе искусственного интеллекта, которая поможет диспетчерам контролировать самолеты в условиях плохой видимости.

Почему важно: В плохую погоду видимость с 87-метровой вышки в Хитроу минимальная –– авиадиспетчеры вынуждены полагаться только на радар, дабы убедиться, что приземлившийся самолет успел очистить посадочную полосу для следующего рейса. Все это отнимает время –– вот здесь и пригодится AI. Англичане установили на вышке 20 камер и начали испытание системы машинного зрения Aimee, разработанной канадским поставщиком Searidge Technologies.

Натренированная Aimee должна отслеживать самолеты с момента их посадки через камеры и сообщать живым коллегам, когда полоса готова принимать следующее воздушное судно. Главное, алгоритм не принимает решение, а только подсказывает диспетчерам, как поступить. И это правильно –– ИИ по-прежнему очень тяжело использовать в задачах, где нужна стопроцентная точность. Как вы понимаете, посадить 95 из 100 самолетов –– не лучшая статистика. AI, вероятно, будет играть важную роль в управлении воздушным движением в будущем, а пока ждем результатов испытаний –– их объявят в марте следующего года.

#nlp #news

Опасный ИИ –– OpenAI создала генератор текстов, который работает слишком хорошо

Алгоритм GPT-2, натренированный на 40 гигабайтах текстов из интернета, научился писать осмысленные тексты. Он предсказывает каждое следующее слово, подходящее по стилю и содержанию. OpenAI решила не выкладывать в открытый доступ полноценный программный код, полагая, что алгоритм может быть опасным, что сильно расстроило сообщество, ведь компания создавалась именно на принципах полной открытости полученных результатов.

Почему важно: В 2015 году лаборатория, основанная Илоном Маском, зарядилась альтруистической целью –– создавать ИИ на благо человечества. Но это было 4 года назад, а сейчас OpenAI побоялась выкладывать свою разработку в открытый доступ. Уж слишком высока вероятность, что ИИ быстро переманят на сторону зла и будут использовать для генерации фейковых новостей и спама. OpenAI создали мощного противника человечества в Dota 2, теперь –– идеального писателя, которому не нужно вдохновение.

Эта новость –– отличный повод поговорить о NLP (направление ML по обработке текста) и его ключевых проблемах. Даже самые огромные бюджеты, которые компании тратят на попытки автоматизации службы поддержки и ответы в чатах пользователям, упираются в число 30%. Это средний объем автоматизации сообщений, выше которого прыгнуть сложно, даже внутри одного маленького домена тем. NLP ждет какого-то фундаментального открытия, которое позволит перейти от статистических методов к полноценному deep learning подходу. Возможно алгоритм GPT-2 поможет сдвинуть NLP с текущей мертвой точки.