Статья о том, как работать с PoseNet—  алгоритмом от TensorFlow.js, который позволяет проводить оценку позы одного или нескольких человек в реальном времени, используя только компьютер или телефон с веб-камерой.

Исходная модель PoseNet есть в открытом доступе, можно экспериментировать, и применять оценку позы в собственных проектах.

https://medium.com/@neurohiveru/определение-позы-в-реальном-времен-в-браузере-с-tensorflow-js-5b61bc0a4ab1

​​Daimler установят Drive Pegasus от Nvidia в новых беспилотных такси

Daimler AG —  материнская компания Mercedez-Benz, объявила о запуске сервиса беспилотных такси совместно с Bosch и Nvidia. Вычислительная система автомобилей будет работать на базе платформы Nvidia Drive Pegasus, которая совершает 320 триллионов операций в секунду и способна обрабатывать данные с 16 камер и лидаров. Также, в такси будет установлена система охлаждения, разработанная в Bosch.

Испытания беспилотников на базе Mercedes S-Class и V-Class запланированы на вторую половину 2019 года, и пройдут в одном из городов Кремниевой долины.

Воссоздание реалистичной 3D-модели объекта по 2D-данным — непростая задача. Если говорить о моделировании человеческих фигур, учёные добились значительного прогресса в построении формы человеческого лица, но гораздо меньше сделано для создания 3D-моделей волос.

Исследователи из Калифорнии рассмотрели эту задачу, и предложили метод реконструкции, основанный на глубоком обучении, который успешно восстанавливает 3D-модель волос с одного 2D-изображения менее чем за секунду. В отличие от существующих подходов, алгоритм способен напрямую генерировать пряди волос вместо объемных сеток или структур «облаков точек». Подробнее про метод в статье.

https://medium.com/@neurohiveru/3d-реконструкция-волос-по-одному-входному-изображению-8f4a9667151a

​​UBS создали цифровую копию главного экономиста

Швейцарский банк UBS создал цифровую копию своего главного экономиста Даниэля Кальта для общения с клиентами и партнёрами компании. В проекте UBS Companion приняли участие FaceMe, которые создали и анимировали аватар, и IBM, которые занимались разработкой искусственного интеллекта.

​​Как биологи и экологи используют глубокое обучение для получения информации о дикой природе

В статье описан метод, который помогает исследователям изучать поведение животных в естественных условиях. Алгоритм анализирует изображения с камер-ловушек: обнаруживает животное, определяет вид, подсчитывает количество взрослых и молодых особей, распознаёт поведение.

​​Автоматизированная система отслеживания дорожного трафика способна заменить светофоры

Разработан новый метод управления трафиком, который поможет сократить время поездки на 20%. Система Virtual Traffic Lights основана на устройствах радиосвязи ближнего действия, которые передают информацию с GPS координатами и скоростью из автомобиля в автомобиль в реальном времени. Специальный протокол производит вычисления и показывает, какая из машин должна ехать. Пешеходы смогут отслеживать информацию с помощью смартфонов.

​​Нейросеть научили распознавать кристаллизацию белка. Теперь она будет генерировать новые рецепты лекарств в автоматическом режиме

Структура белка определяет функцию молекулы, поэтому её распознавание — важный этап в разработке новых лекарственных препаратов. Google Brain совместно с MARCO создали метод, основанный на использовании свёрточных нейросетей, который способен идентифицировать кристаллы белка с точностью 94%. Модель открыта и доступна на GitHub: https://github.com/tensorflow/models/tree/master/research/marco

​​Искусственный интеллект от Facebook научился ориентироваться в Нью-Йорке, спрашивая дорогу у другого алгоритма

Для проекта Walk the Talk Facebook разработали две нейросети: «туриста», который передвигался по виртуальному Нью-Йорку, и «гида», который помогал ему. Вместе они решали задачу для достижения «туристом» определенного места в городе, общаясь с помощью естественного языка. Метод помогает ИИ обучаться языку в условиях, максимально приближенных к реальным. В дальнейшем технология может использоваться для улучшения чат ботов и голосовых помощников.

Искусственный интеллект поможет создать аэродинамичный веломобиль

Французские исследователи разработали свёрточную нейросеть, которая предсказывает аэродинамические свойства трёхмерных объектов. Метод можно использовать для создания новых нестандартных форм крыльев, лопастей ветряных мельниц, автомобилей, которые будут на 5-20% аэродинамичнее, чем существующие. Сейчас учёные тестирут разработанный нейросетью веломобиль.
https://youtu.be/9u6EyLiytJk

​​Нейросеть от IBM прогнозирует производительность сотрудников

Искусственный интеллект Watson делает прогнозы об эффективности работников с точностью 96%. Система учитывает, как часто сотрудник обучается, и анализирует навыки, которые будут полезны компании в будущем. Таким образом IBM фокусируются на развитии перспективных работников, и снижают траты на поиск новых. Технология актуальна и для малого бизнеса, где часто не хватает квалифицированных кадров, и проще предсказать производительность работника.

Учёные из Китая предложили новый способ определения позы человека, используя информацию об удалённости каждой части тела от камеры (Forward-or-Backward Information). В основе метода — свёрточная нейросеть, которая маркирует суставы на изображении и анализирует дальность расположения конечностей. Подробнее об архитектуре и сравнение с другими подходами читайте в статье👇
https://medium.com/@neurohiveru/определение-позы-человека-на-изображении-с-помощью-fbi-51d50c2fff88

Нейросеть научилась клонировать голос любого человека

Канадские разработчики создали алгоритм, который способен скопировать и воспроизвести человеческий голос с высокой точностью. Для обучения ИИ требуется одна минута. Можно создать копию собственного голоса, или сгенерировать новый «голосовой аватар» для продукта или приложения. Технология уже используется для проекта Revoice, чтобы помогать людям с болезнью Альцгеймера, которые утратили способность говорить.
https://youtu.be/VnFC-s2nOtI

Нейросеть ускоряет визуализацию работы мозга

Google AI совместно с Институтом нейробиологии Макса Планка создали алгоритм, который поможет автоматизировать процесс интерпретации данных при визуализации работы головного мозга в 3D. В основе алгоритма — реккурентные нейронные сети, которые ускоряют сегментацию изображений и классификацию сложных структурных связей мозга.
На видео пример реконструкции связей нервной системы птицы. https://youtu.be/X4eVmSxTZ8Y

Подробно рассказываем про алгоритм от Adobe, который умеет распознавать обработку на изображениях: склейку, копирование, удаление объектов. Примеры работы нейросети, архитектура и сравнение с другими методами в статье 👇

https://medium.com/@neurohiveru/нейросеть-от-adobe-мгновенно-разоблачает-фейковые-фотографии-187bf5cab286

​​Эволюционные алгоритмы способны превзойти глубокое обучение в видеоиграх

Учёные использовали генетический алгоритм чтобы обучить компьютер играть в аркады Atari. Суть подхода в том, что для решения задачи изначально генерируется любой код, который затем изменяется с помощью случайных мутаций. Фрагменты кода, которые лучше решают задачу, воспроизводятся в коде нового поколения. Таким образом происходит развитие. Генетический алгоритм обучается быстрее, чем нейронная сеть. Кроме того, он содержит меньше данных, поэтому проще отследить процесс генерации решений.

​​Google выпустили дополнения к Tensorflow Object Detection API

Обновления включают новые модели класса SSD, которые оптимизированы для ускоренного обучения на облачных TPU, и готовые веса для них. Теперь обучение модели RetinaNet на основе ResNet-50 на датасете COCO для достижения 35% mAP занимает 3,5 часа. Также поддерживается ускоренный вывод через квантование и упрощённый экспорт модели на мобильный с TensorFlow Lite.

​​Технологические компании отказались создавать оружие на основе ИИ

Во время ежегодной конференции IJCAI в Стокгольме 170 компаний и 2,5 тыс. учёных подписали соглашение об отказе от разработки LAWS (Lethal autonomous weapons systems) — систем автономного оружия с искусственным интеллектом, которые могут выбирать и поражать цели без участия человека. Среди подписей — Илон Маск, Стюарт Рассел, Google DeepMind, фонд XPRIZE и другие.

​​Закон Ципфа подтвердился и является следствием когнитивных процессов

Гарвардский профессор-лингвист Джордж Ципф установил, что частота использования n-го наиболее часто используемого слова в естественных языках приблизительно обратно пропорциональна n. Однако лингвисты всё ещё спорят, является ли это общим законом или просто статистическим артефактом. Исследование 50 языков, проведённое учёными из Пекина, подтвердило, что Закон Ципфа является универсальной особенностью распределения частот слов в естественных языках, а не статистической ошибкой низкочастотных слов. Закон обусловлен когнитивными механизмами: человеческий мозг обрабатывает простые слова интуитивно, тогда как обработка редких задействует более сложное мышление. Среднечастотные слова обрабатываются комбинацией этих способов.

​​IBM разработали водяной знак для защиты нейросетей от копирования

На конференции ACM Asia 2018 компания представила новый метод для защиты авторских прав разработчиков нейросетей. Концепция включает три алгоритма для создания водяных знаков. Для индентификации моделей предлагается использовать содержательный контент, шум или нерелевантные образцы данных, встраивая их в код вместе с исходными данными глубокого обучения. При этом, водяные знаки не влияют на объём кода и производительность модели.

​​Нейросеть впервые обучили на оптическом чипе

Учёные из Стэнфорда представили метод обучения нейросети с помощью физического устройства — оптического чипа, который работает как алгоритм обратного распространения (backpropagation). Лазер подается через оптический контур, а на выходе из устройства рассчитывается разница от ожидаемого результата. Полученная информация используется для генерации нового светового сигнала, который отправляется в противоположном направлении. Измеряя оптическую интенсивность светоделителей во время этого процесса, можно смотреть, как производительность нейросети изменяется в зависимости от настроек. Вычисления выполняются параллельно, поэтому метод способен ускорить обучение моделей.