تسويق إلكتروني Ai

2021-08-03 18:30:08 Искусственный интеллект помогает нанимать на работу и следить за ней

Растёт роль искусственного интеллекта на рынке труда и при приёме на работу. Опрос руководителей отделов кадров в США показал, что уже 55% из них используют системы алгоритмов. Они позволяют прогнозировать, как кандидат будет справляться со своими должностными обязанностями, сообщает телеканал Euronews.

Однако представитель Европейской конфедерации профсоюзов француженка Изабель Шуманн отмечает, что хотя применение искусственного интеллекта снижает возможность предубеждений в отношении кандидатов, он же создаёт новые способы дискриминации или следует традиционным:
"Эти алгоритмы могут определить параметры, которые характерны для женского заявления о приёме на работу, и учесть это при принятии решения. Нет никакой гарантии того, что способ создания алгоритма предотвратит дискриминацию на рабочем месте, или что эти алгоритмы не будут использованы для оценки производительности труда".
Искусственный интеллект может вмешиваться и в трудовой процесс. Это особенно очевидно сейчас, когда многие люди работают из дома по электронной связи. Профсоюзы выявляют всё больше случаев слежки некоторых компаний за своими сотрудниками.
"Мы видим, что были внедрены некоторые алгоритмы для надзора за работой в удалённом режиме. Стало больше возможностей отслеживать, как долго сотрудник проводит у компьютера и сколько отдыхает, сколько раз он прикасался к клавиатуре и так далее. Сбор такой биометрической информации неприемлем. У нас не должно быть "большого брата" во всех этих измерениях. Мы это называем неподобающей слежкой".

Европейский парламент может признать и незаконной такую слежку, а также сортировку людей искусственным интеллектом по любым признакам и с любой целью. Депутат-социалист из Болгарии Петар Витанов, считает это сложной политической задачей:
"Мы должны улучшить общественную безопасность. Нельзя допустить нарушений искусственным интеллектом прав человека. Нужно найти тонкий баланс между защитой личных данных, соблюдением прав на неприкосновенность частной жизни, свободы выражения мнений, с одной стороны, и лучшей безопасности с другой. Красная линия находится где-то посередине. Мы должны найти её и поставить на нужное место".
В странах с ограниченной демократией, таких как Китай, искусственный интеллект определяет все аспекты жизни людей. Евросоюз стремится использовать это достижение прогресса, но так, чтобы не нарушать свои правила и ценности. Над этим трудятся в брюссельских учреждениях тысячи обыкновенных умов из разных стран. Открыть/Комментировать

2021-08-03 09:15:06 Американские военные научили ИИ предсказывать будущее на несколько дней вперёд

Американские военные продолжают экспериментировать с технологиями искусственного интеллекта.
По сообщениям сетевых источников, Северное командование ВС США завершило проведение серии тестов, в рамках эксперимента по глобальному информационному доминированию (GIDE) за счёт построения информационной системы на основе ИИ-алгоритмов и облачных вычислений, которая способна предсказывать развитие событий на несколько дней вперёд.

Источник отмечает, что использование этой технологии приведёт к серьёзным изменениям в стратегии при проведении военных и правительственных операций. Система GIDE на основе машинного обучения способна отслеживать малейшие изменения данных, указывающих на возможность появления каких-либо проблем, в режиме реального времени. Например, если спутниковые снимки фиксируют подготовку отплытия из порта подводной лодки какой-либо враждебной страны, то ИИ-алгоритм отметит этот факт, предполагая, что лодка, скорее всего покинет место стоянки. Военным аналитикам потребовались бы часы или даже дни, что прочесать всю информацию и заметить эти изменения, тогда как система GIDE справляется с этой задачей за секунды.
Преимущества использования ИИ-системы, способной с высокой точностью прогнозировать дальнейшие события, очевидны. Вместо того, что просто реагировать на происходящее и полагаться на уже устаревшие данные, Пентагон мог бы предпринимать упреждающие шаги, например, при проведении военных операций. Предполагается, что ИИ-система будет полезной и в гражданских целях, но для чего именно её планируется использовать, пока неизвестно.  

Последний экспериментальный тест системы GIDE 3 был самым масштабным. Американские военные использовали все доступные каналы получения данных, начиная от разведданных и заканчивая информацией, полученной из гражданских источников. Отмечается, что используемые военными технологии не являются абсолютно инновационными, но именно в рамках этого проекта они были объединены вместе. Согласно имеющимся данным, практическое использование системы GIDE военными может начаться относительно скоро. Предполагается, что следующее масштабное тестирование пройдёт во время глобальных военных учений, которые запланированы на весну следующего года. Открыть/Комментировать

2021-08-02 18:40:11 Организаторы Олимпиады используют искусственный интеллект для предотвращения тепловых ударов у спортсменов

Организаторы Олимпийских игр в Токио борются не только с коронавирусной инфекцией, но и с сильной жарой.

Олимпийские игры в Токио являются одним из самых жарких за всю историю. Поэтому, чтобы уберечь спортсменов, а также технических работников от теплового удара, японцы используют специальное устройство.
Так, речь идет о специальном черном наушнике, который о частоте сердечных сокращений и температуре тела в электронное облако. Там искусственный интеллект оценивает риски теплового удара. Также учитывается окружающая среда и индивидуальные данные человека

Система отправляет оповещения через приложение тем, кто подвергается высокому риску теплового удара, с рекомендованными мерами предосторожности.
Облачное устройство дополняет такие меры, как перенос некоторых соревнований на открытом воздухе на менее жаркое время дня, перенос марафона на Хоккайдо, север Японии, и прочих. Открыть/Комментировать

2021-08-02 10:40:06 Twitter запустила bug bounty. Задача: найти предвзятость в моделях машинного обучения

Соцсеть
Twitter запустила программу по поиску «предубеждений алгоритмов» Algorithmic Bias Bounty Challenge. Так компания хочет снизить предвзятость своих моделей машинного обучения к разным социальным группам.  
По словам Twitter, это первое в мире соревнование по выявлению дискриминации людей со стороны машинного обучения.
Сейчас это особенно актуально: пользователи всё чаще подозревают алгоритмы в наличии расовых или других предубеждений.
Что надо делать
Задача участников — продемонстрировать, какой потенциальный вред может принести алгоритм «умного кадрирования».

Сколько заплатят
Команды-победители получат денежные призы через HackerOne:
•1-е место — 3500$ (256 тысяч рублей).
•2-е место — 1000$ (73 тысячи рублей).
•3-е место — 500$ (36 тысяч рублей).
•За самую «инновационную» находку — 1000$ (73 тысячи рублей).
•За проблему, актуальную для большинства алгоритмов Twitter — 1000$ (73 тысячи рублей).
Когда результаты
Победителей объявят на семинаре DEF CON AI Village 8 августа. Победителям предложат представить свои работы на мероприятии. 
Где принять участие
Программа запущена на HackerOne. Там же изложены все подробности. Открыть/Комментировать

2021-08-01 18:45:08 Google запускает сервис анимации фотографий с помощью машинного обучения

На последнем мероприятии Google I/O вице-президент департамента Google Photos Шимрит Бен-Яир рассказал о создании нового сервиса под названием «Cinematic Moments». Он базируется на прошлогодней разработке Cinematic Photos, которая добавляла эффект 3D к двумерным фотографиям. Новый сервис будет их анимировать, формируя из двух кадров одного события небольшое видео о том, как оно могло происходить.

На первый взгляд новый сервис весьма похож на приложение Deep Nostalgia от MyHeritage, которое добавляет анимацию старинным фотографиям людей. Но есть принципиальная разница, так как в основе Deep Nostalgia лежит технология дипфейка с применением захвата движения лиц реальных актеров. А сервис Google использует алгоритмы машинного обучения, чтобы проанализировать каждую пару фотографий и самостоятельно «домыслить», чего не хватает для создания из них анимации.

Технически это реализуется как отрисовка набора кадров, на которых исходное изображение чуть-чуть меняется шаг за шагом, пока не превратится в конечное. Сложность в том, что нейросеть не пытается убедить зрителя в реалистичности видео, а просто рисует максимально соответствующие друг другу кадры. Как следствие, многие критики отмечают необычный «пугающий» эффект, когда такая анимация воспринимается «неправильной», неестественной.
Дата запуска сервиса Cinematic Photos не озвучена, но Бен-Яир уточнил, что он будет сразу доступен как на Android, так и на iOS. Системе неважно происхождение исходных фото, она может работать со скопированными и отсканированными кадрами. Открыть/Комментировать

2021-08-01 10:15:11 Исследователи из Google AI при помощи машинного обучения нанесли на карту Африки 516 млн зданий

Специалисты по искусственному интеллекту (ИИ) из Google AI с использованием машинного обучения разметили почти весь африканский континент, выделив на нём местоположение, размеры и другую информацию о 516 млн жилых домов и других строений. База создавалась с использованием спутниковых фотографий, и уже выложена в открытый доступ под названием Open Buildings. Детали распознавания подробно описаны в работе, выложенной на сайте arXiv.

Целей подобной разметки домов на карте может быть много – оценка количества жителей, планирование развития городов, развитие наук об окружающей среде, гуманитарные миссии. После какого-нибудь стихийного бедствия властям нужно прикинуть, сколько домов пострадало. В идеале для таких вещей требуется база данных с актуальными сведениями, полученными во время переписи. В реальности подобные данные быстро устаревают, а то и вовсе не собираются. Тогда альтернативным источником информации может послужить база с данными о местоположении зданий и плотности застройки.

Спутниковые фотографии – идеальный материал для сбора подобных данных, однако автоматический сбор информации при помощи систем компьютерного зрения сопряжён с определёнными трудностями. Компьютер не всегда может правильно распознать здания на снимках, сделанных из космоса, даже при высоком (30-50 см на пиксель) разрешении. Проблем распознаванию также доставляют неформальные поселения, дома, сливающиеся с окружением из-за использования природных материалов, а также природные образования, похожие на дома.

Учитывались особенности африканского континента, которые могут запутать компьютер. К примеру, в сельской местности нужно было описывать различные типы жилья и отличать их от природных объектов. В городах нужно было разработать свои правила разметки для очень плотной застройки или длинных структур. Открыть/Комментировать

2021-07-31 18:25:07 Для обучения искусственного интеллекта его заставили отвлечься от важных деталей

Сверточные нейронные сети (CNN) – разновидность искусственных нейронных сетей, используемые для распознавания изображений. Они эффективно справляются со своими задачами, но настройка подобных программ по-прежнему зависит от метода проб и ошибок.
"CNN эффективны, но мы не до конца понимаем, как они работают", – признает преподаватель Гронингенского университета в Нидерландах Эстефания Талавера Мартинез. Она занимается исследованиями взаимодействия людей в процессе еды, и использовала нейросети для анализа фотографий с носимых камер.

Мартинез столкнулась с тем, что нейросеть не могла правильно определить обстановку, в которой люди принимают пищу, сообщает Science Daily. Она изучила, на основании чего нейросеть классифицирует обстановку на фото. Оказалось, что программа не обращала внимание на второстепенные детали. Например, если искусственный интеллект (ИИ) в процессе обучения решал, что кухню можно опознать по кружкам, то он причислял к кухням любые помещения, на фото которых находил кружки.
Вместе со своими испанскими коллегами Мартинез придумала способ изменить поведение ИИ в нужную сторону. Исследователи решили, что его необходимо научить отвлекаться от важных деталей изображения и анализировать второстепенные.
Для этого они обучили нейросеть типа CNN с помощью набора изображений самолетов и автомобилей. В процессе ученые выяснили, какие именно детали искусственный интеллект использует для распознания типа транспорта. После этого они размыли на изображениях эти элементы и заставили нейросеть пройти повторное обучение.
В результате ИИ научился гораздо лучше распознавать изображения, в том числе и те, которые Мартинез пыталась обрабатывать изначально. Метод, разработанный голландскими и испанскими учеными, оказался гораздо более простым и требует меньше компьютерных ресурсов по сравнению с методиками, которые используют другие специалисты по обучению распознающих изображения нейросетей. Открыть/Комментировать

2021-07-31 10:18:36 Мероприятие Tesla AI Day, посвящённое искусственному интеллекту, состоится 19 августа

Компания Tesla периодически проводит тематические предприятия, посвящённые своим достижениям в определённых сферах. В 2019 году одно из таких мероприятий было посвящено технологиям автопилота, в прошлом году презентация была посвящена аккумуляторной ячейке нового типа. Теперь пришла пора для технологий искусственного интеллекта — профильное мероприятие Tesla намечено на 19 августа.

В июне Илон Маск (Elon Musk) выразил намерение провести Tesla AI Day примерно через месяц, теперь планы обрели более чёткие очертания — мероприятие намечено на 19 августа, как следует из свежего твита главы компании. Представители Tesla должны будут рассказать о прогрессе в создании программного и аппаратного обеспечения для систем искусственного интеллекта, а также заинтересовать соискателей, которые хотели бы работать в этом направлении в штате компании. Tesla требуются лучшие кадры, как пояснил Маск, и одним из мотивирующих факторов является короткое время от формулировки идеи до её практической реализации.
Напомним, что нынешнее поколение бортовых компьютеров Tesla использует процессор собственной разработки, который выпускается компанией Samsung по 14-нм технологии. Он был представлен в начале 2019 года, его вычислительных ресурсов вполне хватает для реализации автономности транспорта как высшего пятого уровня, так и предшествующего четвёртого. Нельзя исключать, что в августе Tesla поделится успехами в разработке нейронного процессора нового поколения, поскольку речь на мероприятии пойдёт не только о программном обеспечении. Открыть/Комментировать

2021-07-30 19:40:12
Полезные материалы из мира Data Science & Machine Learning подготовленный командой Data Phoenix


Статьи

Reducing the Computational Cost of Deep Reinforcement Learning Research - новый метод для экономного обучения с подкреплением.

High Fidelity Image Generation Using Diffusion Models - высокоточная генерация изображений с помощью диффузионных моделей.

Speeding Up Reinforcement Learning with a New Physics Simulation Engine - новый способ ускорить обучение с подкреплением.

Accurate Prediction of Protein Structures and Interactions Using a Three-Track Neural Network - статья о новом, точном методе изучения структуры белков.

How to Speed Up Python Data Pipelines Up to 91X? - cтатья о методах ускорения Python дата пайплайнов.

Underfitting and Overfitting in Deep Learning - проблемы и решения недо/переобучения в глубоком обучении.

In-depth Guide to ML Model Debugging and Tools You Need to Know - введение в дебаггинг моделей от Neptune AI.

ML from Research to Production – Challenges, Best Practices and Tools - введение в цикл ML разработки: от идеации до продакшена.

Experiment Tracking vs Machine Learning Model Management vs MLOps - статья про трекинг экспериментов, мониторинг моделей и MLOps.

Научные статьи

DiSECt: A Differentiable Simulation Enginefor Autonomous Robotic Cutting - работа о DiSECt - новом симуляторе разрезания мягких материалов.

Towards Real-World Blind Face Restoration with Generative Facial Prior - реставрация слепого лица с помощью GFP-GAN модели.

A Modular U-Net for Automated Segmentation of X-Ray Tomography Images in Composite Materials - новый метод автоматической обработки 3D сканов с помощью UNet.

Per-Pixel Classification Is Not All You Need for Semantic Segmentation - семантическая сегментация с помощью MaskFormer.

Deep Automatic Natural Image Matting - работа про автоматическое матирование изображений.

Датасеты

TextOCR - Датасет для распознования и анализа текста.

Курсы

PyTorch Fundamentals - курс по PyTorch от Microsoft

Machine Learning. Введение в регрессионный анализ - курс о применении регрессии, метода k-ближайших соседей и нейросетей для создания ML моделей прогнозирования. Открыть/Комментировать

2021-07-30 10:21:53 «Реализация нейронных сетей»: разработчик электроники — о новых российских системах для роботов и беспилотников

Renesas и Syntiant разработали мультимодальное решение с ИИ и голосовым управлением
В нем объединены передовые голосовые технологии и технологии машинного зрения.

Компания Renesas Electronics, известная как поставщик передовых полупроводниковых решений, и компания Syntiant, занимающаяся разработкой микросхем глубокого обучения для интеллектуальной обработки голоса и показаний датчиков в краевых устройствах, объявили о совместной разработке мультимодального решения с ИИ и голосовым управлением. Как утверждается, оно обеспечивает бесконтактное взаимодействие и обработку изображений в системах интернета вещей на основе искусственного интеллекта и в краевых системах, таких как автоматы самообслуживания, камеры видеонаблюдения и системы видеоконференцсвязи, а также умные устройства, такие как роботы-уборщики.

Решение включают микропроцессор системы машинного зрения Renesas RZ/V с поддержкой средств ИИ и «нейронный процессор решений» (Neural Decision Processor) Syntiant NDP120 для голосового интерфейса и обработки изображений, характеризующийся низким энергопотреблением. Совместная работа этих компонентов обеспечивает постоянную работу с быстрой активацией из режима ожидания по голосу для распознавания объектов и лиц и для выполнения других задач, связанных со зрением, которые являются критически важными для камер безопасности и других систем. Например, в то время как определяемые пользователем голосовые подсказки управляют активацией и работой системы, функция распознавания ИИ отслеживает поведение оператора и контролирует работу или выдаёт предупреждение при обнаружении подозрительных действий.
Мультимодальным это решение называется потому, что оно позволяет задействовать два канала — визуальный и голосовой. Такая архитектура упрощает создание бесконтактных пользовательских интерфейсов для систем на основе искусственного интеллекта. Использование специального энергоэффективного чипа для распознавания голоса снижает энергопотребление в режиме ожидания и ускоряет разработку системы, поскольку можно разрабатывать программное обеспечение независимо от функциональности, связанной с ИИ для машинного зрения.
Эталонный дизайн нового мультимодального решения уже доступен, включая принципиальные схемы и номенклатуру компонентов. Открыть/Комментировать