Machinelearning

Появился революционный алгоритм для спасения плохих фотографий Создан новый алгоритм восстановления поврежденных цифровых изображений, использующий методику искусственных нейронных сетей. Об этом пишет EurekAlert!. Программа инженеров из университета Берна и университета штата Мэриленд корректирует резкость изображения, убирает шум, а также выполняет ряд других задач. Создатели алгоритма обучили его на большом наборе фотографий высокого качества. В результате алгоритм научился предсказывать, как должно выглядеть исходное изображение, на основе данных о текстуре, цвете, свете и границах. «Традиционно, существовали инструменты, которые решали каждую проблему с изображением в отдельности. Каждый из них использовал интуитивные предположения о том, как выглядит хорошее изображение. В последнее время, искусственные нейронные сети были применены для решения проблем с изображением, но последовательно. Наш алгоритм идет на шаг дальше. Он может решать широкий спектр проблем одновременно», — рассказал Маттиас Цвикер из Бернского университета. Программисты предложили использовать байесовкую систему глубокого обучения для восстановления резкости размытого изображения, увеличения разрешения и демозаики. Выяснилось, что алгоритм может определять и устранять отклонения от идеальных параметров на загруженных снимках. Иными словами, исправляя, например, зернистость изображения, он одновременно убирает и другие дефекты. Правда, воссоздавать сложные элементы снимка алгоритм пока не умеет. «Чтобы распознавать черты высокого уровня, алгоритму нужен контекст. Например, если на снимке показано лицо, то вероятнее всего, пиксели сверху — это волосы. Это похоже на решение головоломки. Как только вы определите, где находится этот кусок, сразу станет понятно, что представляют собой пиксели», — подчеркнул Цвикер. По словам разработчиков, система пока хорошо справляется с простыми недостатками, например размытыми краями объектов. Исследователи представили свои выводы 5 декабря 2017 года, на 31-й конференции по системам обработки информации Neural в Лонг-Бич, штат Калифорния. Источник: inforesist.org #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python

Технологии искусственного интеллекта будут управлять 99% всех инвестиций Через 20 лет технологии искусственного интеллекта будут управлять 99% всех инвестиций. Об этом сообщает издание Bloomberg. Главный исполнительный директор Man Group Plc Люк Эллис отмечает постепенный переход на ИИ. Лондонская компания, стоимостью 103,5 млрд долларов, уже выделяет около 13 млрд долларов на несколько хедж-фондов, которые работают с машинным обучением. Эллис считает, что через 10 лет ИИ будет использоваться во всех «человеческих сферах» - от проведения торгов до помощи в выборе ценных бумаг. «Если вычислительная мощность и генерация данных будут расти с такими темпами, то через 25 лет машинное обучение будет управлять 99% инвестиций. Оно станет частью нашей жизни. Оно поможет сделать нашу жизнь намного лучше», - считает Эллис. Но негативный фактор от ИИ все же остается. По оценкам консалтинговой компании Opimas, к 2025 году порядка 90 тысяч рабочих мест под угрозой. В частности, это сфера управления активами, включая фондовых менеджеров, аналитиков и сотрудников бэк-офиса. Кроме того, многие разработчики игнорируют реальный потенциал машинного обучения. Потенциал, который не светит человеческому разуму. Но зачастую компании используют ИИ всего лишь для анализа социальных сетей и данных смартфонов, прогнозов прибыли и продаж, создания стратегий. «Именно машины будут прикладывать усилия для развития своих возможностей. Они смогут генерировать гипотезы, проверять их, а затем сообщать людям», - заявил Васан Дхар, который 20 лет назад основал один из первых хедж-фондов, использующих ИИ - Adaptive Quant Trading стоимостью 350 млн долларов в SCT Capital Management. Источник: internetua.com #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python

Искусственный интеллект научили подделывать погоду и ландшафт на видео Компания Nvidia представила программу, работающую на основе искусственного интеллекта, которая может изменить погодные условия и ландшафт на видеозаписи. Программу протестировали на роликах, снятых видеорегистраторами. Алгоритм способен изменить день на ночь, а зиму на лето. Алгоритм включает в себя две работающие сети, одна из которых предоставляет информацию, а вторая ее критически оценивает. Таким способом ученым удалось добиться четкой корректировки изображений, когда запись с зимнего видеорегистратора автомобиля была переделана в летнюю. NVIDIA убрала снег, добавив небу ярких красок и зелени на деревья. Источник: dni24.com #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python

Десять лучших книг для развлечения дата сайентиста http://datawanderings.com/2017/12/01/geek-christmas-best-books-data-scientist/ #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python

Искусственный интеллект станет приоритетом Xiaomi на ближайшее десятилетие На рынке имеется немало самых разных коммерческих продуктов и прототипов, использующих элементы искусственного интеллекта. А недавно Huawei принесла искусственный интеллект и на рынок смартфонов, выпустив флагманские Mate 10 и Huawei V10 на чипсете Huawei Kirin 970 с поддержкой нейронных вычислений. Конечно, Huawei Mate 10 и Huawei V10 - это лишь первые ласточки. И руководитель Xiaomi Лей Джун (Lei Jun) подтвердил, что сфера ИИ станет главным приоритетом компании на ближайшие десять лет. А первые смартфоны Xiaomi с технологиями искусственного интеллекта появятся на рынке уже в следующем году. Первым продуктом Xiaomi с элементами искусственного интеллекта считается, выпущенная этим летом смарт-колонка Mi AI Speaker. Да и сама Xiaomi находится в выигрышном положении для развития ИИ: компания может похвастаться сильной платформой продуктов интернета вещей (IoT) и огромным числом пользователей MIUI, которое уже перевалило отметку в 300 млн человек. Что касается будущих смартфонов Xiaomi с поддержкой искусственного интеллекта, то первым таким устройством может стать флагманский Xiaomi Mi 7 на чипсете Snapdragon 845. Источник: thg.ru #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python

21 урок из курса по глубокому машинному обучению от Andrew Ng https://proglib.io/p/dmm-course-review/

Искусственный интеллект выпустил дэт-метал альбом Coditany of Timeness в целом похож на любой другой альбом жанра дэт-метал – но ровно до тех пор, пока вы не решите узнать об исполнителе больше. Дело в том, что его создала нейронная сеть. Да-да, ни одной гитары, никаких ударных – на записи не было даже вокалиста. Это результат проекта Dadabots, над которым долгое время работали Зак Зуковски и СиДжей Карр. В качестве источника вдохновения они использовали альбом Diotima группы Kralice. Треки разбили на небольшие кусочки и дали на обработку искусственному интеллекту, чтобы он смог разобраться, что такое дэт-метал и как его создавать. На практике же ученые воспроизводили фрагмент песни и позволяли нейронной сети угадывать, что будет дальше. При этом, в зависимости от того, правильный ответ был дан или нет, сеть получала различный отклик. По сути, ученые симулировали механизм обучения человеческого мозга. Поначалу ИИ издавал лишь произвольные звуки. “В первое время это звучало слишком шумно, гротескно и текстурно”, – отмечает Карр. За три дня одни и те же фрагменты прозвучали около пяти миллионов раз, и это начало приносить свои плоды: музыка становилась всё более похожей на оригинал. Источник: it-here.ru #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python

Дочерняя сеть искусственного интеллекта Google превзошла все ожидания Представленный публике в мае 2017 года искусственный интеллект AutoML создал дочернюю сеть NASNet с превосходным машинным зрением. Аналитики Google Brain отметили, что система, созданная AutoML, превосходит искусственные интеллекты, которые разрабатывают люди. Изначально планировалось, что AutoML станет управляющей нейросетью с функциями, позволяющими создавать другие нейросети для выполнения специфических задач. Так, NASNet должна была распознавать такие объекты, как люди, машины, светофоры, багаж и другие предметы. Искусственный интеллект учитывал ошибки «дочки» и использовал эту информацию для улучшения сети, повторяя данный процесс тысячу раз. Когда инженеры решили протестировать NASNet с помощью приложений ImageNet и COCO, результаты превзошли все их ожидания. В 82,7% случаев в выборке ImageNet нейросеть дала правильный ответ. Предыдущий рекорд успешности составил 81,5%. Кроме того, эффективность NASNet оказалась на 4% выше по сравнению с другими системами, оснащенными машинным зрением. Однако теперь разработчики опасаются, что AutoML сможет создавать нейросети со скоростью, за которой не удастся угнаться всему человечеству. Представители многих крупных компаний предлагают создать этические стандарты для искусственного интеллекта. Источник: dni24.com #ML #DataMining #deeplearning #neuralnets #neuralnetworks #neuralnetworks #ArtificialIntelligence #MachineLearning #DigitalTransformation #tech #ML #python

Reuters собирает новости из Twitter с помощью искусственного интеллекта Новостное агентство Reuters и Alibaba представили Tracer — искусственный интеллект, который ежедневно самостоятельно анализирует миллионы твитов, извлекает из них реальные инфоповоды и рассылает по всей редакции, снабжая сообщения заголовками. Половину исходных данных ИИ отбирает сам, случайным образом, вся остальная работа ведется по собранной журналистами базе твиттеров. Tracer определяет событие, его тему, время и место, «раскручивает» каждую потенциальную новость до источника, самого первого твита, чтобы убедиться, что это не фейк, затем проводит дополнительную проверку с использованием баз «фейковых СМИ» вроде National Reports. Агентство Reuters уже внедрило Tracer в работу редакции. Программа отсеивает как «шум» около 80% информации, остальную кластеризует, сортируя по разным типам новостных событий. https://www.technologyreview.com/s/609558/how-reuterss-revolutionary-ai-system-gathers-global-news/