Программа Microsoft Research первенствовала в нескольких категориях на шестом ежегодном конкурсе по распознаванию изображений ImageNet. Ей удалось превзойти конкурентные системы от Google, Intel, Qualcomm и Tencent, а также от ряда стартапов и научно-исследовательских лабораторий (результаты).
Система-чемпион носит название "Deep Residual Learning for Image Recognition", и к конкурсу в свободном доступе опубликована статья с описанием технических принципов её работы.
Читать полностью »
Выражение лица Дэвида Кэмерона можно интерпретировать как желание удержать мочевой пузырь под контролем: по мнению учёных, полынй мочевой пузырь делает ложь более убедительной
В следующий раз, когда соберётесь врать на допросе, подумайте дважды — а стоит ли это делать? Даже если применить вышеупомянутый трюк Дэвида Кэмерона и попить водички, это не спасёт от разоблачения. Опытные эксперты могут распознать правду с точностью 65%. И это далеко не предел, особенно если в дело вступают современные системы машинного обучения.
Читать полностью »
Аспирант Харм де Врай [Harm de Vries] из Монреальского университета создал нейронную сеть и натренировал её для поиска подходящего партнёра в социальной сети Tinder. Ему пришлось разобраться в собственных предпочтениях, а затем обучить им свою программу. В результате та начала верно предсказывать, что фотография девушки понравится исследователю, почти в 70% случаев.
Де Врай пытался найти себе пару, пользуясь услугами приложения для знакомств Tinder. Приложение построено по очень простой схеме – оно определяет положение пользователя при помощи GPS и отправляет ему фотографии оказавшихся неподалёку других участников сети. Если фотография ему не нравится, он делает свайп влево. Нравится – вправо. Если понравившийся пользователю человек также выбрал его у себя в смартфоне, то эти двое смогут начать общение. В итоге предлагается выбирать партнёра по одной фотографии.
Читать полностью »
Студент Имперского колледжа Лондона Мэтью Лай (Matthew Lai) разработал компьютерную программу Giraffe, которая трое суток играла в шахматы сама с собой — и смогла извлечь все предметно-ориентированные знания, необходимые для игры на уровне международного мастера ФИДЕ. Для этого ей достаточно вычислительных ресурсов нормального компьютера. Обучение нейросети происходило 72 часа в 20 тредов на машине с двумя 10-ядерными процессорами Xeon E5-2660.
Читать полностью »
Компания Google недавно показала, как нейросеть может самостоятельно создавать произведения искусства. Попросту говоря, рисовать картины, утрируя существующие изображения.
Новый эксперимент, проведённый в университете Тюбингена (Германия) демонстрирует альтернативный алгоритм для нейросети: она правдоподобно подделывает художественный стиль Винсента Ван Гога, Пабло Пикассо, Эдварда Мунка и любых других художников. На вход для обработки подходят любые изображения.
Читать полностью »
В наше время обучаемые нейросети творят удивительные вещи, но эксперименты в этой области продолжают открывать нечто новое. Например, программист Даниэль Джонсон (Daniel Johnson) опубликовал результаты своих экспериментов по применению нейросетей для генерации классической музыки.
К сожалению, на GT нельзя встроить аудиофайл, поэтому приходится давать прямую ссылку, чтобы послушать один из результатов: http://hexahedria.com/files/nnet_music_2.mp3.
Как у него это получилось?
Читать полностью »
Эротическая литература шаблонна: одни и те же возбуждающие слова, эпитеты и, разумеется, одни и те же действия. Это же идеальные условия творчества для бота!
Журналистка Даниэла Эрнандес (Daniela Hernandez, на фото) решила проверить эту теорию.
Знакомый программист сказал ей, что для обучения нейросети нужно хотя бы 750 000 слов, так что поиск текстов занял некоторое время. Она скачала произведения из нескольких специализированных электронных библиотек, где эротика публикуется под лицензией Creative Commons, а также обратилась к авторам с просьбой поделиться своими романами для эксперимента.
Читать полностью »
На GT уже рассказывали о роботе-насекомом Hector, который умеет прокладывать путь (забегая вперёд, за это отвечает нейросеть под названием Navinet) и адаптироваться к разным поверхностям (программа Walknet).
Разработчики этого необычного робота — д-р Мальте Шиллинг (Malte Schilling) и профессор д-р Холк Крас (Holk Cruse) из группы Cluster of Excellence Cognitive Interaction Technology (CITEC) в Билефельдском университете (Германия). Сейчас они заявили, что новая нейросеть под названием reaCog позволит роботу постепенно развить в себе рефлексивное самосознание и эмоции!
Читать полностью »
Facebook работает над программным обеспечением, которое будет автоматически распознавать пьяных людей и блокировать фотографии пользователей в непотребном виде, чтобы на следующее утро им не было мучительно стыдно перед родителями и друзьями. Естественно, на утро человек может отменить блокировку и подтвердить публикацию фотографий.
Для реализации этой идеи нужно использовать алгоритмы распознавания образов и систему искусственного интеллекта, способную отличать трезвых. Задача действительно непростая, ведь даже люди справляются с ней не всегда. Как в анекдоте про трудовика.
Читать полностью »
Когда пользуешься сложными алгоритмами для решения задач компьютерного зрения — нужно знать основы. Не знание основ приводит к глупейшим ошибкам к тому, что система выдаёт неверифицируемый результат. Используешь OpenCV, а потом гадаешь: «может если сделать всё специально под мою задачу ручками было бы сильно лучше?». Зачастую заказчик ставит условие «сторонних библиотек использовать нельзя», или когда работа идёт для какого-нибудь микроконтроллера — всё нужно прогать с нуля. Вот тут и приходит облом: в обозримые сроки реально что-то сделать, только зная как работают основы. При этом чтения статей зачастую не хватает. Прочитать статью про распознавание номеров и попробовать самому такое сделать — огромная пропасть. Поэтому лично я стараюсь периодически писать какие-нибудь простенькие программки, включающие в себя максимум новых и неизвестных для меня алгоритмов + тренирующих старые воспоминания. Рассказ — про один из таких примеров, который я написал за пару вечеров. Как мне показалось, вполне симпатичный набор алгоритмов и методов, позволяющий достичь простенького оценочного результата, которого я ни разу не видел.
Сидя вечером и страдая от того, что нужно сделать что-то полезное, но не хочется, я наткнулся на очередную статью по нейросетям и загорелся. Нужно сделать наконец таки свою нейросеть. Идея банальная: все любят нейросети, примеров с открытым кодом масса. Мне иногда приходилось пользоваться и LeNet и сетями из OpenCV. Но меня всегда настораживало, что их характеристики и механику я знаю только по бумажкам. А между знанием «нейросети обучаются методом обратного распространения» и пониманием того, как это сделать пролегает огромная пропасть. И тогда я решился. Пришло время, чтобы 1-2 вечера посидеть и сделать всё своими руками, разобраться и понять.
Читать полностью »
