Приложения
Категории

Тег «Искусственный интеллект»

В 2007 году компания Qualcomm начала изучать импульсные нейроны в машинном обучении для приложений компьютерного зрения и управления движением. Затем сфера исследований была расширена, и включала как биологически обусловленные подходы, так и искусственные нейронные сети. Представители Qualcomm искали талантливых специалистов к себе в команду, после чего было объявлено о приобретении компании Scyfer B.V. Сегодня, спустя 10 лет, Qualcomm представила своё видение повсеместно доступного искусственного интеллекта в устройствах, дополняющего облачный ИИ.

Объединив усилия, разработчики сосредоточатся на передовых методах машинного обучения. К слову, Scyfer является автором передовых решений ИИ для компаний по всему миру и таких отраслей, как производство, здравоохранение и финансы.

«Мы начали фундаментальные исследования десять лет назад, и наши продукты сегодня поддерживают многие пользовательские сценарии ИИ, от компьютерного зрения и обработки естественного языка до обнаружения вредоносных программ на различных устройствах, в том числе на смартфонах и в автомобилях. Мы также изучаем более широкие темы, такие как ИИ для беспроводной связи, управления питанием и фотографии», — отметил Мэтт Гроб, исполнительный вице-президент по технологиям Qualcomm Incorporated.

Сегодня многие компании сосредоточены на обеспечении функционирования ИИ в облаке, однако компания Qualcomm ориентирована на внедрение ИИ в устройства конечного пользования — смартфоны, автомобили, роботы и т. д. Главная цель заключается в обеспечении возможности функционирования без подключения к сети и Wi-Fi. Преимущества ИИ в устройстве включают в себя немедленный отклик, повышенную надёжность и защиту конфиденциальности, а также эффективное использование пропускной способности сети.

С приобретением Scyfer к команде присоединится основатель и профессор Амстердамского университета, доктор Макс Веллинг, который поможет продолжить продвижение исследований и разработок ИИ в Qualcomm Technologies. В 2015 году Qualcomm и Амстердамский университет также создали QUVA, совместную исследовательскую лабораторию, для продвижения новейших технологий машинного обучения для мобильного и компьютерного зрения. Qualcomm Technologies с нетерпением ждет продолжения работы с Амстердамским университетом и отмечает важность обучения будущих поколений в этой области.

Команда исследователей из DeepMind, лондонского подразделения Google, которое специализируется на разработках в области искусственного интеллекта, решила провести необычное испытание. В ходе тестирования сотрудники DeepMind решили выяснить, что может произойти, если сразу два или более устройств с ИИ будут преследовать одну и ту же либо противоречащие друг другу цели. DeepMind протестировала оба сценария и модели поведения искусственного интеллекта на недавно разработанных играх Gathering и Wolfpack.

Главная цель исследования - изучение реакции ИИ на "дилемму заключённого" (Prisoner's Dilemma) - проблему в теории игр, согласно которой не все участники будут сотрудничать друг с другом, даже если это противоречит их общим интересам.

Сценарий Prisoner's Dilemma прост, но лёгкому решению здесь места нет - на то она и дилемма. Двум подозреваемым даётся выбор: дать показания против другого, тем самым освободиться самому за помощь следствию, но отправить второго за решётку на три года, при условии, что последний будет хранить молчание. Если оба преступника будут хранить молчание, то их деяние пройдёт по более лёгкой статье, за счёт чего каждый будет приговорён к полугоду тюрьмы. При условии, что обе стороны свидетельствуют друг против друга, каждый получает по два года заключения.

Gathering: яблоки, лазеры и агрессия

В игре Gathering перед двумя цветными квадратами-участниками поставлена задача собрать яблоки-квадраты, размещённые в центре экрана. При этом каждый игрок может воспользоваться лазером для временного подавления противника. На старте модель поведения участников была достаточно мирной, но по мере уменьшения количества плодов игроки становились агрессивнее, всё чаще атакуя противника лазером.

Как и в Prisoner's Dilemma, в Gathering ИИ мог выбирать, атаковать ли противника. Любопытным оказался тот факт, что более враждебными участники становились по мере возрастания их вычислительной мощи. Причина кроется в следующем: для отслеживания движущейся цели требуется расчёт времени, что достаточно сложно и затратно, тем временем процесс сбора значительно проще, но такая стратегия замедляет путь к успеху. В результате тестов выяснилось, что ИИ с более низкими когнитивными способностями прибегал к последней базовой стратегии.

Wolfpack: пойти на сделку ради общей цели

Тем временем суть игры Wolfpack - немного другого толка: двое участников должны объединить силы для поиска третьего. Однако поимка третьего и вечно скрывающегося персонажа - задача не из простых, поскольку союзникам мешают препятствия в виде блоков. В ходе исследования команда DeepMind определила следующую закономерность: более высокие когнитивные способности способствуют более тесному сотрудничеству.

Как отмечают разработчики, полученные результаты представляют серьёзное значение не только для развития искусственного интеллекта, но и для интеграции нескольких ИИ в рамках одного проекта. В качестве примера учёные моделируют ситуацию, при которой один ИИ стремится нормализовать поток трафика по всему городу, а другой - пытается сократить выбросы углекислого газа.


Компания Samsung отчиталась за четвёртый квартал прошлого года. Помимо данных о доходах, с которыми у южнокорейского гиганта всё в полном порядке, производитель поделился своими мыслями по поводу будущего мобильных технологий. В этом году Samsung собирается укрепить свои лидирующие позиции на рынке смартфонов и стимулировать рост в премиум-сегменте за счёт дизайнерских решений и инновационных функций. Кроме этого, компания планирует повысить конкурентоспособность своих смартфонов начального и среднего уровней, используя такие опции, как сканеры отпечатков пальцев и защита от воды/пыли. Всё это уже есть в новой линейке Galaxy A (2017).

Представители Samsung говорят, что несмотря на прогнозы по замедлению роста рынка смартфонов в этом году, они ожидают, что новые функции, такие как искусственный интеллект, поспособствуют продажам.

"Хотя рост мирового рынка смартфонов, как ожидается, замедлится в этом году, новые сервисы, такие как искусственный интеллект, станут дифференцирующим фактором", - говорится в пресс-релизе Samsung.

Также в отчёте Samsung говорится, что производитель намерен представить сервисы на базе искусственного интеллекта в своих флагманских устройствах. Это можно считать косвенным подтверждением того, что новый Galaxy S8 будет поставляться с фирменным виртуальным помощником Bixby, слухи о котором появились несколько месяцев назад. Кроме этого, в 2017 году безопасность потребителей и качество продукции станут главными приоритетами для компании.

Также в этом году Samsung обещает инновации в форм-факторе смартфонов. Это совпадает со слухами, что позже в этом году компания представит первые сгибаемые устройства.

В начале этого года Марк Цукерберг, основатель и глава компании Facebook, объявил о намерении оснастить свой дом системой искусственного интеллекта наподобие той, что мы видели в особняке Тони Старка из фильмов "Железный человек". В конечном итоге ему удалось создать такой "умный" дом, в котором с помощью голоса можно управлять практически всем, а система распознавания лиц узнаёт владельца и автоматически пускает его в дом без ключей. На днях Цукерберг поделился своими размышлениями по поводу всей концепции "умного" дома.

Одной из самых больших проблем, с которой столкнулся Марк Цукерберг при создании системы "умного" дома, оказалось отсутствие единой платформы взаимодействия разных устройств между собой. Он сказал, что заставить работать вместе аудиосистему Sonos, телевизоры Samsung, камеры Nest и прочие девайсы оказалось гораздо сложнее, чем он ожидал. Причиной тому стали разные языки кодирования, API и протоколы, используемые во всех этих устройствах. Марк считает, что на рынке должно быть больше интеллектуальных девайсов с использованием общих API-интерфейсов и стандартов, чтобы создавать "умные" дома стало проще.

Также Марк рассказал, что несмотря на то, что во всех рекламах нам показывают, как люди управляют своими домами с помощью голосовых команд, сам он почему-то по возможности использует всё же текстовый способ управления своим домом. Особенно полезными для него стали боты внутри Messenger, которые существенно упрощают взаимодействие с жилищем и разными сервисами. Кроме этого, Марк отмечает, что управление с помощью текстовых команд всё же вызывает меньше дискомфорта, когда рядом кто-то находится.


И самое главное, что Цукерберг начинал этот проект сугубо для себя, но в конечном итоге такой искусственный интеллект может в будущем "поселиться" в каждом доме. Глава Facebook заявил, что усовершенствованная структура его системы может в один прекрасный день стать отличным фундаментом для создания нового продукта.


Вполне возможно, что в скором времени Facebook представит свой аналог Google Home и Amazon Echo.



В сентябре Google анонсировала запуск системы Neural Machine Translation. Она может самообучаться, что делает перевод более естественным. После этого создатели NMT задумались над следующим вопросом: если обучить систему переводить с английского на корейский и обратно, а также с английского на японский и обратно, можно ли перевести с корейского на японский без использования английского, как связующего звена? Эту идею они назвали "перевод в один приём".


Как выяснилось, это вполне возможно, и в результате у специалистов получился адекватный перевод с одного языка на другой, которые никак между собой не связаны. Такой успех породил очевидный вопрос - если компьютер способен создавать связь между понятиями и словами, которые формально не связаны, не значит ли это то, что он сформировал свое собственное понятие этих слов на более глубоком уровне? Другими словами, речь идёт о формировании компьютером собственного языка. Основываясь на том, как различные предложения связаны между собой в пространстве памяти нейронной сети, исследователи Google Language и ИИ полагают, что именно так и получилось.



Этот внутренний секретный язык существует как более глубокое представление понятий и видит схожесть между словами или предложениями во всех трёх вышеназванных языках. Но о большем пока говорить трудно, так как внутренние процессы нейронных сетей славятся своей загадочностью.

Таким образом, перед нами - собственная разработка системы, которая помогает ей понять значение слов, которым её не обучали. Процесс создания искусственным интеллектом собственного языка и его дальнейших перспектив развития требует более тщательного изучения, а пока сложно сделать выводы о том, как это направление будет развиваться в будущем.

Нейронные сети, машинное обучение и искусственный интеллект - безусловно, именно за этими технологиями будущее, и все крупные компании сейчас работают над их развитием. Для Intel, как одного из крупнейших производителей процессоров в мире, очень важно следовать последним тенденциям, поэтому компания объявила о разработке новых чипов для управления возможностями искусственного интеллекта в самых разных сферах, будь то промышленность, робото- и автомобилестроение, безопасность и многое другое.

В августе этого года Intel приобрела более чем за 400 миллионов долларов стартап Nervana Systems, который разработал облачную платформу, позволяющую создавать самообучающиеся компьютерные модели. Кроме этого, Nervana Systems занималась разработкой собственных процессоров для машинного обучения. Intel намерена использовать наработки Nervana Systems и уже в первой половине следующего года начнёт тестирование разработанного специально для нейронных сетей чипсета под кодовым названием Lake Crest, который станет доступен ключевым партнёрам до конца 2017 года. Этот процессор должен обеспечить максимальную производительность для глубокого обучения и беспрецедентную вычислительную плотность с высокой пропускной способностью. Также Intel анонсировала новый продукт под кодовым названием Knights Crest, но о нём пока ничего неизвестно.

Дайан Брайант, исполнительный вице-президент и генеральный менеджер Data Center Group компании Intel, заявила, что до конца десятилетия они будут поставлять решения со 100-кратным увеличением производительности, которые повысят темпы развития инноваций в формирующейся сфере глубокого обучения. Также она сообщила, что следующее поколение процессоров Intel Xeon Phi, известное под кодовым названием Knights Mill, будет доступно в следующем году и сможет предлагать в четыре раза большую производительность для глубокого обучения в сравнении с нынешними чипсетами. Кроме этого, Intel объявила о начале поставок некоторым поставщикам облачных услуг предварительной версии следующего поколения процессоров Xeon (кодовое названием Skylake).

Intel также предоставляет программируемые пользователем вентильные матрицы (FPGAs) - чипсеты, которые можно перепрограммировать уже после создания под выполнение различных задач. Компания намерена использовать FPGAs в серверах, самоуправляемых автомобилях, роботах и беспилотных летательных аппаратах. В следующем году Intel начнёт поставки специальной версии FPGAs под названием Deep Learning Inference Accelerator, который должен составить конкуренцию Tensor Processing Unit от Google.

Ко всему прочему, Intel объявила о создании специальной академии Nervana AI Academy, которая будет следить за научным сообществом, специалистами и стартапами в сфере искусственного интеллекта. Эта академия будет регулярно проводить встречи, а также онлайн-семинары.



В рамках большого анонса от Google, касающегося искусственного интеллекта, компания запускает несколько новых решений на базе облачных сервисов, которые доступны для всех желающих. Одно из них называется Quick, Draw! Пользователю предлагается за 20 секунд с помощью мыши сделать рисунок, изображающий написанное на экране слово либо словосочетание (аналог игры "Крокодил"). А нейронная сеть после этого попробует распознать его. Эксперимент направлен на то, чтобы узнать, как искусственный интеллект может самообучаться в области распознавания изображений.

Quick, Draw! предоставляет возможность познакомиться с тем, как работает нейронная сеть при идентификации объектов и текста. Как только вы начнёте рисовать, Quick, Draw! сразу станет озвучивать слова и фразы, угадывая, что вы пытаетесь изобразить. По мере завершения рисунка, эти догадки станут указанием на то, насколько однозначно вы нарисовали его и нельзя ли интерпретировать изображение иначе. Однако если вы были достаточно точны при рисовании, нейронная сеть быстро узнает объект и назовёт его.

Эксперимент показывает, насколько непростыми могут быть разработка и развитие такого типа технологии. Приводится интересный пример:

"Когда меня попросили нарисовать катер, мне пришлось подумать, каким образом машина отличит катер от рыбацкой лодки. Это значит, что в моем рисунке не должно быть весел и формы полумесяца. С другой стороны, нужно чтобы ИИ понял, что этот объект может находиться на поверхности воды. В процессе постобработки Quick, Draw! заявил, что мой рисунок также похож на акулу и морскую черепаху".

Со временем нейронная сеть будет улучшаться, обучаясь на своих ошибках и более точно прогнозируя результаты.

Если вам интересно опробовать Quick, Draw! и другие веб-эксперименты Google, переходите на сайт компании. Там есть выбор из нескольких игр и упражнений, созданных программистами, а также художниками и другими людьми, даже не имеющими непосредственного отношения к ИИ.


NVIDIA и Microsoft объявили о сотрудничестве в одной из наиболее перспективных и динамично развивающихся отраслей - развитии искусственного интеллекта (ИИ) в корпоративной сфере. Благодаря первому специализированному фреймворку для задач ИИ, работающему на базе GPU NVIDIA Tesla в Microsoft Azure или локально, компаниям теперь доступна платформа для задач искусственного интеллекта как в рамках собственной ИТ-инфраструктуры, так и в облаке Microsoft. В результате компании могут быстрее создавать новые продукты и услуги, а также предоставлять потребителям более качественные возможности.Всего за два года число компаний, с которыми NVIDIA работает по технологиям глубокого обучения, возросло в 194 раза - до 19 000. Такие индустрии, как здравоохранение, биология, энергетика, финансы, автомобилестроение и производство, уже выиграли от "более глубокого" взгляда на огромные массивы данных.

"Потенциал искусственного интеллекта способен дать дополнительный импульс для развития многим отраслям промышленности, - сказал Дженсен Хуанг, сооснователь и президент NVIDIA. - Вместе с Microsoft мы создали высокопроизводительную платформу для задач ИИ, доступную как в рамках собственной ИТ-инфраструктуры компаний на базе суперкомпьютера DGX-1, так и в облаке Microsoft Azure. Принимая во внимание глобальный охват присутствия Microsoft, теперь мощь ИИ доступна без преувеличения для всех компаний мира, которые хотят поднять свой бизнес на новый уровень".
"Мы прикладываем все усилия, чтобы вооружить искусственным интеллектом все компании, чтобы помочь им в создании более умных продуктов и в решении важнейших глобальных задач, - говорит Хэрри Шам, исполнительный вице-президент группы по ИИ и исследованиям в Microsoft. - В сотрудничестве с NVIDIA и с помощью GPU-ускоренных систем мы создали набор инструментов Cognitive и Microsoft Azure - самую быструю и многофункциональную платформу для задач ИИ. Искусственный интеллект теперь доступен для любого бизнеса".


Совместно оптимизированная платформа позволяет запускать (в настоящий момент в предрелизном режиме) новый набор инструментов Microsoft Cognitive (ранее известный как CNTK) на графических процессорах NVIDIA, включая суперкомпьютер NVIDIA DGX-1 на базе архитектуры Pascal с технологией NVLink и виртуальные машины Azure N-Series. Такое сочетание обеспечивает беспрецедентную производительность и отличается простотой использования при использовании данных для глубокого обучения.

Набор инструментов Microsoft Cognitive внедряет и анализирует алгоритмы глубокого обучения быстрее, чем другие доступные инструменты, эффективно масштабируя нагрузку в ряде окружений - с центральных процессоров на графические или даже на множество машин, при этом без потери точности данных. В результате тесного сотрудничества NVIDIA и Microsoft ускорили Cognitive на GPU-системах и в облаке Microsoft Azure, предлагая следующие преимущества стартапам и компаниям:

  • Более широкая функциональность: набор инструментов Cognitive позволяет клиентам тренировать модели с помощью одного фреймворка самостоятельно на суперкомпьютере NVIDIA DGX-1 или системах на базе GPU NVIDIA и затем запускать эти модели в облаке на Azure. Такой масштабируемый, гибридный подход позволяет компаниям быстро прототипировать и внедрять новые интеллектуальные возможности.
  • Выше производительность: в случае работы на GPU, в отличие от CPU, Cognitive выполняет обучение глубоких сетей и инференс намного быстрее на графических процессорах NVIDIA, доступных на серверах Azure N-Series и в рамках локальной ИТ-инфраструктуры. Так, для инструментов Cognitive суперкомпьютер NVIDIA DGX-1 с архитектурой Pascal и технологией NVLink в 170 раз быстрее CPU-серверов.
  • Шире доступность: в настоящий момент виртуальные машины Azure N-Series на базе GPU NVIDIA доступны для тестирования только для пользователей Azure. В ближайшее время они станут доступны для всех пользователей. GPU в машинах Azure могут использоваться как для ускорения обучения, так и для ускорения оценки моделей. Учитывая огромное количество клиентов, тестирующих систему в данный момент, GPU Tesla в виртуальных машинах Azure N-Series получают нагрузку от компаний самого разного уровня и масштаба бизнеса.

NVIDIA и Microsoft планируют продолжать сотрудничество с целью оптимизации пакета Cognitive для графических процессоров NVIDIA в Azure и как части гибридной облачной платформы для ИИ при подключении к системам NVIDIA DGX-1 на местах.

Компания Google уделяет много внимания развитию искусственного интеллекта. Ранее ИИ от Google научился писать картины и создавать музыку, но на этом разработчики останавливаться не стали. Теперь стало известно, что нейросети поискового гиганта создали собственную технологию шифрования без участия людей. В отчёте говорится, что Мартин Абади и Дэвид Г. Андерсен из Google взяли три нейросети с кодовыми именами Алиса, Боб и Ева, и позволили им передавать друг другу заметки, используя метод шифрования, который они же и создали.

Как сообщает издание New Scientist, вышеупомянутые сотрудники Google дали каждой из нейросетей собственное задание: Алиса должна была послать секретное сообщение, которое мог прочитать только Боб, в то время как Ева должна была самостоятельно попытаться выяснить, как можно перехватывать и декодировать это сообщение. Эксперимент начался с простого текстового сообщения, которое Алиса преобразовала в нечто нечитаемое, что только Боб мог декодировать с помощью ключа шифрования. После 15 000 попыток Алиса разработала собственный метод шифрования, а Боб придумал, как расшифровать его. Сообщение было длиной всего 16 бит, причём каждый бит был равен 1 или 0. Поэтому тот факт, что Ева смогла угадать только половину битов в сообщении говорит о том, что она просто выбирала одно из двух или угадывала в случайном порядке.

Самое интересное, что из-за особенностей машинного обучения даже сами сотрудники Google не знают, какой же метод шифрования создала Алиса.

Подписаться на новости