Меланома представляет собой злокачественное новообразование из пигментных клеток и наиболее опасную форму рака кожи. Ежегодно меланома поражает более 200 тысяч человек, свыше 50 тысяч из которых умирают. При этом основным способом ее диагностики является визуальный осмотр. Биопсия подозрительных новообразований подтверждает меланому лишь в 10 процентах случаев.

Чтобы восполнить пробел, ученые из Рокфеллеровского университета и других учреждений проанализировали базу данных из 120 фотоснимков новообразований (60 доброкачественных пигментных пятен и 60 меланом). С помощью компьютерных программ авторы отобрали 50 диагностических критериев, отличающих меланому, в том числе форму, размер, симметричность, соотношение цветов и другие.

Наиболее значимые параметры вошли в набор визуальных биомаркеров меланомы, который ученые использовали для обучения 13 различных алгоритмов. Их задачей было определить тип новообразования по соотношению критериев. Результат совместной работы алгоритмов выражался в количественной оценке Q от 0 до 1. Чем выше было значение, тем выше вероятность того, что на снимке меланома.

В ходе испытаний система сумела верно определить меланому в 98 процентах случаев. Однако специфичность оказалась невысокой: диагностика доброкачественных новообразований была проведена только в 36 процентах случаев. По словам исследователей, подобные значения чувствительности сопоставимы с показателем квалифицированного эксперта-дерматолога.

#ml #медицина
https://naked-science.ru/article/sci/neyroset-nauchili-ranney-diagnostike

В казино Rivers, которое находится в Питтсбурге (США), стартовал 20-дневный покерный турнир «Brains Vs. Artificial Intelligence: Upping the Ante». В турнире принимает участие программа Libratus, разработанная в Университете Карнеги — Меллона, а также четыре профессиональных игрока в покер. Игры будут проходить с 19:00 до 03:00 по московскому времени, прямая трансляция через Twitch доступна на сайте казино.

В последнее время наработки в области машинного обучения позволили компьютерам значительно продвинуться вперед и обыграть людей в играх, в которых это традиционно считалось невозможным. Например, в прошлом году программа AlphaGo «победила человечество в го», выиграв у одного из сильнейших игроков в мире. Однако го, в отличие от покера, представляет категорию игр с полной информацией. В играх с неполной информацией люди по-прежнему лидируют, поэтому однозначно предсказать результат назначенного турнира по техасскому холдему нельзя — в 2015 году программа Claudico играла с четырьмя профессиональными игроками и заняла третье место. На протяжении двух недель было сыграно 80000 раздач и из четырех хайроллеров только один набрал меньше фишек, чем компьютер.

Новую программу Libratus разработали Туомас Сэндхолм и Ноам Браун. В пресс-релизе университета не раскрывается подробностей создания компьютерного игрока в покер, однако, судя по всему, разработчики использовали методы машинного обучения — они отмечают, что при создании Libratus вычисления заняли 15 миллионов ядро-часов, в то время как на Claudico ушло два-три миллиона. Кроме предварительной подготовки у Libratus также будет доступ к суперкомпьютеру во время игры — для этого будет использован Bridges из Питтсбургского суперкомпьютерного центра.

#ии #ml #покер
https://telegra.ph/Nachalsya-turnir-po-pokeru-mezhdu-lyudmi-i-II-01-11

Довольно холиварная, но тем не менее очень интересная статья про машинный интеллект и мифологию вокруг него.

В конце прошлого года “искусственный интеллект” многократно упоминали в итогах и прогнозах IT-индустрии. И в нашу компанию, которая занимается информационной безопасностью, всё чаще стали присылать из различных изданий вопросы про перспективы AI. Но эксперты по безопасности не любят комментировать эту тему: возможно, их отталкивает именно эффект “жёлтой прессы”. Легко заметить, как возникают такие вопросы: после очередной новости типа “Искусственный интеллект научился рисовать как Ван Гог” журналисты хватаются за горячую технологию и идут опрашивать по ней всех подряд – а чего может достичь AI в животноводстве? А в сфере образования? Где-то в этом списке автоматически оказывается и безопасность, без особого понимания её специфики.

Кроме того, журналистика, щедро подкормленная IT-индустрией, обожает рассказывать о достижениях этой индустрии в рекламно-восхищенных тонах. Именно поэтому СМИ прожужжали вам все уши о победе машинного интеллекта в игре Го (хотя от этого нет никакой пользы в реальной жизни), но не особенно жужжали о том, что в прошлом году погибло уже как минимум два человека, которые доверили свою жизнь автопилоту автомобиля Tesla.

В этой статье я собрал некоторые наблюдения об искусственном интеллекте с эволюционной точки зрения. Это необычный подход, но как мне кажется, именно он лучше всего позволяет оценить роль AI-агентов в безопасности, а также безопасность AI в других сферах. 

#ии #ml #интеллект
https://telegra.ph/Vas-atakuet-iskusstvennyj-intellekt-02-11

Математик Александр Шапеев о способах распознавания изображений, проблемах классического моделирования и областях применения классических моделей и машинного обучения. #подкаст #audio #ml #постнаука

Физики из Массачусетского технологического института, Университета Шербрука и компании Elenion разработали фотонную микросхему, предназначенную для алгоритмов глубокого обучения. По словам авторов, фотонные вычислители способны решать некоторые задачи гораздо быстрее, чем их электронные аналоги — например, это касается умножения матриц. Эти задачи часто возникают при глубоком обучении нейросетей и представляют наибольшую вычислительную сложность. Ученые протестировали работу нейросети, обучив ее распознавать гласные звуки.

Фотонный чип представляет собой сеть из взаимосвязанных волноводов, причем эти связи могут программируемо изменяться. По словам авторов, с помощью такой системы можно реализовать практически любые матричные операции. Более того, для их выполнения требуется гораздо меньше энергии и времени, чем в обычных компьютерах. Финальная версия устройства будет состоять из большого количества слоев.

#физика #технология #ML #оптика
https://telegra.ph/Fotonnuyu-nejroset-nauchili-raspoznavat-glasnye-06-13

18 – 19 ноября 2017 года в Москве в коворкинг-центре «Атмосфера» пройдет первый в России Legal Tech хакатон.

Организатором хакатона выступит Moscow Legal Hackers, российское отделение международного сообщества Legal Hackers. Мы стремимся объединить на одной площадке юристов, которые мечтают об избавлении профессии от скучной работы, и программистов, которые верят в перспективность отрасли, помочь им выработать идеи, потребность в которых демонстрирует рынок, дать ресурсы, бизнес-экспертизу и увидеть, какие из этого вырастут потрясающие продукты.

Два лучших проекта получат места в акселераторах, а также денежные призы от спонсоров. В скором времени в Legal Tech придут существенные деньги.

В 2014 году в стартапы Legal Tech в США инвесторы вложили $254 млн. Мы верим в то, что качество проектов хакатона будет настолько высоким, что большинство из них продолжат свою жизнь и развитие и после него.

К участию приглашаются:
• программисты, специалисты по machine learning, математики, магистранты юридических ВУЗов;
• юристы;
• Legal Tech стартапы;
• предприниматели с опытом развития технологичных бизнесов;
• маркетологи, которым интересно развивать Legal Tech стартапы.

Участие бесплатное. Регистрация по ссылке: https://legalhackers.moscow/hackathon2017

#мероприятия #хакатон #технология #IT #ML

Нейрофизиолог Михаил Бурцев о глубоких нейронных сетях, механике машинного перевода и нейросетевых моделях seq2seq
#ml #it #нейросети #видео
https://youtu.be/5vxCIdHZWoA

Физик Денис Деркач о фотографиях, нейронных сетях и машинном обучении в обработке данных экспериментов Большого адронного коллайдера #физика #постнаука #подкаст #ml

Физик Денис Деркач о фотографиях, нейронных сетях и машинном обучении в обработке данных экспериментов Большого адронного коллайдера #физика #ml #подкаст #постнаука https://goo.gl/vkwu1P

@alexanderdyakonov очень понятно и со вкусом объясняет что такое логистическая фукция ошибки, как её готовить и зачем она нужна
Вообще его блог можно уже издавать отдельной книгой как методичку по #ML, всем категорически рекомендую

#моделирование #математика #машинное_обучение
https://alexanderdyakonov.wordpress.com/2018/03/12/логистическая-функция-ошибки/