Новое электричество

2022-02-08 12:03:35 Тем временем мы тоже не останавливаемся в попытках укрощения AI и недавно сделали пивот с нашим проектом Upfinity.

Наша технология показала эффективность для автоматизации сбора и анализа конкурентов с отражением их продуктовых фич. У нас появились первые клиенты (кейсы по ссылке), и мы сейчас находимся на стадии активного поиска новых пилотных проектов.

Если вы продакт, маркетолог или владелец бизнеса, который хочет автоматизировать рутинный процесс сбора и анализа ваших конкурентов - оставляйте заявку на нашем сайте или пишите нашему боту в шапке канала.

А мы, в свою очередь, продолжим радовать вас интересными инсайтами из мира AI Открыть/Комментировать

2022-02-02 11:12:22 #ai_trends

ТОП-5 прорывов в области AI на выставке CES 2022.

CES - это ведущее и наиболее значимое событие в мире технологий, которое проводится ежегодно. За последние несколько лет это мероприятие стало испытательным полигоном для новых технологий и мировых инноваторов. Помимо выхода на сцену и демонстрации новых технологических продуктов, за которыми наблюдает весь мир, это также место, где самые известные мировые бренды ведут бизнес, встречаются с новыми партнерами и самыми яркими инноваторами.

Далее сконцентрируемся на самых ярких презентациях AI-технологий, которые мы для вас отобрали.

Nvidia представила технологию искусственного интеллекта для автомобилей
На недавно завершившемся технологическом мероприятии компания особо отметила свою платформу DRIVE Hyperion 8, отметив, что все больше и больше фирм начинают использовать компьютерную архитектуру и датчики.

По данным компании, платформа искусственного интеллекта имеет 12 камер объемного изображения, девять радаров, 12 ультразвуковых датчиков, лидар на передней панели и три камеры внутреннего обзора. По мнению компании, DRIVE Origin может в значительной степени помочь предприятиям автономных грузоперевозок восполнить прогнозируемую нехватку более 140 000 водителей в США к 2027 году.

Новый инструмент ИИ с низким кодом от Avalanche Computing
Компания Avalanche computing показала, что AI-модель hAIsten использует мульти-GPU для ускорения разработки AI, сокращая цикл разработки до нескольких месяцев. Многие фирмы, которые не выделяют бюджетные средства на привлечение высококлассных специалистов, больше всего выиграют от этого. Новый инструмент AI совместим с AWS, Microsoft Azure и Google Cloud, а также с оборудованием NVIDIA, Qualcomm и OpenVino, и предлагает обучение и развертывание моделей AI как в облаке, так и на периферийных устройствах.

Bosch и Highmark Health объявили о сотрудничестве в области педиатрических легочных исследований
Компании Bosch и Highmark Health достигли соглашения об использовании новых сенсорных технологий в попытке применить искусственный интеллект для выявления ювенильных легочных заболеваний, таких как астма. Планируемое исследование в конечном итоге опирается на практику врачей, использующих стетоскоп, расположенный рядом с грудной клеткой пациента, для обнаружения отклонений в звуке.

INFINIQ представила несколько инноваций в области искусственного интеллекта
Услуга анонимизации данных, о которой так много говорят, называется Wellid. Утверждается, что эта услуга анализирует визуальные данные таким образом, что их невозможно распознать. Лица и номерные знаки могут быть анонимизированы, что необходимо для соблюдения мировых стандартов конфиденциальности, таких как GDPR, Закон об искусственном интеллекте, CCPA и CPRA. Устройство оптимизировано для розничных услуг, таких как круглосуточные магазины, автономные магазины и кассы самообслуживания.

ITRI представляет инновации в области искусственного интеллекта, робототехники и ИКТ
Компания ITRI, лауреат премии CES 2022 Innovation Awards, представила робота RGB-D AI Robot. Эта первый в мире робот для совместной работы, имеющий встроенное 3D-зрение. На роботизированной руке умная технология 3D-видения действует как пара человеческих глаз. Если сравнивать RGB-D AI Robot с другими роботами, то размер сенсора уменьшился в 168 раз, а скорость определения увеличилась в 38,6 раз. Согласно одному из онлайн-источников, интеллектуальная технология 3D-видения способна автоматически сканировать область объекта в трех измерениях и обеспечивать немедленную и скоординированную поддержку роботизированной руки, поскольку она определяет правильный угол захвата объектов, основываясь на расположении и форме объекта.

Производственная и транспортная отрасли были определены как отрасли, которые потенциально могут использовать робота для сортировки и упаковки продукции, в то время как он также потенциально может быть использован в розничной торговле или сфере услуг и здравоохранении для непосредственного обслуживания клиентов. Открыть/Комментировать

2022-01-12 19:40:09 #ai_trends

Всем привет и с новым годом! Мы снова в строю и постараемся чаще радовать вас новыми постами :)

Начнем год с семи предсказаний, сформулированных экспертами, касающихся событий с участием AI.

1) Языковой AI займет центральное место - больше стартапов получат финансирование в области NLP, чем в любой другой категории AI.
Мы только сейчас достигли момента, когда эта мощная технология стала достаточно зрелой, чтобы ее можно было реализовать в промышленных масштабах. Революция в языковом AI, а значит и в бизнесе, уже не за горами.

В 2022 году венчурные капиталисты вложат рекордные суммы денег в стартапы NLP. Ведущие NLP-стартапы Hugging Face (стоимость $440 млн) и Cohere (стоимость $200 млн) станут единорогами в следующем году.

2) По меньшей мере три AI-стартапа в области экологии станут единорогами
Наиболее вероятными кандидатами в "единороги" будут компании, создающие инструменты для новой углеродной экономики (например, корпоративный учет углерода, инфраструктура углеродных компенсаций).

3) Новые мощные инструменты AI будут созданы для видео.
Видео стало доминирующим средством передачи информации в нашей цифровой жизни. По данным Cisco, в 2022 году более 80% всех интернет-данных будет приходиться на видео.

И все же, по сравнению с другими видами данных, такими как изображения и текст, на сегодняшний день относительно мало внимания уделяется созданию продуктов и возможностей на основе глубокого обучения специально для видео. Это представляет собой огромную рыночную возможность.

В 2022 году ожидается расцвет инструментов AI для видео - от поиска до редактирования и создания. Привлечение компанией Synthesia серии B в размере 50 млн долларов США в начале этого месяца является явным признаком грядущих больших событий в этой области.

4) Будет построена модель NLP с более чем 10 триллионами параметров.
В 2019 году GPT-2 от OpenAI стала первой моделью с более чем 1 миллиардом параметров. В 2020 году GPT-3 захватила сообщество AI; со 175 миллиардами параметров она превзошла все, что было до нее. Но царствование GPT-3 как самой большой модели AI продолжалось недолго.

В 2021 году барьер в триллион параметров преодолели модели от Google (1,6 триллиона параметров) и Пекинской академии искусственного интеллекта (1,75 триллиона параметров).

Ожидается, что в следующем году этот рост продолжится. Существует большая вероятность того, что самая большая модель 2022 года будет создана OpenAI и получит название GPT-4.

5) Сотрудничество и инвестиции между американскими и китайскими игроками в области AI практически прекратятся.
Влиятельная Комиссия национальной безопасности по искусственному интеллекту (NSCAI), возглавляемая Эриком Шмидтом, продолжает раздувать пламя гонки вооружений с Китаем, призывая правительство США оградить от китайцев исследования американских университетов в области AI.

Итог всего этого: с наступлением 2022 года американским и китайским игрокам - предпринимателям, инвесторам, корпорациям, бизнес-лидерам, научным исследователям - станет практически невозможно полноценно работать вместе над инициативами в области AI.

6) Несколько крупных облачных платформ объявят о новых инициативах в области синтетических данных.
По прогнозам Gartner, к 2024 году синтетические данные будут составлять 60% всех данных, используемых в обучении AI. Приобретение компанией Facebook два месяца назад стартапа по разработке синтетических данных AI.Reverie - это лишь начало динамики.

7) "Ответственный ИИ" начнет превращаться из расплывчатого всеобъемлющего термина в конкретный набор корпоративных практик.
Конкретные продукты появятся как у технологических гигантов (например, Microsoft, IBM), так и у новых стартапов (например, Parity, Fiddler Labs). Со временем практика "ответственного" AI превратится из "приятных мелочей" для дальновидных организаций в стандартную практику во всех отраслях.

Важным стимулом станет регулирование: например, предложенный Европейским Союзом закон об искусственном интеллекте и новый закон Нью-Йорка, обязывающий проводить аудит компаний, использующих AI при приеме на работу. Открыть/Комментировать

2021-11-25 16:57:47 Понравился пост? Открыть/Комментировать

2021-11-25 16:57:47 #sustainable_ai

Согласно отчету Арктического совета от мая 2021 года, воздух и вода в Арктике с 1971 года нагревались в три раза быстрее, чем на остальной части планеты, и это потепление вызывает непредсказуемое расширение и таяние льдов.

Некоторые ученые и исследовательские компании сейчас используют инструменты, основанные на AI, для более точного и своевременного прогнозирования того, какие части Северного Ледовитого океана будут покрыты льдом и когда это произойдет. AI дополняет существующие модели, использующие физику для понимания того, что происходит на поверхности океана, где холодные подводные течения встречаются с суровыми ветрами, создавая плавучие участки льда.

Одна из наиболее популярных моделей называется IceNet. Она предоставляет прогноз на шесть месяцев, основанный на моделировании арктического климата в период с 1850 по 2100 год (прогноз) и фактических данных наблюдений, записанных с 1979 по 2011 год. После обучения модели, IceNet превзошла по эффективности ведущую физическую модель, составляющую сезонные прогнозы о наличии или отсутствии морского льда в каждом квадранте региона.

Группа ученых из Лаборатории прикладной физики Университета Джонса Хопкинса разработала другую модель прогнозирования, которая использует сверточные нейронные сети для изучения спутниковых изображений поверхности океана и составления прогнозов о том, как быстро будет образовываться лед. Данная модель (JHUAPL) использует цифровые спутниковые изображения и объединяет их с метеорологическими данными, которые одновременно с этим собираются на земле.

Прогнозирование состояния морского льда - это лишь одно из применений AI-моделей. Они также могут быть использованы для прогнозирования поставок электроэнергии, выбросов углекислого газа, автоматического обнаружения утечек метана и даже для прогнозирования повышения энергоэффективности офисных зданий и домов (подробная научная статья на эту тему - здесь)

Ученые постоянно стремятся повысить точность AI-моделей, чтобы прогнозировать ледовые условия с большим разрешением, вплоть до сеток размером не 25 километров, а всего-навсего пару сотен метров. Несмотря на то, что AI пока не может полностью заменить данные, полученные непосредственно с арктического побережья, эти прогнозы уже сейчас могут дать людям общее представление о том, какова траектория движения льда в определенном районе. Открыть/Комментировать

2021-10-28 14:01:17 Понравился пост? Открыть/Комментировать

2021-10-28 14:01:17 #ai_science
Сверточные нейронные сети, работающие на квантовых компьютерах, вызвали в свое время большой резонанс благодаря их потенциалу анализировать квантовые данные лучше, чем это могут делать классические компьютеры (прочитать наш пост, объясняющий базовые термины квантовых вычислений, можно здесь). Несмотря на то, что фундаментальная проблема, известная как "плато продуктивности", до сих ограничивала применение этих нейронных сетей для больших наборов данных, недавнее исследование ученых из лаборатории Лос Аламос имеет большие шансы покончить с этой неприятностью с помощью решения, с высокой точностью проверяющего масштабируемость подобных нейронок.

При создании квантовых сверточных нейронных сетей, ученые вдохновлялись зрительной корой головного мозга. По сути, такие сети включают в себя серию сверточных слоев, или фильтров, чередующихся с объединительными слоями, которые уменьшают размерность данных, сохраняя при этом их важные характеристики.

Такие нейронные сети могут использоваться для решения целого ряда проблем, начиная от распознавания изображений и заканчивая открытием новых материалов. Преодоление плато продуктивности является ключом к использованию всего потенциала квантовых компьютеров в приложениях AI.

Суть главной проблемы таких сетей заключается в "исчезающем градиенте" ландшафта оптимизации. Ландшафт состоит из холмов и долин, и цель заключается в том, чтобы обучить параметры модели поиску решения путем изучения географии ландшафта. Решение обычно лежит на дне самой низкой долины. Но на плоском ландшафте невозможно обучить параметры, потому что трудно определить, в каком направлении двигаться.

Эта проблема становится особенно актуальной, когда количество характеристик данных увеличивается - фактически, ландшафт становится экспоненциально плоским. Как следствие, при наличии плато продуктивности, квантовую нейронную сеть невозможно масштабировать.

Для решения этой проблемы, ученые из Лос Аламос создали новый графический метод GRIM, который значительно упрощает вычисление ожидаемых значений величин путем использования ориентированных графов. Благодаря этой методике можно легко определить, существует ли в вашей квантовой сверточной нейронке плато производительности и можно ли эту сеть масштабировать. Полный текст исследования можно почитать здесь (внимание, много матана).

Как пример, исследование приводит сложность создания керамических материалов, которые могут выступать в качестве высокотемпературных сверхпроводников, тем самым, например, увеличивая эффективность поездов на магнитной подушке.

Используя масштабируемую квантовую нейронную сеть, квантовый компьютер может просеять огромный набор данных о различных состояниях данного материала и определить оптимальное состояние для высокотемпературной сверхпроводимости.

Будем надеяться, что это и последующие исследования помогут человечеству совершить качественный скачок в эффективности обучения моделей с квантовыми данными, а пока что хороших всем выходных :) Открыть/Комментировать

2021-10-16 14:04:34 Понравился пост? Открыть/Комментировать

2021-10-16 14:04:34 #ai_regulation
Сегодня поговорим о грядущем европейском законопроекте о регулировании AI, и как к нему подготовиться.

По мере того как AI все больше внедряется в бизнес и нашу повседневную жизнь, корпорации и группы защиты прав потребителей выступают за более четкие правила, обеспечивающие его справедливое использование. В мае этого года Европейский союз стал первым правительственным органом в мире, который выпустил всеобъемлющий проект правил, направленных непосредственно на разработку и использование AI. Предлагаемые правила будут применяться к любой системе AI, используемой или предоставляющей услуги на территории Европейского союза, что скажется на бизнесе компаний по всему миру.

В нормативном документе системы AI разделены на три категории:
Системы с неприемлемым риском - эксплуатационные системы, причиняющие вред; системы биометрической идентификации в реальном времени, используемые в общественных местах для охраны правопорядка; и все формы социального скоринга, оценивающие благонадежность человека на основе социального поведения или прогнозируемых черт личности.

К системам AI с высоким уровнем риска относятся те, которые оценивают кредитоспособность потребителей, помогают в найме или управлении сотрудниками, используют обычную биометрическую идентификацию.

Системы AI с ограниченным и минимальным риском включают в себя многие из AI-приложений, которые в настоящее время используются в деловом мире, например, чат-боты или управление запасами товаров с помощью AI.

Из этого следуют три основных требования к компаниям, которые будут предъявляться властями ЕС:
- Создание алгоритмов, анализирующих наборы данных, взаимодействие пользователей с системой, а также мониторинг результатов работы системы;

- Обеспечение того, чтобы эти системы были объяснимы, контролируемы и стабильно работали на протяжении всего срока службы, даже в исключительных случаях.

- Создание общеорганизационной практики управления киберрисками, включающих в себя враждебные атаки на системы AI.

Регулирование будет иметь экстерриториальный характер, что означает, что любая система AI, предоставляющая услуги на территории ЕC, будет подпадать под его действие, независимо от местонахождения компании или пользователя.

Правоприменительная практика может включать штрафы в размере до 30 миллионов евро или 6 процентов от годовой выручки, что делает их еще более серьезными, чем те, которые налагаются за нарушение GDPR.

Если ваш бизнес включает в себя использование AI, а часть ваших клиентов являются гражданами ЕС, начинать готовиться нужно уже сейчас. Большинство экспертов сходятся во мнении, что компаниям следует приступить к созданию внутреннего департамента AI-governance, который будет проводить комплаенс AI-рисков и независимый аудит AI-систем.

Но хватит о грустном, желаем всем подписчикам хороших выходных! :) Открыть/Комментировать

2021-10-05 15:41:54 Понравился пост? Открыть/Комментировать