TechSparks
46.5K subscribers
381 photos
106 videos
16 files
4.6K links
Аннотированные ссылки на интересные, полезные и удивительные новости хайтека.
Кто больше любит слушать длинное чем читать короткое https://sebrant.chat
https://knd.gov.ru/license?id=6777b11d506f967728ac580d&registryType=bloggersPermission
Автор: @asebrant
Download Telegram
Желающим посмотреть-послушать про практические кейсы использования машинного обучения в отечественном бизнесе - завтра у нас в Яндексе я веду конференцию на эту тему. Традиционно будет трансляция - включайтесь. Начало - в 10:30 по Москве 16 февраля.
https://events.yandex.ru/events/b-konf/16-feb-2017/
В продолжение утреннего поста про запуск спутников: Гриша @bobuk добавил интересную деталь:
часть этих спутников делает российская (московская) компания Спутникс
https://vk.com/wall-49343931_517
Вот очень правильная идея: in-car payments. Если задуматься - ведь правда странно, что на заправке часто надо не просто вылезать из машины, а ещё куда-то идти, только чтобы оплатить топливо. Причём если заправка с сервисом, то пистолет и без тебя вставят бак, а потом вынут и лючок закроют - но все равно ты ножками пойдёшь платить
Так что идея о том, что твои часы или телефон могут договориться с приложением в машине, а оно, в свою очередь, с колонкой - хороша. Ну, а дальше все подряд: платные парковки, платные дороги и т.д. Почему я должен заморачиваться и искать паркомат? Пусть машинка сможет сама договариваться с окружающим миром, я доверю ей расплачиваться ;)
https://techcrunch.com/2017/02/14/jaguar-launches-in-car-payments-at-shell-gas-stations/
Субъективный, как любые рейтинги, список самых инновационных компаний по версии FastCompany все равно полезно изучить. Причем, как всегда в таких рейтингах, наибольший интерес представляет не сам список, а всякие сравнения и наблюдения. Например, что первое место в общем зачете не у великих компаний чисто про интернет, типа Гугла и Фейсбука, а у Амазона - компании, в которой материальная составляющая бизнеса велика, и которая меняет мир физической торговли. Или что в разделе Data Science на первом месте Netflix и в десятке присутствует вполне традиционное медиа The Guardian, правильно освоившее работу с данными в журналистике.
Вообще самые любопытные и наводящие на размышления списки - как раз секторальные.
https://www.fastcompany.com/most-innovative-companies/2017
Цукерберг на днях заявил о новой формулировке миссии Фейсбука: теперь на него возлагается задача "построить социальную инфраструктуру для объединения человечества". Традиционная нейтральность, которой много лет гордились технологические компании (мы даём инструменты, но вы сами решаете, что с их помощью делать), потихоньку уступает место конкретной жизненной позиции и набору ценностей, которые сервис, обслуживающий 1.8 миллиарда пользователей, будет встраивать в свои продукты. Казалось бы, прекрасно, что технологический глобальный продукт теперь будет пропагандировать и поддерживать гуманистические ценности. Но почему мне все время вспоминается, из чего сделано дорожное покрытие трассы, ведущей в посмертное пекло? ;)
В интервью по ссылке - развёрнутые ответы Цукерберга о том, как он видит роль Фейсбука в активном преобразовании мира в правильном (по его мнению) направлении. (Ах, да, конечно же, всё будет достигнуто силами искусственного интеллекта.)
https://www.buzzfeed.com/alexkantrowitz/we-talked-to-mark-zuckerberg-about-globalism-protecting-user?utm_term=.pbjkZXvnp#.sgRXQo3Y7
Нашёл картинки, которые неплохо иллюстрируют проблему неинтепретируемости того, что происходит внутри искусственной нейронной сети в процессе её обучения: инженеры из Graphcore построили картинки активности узлов сети и связей между ними в процессе обучения сетки распознаванию образов. Картинки не только напоминают те, которые получаются при исследовании биологических объектов, но и структурно очень нетривиальны. Учитывая, что каждая из них - лишь мгновенная фиксация непрерывно меняющегося самоуправляемого процесса, становится понятней, почему вопрос "а как она это делает?" ставит исследователей в тупик.
Ну и, в конце-то концов, - это просто красиво, и можно разглядывать не задумываясь о том, что там изображено. Так даже как-то спокойней ;)
https://www.wired.co.uk/gallery/machine-learning-graphcore-pictures-inside-ai
Нам непросто узнавать в лицо азиатов или африканцев, а им - европеоидных белых: наши системы распознавания лиц натренированы в той среде, где мы росли, и для решения новых задач требуют дообучения. С животными - ещё хуже: узнавать в лицо всех овчарок - тяжко даже для кинолога.
А задача не игрушечная: для сохранения редких видов хорошо бы иметь мониторинг не просто на уровне численности - а на уровне особей. Но глазами мы этого не можем. Конечно, можно чипировать, кольцевать и т.п. - но это все выборочные методы идентификации.
Как вы уже догадались - на помощь спешат системы распознавания морд, выросшие из систем распознавания наших лиц. Вот статья про LemurFaceID, систему распознавания конкретных лемуров по фото, работающая с точностью выше 98%. Зоологи и экологи воодушевлены и прочат большое будущее этой технологии и её расширению на другие виды животных. Хорошо, что пока среди защитников животных не зародилось движение защиты их privacy. Представляете, что будет, если примут закон о необходимости размытия котиков на фото??
https://www.theverge.com/2017/2/17/14647168/facial-recognition-software-lemurs-conservation
Прекрасная заметка на Medium, спасибо Василию @flreln, ведущему канал @techcube за ссылку. Не все из моих читателей прорвутся через технические детали, но алармисты должны напрячься уже от первой строчки текста: "Potentially describing how general artificial intelligence will look like." И идея красива: давайте построим нейронную сеть, каждым из элементов которой является нейронная сеть (действительно, зачем задавать или подбирать правила работы каждого элемента, пусть сам научится). Такой подход применили к важнейшему классу задач: к переносу обучения, т.е. к способности сеточки использовать однажды наработанные навыки, стратегии, решения для новой задачи. Мы так умеем, и это полезно. Теперь, как показано в работе, умеют и нейронки.
Кстати, подход "сеть сетей" допускает произвольный уровень вложенности, и там поведение может стать намного интереснее ;))
https://medium.com/@thoszymkowiak/deepmind-just-published-a-mind-blowing-paper-pathnet-f72b1ed38d46#.mbuk5e2fs
Впереди длинные выходные, кое-кто проведёт их в городах, где погода не очень гулятельная, но в самый раз для чтения. Да и вообще очень часто, особенно после лекций в институтах, меня спрашивают, что почитать (на разный уровень подготовки) про data science, машинное обучение и вокруг.
Поэтому сегодня не новость, а ссылка на подборку, которую мне Аня @Anna_Boo подсказала: целых сто бесплатных книг вокруг data science. Да, на английском, но, простите, если уж полез в эту область - будь готов на английском читать.
Так что правильного вам выбора и хорошего чтения - на выходные и не только! ;)
https://www.learndatasci.com/free-data-science-books/
Пока уникальный прототип, но дальше дело за промышленностью: университетские ученые своё дело сделали. В Стенфорде создали вживляемый в мозг микрочип с сотней тончайших электродов, собирающий сигналы из объёма моторной коры. Ну и, конечно, софт для обработки этих сигналов.
Результат - в высшей степени практичный для людей с полным параличом конечностей (а таких только в Штатах около миллиона; это не только жертвы разных заболеваний, но и пережившие тяжёлые травмы позвоночника): они могут чисто силой мысли гонять курсор по экранной клавиатуре и нажимать нужные буквы. Скорость печати - несколько слов в минуту. Для парализованных это практически новый полноценный канал коммуникации и творчества. Простите, меня почему-то эта новость впечатлила сильнее, чем про три планеты. ;)
https://med.stanford.edu/news/all-news/2017/02/brain-computer-interface-allows-fast-accurate-typing-by-people-with-paralysis.html
Обычно после лекций часть слушателей остаётся позадавать вопросы, что-то рассказать или просто поспорить. Если лекция про машинный интеллект для студентов, причём разных специальностей, то периодически возникает такой сценарий: не изучающие программирование волнуются, надо ли срочно учиться программировать, а изучающие и при этом ещё и немного думающие, волнуются, когда и что машина вместо них станет программировать.
Вот начало ответа: Microsoft и University of Cambridge представили систему Deep Coder на основе AI. Область её деятельности тактично названа "синтез программ", а не их написание: Deep Coder не пишет код с нуля, а, узнав, какую задачу должна решать программа, комбинирует из уже известного кода (т.е. из всех известных программ) работоспособную программу. Авторы мягко замечают, что программисты подчас занимаются примерно тем же, а их система знает гораздо больше исходников и умеет по ним искать намного лучше и быстрее человека.
Ну, лиха беда начало ;)
https://www.newscientist.com/article/mg23331144-500-ai-learns-to-write-its-own-code-by-stealing-from-other-programs/
Разговоры про технологии, которые лишат людей работы (роботы механические и программные) обычно окрашены в тревожные тона, а в случаях эмоциональных собеседников дело чуть ли не до паники доходит. И любители технопрогресса начинают утешать испуганных друзей тем, что какая-то работа им найдётся. Сам этим иногда занимаюсь ;)
Но вот мне попалась на глаза очень логичная заметка, в которой рассмотрен сценарий ликвидации рабочих мест совсем с другой точки зрения. И психологически это очень красиво. Вообще-то социальный прогресс связан как раз с сокращением рабочей недели. И людей это по большей части радует. И тогда возникает интересная перспектива: если потихоньку снижать рабочее время, не снижая доходы, то люди это примут, и большинство ещё скажет спасибо. И тогда такой плавный переход к гарантированному доходу совершенно не грозит теми потрясениями, которыми пугают при одномоментном лишении людей работы. Хотя конечное состояние занятости в обществе то же самое.
Красивый, однако, сценарий. Как все-таки рулит психология и учёт особенностей восприятия (и привыкания).
https://bigthink.com/natalie-shoemaker/working-less-rather-than-being-workless
Публикация прошлогодняя, но как-то я пропустил эту красоту. Со времён после Второй Мировой в Лос-Аламосе (где создавали атомную бомбу)физики учились рассчитывать серьёзные взрывы: атомные и термоядерные, результаты лазерных атак и прочие зрелищные события. В моделировании и расчетах они добились колоссальных успехов, но большая часть их работы секретна и на публике её не покажешь. Приходится придумывать что-нибудь невоенное, но энергонасыщенное - чтобы посчитать и показать миру. Вот недавно они озадачились: бОльшая часть поверхности Земли покрыта водой, но почему-то и Голливуд, и многие модели описывают падение астероида на сушу. А ведь у него несколько больше шансов угодить в океан. Что при этом произойдёт? Оказалось, все довольно интересно: астероид диаметром несколько сот метров может испарить при падении в океан сотни мегатонн воды - и этот пар, если его столб достигнет стратосферы, может обеспечить мощный парниковый эффект. Волны на воде, в отличие от кино, оказываются опасны только в случае падения у берега; если столкновение далеко, волны быстро затухнут. Другие интересные подробности и красивая анимация - в пятиминутном ролике в статье по ссылке.
https://gizmodo.com/heres-what-would-happen-if-a-giant-asteroid-struck-the-1790084340
Ещё одна отличная публикация - спасибо Юлии, что нашла и поделилась, я-то пропустил. Очень поучительная медицинская история. Хороший настоящий врач, как известно, часто может поставить диагноз ещё до всяких анализов и обследований: взглянув на больного, послушав его, он уже знает, что с ним, а вся дальнейшая диагностическая наука лишь подтверждает объективными данными догадки и интуицию врача. Ну и, понятно, когда речь заходит о машинном обучении, защитники традиций это вспоминают и начинают рассказывать про то, что алгоритм не заменит все эти догадки и интуицию. А те, кто в ML верит, вспоминают про го, покер и прочие истории про нечеловеческую чуйку машин.
Так вот, по ссылке текст о том, как просто анализ голоса, записываемого смартфоном, помогает при диагностике и психических расстройств, и кардиологических проблем. Именно голоса, а не смысла слов, что важно, - речь о том, как машина учится невербалке. Интересно, что один из кардиологов утверждает: особенности голоса, коррелирующие с высоким риском коронарной недостаточности, неразличимы человеком, но ловятся софтом при записи голоса.
Там ещё много интересного про близкое будущее медицинской диагностики ;)
https://www.technologyreview.com/s/603200/voice-analysis-tech-could-diagnose-disease/
Не так давно Билл Гейтс выступил с заявлением, которое восторженно подхватили в прессе и блогах и на Западе, и у нас: «Давайте введем специальный налог на роботов, которые у людей отбирают рабочие места!» Я немного изумился, потому что это популистское заявление сразу вызывало в памяти закон Менкина «для каждой проблемы существует простое, очевидное - и ошибочное - решение». Но поскольку я ничего в экономике не понимаю, никуда с этим мнением не полез.
Поэтому приятно, что The Economist выступил со статьей, где экономисты разбираются, в чем ошибка Гейтса. Там разные аспекты рассматривают: и то, что инвестиции в основной капитал крайне странно облагать налогом, и то, что налоги - не лучший способ перераспределять деньги в пользу обездоленных прогрессом работников. Мне понравился пример: водитель грузовика им владеет или его арендует, и зарабатывает, крутя баранку. Так пусть он владеет или арендует беспилотный грузовик - и зарабатывает те же деньги, не вставая с дивана.
Вот действительно - люди же сдают недвижимость, и получают иногда неплохой доход, не делая ничего. Если им дать умные машины - класс таких рантье расширится, и хотя бы для них не потребуется госпрограмма гарантированного дохода.
Всё как всегда: мир устроен чуть сложнее, чем кажется на первый взгляд с дивана.
https://www.economist.com/news/finance-and-economics/21717374-bill-gatess-proposal-revealing-about-challenge-automation-poses-why-taxing?cid1=cust/ednew/n/bl/n/20170223n/owned/n/n/nwl/n/n/E/8947035/n
Аж странно было, что последнее время мало что слышно (если не считать предвыборной прикольной президентской кампании Золтана Иштвана в США) от и про трансгуманистов: вроде бы шум вокруг машинного интеллекта и всяких нейроинтерфейсов должен быть для этих ребят питательной средой.
Но вот новость: сегодня в свет выходит книга To Be A Machine - журналистское изучение мира трансгуманистов.
Не уверен, что сам ее буду читать, но кому-то мир людей, всерьез мечтающих стать киборгами или загрузить себя в облако может быть интересен. Они считают, что наш интерес к собственному организму и вообще телесности - это всего лишь стокгольмский синдром людей, оказавшихся в заложниках у недолговечной и довольно непрочной органической оболочки. При всей странности такого взгляда, в нем есть своя логика технологической утопии - а многое утопическое нынче нежданно превращается в обыденность.
https://www.theverge.com/2017/2/25/14730958/transhumanism-mark-oconnell-interview-cyborg-hacker-futurist-biohackers
Милая игрушка - и действительно позволяет начать привыкать к чудному новому миру: как всегда, лучше всего привыкать к новому играючи :)
Forwarded from TechCube
Нашёл забавную игрушку в браузере, которая наглядно показывает работу AI в самоуправляемых автомобилях. Это 2D пространство с двумя машинками и блоками, которые они успешно (или нет) объезжают. Машинками управляет нейросеть и правила, что движение вперёд это хорошо, а врезаться в стены — плохо. Для навигации используются 19 сенсоров, имитирующих технологию LIDAR, которую гугл и убер используют для своих беспилотных автомобилей, только сенсоров у них побольше. А ещё там можно дорисовывать блоки прямо на дороге машинки, и создавать им ощутимые проблемы :) Попробуйте, выглядит интересно. Самое главное, народ начинает привыкать к тому, что этого не избежать и вопрос "если" касательно self-driving cars уже превратился в "когда".
https://janhuenermann.com/projects/learning-to-drive
Продолжая тему машинок: у гонок самоуправляемых машин - очень неплохие перспективы. Их конструкторы и дизайнеры тоже воодушевлены: когда болид не обязан соответствовать строгим правилам безопасности, охраняющим находящегося внутри гонщика, можно очень многое себе позволить и с точки зрения форм, и с точки зрения стиля вождения.
Но сначала машинку надо научить гоняться, и поэтому учебный болид содержит в себе место для пилота. Вспоминаются двухместные учебные самолеты с местами для инструктора и ученика - только здесь ученику не надо сиденья и руля.
Организаторы гонок полагают, что со временем и правила начнут эволюционировать: на трассе будут создаваться специальные препятствия, чтобы мозгам машинки и зрителям было не скучно. Отсутствие человека в машине позволит превратить гонку в рискованное испытание.
В статье по ссылке красивая картинка и ролик - стоит взглянуть, даже если лень читать
https://www.wired.com/2017/02/meet-self-driving-car-built-human-free-racing/
Чем больше борцы за авторские права закручивают гайки, тем сложнее подобрать к собственному видеоролику музыкальный трек, который не вызвал бы вопросов у бдительной системы охраны прав на видеохостинге, например на Ютюбе. А красивой музыки хочется, и не у всех есть друзья-музыканты и композиторы. Проблему взялся решать стартап, в котором машинный интеллект пишет в неограниченных количествах некопирайтную музыку. Небесплатно, конечно, но не по ценам существующих агентств. Первыми прелесть такой модели осознали информагентства, которым тоже хочется музыкальный фон и не хочется платить правообладателям. Остаётся дождаться публичного запуска - и попробовать. Те эксперименты, с которыми я сам знаком, вселяют надежду, что качество машинной музыки при участии нейронок будет вполне ОК.
https://thenextweb.com/artificial-intelligence/2017/03/03/amper-music-creating-ai-doesnt-suck/#.tnw_cvmcjYQA