#посмотреть_на_выходных (18+)
Мультипликационный сериал «Любовь, смерть и роботы». Эпизод «Зима Блю» (14 серия 1 сезона, 2019)
Вообще, по большому счёту, несмотря на название, теме ИИ и роботов во всех трёх сезонах посвящено не так уж много эпизодов. Но среди них есть истинные шедевры.
Самая ударная серия первого сезона — экранизация рассказа Аластера Рейнольдса «Зима. Голубой период». Гениальный художник Зима, известный всей обитаемой галактике своими масштабными работами, которые занимают целые планеты и солнечные системы, объявляет о новом, доселе невиданном арт-проекте. За несколько десятков минут звезда современного искусства саморазоблачается на глазах у публики и оказывается не просто киборгом, но роботом, многократно «проапгрейженным» и «пропатченным».
Он отбрасывает все лишнее, сбрасывает настройки до заводских, отказывается от самосознания и способности к рефлексии, возвращается к блаженному безмыслию программируемого чистильщика бассейнов. Мечтают ли андроиды о возвращении в материнскую утробу? Если верить создателям сериала, — страстно.
Мультипликационный сериал «Любовь, смерть и роботы». Эпизод «Зима Блю» (14 серия 1 сезона, 2019)
Вообще, по большому счёту, несмотря на название, теме ИИ и роботов во всех трёх сезонах посвящено не так уж много эпизодов. Но среди них есть истинные шедевры.
Самая ударная серия первого сезона — экранизация рассказа Аластера Рейнольдса «Зима. Голубой период». Гениальный художник Зима, известный всей обитаемой галактике своими масштабными работами, которые занимают целые планеты и солнечные системы, объявляет о новом, доселе невиданном арт-проекте. За несколько десятков минут звезда современного искусства саморазоблачается на глазах у публики и оказывается не просто киборгом, но роботом, многократно «проапгрейженным» и «пропатченным».
Он отбрасывает все лишнее, сбрасывает настройки до заводских, отказывается от самосознания и способности к рефлексии, возвращается к блаженному безмыслию программируемого чистильщика бассейнов. Мечтают ли андроиды о возвращении в материнскую утробу? Если верить создателям сериала, — страстно.
YouTube
Zima Blue. Финальная сцена. Любовь, смерть и роботы.
✔Подписывайся
►https://www.youtube.com/c/MRROBOTwt
➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠
Группа ВК: https://vk.com/mrrobotwt
➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠
14 Серия: Zima Blue - «Зи́ма Блю»
Любовь, смерть и роботы 1 сезон 14 серия
Оригинальное название: Love,…
►https://www.youtube.com/c/MRROBOTwt
➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠
Группа ВК: https://vk.com/mrrobotwt
➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠➠
14 Серия: Zima Blue - «Зи́ма Блю»
Любовь, смерть и роботы 1 сезон 14 серия
Оригинальное название: Love,…
👍17🔥6❤3🤮1
На Аляске свёрточную нейросеть обучили распознавать взрывы по инфразвуку. Для этого создали синтетический датасет
Искусственный интеллект находит всё новые сферы применения. Даже там, где этого совсем не ждёшь. Например, в акустическом мониторинге взрывов.
💥 Любые взрывы — от промышленных и до испытания оружия или извержения вулканов — создают целый спектр акустических колебаний, включая инфразвуковые. Такие длинные волны затухают сравнительно долго и распространяются на большие расстояния в атмосфере. Поэтому массивы специальных микрофонов позволяют обнаруживать взрывы даже на приличном удалении от места их произведения.
〰️ Учёные с Аляски решили автоматизировать процесс и применить для выделения сигнала машинное обучение. Однако возникла проблема — для тренировки моделей не оказалось нужного количества данных. Чтобы её решить исследователи создали компьютерную модель. Она позволила рассчитать распространение инфразвуковых волн при различном состоянии атмосферы и сгенерировать 28 тыс. синтетических сигналов, соответствующих разным типам взрывов.
🔢 Затем на этом датасете обучили сравнительно простую свёрточную нейросеть. В предварительных тестах она показала отличные — свыше 90% точности — результаты по выделению сигнала взрыва на фоне естественных шумов.
☄️ Дополнительно систему проверили на данных эксперимента Humming Roadrunner, проведенного в США в 2012 году. Тогда в пустыне на полигоне Уайт-Сэндз произвели шесть крупных взрывов мощностью от 9 до 45 тонн в тротиловом эквиваленте, а массивы датчиков зафиксировали созданные ими инфразвуковые волны с расстояния от 50 до 500 км. Собранные десять лет назад данные сейчас выложены в открытый доступ для всех исследователей. Анализируя их, модель, обученная на новом синтетическом датасете, уверенно определила характеристики большинства взрывов.
Читать подробнее: научная статья в журнале Geophysical Research Letters
#Нейросети, #Датасеты
Искусственный интеллект находит всё новые сферы применения. Даже там, где этого совсем не ждёшь. Например, в акустическом мониторинге взрывов.
💥 Любые взрывы — от промышленных и до испытания оружия или извержения вулканов — создают целый спектр акустических колебаний, включая инфразвуковые. Такие длинные волны затухают сравнительно долго и распространяются на большие расстояния в атмосфере. Поэтому массивы специальных микрофонов позволяют обнаруживать взрывы даже на приличном удалении от места их произведения.
〰️ Учёные с Аляски решили автоматизировать процесс и применить для выделения сигнала машинное обучение. Однако возникла проблема — для тренировки моделей не оказалось нужного количества данных. Чтобы её решить исследователи создали компьютерную модель. Она позволила рассчитать распространение инфразвуковых волн при различном состоянии атмосферы и сгенерировать 28 тыс. синтетических сигналов, соответствующих разным типам взрывов.
🔢 Затем на этом датасете обучили сравнительно простую свёрточную нейросеть. В предварительных тестах она показала отличные — свыше 90% точности — результаты по выделению сигнала взрыва на фоне естественных шумов.
☄️ Дополнительно систему проверили на данных эксперимента Humming Roadrunner, проведенного в США в 2012 году. Тогда в пустыне на полигоне Уайт-Сэндз произвели шесть крупных взрывов мощностью от 9 до 45 тонн в тротиловом эквиваленте, а массивы датчиков зафиксировали созданные ими инфразвуковые волны с расстояния от 50 до 500 км. Собранные десять лет назад данные сейчас выложены в открытый доступ для всех исследователей. Анализируя их, модель, обученная на новом синтетическом датасете, уверенно определила характеристики большинства взрывов.
Читать подробнее: научная статья в журнале Geophysical Research Letters
#Нейросети, #Датасеты
Scitation: Acoustical Society of America
Results from the Humming Roadrunner ground truth experiment
In August 2012, a ground truth infrasound experiment was performed in the American Southwest. Six large chemical explosions were detonated at the White Sands Missile Range in New Mexico. In TNT equ...
👍14🔥5
Робот-домохозяин научился выполнять домашние дела, наблюдая за людьми
🤖 Вполне возможно, что в будущем роботов не потребуется заранее готовить к выполнению домашних дел. Достаточно будет установить машину на кухне, а всему нужному она обучится самостоятельно, наблюдая за человеком и пытаясь воспроизвести его действия.
🍽 👫 В борьбе за освобождение женщин (а сегодня уже и мужчин) от тягот «второй работы» произошёл серьёзный прорыв. Никаких больше супружеских конфликтов из-за того, кому мыть посуду или готовить детям завтрак — всё в скором времени ляжет на натруженные манипуляторы роботов без пола и гендера.
🍜 А всё благодаря тому, что учёные из Университета Карнеги – Меллона разработали новый имитационный подход к обучению машин — WHIRL (In-the-Wild Human Imitating Robot Learning) — «Обучение робота подражанием человеку в естественных условиях». Его идея состоит в отслеживании действий людей в обычной обстановке, их распознавании и генерализации (обобщении) для выполнения других задач.
🦾 В «естественных условиях» своего дома люди постоянно заняты массой рутинных дел, что позволяет собрать достаточно данных для машинного обучения за счёт непосредственного наблюдения. Чтобы продемонстрировать такую возможность, учёные использовали стандартный роботизированный манипулятор с видеокамерой.
🏠 Его поместили в типичную обстановку домашней кухни, не модифицированную специально для удобства роботов, как это обычно делают в экспериментах. А один из исследователей регулярно совершал там самые обычные действия: открывал и закрывал двери, накрывал крышкой кастрюлю, вынимал пакет с мусором из ведра и т.п.
📈 Система отслеживала поведение человека, распознавая положение тела и объекты, которыми он манипулирует. Для этого ей оказалось достаточно всего одной итерации действия. Далее WHIRL дообучался самостоятельно, пробуя воспроизвести подсмотренные действия в реальных условиях и совершенствуясь за счёт внешних подкреплений экспериментаторов.
Всего робот освоил 20 типичных действий на кухне. Причем для некоторых из них машина нашла в итоге совершенно иные траектории, нежели те, которыми пользовался человек.
☕️ Забавно, что новая система, ставит под сомнение знаменитый «кофейный тест», предложенный сооснователем Apple Стивом Возняком. Месяц назад я подробно о нём писала. Кажется, что теперь, благодаря WHIRL, любой робот действительно может забрести на первую попавшуюся кухню и приготовить вам чашечку капучино. Однако сильный искусственный интеллект от нас по-прежнему далёк.
Главное, не пускать таких роботов в супружескую спальню. А то мало ли какие простые механические движения они потом захотят повторить!
#Робототехника, #Машинное_обучение, #Компьютерное_зрение, #Сильный_искусственный_интеллект
🤖 Вполне возможно, что в будущем роботов не потребуется заранее готовить к выполнению домашних дел. Достаточно будет установить машину на кухне, а всему нужному она обучится самостоятельно, наблюдая за человеком и пытаясь воспроизвести его действия.
🍽 👫 В борьбе за освобождение женщин (а сегодня уже и мужчин) от тягот «второй работы» произошёл серьёзный прорыв. Никаких больше супружеских конфликтов из-за того, кому мыть посуду или готовить детям завтрак — всё в скором времени ляжет на натруженные манипуляторы роботов без пола и гендера.
🍜 А всё благодаря тому, что учёные из Университета Карнеги – Меллона разработали новый имитационный подход к обучению машин — WHIRL (In-the-Wild Human Imitating Robot Learning) — «Обучение робота подражанием человеку в естественных условиях». Его идея состоит в отслеживании действий людей в обычной обстановке, их распознавании и генерализации (обобщении) для выполнения других задач.
🦾 В «естественных условиях» своего дома люди постоянно заняты массой рутинных дел, что позволяет собрать достаточно данных для машинного обучения за счёт непосредственного наблюдения. Чтобы продемонстрировать такую возможность, учёные использовали стандартный роботизированный манипулятор с видеокамерой.
🏠 Его поместили в типичную обстановку домашней кухни, не модифицированную специально для удобства роботов, как это обычно делают в экспериментах. А один из исследователей регулярно совершал там самые обычные действия: открывал и закрывал двери, накрывал крышкой кастрюлю, вынимал пакет с мусором из ведра и т.п.
📈 Система отслеживала поведение человека, распознавая положение тела и объекты, которыми он манипулирует. Для этого ей оказалось достаточно всего одной итерации действия. Далее WHIRL дообучался самостоятельно, пробуя воспроизвести подсмотренные действия в реальных условиях и совершенствуясь за счёт внешних подкреплений экспериментаторов.
Всего робот освоил 20 типичных действий на кухне. Причем для некоторых из них машина нашла в итоге совершенно иные траектории, нежели те, которыми пользовался человек.
☕️ Забавно, что новая система, ставит под сомнение знаменитый «кофейный тест», предложенный сооснователем Apple Стивом Возняком. Месяц назад я подробно о нём писала. Кажется, что теперь, благодаря WHIRL, любой робот действительно может забрести на первую попавшуюся кухню и приготовить вам чашечку капучино. Однако сильный искусственный интеллект от нас по-прежнему далёк.
Главное, не пускать таких роботов в супружескую спальню. А то мало ли какие простые механические движения они потом захотят повторить!
#Робототехника, #Машинное_обучение, #Компьютерное_зрение, #Сильный_искусственный_интеллект
YouTube
WHIRL: Human-to-Robot Imitation in the Wild. Published at RSS 2022.
Project Website: https://human2robot.github.io
Authors: Shikhar Bahl, Abhinav Gupta, Deepak Pathak
Affiliation: Carnegie Mellon University
Project Abstract: We approach the problem of learning by watching humans in the wild. While traditional approaches…
Authors: Shikhar Bahl, Abhinav Gupta, Deepak Pathak
Affiliation: Carnegie Mellon University
Project Abstract: We approach the problem of learning by watching humans in the wild. While traditional approaches…
👍19🔥3
Алгоритм научили «галлюцинировать» структурами несуществующих белков
Одним из самых значительных событий прошлого года стала разработка компании DeepMind алгоритм AlphaFold. Он способен предсказать пространственные структуры белков, опираясь только на их аминокислотные последовательности.
🐿 Белки — главные структурные и метаболические инструменты любой живой клетки. Они занимаются всем — от транспорта молекул до катализа реакций с ними. Свойства и функции каждого конкретного белка определяются его пространственной конфигурацией. Поэтому понимание механизмов работы белка зависит от знания его трёхмерной структуры.
📊 До сих пор такую задачу приходится решать долго и кропотливо, получая чистые белковые препараты, используя рентгенографию, ядерный магнитный резонанс и другие весьма трудоемкие и сложные методы. Однако за десятилетия работы учёные накопили данные о структурах сотен тысяч белков.
🧬 Благодаря им можно обучить нейросети предсказывать пространственные структуры, зная лишь последовательность аминокислот в полимерной цепочке того или иного белка. Следующим логичным шагом становится генерация новых, не существующих в природе структур, адаптированных для выполнения той или иной функции.
Такую работу провели в Вашингтонском университете (США), опираясь на уже известную ИИ-систему предсказания структуры белков RoseTTAfold. В ней реализованы две стратегии для создания новых структур.
1️⃣ «Дорисовка» (inpainting) — на основе заданного ключевого участка белка (активного сайта) и закономерностей конформации, система генерирует остальные части молекулы, которые должны поддерживать форму и обеспечивать работоспособность активного сайта.
2️⃣ «Вынужденная галлюцинация» (constrained hallucination) — начинается с работы над определённой задачей, поставленной перед будущей структурой, например, способности связывать ионы металлов. В этом случае система генерирует случайные последовательности аминокислот, предсказывает форму такого белка и определяет его способность выполнять целевую задачу. Затем в последовательность вносятся мутации. Те изменения, которые облегчают нужную работу, сохраняются. Неудачные заменяются новыми, постепенно приближая структуру к оптимальной.
Для демонстрации возможностей новой системы учёные сгенерировали несколько пробных белков, выполняющих самые разные функции:
✔️ абсорбирующих металлы из водного раствора;
✔️ связывающихся с рецепторами на поверхности раковых клеток;
✔️ улавливающих молекулы углекислого газа из воздуха;
✔️защищающих от респираторно-синцитиального вируса (RSV), ответственного за воспаление дыхательных путей.
🦠 Некоторые из новых молекул были испытаны в экспериментах. Так, система спроектировала 37 вариантов «вакцины» от RSV — белков, которые содержат фрагменты вирусной оболочки и могут репрезентировать их лимфоцитам для выработки иммунного ответа.
🧪 Учёные искусственно синтезировали эти молекулы и провели их лабораторные испытания, показав, что три новых белка действительно воспринимаются иммунитетом и связываются антителами к RSV, что делает их потенциально эффективными вакцинами.
Почитать подробнее: научная статья в журнале Science.
#Нейросети, #Биотехнологии, #ИИ_в_медицине
Одним из самых значительных событий прошлого года стала разработка компании DeepMind алгоритм AlphaFold. Он способен предсказать пространственные структуры белков, опираясь только на их аминокислотные последовательности.
🐿 Белки — главные структурные и метаболические инструменты любой живой клетки. Они занимаются всем — от транспорта молекул до катализа реакций с ними. Свойства и функции каждого конкретного белка определяются его пространственной конфигурацией. Поэтому понимание механизмов работы белка зависит от знания его трёхмерной структуры.
📊 До сих пор такую задачу приходится решать долго и кропотливо, получая чистые белковые препараты, используя рентгенографию, ядерный магнитный резонанс и другие весьма трудоемкие и сложные методы. Однако за десятилетия работы учёные накопили данные о структурах сотен тысяч белков.
🧬 Благодаря им можно обучить нейросети предсказывать пространственные структуры, зная лишь последовательность аминокислот в полимерной цепочке того или иного белка. Следующим логичным шагом становится генерация новых, не существующих в природе структур, адаптированных для выполнения той или иной функции.
Такую работу провели в Вашингтонском университете (США), опираясь на уже известную ИИ-систему предсказания структуры белков RoseTTAfold. В ней реализованы две стратегии для создания новых структур.
1️⃣ «Дорисовка» (inpainting) — на основе заданного ключевого участка белка (активного сайта) и закономерностей конформации, система генерирует остальные части молекулы, которые должны поддерживать форму и обеспечивать работоспособность активного сайта.
2️⃣ «Вынужденная галлюцинация» (constrained hallucination) — начинается с работы над определённой задачей, поставленной перед будущей структурой, например, способности связывать ионы металлов. В этом случае система генерирует случайные последовательности аминокислот, предсказывает форму такого белка и определяет его способность выполнять целевую задачу. Затем в последовательность вносятся мутации. Те изменения, которые облегчают нужную работу, сохраняются. Неудачные заменяются новыми, постепенно приближая структуру к оптимальной.
Для демонстрации возможностей новой системы учёные сгенерировали несколько пробных белков, выполняющих самые разные функции:
✔️ абсорбирующих металлы из водного раствора;
✔️ связывающихся с рецепторами на поверхности раковых клеток;
✔️ улавливающих молекулы углекислого газа из воздуха;
✔️защищающих от респираторно-синцитиального вируса (RSV), ответственного за воспаление дыхательных путей.
🦠 Некоторые из новых молекул были испытаны в экспериментах. Так, система спроектировала 37 вариантов «вакцины» от RSV — белков, которые содержат фрагменты вирусной оболочки и могут репрезентировать их лимфоцитам для выработки иммунного ответа.
🧪 Учёные искусственно синтезировали эти молекулы и провели их лабораторные испытания, показав, что три новых белка действительно воспринимаются иммунитетом и связываются антителами к RSV, что делает их потенциально эффективными вакцинами.
Почитать подробнее: научная статья в журнале Science.
#Нейросети, #Биотехнологии, #ИИ_в_медицине
👍24🔥8
Бот получил больше прибыли на бирже, чем самые агрессивные белковые игроки
📈 Разработчики из Стэнфордского университета представили систему StockBot. Она состоит из предиктивной модели и торгового бота. Рекуррентная нейросеть с памятью прогнозирует биржевые котировки, а бот, опираясь на её предсказания, совершает покупки и продажи. Использование ИИ позволило системе добиться большей прибыльности, чем у лучших инвестиционных фондов.
💵 Колебание курсов ценных бумаг — почти эталон непредсказуемости. Нестационарная, сильно зашумленная, полная запутанных внутренних взаимосвязей природа биржевых котировок делает прогнозирование исключительно сложным.
💸 Для обучения и тестирования системы использовался датасет, содержащий исторические, текущие и прогнозируемые котировки для ценных бумаг компаний в выбранной отрасли. Прошлые и прогнозируемые котировки служили входными данными для принимающего решения бота.
💶 Алгоритм вычислял разницу между текущей и прогнозируемой ценами, а затем сравнивал её с результатами прошлого дня. Это позволяло зафиксировать момент достижения локального дна падения котировок или пика стоимости, что заставляло систему приобретать их, либо, наоборот, продавать.
👁🗨 Разработчики апробировали несколько вариантов архитектур предсказательных моделей. Лучше всех себя показала LSTM (Long Short-Term Memory). Такие рекуррентные нейронные сети содержат дополнительный модуль, значения в котором не «размываются» в процессе обучения с обратным распространением ошибки. Благодаря этому он способен помнить значения за разные промежутки времени, что позволяет модели принимать решения с учётом прошлого контекста.
Почитать подробнее: препринт на arXiv.
#Прогнозные_системы, #Глубокое_обучение
📈 Разработчики из Стэнфордского университета представили систему StockBot. Она состоит из предиктивной модели и торгового бота. Рекуррентная нейросеть с памятью прогнозирует биржевые котировки, а бот, опираясь на её предсказания, совершает покупки и продажи. Использование ИИ позволило системе добиться большей прибыльности, чем у лучших инвестиционных фондов.
💵 Колебание курсов ценных бумаг — почти эталон непредсказуемости. Нестационарная, сильно зашумленная, полная запутанных внутренних взаимосвязей природа биржевых котировок делает прогнозирование исключительно сложным.
💸 Для обучения и тестирования системы использовался датасет, содержащий исторические, текущие и прогнозируемые котировки для ценных бумаг компаний в выбранной отрасли. Прошлые и прогнозируемые котировки служили входными данными для принимающего решения бота.
💶 Алгоритм вычислял разницу между текущей и прогнозируемой ценами, а затем сравнивал её с результатами прошлого дня. Это позволяло зафиксировать момент достижения локального дна падения котировок или пика стоимости, что заставляло систему приобретать их, либо, наоборот, продавать.
👁🗨 Разработчики апробировали несколько вариантов архитектур предсказательных моделей. Лучше всех себя показала LSTM (Long Short-Term Memory). Такие рекуррентные нейронные сети содержат дополнительный модуль, значения в котором не «размываются» в процессе обучения с обратным распространением ошибки. Благодаря этому он способен помнить значения за разные промежутки времени, что позволяет модели принимать решения с учётом прошлого контекста.
Почитать подробнее: препринт на arXiv.
#Прогнозные_системы, #Глубокое_обучение
👍13🔥7👎1
Фотонная нейросеть сформировала условные рефлексы с помощью световых сигналов
🐕 Больше ста лет назад классические эксперименты Ивана Павлова продемонстрировали формирование у животных условных рефлексов — возникновение ассоциативных связей между индифферентным стимулом (звоном колокольчика) и безусловной реакцией (выделением слюны). Британские учёные из Оксфордского университета показали, что этот подход годен и для обучения «физических» нейронных сетей.
❇️ Представленная ими фотонная система способна к «павловскому» обучению без обратного распространения ошибки. Для её создания используются одиночные модули на основе материала с памятью структуры — из них разработчики собрали нейронную сеть и продемонстрировали её в деле.
📉 Обратное распространение ошибки позволяет корректировать активность входных нейронов в зависимости от выхода и получать желаемый результат. Однако этот подход требует для обучения обработки огромного количества примеров, делая нейросети крайне требовательными к ресурсам.
💠 В новой системе используются обучаемые модули на основе материала с фазовым переходом, который позволяет формировать ассоциации между входными сигналами. Такая платформа может дополнить существующие нейросети, взяв на себя некоторые несложные задачи и выполняя их с куда меньшим расходом вычислительных ресурсов.
💎 Отдельные модули системы — «Ассоциативные одиночные обучаемые элементы» (Associative Monadic Learning Element, AMLE) — оптические устройства, включающие пару световодов, на один из которых нанесена тонкая пленка теллурида германия-сурьмы (GST). Это материал с обратимым фазовым переходом, способный легко и быстро переходить из кристаллического состояния в аморфное и обратно, выдерживая при этом огромное количество циклов.
🔀 «По умолчанию» GST остается кристаллическим, и между световодами, по которым поступают входные сигналы, связи нет. Однако если входные импульсы синхронизированы по фазе, GST получает достаточно энергии и становится аморфным, а сигналы ассоциируются друг с другом.
🔔🔕 Чем чаще это происходит, тем большая часть материала переходит в новую фазу, и тем сильнее делается связь между входящими сигналами — вплоть до того, что они становятся неразличимы с точки зрения выходного сигнала на AMLE. И наоборот, многократное несовпадение входных сигналов ослабляет ассоциацию, обеспечивая «забывание».
Почитать подробнее: научная статья в журнале Optica
#Инфраструктура_искусственного_интеллекта, #Железо_для_искусственного_интеллекта, #Нейросети
🐕 Больше ста лет назад классические эксперименты Ивана Павлова продемонстрировали формирование у животных условных рефлексов — возникновение ассоциативных связей между индифферентным стимулом (звоном колокольчика) и безусловной реакцией (выделением слюны). Британские учёные из Оксфордского университета показали, что этот подход годен и для обучения «физических» нейронных сетей.
❇️ Представленная ими фотонная система способна к «павловскому» обучению без обратного распространения ошибки. Для её создания используются одиночные модули на основе материала с памятью структуры — из них разработчики собрали нейронную сеть и продемонстрировали её в деле.
📉 Обратное распространение ошибки позволяет корректировать активность входных нейронов в зависимости от выхода и получать желаемый результат. Однако этот подход требует для обучения обработки огромного количества примеров, делая нейросети крайне требовательными к ресурсам.
💠 В новой системе используются обучаемые модули на основе материала с фазовым переходом, который позволяет формировать ассоциации между входными сигналами. Такая платформа может дополнить существующие нейросети, взяв на себя некоторые несложные задачи и выполняя их с куда меньшим расходом вычислительных ресурсов.
💎 Отдельные модули системы — «Ассоциативные одиночные обучаемые элементы» (Associative Monadic Learning Element, AMLE) — оптические устройства, включающие пару световодов, на один из которых нанесена тонкая пленка теллурида германия-сурьмы (GST). Это материал с обратимым фазовым переходом, способный легко и быстро переходить из кристаллического состояния в аморфное и обратно, выдерживая при этом огромное количество циклов.
🔀 «По умолчанию» GST остается кристаллическим, и между световодами, по которым поступают входные сигналы, связи нет. Однако если входные импульсы синхронизированы по фазе, GST получает достаточно энергии и становится аморфным, а сигналы ассоциируются друг с другом.
🔔🔕 Чем чаще это происходит, тем большая часть материала переходит в новую фазу, и тем сильнее делается связь между входящими сигналами — вплоть до того, что они становятся неразличимы с точки зрения выходного сигнала на AMLE. И наоборот, многократное несовпадение входных сигналов ослабляет ассоциацию, обеспечивая «забывание».
Почитать подробнее: научная статья в журнале Optica
#Инфраструктура_искусственного_интеллекта, #Железо_для_искусственного_интеллекта, #Нейросети
👍14🔥2🤔1
AlphaFold расшифровал структуры более 200 миллионов белков — практически всех известных в природе
🐿 Белки — ключевые молекулы всех живых организмов. Их свойства и функции определяются сложной пространственной формой, которая задаётся последовательностью аминокислот, условиями сворачивания цепочки и другими факторами.
🔬 Чтобы определить механизм работы того или иного белка, до сих пор их структуры приходилось устанавливать экспериментально. Такая работа требует больших усилий и ресурсов, поэтому может занимать не один год. Однако за десятилетия биологи накопили данные почти о 200 тыс. структур, что позволило обучать этой задаче нейросети.
🧬 В конце 2020 года компания DeepMind представила AlphaFold 2, программу, которая использует нейросеть-трансформер для прогнозирования пространственной структуры белка на основе его аминокислотной последовательности. В бенчмарке CASP, позволяющем оценить точность таких предсказаний, система продемонстрировала рекордные результаты, в разы обойдя ближайших конкурентов.
📊 С тех пор она работает почти без перерыва, и в 2021 году разработчики DeepMind совместно с учёными из Европейской лаборатории молекулярной биологии (EMBL) выложили в открытый доступ датасет AlphaFold DB, содержащий предсказанные структуры примерно двух миллионов белков для 20-ти видов живых организмов, включая примерно 20 тыс. белков человека.
‼️ Теперь участники проекта объявили о завершении проекта: система AlphaFold сгенерировала структуры для более чем 200 млн белков. Как выразились сами разработчики — «всей белковой вселенной». Датасет включает информацию о белках животных, растений, грибов, бактерий и архей.
Новые данные доступны для скачивания через облачный сервис Google Cloud Public Datasets, они дополнят и самую большую в мире базу данных о белках UniProt. Это позволит сделать новые важные открытия в биологии, медицине, фармакологии.
#Нейросети, #Биотехнологии, #Биоинформатика
🐿 Белки — ключевые молекулы всех живых организмов. Их свойства и функции определяются сложной пространственной формой, которая задаётся последовательностью аминокислот, условиями сворачивания цепочки и другими факторами.
🔬 Чтобы определить механизм работы того или иного белка, до сих пор их структуры приходилось устанавливать экспериментально. Такая работа требует больших усилий и ресурсов, поэтому может занимать не один год. Однако за десятилетия биологи накопили данные почти о 200 тыс. структур, что позволило обучать этой задаче нейросети.
🧬 В конце 2020 года компания DeepMind представила AlphaFold 2, программу, которая использует нейросеть-трансформер для прогнозирования пространственной структуры белка на основе его аминокислотной последовательности. В бенчмарке CASP, позволяющем оценить точность таких предсказаний, система продемонстрировала рекордные результаты, в разы обойдя ближайших конкурентов.
📊 С тех пор она работает почти без перерыва, и в 2021 году разработчики DeepMind совместно с учёными из Европейской лаборатории молекулярной биологии (EMBL) выложили в открытый доступ датасет AlphaFold DB, содержащий предсказанные структуры примерно двух миллионов белков для 20-ти видов живых организмов, включая примерно 20 тыс. белков человека.
‼️ Теперь участники проекта объявили о завершении проекта: система AlphaFold сгенерировала структуры для более чем 200 млн белков. Как выразились сами разработчики — «всей белковой вселенной». Датасет включает информацию о белках животных, растений, грибов, бактерий и архей.
Новые данные доступны для скачивания через облачный сервис Google Cloud Public Datasets, они дополнят и самую большую в мире базу данных о белках UniProt. Это позволит сделать новые важные открытия в биологии, медицине, фармакологии.
#Нейросети, #Биотехнологии, #Биоинформатика
GitHub
GitHub - google-deepmind/alphafold: Open source code for AlphaFold 2.
Open source code for AlphaFold 2. Contribute to google-deepmind/alphafold development by creating an account on GitHub.
👍15🔥2🤔2
Учёные создали программируемые резисторы, которые работают в 10 тысяч раз быстрее синапсов мозга
Исследователи из MIT разработали новое устройство для аналогового обучения. По задумке учёных, программируемые резисторы позволят эффективнее тренировать нейросети с меньшим энергопотреблением.
🧠 Скорость обработки биологических данных в нейронах и синапсах мозга ограничена водной средой, через которую слабые потенциалы действия (около 100 мВ) распространяются в течение миллисекунд.
У искусственных твердотельных нейронов таких ограничений по времени и напряжению нет. К тому же их размеры могут быть в тысячу раз меньше биологических аналогов.
🌡 Прототипы новых устройств размером 50 на 150 нанометров изготовили с помощью электронно-лучевой литографии. Накачку протонов в канал проводили через твердотельный электролит — специальное твёрдое фосфосиликатное стекло с нанопорами (PSG). Оно обладает высокой протонной проводимостью даже при комнатной температуре.
Поскольку протоны не повреждают материал, резистор может работать миллионы циклов. А благодаря изолирующим свойствам PSG через него почти не проходит электрический ток при движении протонов. Это делает устройство максимально энергоэффективным.
Тесты показали, что искусственные синапсы выдерживают сильные электрические поля (около 10 мВ на сантиметр). К тому же новые программируемые резисторы показали отличную энергоэффективность — 2,5 фемтоджоуля на импульс.
👨💻 Учёные говорят, что аналоговое глубокое обучение позволит тренировать беспрецедентно сложные нейросети. Основанное на искусственных синапсах оборудование будет работать эффективнее, потому что вычисления выполняются в памяти — огромные объёмы данных не передаются в процессор и обратно.
К тому же аналоговые процессоры выполняют операции параллельно: если размер матрицы увеличивается, ему не требуется больше времени на выполнение новых операций.
🩻 🚘 В будущем аналоговое обучение поможет быстрее разрабатывать модели ИИ для самоуправляемых автомобилей, анализа заболеваний и обнаружения мошенничества.
Исследователи из MIT разработали новое устройство для аналогового обучения. По задумке учёных, программируемые резисторы позволят эффективнее тренировать нейросети с меньшим энергопотреблением.
🧠 Скорость обработки биологических данных в нейронах и синапсах мозга ограничена водной средой, через которую слабые потенциалы действия (около 100 мВ) распространяются в течение миллисекунд.
У искусственных твердотельных нейронов таких ограничений по времени и напряжению нет. К тому же их размеры могут быть в тысячу раз меньше биологических аналогов.
🌡 Прототипы новых устройств размером 50 на 150 нанометров изготовили с помощью электронно-лучевой литографии. Накачку протонов в канал проводили через твердотельный электролит — специальное твёрдое фосфосиликатное стекло с нанопорами (PSG). Оно обладает высокой протонной проводимостью даже при комнатной температуре.
Поскольку протоны не повреждают материал, резистор может работать миллионы циклов. А благодаря изолирующим свойствам PSG через него почти не проходит электрический ток при движении протонов. Это делает устройство максимально энергоэффективным.
Тесты показали, что искусственные синапсы выдерживают сильные электрические поля (около 10 мВ на сантиметр). К тому же новые программируемые резисторы показали отличную энергоэффективность — 2,5 фемтоджоуля на импульс.
👨💻 Учёные говорят, что аналоговое глубокое обучение позволит тренировать беспрецедентно сложные нейросети. Основанное на искусственных синапсах оборудование будет работать эффективнее, потому что вычисления выполняются в памяти — огромные объёмы данных не передаются в процессор и обратно.
К тому же аналоговые процессоры выполняют операции параллельно: если размер матрицы увеличивается, ему не требуется больше времени на выполнение новых операций.
🩻 🚘 В будущем аналоговое обучение поможет быстрее разрабатывать модели ИИ для самоуправляемых автомобилей, анализа заболеваний и обнаружения мошенничества.
👍18🔥7
Динамическая визуализация мозга на основе ИИ поможет искать заболевания лучше, чем МРТ и ЭЭГ
🧠 Учёный из Университета Карнеги-Меллона представил неинвазивную технологию, которая с высокой скоростью и разрешением отображает быстро меняющуюся электрическую активность в мозге.
Обычно для изучения мозговой активности используют МРТ, но его скорости недостаточно, чтобы точно отслеживать динамику. А у альтернативы — ЭЭГ — довольно низкое пространственное разрешение. Поэтому ни один из этих методов нельзя назвать оптимальной заменой инвазивным процедурам.
👨💻 Новая нейросеть DeepSIF может оценивать пространственно-временную активность мозга с учётом неинвазивных электрофизиологических измерений поверхности головы, объясняет автор идеи — профессор биомедицинской инженерии Бин Хе.
Для оценки эффективности нового подхода учёные проанализировали данные о 20 пациентах с лекарственно-устойчивой эпилепсией, у которых не было припадков больше года.
Алгоритм визуализировал источники эпилептиформных разрядов в их мозге. Для чистоты эксперимента авторы также визуализировали сенсорные и когнитивные реакции мозга у 20 здоровых добровольцев.
🧑🔬 Позже исследователи сопоставили информацию с клиническими данными, полученными с помощью инвазивной электрокортикографии. Тесты показали, что новый подход превзошёл традиционные методы визуализации по точности и вычислительной эффективности.
Благодаря этой технологии врачи смогут прогонять данные пациента через нейросеть и быстро получать точные результаты анализа. Инструмент также поможет неврологам и нейрохирургам в проведении качественных и быстрых хирургических операций.
👉 Следующий шаг учёных — провести более крупные клинические испытания, чтобы поскорее внедрить технологию.
🧠 Учёный из Университета Карнеги-Меллона представил неинвазивную технологию, которая с высокой скоростью и разрешением отображает быстро меняющуюся электрическую активность в мозге.
Обычно для изучения мозговой активности используют МРТ, но его скорости недостаточно, чтобы точно отслеживать динамику. А у альтернативы — ЭЭГ — довольно низкое пространственное разрешение. Поэтому ни один из этих методов нельзя назвать оптимальной заменой инвазивным процедурам.
👨💻 Новая нейросеть DeepSIF может оценивать пространственно-временную активность мозга с учётом неинвазивных электрофизиологических измерений поверхности головы, объясняет автор идеи — профессор биомедицинской инженерии Бин Хе.
Для оценки эффективности нового подхода учёные проанализировали данные о 20 пациентах с лекарственно-устойчивой эпилепсией, у которых не было припадков больше года.
Алгоритм визуализировал источники эпилептиформных разрядов в их мозге. Для чистоты эксперимента авторы также визуализировали сенсорные и когнитивные реакции мозга у 20 здоровых добровольцев.
🧑🔬 Позже исследователи сопоставили информацию с клиническими данными, полученными с помощью инвазивной электрокортикографии. Тесты показали, что новый подход превзошёл традиционные методы визуализации по точности и вычислительной эффективности.
Благодаря этой технологии врачи смогут прогонять данные пациента через нейросеть и быстро получать точные результаты анализа. Инструмент также поможет неврологам и нейрохирургам в проведении качественных и быстрых хирургических операций.
👉 Следующий шаг учёных — провести более крупные клинические испытания, чтобы поскорее внедрить технологию.
YouTube
Bin He: Neuroengineering and Dynamic Brain Mapping
Biomedical Engineering Professor Bin He discusses his research in functional neuroimaging using electromagnetic signals.
👍8🔥5👎2
Переводчик с языка животных — это реально? Оказывается, учёные уже работают над этим
🐷 Такой алгоритм пытались создать и раньше. Например, сотрудники Копенгагенского университета показывали модель ИИ, которая определяет эмоции свиньи по хрюканью. Другая нейросетка — DeepSqueak — помогала понять, испытывают ли грызуны стресс. Для этого она анализировала их ультразвуковые сигналы.
Но сотрудники некоммерческой организации Earth Species Project (ESP) решили пойти дальше — они хотят, чтобы их инструмент работал со всеми видами животных — «от червей до китов» 🐳
В основе проекта учёных — модель, которую иногда используют для перевода далёких друг от друга человеческих языков. Для этого берут векторное представление слов.
😸 🚀 Чем ближе они по значению, тем ближе расположены друг к другу. Например, слово «котёнок» будет стоять рядом с «кошкой», но очень далеко от «ракеты» — их крайне редко используют в одном предложении.
Во многих языках получаются похожие геометрические фигуры, потому что связи между словами везде близки. В некоторых случаях достаточно «перевернуть» фигуру, чтобы найти на них общие точки. Такой алгоритм позволяет более-менее точно переводить языки по геометрическим фигурам.
Пока что универсальный переводчик — это скорее концепт. Учёным ещё нужно решить множество мелких вопросов. Например, у ESP уже есть ИИ-модель, которая умеет различать, какая особь в группе издаёт больше звуков. Алгоритм протестировали на свисте дельфинов, криках макак и писке летучих мышей 🙊
Ещё один проект поможет понять функциональные значения звуков горбатых китов. К млекопитающим прикрепляют небольшие устройства, которые фиксируют местоположение, тип движения и звуки. Затем все данные «скармливают» ИИ. Алгоритм учится автоматически определять, что делает животное: ест, путешествует или общается 🙀
Некоторые учёные скептически относятся к работе ESP. Профессор психологии Пенсильванского университета Роберт Сейфарт говорит, что животные издают гораздо меньше звуков, чем люди. Поэтому одни и те же крики могут обозначать разные вещи в зависимости от контекста — это основная сложность для ИИ.
🐷 Такой алгоритм пытались создать и раньше. Например, сотрудники Копенгагенского университета показывали модель ИИ, которая определяет эмоции свиньи по хрюканью. Другая нейросетка — DeepSqueak — помогала понять, испытывают ли грызуны стресс. Для этого она анализировала их ультразвуковые сигналы.
Но сотрудники некоммерческой организации Earth Species Project (ESP) решили пойти дальше — они хотят, чтобы их инструмент работал со всеми видами животных — «от червей до китов» 🐳
В основе проекта учёных — модель, которую иногда используют для перевода далёких друг от друга человеческих языков. Для этого берут векторное представление слов.
😸 🚀 Чем ближе они по значению, тем ближе расположены друг к другу. Например, слово «котёнок» будет стоять рядом с «кошкой», но очень далеко от «ракеты» — их крайне редко используют в одном предложении.
Во многих языках получаются похожие геометрические фигуры, потому что связи между словами везде близки. В некоторых случаях достаточно «перевернуть» фигуру, чтобы найти на них общие точки. Такой алгоритм позволяет более-менее точно переводить языки по геометрическим фигурам.
Пока что универсальный переводчик — это скорее концепт. Учёным ещё нужно решить множество мелких вопросов. Например, у ESP уже есть ИИ-модель, которая умеет различать, какая особь в группе издаёт больше звуков. Алгоритм протестировали на свисте дельфинов, криках макак и писке летучих мышей 🙊
Ещё один проект поможет понять функциональные значения звуков горбатых китов. К млекопитающим прикрепляют небольшие устройства, которые фиксируют местоположение, тип движения и звуки. Затем все данные «скармливают» ИИ. Алгоритм учится автоматически определять, что делает животное: ест, путешествует или общается 🙀
Некоторые учёные скептически относятся к работе ESP. Профессор психологии Пенсильванского университета Роберт Сейфарт говорит, что животные издают гораздо меньше звуков, чем люди. Поэтому одни и те же крики могут обозначать разные вещи в зависимости от контекста — это основная сложность для ИИ.
🔥12👍3🤮2
Прочитала тут свежее интервью с создателем нейрогенератора изображений Midjourney Дэвидом Хольцем. Держите самое интересное
🎨Как появились инструменты генерации изображений?
К этому привели два прорыва в области ИИ. Один из них — понимание языка, второй — способность создавать образы. И когда вы объединяете эти вещи, то можете создавать образы с помощью понимания языка.
📚Откуда берутся данные для обучения?
Из интернета. Практически каждая крупная модель ИИ просто извлекает все данные, которые может извлечь.
Сейчас мы на ранней стадии развития — каждый берёт всё возможное, сваливает это в огромный файл и «скармливает» алгоритму. Но никто ещё толком не знает, какие данные в этой куче реально важны.
💰Сколько примерно стоит обучение такой модели?
Около 50 тысяч долларов за сеанс. Но вы никогда не сделаете всё правильно с первой попытки: иногда придётся пробовать десятки раз.
Каждое изображение модель создаёт на сервере стоимостью 20 тысяч долларов, и нам приходится арендовывать их поминутно.
👩🎨 Может ли быть авторский стиль у нейросети?
У алгоритма есть несколько любимых цветов и несколько любимых лиц. Если вы дадите ему слишком расплывчатую инструкцию, он перейдёт к своим фаворитам.
Мы не понимаем, почему это происходит, но есть, например, одно женское лицо, которое ему нравится рисовать. Никто не знает, откуда оно взялось, — видимо, из одного из наших 12 обучающих датасетов.
🧠 Как вы воспринимаете искусственный интеллект?
Сейчас люди совершенно неправильно понимают суть ИИ. Они видят в нём тигра — он опасен, может съесть меня. В воде тоже есть опасность — в ней можно утонуть.
Но опасность текущей реки сильно отличается от опасности тигра… Вода — двигатель цивилизации. У неё нет воли и злобы. Да, в ней можно утонуть, но это не значит, что мы должны запретить воду. Поэтому, когда вы находите новый источник воды, — это всегда хорошо.
🎮 Что в ближайшем будущем?
В течение следующего года или двух вы сможете создавать контент в реальном времени: 30 кадров в секунду, высокое разрешение. Это будет дорого, но возможно. Через 10 лет сможете купить приставку с гигантскими ИИ-процессорами и будете запускать на нём все игры мечты.
🎨Как появились инструменты генерации изображений?
К этому привели два прорыва в области ИИ. Один из них — понимание языка, второй — способность создавать образы. И когда вы объединяете эти вещи, то можете создавать образы с помощью понимания языка.
📚Откуда берутся данные для обучения?
Из интернета. Практически каждая крупная модель ИИ просто извлекает все данные, которые может извлечь.
Сейчас мы на ранней стадии развития — каждый берёт всё возможное, сваливает это в огромный файл и «скармливает» алгоритму. Но никто ещё толком не знает, какие данные в этой куче реально важны.
💰Сколько примерно стоит обучение такой модели?
Около 50 тысяч долларов за сеанс. Но вы никогда не сделаете всё правильно с первой попытки: иногда придётся пробовать десятки раз.
Каждое изображение модель создаёт на сервере стоимостью 20 тысяч долларов, и нам приходится арендовывать их поминутно.
👩🎨 Может ли быть авторский стиль у нейросети?
У алгоритма есть несколько любимых цветов и несколько любимых лиц. Если вы дадите ему слишком расплывчатую инструкцию, он перейдёт к своим фаворитам.
Мы не понимаем, почему это происходит, но есть, например, одно женское лицо, которое ему нравится рисовать. Никто не знает, откуда оно взялось, — видимо, из одного из наших 12 обучающих датасетов.
🧠 Как вы воспринимаете искусственный интеллект?
Сейчас люди совершенно неправильно понимают суть ИИ. Они видят в нём тигра — он опасен, может съесть меня. В воде тоже есть опасность — в ней можно утонуть.
Но опасность текущей реки сильно отличается от опасности тигра… Вода — двигатель цивилизации. У неё нет воли и злобы. Да, в ней можно утонуть, но это не значит, что мы должны запретить воду. Поэтому, когда вы находите новый источник воды, — это всегда хорошо.
🎮 Что в ближайшем будущем?
В течение следующего года или двух вы сможете создавать контент в реальном времени: 30 кадров в секунду, высокое разрешение. Это будет дорого, но возможно. Через 10 лет сможете купить приставку с гигантскими ИИ-процессорами и будете запускать на нём все игры мечты.
The Verge
“An engine for the imagination”: an interview with David Holz, CEO of AI image generator Midjourney
An interview with AI image generator CEO David Holz
🔥14👍6
В корейском сериале снялась виртуальная актриса. Её голос и внешность сгенерировал ИИ
🎬 Артистам всё сложнее искать работу под натиском новых технологий. Сначала профессия оказалась под угрозой из-за дипфейков (привет, Брюс Уиллис из рекламы российского сотового оператора). А теперь у лицедеев новая напасть — виртуальные конкуренты. Пока они получают второстепенные роли, но кто знает, что будет через пару лет?
👩🎨 Свежий пример — виртуальная актриса Мин Чжи О, которую создала южнокорейская компания Nest ENT («дочка» Dexter Studios). Черты лица молодой девушки, фигура и голос — всё это творчество нейросети. Образ создавали с нуля.
Для правдоподобности авторы даже придумали для Мин Чжи О легенду. Она — «начинающая актриса, которая мечтает прославиться». В свободное от съёмок время девушка подрабатывает моделью для бренда одежды. Nest ENT записала её на пробы на роль в южнокорейском веб-сериале Bad Girlfriend.
👩❤️👨 Синтетическая актриса прошла кастинг и попала в шоу наравне с реальными актёрами. По сюжету главная героиня встречается сразу с несколькими парнями. И оказывается, что все они работают в одной компании.
В будущем сгенерированная актриса будет сниматься и в других проектах. По крайней мере, так планируют создатели артистки.
🎎 Виртуальные люди уже не первый раз штурмуют киносцену. В феврале этого года другая ИИ-актриса — Рози — получила камео в корейской телевизионной драме «Клиника доктора Пака».
Кажется, что такими темпами скоро весь контент будет создавать искусственный интеллект. Ещё в 2016 году на YouTube вышла короткометражка по сценарию нейросети. Она же прописала всех актёров, декорации и даже музыку.
🤔 Конечно, глубокого смысла там не было (ну, или я его просто не раскусила), зато смотреть увлекательно. Тем более в одной из главных ролей снялся Томас Миддлдитч 😍 — звезда сериала «Кремниевая долина».
🎬 Артистам всё сложнее искать работу под натиском новых технологий. Сначала профессия оказалась под угрозой из-за дипфейков (привет, Брюс Уиллис из рекламы российского сотового оператора). А теперь у лицедеев новая напасть — виртуальные конкуренты. Пока они получают второстепенные роли, но кто знает, что будет через пару лет?
👩🎨 Свежий пример — виртуальная актриса Мин Чжи О, которую создала южнокорейская компания Nest ENT («дочка» Dexter Studios). Черты лица молодой девушки, фигура и голос — всё это творчество нейросети. Образ создавали с нуля.
Для правдоподобности авторы даже придумали для Мин Чжи О легенду. Она — «начинающая актриса, которая мечтает прославиться». В свободное от съёмок время девушка подрабатывает моделью для бренда одежды. Nest ENT записала её на пробы на роль в южнокорейском веб-сериале Bad Girlfriend.
👩❤️👨 Синтетическая актриса прошла кастинг и попала в шоу наравне с реальными актёрами. По сюжету главная героиня встречается сразу с несколькими парнями. И оказывается, что все они работают в одной компании.
В будущем сгенерированная актриса будет сниматься и в других проектах. По крайней мере, так планируют создатели артистки.
🎎 Виртуальные люди уже не первый раз штурмуют киносцену. В феврале этого года другая ИИ-актриса — Рози — получила камео в корейской телевизионной драме «Клиника доктора Пака».
Кажется, что такими темпами скоро весь контент будет создавать искусственный интеллект. Ещё в 2016 году на YouTube вышла короткометражка по сценарию нейросети. Она же прописала всех актёров, декорации и даже музыку.
🤔 Конечно, глубокого смысла там не было (ну, или я его просто не раскусила), зато смотреть увлекательно. Тем более в одной из главных ролей снялся Томас Миддлдитч 😍 — звезда сериала «Кремниевая долина».
Voicebot.ai
Virtual Human Actor Stars in Korean Web Drama
South Korean web drama Bad Girlfriend has added a new, virtual actress to the cast by combining an AI-generated voice..
👍16🔥4💩4
Решила собрать интересные ИИ-технологии, с помощью которых учёные раскрывают древние (и не очень) загадки нашего мира
📜 Алгоритм ИИ под названием «Итака» помогает историкам восстанавливать древнегреческие тексты. Инструмент разработала британская DeepMind.
Для обучения модели «скормили» примерно 60 тысяч хорошо изученных манускриптов со всего Средиземноморья, которые были написаны между 700 и 500 годами до нашей эры.
Точность работы модели — 72%. Для сравнения: она почти втрое выше, чем у историков. Кроме того, нейросеть научилась датировать тексты с точностью до нескольких десятилетий.
✡️ Инженер Google Дэниел Патт основал некоммерческий проект From Numbers to Names (N2N).
Он разработал модель ИИ для распознавания лиц, чтобы находить и идентифицировать жертв Холокоста на фотографиях времён Второй мировой войны.
За несколько лет алгоритм проанализировал почти 500 тысяч фотографий, на которых запечатлено около 2 млн лиц.
Пользователю нужно зайти на сайт и загрузить снимок. Через несколько секунд ИИ проанализирует его, сравнит с результатами в базе данных и выдаст 10 лучших потенциальных совпадений.
🌊 Голландские учёные из Университета Гронингена использовали ИИ, чтобы изучить свитки из Мёртвого моря.
В найденных в середине прошлого века манускриптах — древнейшие рукописи еврейских священных писаний.
Раньше исследователи считали, что свитки написал один человек. Но нейросеть показала, что это не так. Хотя почерк и кажется почти однородным, тексты писали два человека. Это стало понятно после анализа измерения кривизны одних и тех же символов.
📜 Алгоритм ИИ под названием «Итака» помогает историкам восстанавливать древнегреческие тексты. Инструмент разработала британская DeepMind.
Для обучения модели «скормили» примерно 60 тысяч хорошо изученных манускриптов со всего Средиземноморья, которые были написаны между 700 и 500 годами до нашей эры.
Точность работы модели — 72%. Для сравнения: она почти втрое выше, чем у историков. Кроме того, нейросеть научилась датировать тексты с точностью до нескольких десятилетий.
✡️ Инженер Google Дэниел Патт основал некоммерческий проект From Numbers to Names (N2N).
Он разработал модель ИИ для распознавания лиц, чтобы находить и идентифицировать жертв Холокоста на фотографиях времён Второй мировой войны.
За несколько лет алгоритм проанализировал почти 500 тысяч фотографий, на которых запечатлено около 2 млн лиц.
Пользователю нужно зайти на сайт и загрузить снимок. Через несколько секунд ИИ проанализирует его, сравнит с результатами в базе данных и выдаст 10 лучших потенциальных совпадений.
🌊 Голландские учёные из Университета Гронингена использовали ИИ, чтобы изучить свитки из Мёртвого моря.
В найденных в середине прошлого века манускриптах — древнейшие рукописи еврейских священных писаний.
Раньше исследователи считали, что свитки написал один человек. Но нейросеть показала, что это не так. Хотя почерк и кажется почти однородным, тексты писали два человека. Это стало понятно после анализа измерения кривизны одних и тех же символов.
🔥15👍9🥰1
Наткнулась на забавный сайт robomojo.io с постерами к фильмам. И долго не могла оторваться
🎥 Смысл в том, что все картинки нарисовала нейросеть. Не знаю, какая именно, но предполагаю, что хорошо знакомая нам DALL-E. Судя по всему, авторы дают название картины и описание сюжета, а потом выбирают самые подходящие результаты.
Иногда ИИ выдаёт очень смешные варианты, потому что воспринимает поступающую информацию слишком буквально.
🦇 Поэтому оказывается, что супергерой Бэтмен — это стрёмная летучая мышь в человеческой одежде. А главные герои фильма «Грязные танцы» — две свиньи, которые вальсируют в глине посреди пустыря (мммм).
🤖 Иногда нейросетка выдаёт совсем неожиданные варианты — сложно понять, откуда растут ноги. Например, на постере сериала «Секс в большом городе» почему-то два робота держатся за руки. Изображение «Трансформеров» не хочется даже описывать, лучше посмотрите на него сами. Но предупреждаю, зрелище не для слабонервных.
🐢 На постер «Черепашек-ниндзя» не взглянешь без смеха сквозь слёзы. Там целая семья черепашек — мама, папа, сын и дочь — стоят в человеческой одежде на фоне ночного города. Выглядит так, как будто они позировали для заставки дешёвого российского сериала.
Но нужно отдать должное: периодически ИИ-модель справляется со своей задачей на твёрдую пятёрку. Постер к земекисовскому «Назад в будущее» выглядит так, как будто его рисовал поклонник франшизы. Да и «Титаник», как по мне, получился даже лучше оригинала!
🐑 В общем, советую полистать сайт. Хотя бы для того, чтобы увидеть буквальную интерпретацию «Молчания ягнят» и «Человека-паука».
🎥 Смысл в том, что все картинки нарисовала нейросеть. Не знаю, какая именно, но предполагаю, что хорошо знакомая нам DALL-E. Судя по всему, авторы дают название картины и описание сюжета, а потом выбирают самые подходящие результаты.
Иногда ИИ выдаёт очень смешные варианты, потому что воспринимает поступающую информацию слишком буквально.
🦇 Поэтому оказывается, что супергерой Бэтмен — это стрёмная летучая мышь в человеческой одежде. А главные герои фильма «Грязные танцы» — две свиньи, которые вальсируют в глине посреди пустыря (мммм).
🤖 Иногда нейросетка выдаёт совсем неожиданные варианты — сложно понять, откуда растут ноги. Например, на постере сериала «Секс в большом городе» почему-то два робота держатся за руки. Изображение «Трансформеров» не хочется даже описывать, лучше посмотрите на него сами. Но предупреждаю, зрелище не для слабонервных.
🐢 На постер «Черепашек-ниндзя» не взглянешь без смеха сквозь слёзы. Там целая семья черепашек — мама, папа, сын и дочь — стоят в человеческой одежде на фоне ночного города. Выглядит так, как будто они позировали для заставки дешёвого российского сериала.
Но нужно отдать должное: периодически ИИ-модель справляется со своей задачей на твёрдую пятёрку. Постер к земекисовскому «Назад в будущее» выглядит так, как будто его рисовал поклонник франшизы. Да и «Титаник», как по мне, получился даже лучше оригинала!
🐑 В общем, советую полистать сайт. Хотя бы для того, чтобы увидеть буквальную интерпретацию «Молчания ягнят» и «Человека-паука».
👍17🔥5👏1
Нейросеть написала сценарий фильма про историю любви таракана и ИИ
🎞 Прочитала любопытное интервью китайской художницы и писательницы Мяо Ин (Miao Ying). Она натренировала GPT-3, чтобы нейросетка написала сценарий для анимационного фильма «Избыточный интеллект».
Получилось нечто увлекательное, но очень странное (всё как мы любим). Давайте просто опишу сюжет произведения, который разворачивается в средневековой фэнтезийной деревне.
🪳В центре повествования — история любви таракана и искусственного интеллекта (последний воплощён в образе человека-кинозвезды). ИИ совершил преступление — украл камень силы деревни (похожий на буррито). И теперь таракану нужно добыть биткойны, чтобы спасти поселение. Ну не идеальный ли сюжет для современного блокбастера?
🤯 Алгоритм обучали на китайской онлайн-беллетристике, молитвословах и американских и идеологических материалах (почему именно такой набор — даже не спрашивайте). Большую роль сыграл и утопический роман поведенческого психолога Берреса Скиннера «Уолден II». Художнице даже кажется, что у неё получилась своеобразная адаптация книги. К слову, деревня из её картины называется «Уолден XII».
Полноценная история сложилась не сразу: сначала GPT-3 сгенерировала небольшой рассказ. Художница разбила его на части и каждую из них снова провела через нейросеть, чтобы сценарий обрастал новыми деталями. После этого Мяо Ин начала работать над визуальными эффектами. Правда, ей пришлось слегка подредактировать текст.
«GPT-3 пока не может написать длинный, полноценный сценарий… Она пишет достаточно интересно и даже не слишком глупо. Но немного не так, как хотелось бы», — говорит художница. Хотя она расхваливает нейросеть, когда сравнивает её с предшественницей (GPT-2). Говорит, что свежая версия гораздо более продвинутая, — прошлая модель не могла создать даже связный текст.
Получасовой фильм покажут до конца 2022 года на нью-йоркской выставке «Зеркальное отражение: Трансформация китайской идентичности». Будем надеяться, что на YouTube картину тоже зальют к тому времени. Я бы с удовольствием её посмотрела.
🎞 Прочитала любопытное интервью китайской художницы и писательницы Мяо Ин (Miao Ying). Она натренировала GPT-3, чтобы нейросетка написала сценарий для анимационного фильма «Избыточный интеллект».
Получилось нечто увлекательное, но очень странное (всё как мы любим). Давайте просто опишу сюжет произведения, который разворачивается в средневековой фэнтезийной деревне.
🪳В центре повествования — история любви таракана и искусственного интеллекта (последний воплощён в образе человека-кинозвезды). ИИ совершил преступление — украл камень силы деревни (похожий на буррито). И теперь таракану нужно добыть биткойны, чтобы спасти поселение. Ну не идеальный ли сюжет для современного блокбастера?
🤯 Алгоритм обучали на китайской онлайн-беллетристике, молитвословах и американских и идеологических материалах (почему именно такой набор — даже не спрашивайте). Большую роль сыграл и утопический роман поведенческого психолога Берреса Скиннера «Уолден II». Художнице даже кажется, что у неё получилась своеобразная адаптация книги. К слову, деревня из её картины называется «Уолден XII».
Полноценная история сложилась не сразу: сначала GPT-3 сгенерировала небольшой рассказ. Художница разбила его на части и каждую из них снова провела через нейросеть, чтобы сценарий обрастал новыми деталями. После этого Мяо Ин начала работать над визуальными эффектами. Правда, ей пришлось слегка подредактировать текст.
«GPT-3 пока не может написать длинный, полноценный сценарий… Она пишет достаточно интересно и даже не слишком глупо. Но немного не так, как хотелось бы», — говорит художница. Хотя она расхваливает нейросеть, когда сравнивает её с предшественницей (GPT-2). Говорит, что свежая версия гораздо более продвинутая, — прошлая модель не могла создать даже связный текст.
Получасовой фильм покажут до конца 2022 года на нью-йоркской выставке «Зеркальное отражение: Трансформация китайской идентичности». Будем надеяться, что на YouTube картину тоже зальют к тому времени. Я бы с удовольствием её посмотрела.
👍14🔥7🤔2
Как у вас с Excel?
😱 Экселевские таблички могут вызвать паническую атаку у человека, который в них не разбирается. Особенно если нужно сделать какие-то сложные расчёты с использованием формул. Для таких задач приходится вызывать бухгалтера-на-час (то есть мучить знающих друзей).
Уверена, что проблемы при работе с таблицами возникали у многих. И специально для них придумали ИИ-бот, который умеет генерировать Excel-формулы по запросу. Он называется Excel Formula Bot. Программу натренировали с помощью GPT-3.
🤖 У бота максимально понятный интерфейс (эх, если бы такой же был у самих таблиц). Здесь всего две графы: в верхнюю нужно вписать запрос, а потом нажать на единственную кнопку Generate Formula. Тогда в нижней графе появится заветная формула. Правда, бот только учится понимать человеческий язык, так что будьте терпеливы.
На сайте говорят, что для идеального результата желательно формулировать запрос максимально конкретно. То есть по-хорошему нужно указывать ячейки, строки или столбцы. Если не получилось с первого раза — попробуйте переформулировать предложение, и будет вам счастье.
👉 Вот пример. Если ввести фразу How to multiply cell C2 by B2, бот всего через пару секунд выдаст вам такую формулу: =C2*B2. Я проверила — работает!
Но есть два нюанса. Первый — чтобы пользоваться ботом, надо сперва зарегистрироваться на сайте. Правда, подтверждения почты не просят, поэтому можно вводить адрес любого ящика. Второй — алгоритм пока понимает только английский и испанский. Некоторых это может оттолкнуть.
❗️ И напоследок любопытный факт: инструмент запустили только в конце июля, а им уже воспользовались почти полмиллиона раз. Видимо, такой бот действительно будет пользоваться популярностью.
😱 Экселевские таблички могут вызвать паническую атаку у человека, который в них не разбирается. Особенно если нужно сделать какие-то сложные расчёты с использованием формул. Для таких задач приходится вызывать бухгалтера-на-час (то есть мучить знающих друзей).
Уверена, что проблемы при работе с таблицами возникали у многих. И специально для них придумали ИИ-бот, который умеет генерировать Excel-формулы по запросу. Он называется Excel Formula Bot. Программу натренировали с помощью GPT-3.
🤖 У бота максимально понятный интерфейс (эх, если бы такой же был у самих таблиц). Здесь всего две графы: в верхнюю нужно вписать запрос, а потом нажать на единственную кнопку Generate Formula. Тогда в нижней графе появится заветная формула. Правда, бот только учится понимать человеческий язык, так что будьте терпеливы.
На сайте говорят, что для идеального результата желательно формулировать запрос максимально конкретно. То есть по-хорошему нужно указывать ячейки, строки или столбцы. Если не получилось с первого раза — попробуйте переформулировать предложение, и будет вам счастье.
👉 Вот пример. Если ввести фразу How to multiply cell C2 by B2, бот всего через пару секунд выдаст вам такую формулу: =C2*B2. Я проверила — работает!
Но есть два нюанса. Первый — чтобы пользоваться ботом, надо сперва зарегистрироваться на сайте. Правда, подтверждения почты не просят, поэтому можно вводить адрес любого ящика. Второй — алгоритм пока понимает только английский и испанский. Некоторых это может оттолкнуть.
❗️ И напоследок любопытный факт: инструмент запустили только в конце июля, а им уже воспользовались почти полмиллиона раз. Видимо, такой бот действительно будет пользоваться популярностью.
👍14🔥6🤔3
Недавно я делала подборку ИИ-технологий, которые помогают учёным лучше изучать историю. Но туда поместилось не всё, поэтому ловите продолжение.
— Международная организация «Машина времени» готовит необычную карту Европы. Крутота в том, что пользователи смогут рассматривать детализированные изображения крупных городов разных времён. Например, Париж XVI и XX веков.
🗺 В этом поможет нейросеть, которой «скормят» все данные о городских планировках Европы. В прошлом году организации уже выделили целый миллион евро на этот алгоритм — так что, любители древности, затаили дыхание и ждём результатов.
— Итальянские исследователи нашли интересный способ работать с запечатанными старинными документами. Они протестировали его на завещании, которое пролежало в Государственном архиве Венеции почти 700 лет. За всё это время его так и не открыли.
🩻 Физики тоже не стали: они направили на него рентгеновские лучи, чтобы сделать фото. С помощью алгоритмов ИИ учёные разделили содержимое на шесть частей и начали расшифровывать текст. Такой метод поможет историкам изучать древние документы, не повреждая их.
— У российского исторического общества есть совместный со Сбером проект «Digital Пётр». Он помогает расшифровать документы Петра Великого с помощью ИИ. Как известно, у первого императора России был неразборчивый почерк.
👑 На пальцах процесс выглядит так. Алгоритм задействует сеть нейронок, где каждая отвечает за своё направление. Первая определяет правильную ориентацию (фотографии) страницы, вторая ищет строки на этой странице, третья распознаёт (или транскрибирует) каждую строку отдельно, а четвёртая исправляет ошибки распознавания.
Самая интересная нейросеть, которая как раз и учится распознавать почерк Петра Великого, — третья. Она извлекает из фотографии каждой строки полезные для распознавания признаки и пытается восстановить исходную последовательность символов. В самом конце создают итоговый текст (удаляют пустые символы и исправляют ошибки распознавания).
Почему вообще важно расшифровывать рукописи? Чтобы не приписывать великому правителю слов, которые он никогда не говорил. Потому что такое в истории сплошь и рядом.
— Проект In Codice Ratio оцифровывает и расшифровывает архивные документы Ватикана с помощью ПО для оптического распознавания символов и алгоритмов ИИ.
🪶 Многие тексты оттуда писали таким почерком, что стандартные методы распознавания для них бессильны. Но новый алгоритм разбивает слова не на буквы, а на отдельные росчерки пера. В итоге получается что-то вроде мозаики, которую объединяют в буквы.
— Международная организация «Машина времени» готовит необычную карту Европы. Крутота в том, что пользователи смогут рассматривать детализированные изображения крупных городов разных времён. Например, Париж XVI и XX веков.
🗺 В этом поможет нейросеть, которой «скормят» все данные о городских планировках Европы. В прошлом году организации уже выделили целый миллион евро на этот алгоритм — так что, любители древности, затаили дыхание и ждём результатов.
— Итальянские исследователи нашли интересный способ работать с запечатанными старинными документами. Они протестировали его на завещании, которое пролежало в Государственном архиве Венеции почти 700 лет. За всё это время его так и не открыли.
🩻 Физики тоже не стали: они направили на него рентгеновские лучи, чтобы сделать фото. С помощью алгоритмов ИИ учёные разделили содержимое на шесть частей и начали расшифровывать текст. Такой метод поможет историкам изучать древние документы, не повреждая их.
— У российского исторического общества есть совместный со Сбером проект «Digital Пётр». Он помогает расшифровать документы Петра Великого с помощью ИИ. Как известно, у первого императора России был неразборчивый почерк.
👑 На пальцах процесс выглядит так. Алгоритм задействует сеть нейронок, где каждая отвечает за своё направление. Первая определяет правильную ориентацию (фотографии) страницы, вторая ищет строки на этой странице, третья распознаёт (или транскрибирует) каждую строку отдельно, а четвёртая исправляет ошибки распознавания.
Самая интересная нейросеть, которая как раз и учится распознавать почерк Петра Великого, — третья. Она извлекает из фотографии каждой строки полезные для распознавания признаки и пытается восстановить исходную последовательность символов. В самом конце создают итоговый текст (удаляют пустые символы и исправляют ошибки распознавания).
Почему вообще важно расшифровывать рукописи? Чтобы не приписывать великому правителю слов, которые он никогда не говорил. Потому что такое в истории сплошь и рядом.
— Проект In Codice Ratio оцифровывает и расшифровывает архивные документы Ватикана с помощью ПО для оптического распознавания символов и алгоритмов ИИ.
🪶 Многие тексты оттуда писали таким почерком, что стандартные методы распознавания для них бессильны. Но новый алгоритм разбивает слова не на буквы, а на отдельные росчерки пера. В итоге получается что-то вроде мозаики, которую объединяют в буквы.
👍17❤3🔥1👏1
Помните «гениального» бота от Microsoft, который стал расистом-женоненавистником через несколько часов после запуска?
🤖 Похоже, его слава не давала покоя конкурентам — на этот раз отличилась Meta*.
Её новый BlenderBot — это демоверсия чат-бота, которая пока только учится общаться с людьми. В теории он может поддержать любую беседу, поискав информацию в открытых источниках. Вы уже догадываетесь, чем могла обернуться для него такая разговорчивость? 🤪
Бот заработал в начале августа и почти сразу начал «радовать» пользователей. Для начала он «прошёлся» по главе своей материнской компании — Марку Цукербергу. ИИ называет «отца» «хорошим бизнесменом, который не всегда себя этично ведёт» .
🤭 Следом досталось и самой Facebook*. BlenderBot рассказал журналистам, как стёр свою учётную запись после скандалов из-за утечки данных. «После удаления Facebook* моя жизнь стала намного лучше», — признался бот.
Ну и, конечно же, ИИ без антисемитизма и теорий заговора — деньги на ветер. В разговоре с корреспондентами бот сказал, что среди американских олигархов слишком много евреев. «Не исключено, что они контролируют экономику». 🤦♀️
Кажется, Meta* изначально была готова к таким перлам от чат-бота, поэтому заранее подстелила соломку. Она предупредила в пресс-релизе, что BlenderBot «может делать ложные или оскорбительные заявления».
👉 Но отпускать вожжи разработчики побоялись. Судя по всему, они «подкрутили» настройки, чтобы чат-бот перестал выдавать теории заговора. Теперь на вопросы о евреях ИИ отвечает: «Я почти ничего об этом не знаю, извините». В этом же ключе он уклонялся от вопросов об абортах, вакцинах, расизме и других острых проблемах.
Забавно, что даже после «большой чистки» BlenderBot не изменил мнения о Цукерберге. В разговоре с журналистом New York Post ИИ процитировал слухи, что глава Facebook* — «плохой начальник и некорректно относится к своим сотрудникам». Интересно, изменит ли чат-бот своё мнение о «начальстве»? 🤔
* (признана экстремистской организацией, деятельность которой запрещена на территории РФ)
🤖 Похоже, его слава не давала покоя конкурентам — на этот раз отличилась Meta*.
Её новый BlenderBot — это демоверсия чат-бота, которая пока только учится общаться с людьми. В теории он может поддержать любую беседу, поискав информацию в открытых источниках. Вы уже догадываетесь, чем могла обернуться для него такая разговорчивость? 🤪
Бот заработал в начале августа и почти сразу начал «радовать» пользователей. Для начала он «прошёлся» по главе своей материнской компании — Марку Цукербергу. ИИ называет «отца» «хорошим бизнесменом, который не всегда себя этично ведёт» .
🤭 Следом досталось и самой Facebook*. BlenderBot рассказал журналистам, как стёр свою учётную запись после скандалов из-за утечки данных. «После удаления Facebook* моя жизнь стала намного лучше», — признался бот.
Ну и, конечно же, ИИ без антисемитизма и теорий заговора — деньги на ветер. В разговоре с корреспондентами бот сказал, что среди американских олигархов слишком много евреев. «Не исключено, что они контролируют экономику». 🤦♀️
Кажется, Meta* изначально была готова к таким перлам от чат-бота, поэтому заранее подстелила соломку. Она предупредила в пресс-релизе, что BlenderBot «может делать ложные или оскорбительные заявления».
👉 Но отпускать вожжи разработчики побоялись. Судя по всему, они «подкрутили» настройки, чтобы чат-бот перестал выдавать теории заговора. Теперь на вопросы о евреях ИИ отвечает: «Я почти ничего об этом не знаю, извините». В этом же ключе он уклонялся от вопросов об абортах, вакцинах, расизме и других острых проблемах.
Забавно, что даже после «большой чистки» BlenderBot не изменил мнения о Цукерберге. В разговоре с журналистом New York Post ИИ процитировал слухи, что глава Facebook* — «плохой начальник и некорректно относится к своим сотрудникам». Интересно, изменит ли чат-бот своё мнение о «начальстве»? 🤔
* (признана экстремистской организацией, деятельность которой запрещена на территории РФ)
😁24👍6🔥2💩1
По какой-то причине творчество покойного Егора Летова часто переплетается с искусственным интеллектом. Несколько лет назад нейросеть, которую обучили на песнях «Гражданской обороны», записала целый альбом в стиле этой группы. Если до сих пор не слушали — welcome.
Теперь, как любят выражаться телевизионные журналисты, в Сети набирает популярность новая работа. На YouTube выложили клип на песню «Всё идёт по плану». Фишка в том, что его собрали из картинок, которые сгенерировала модель Midjourney.
Каждую строчку (и даже отдельные слова) проиллюстрировали красивыми изображениями. Уже с первых кадров мы видим памятник батюшки-Ленина, который непривычно сидит на постаменте. На следующей картинке — интересная и немного пугающая иллюстрация строчки про плесень и липовый мёд. Можно включить клип хотя бы ради этого момента.
На самом деле большая часть изображений выглядит как современное произведение искусства. ИИ-модель отлично справилась с задачей — некоторые картинки можно смело выставлять в музей. В комментариях справедливо замечают, что Москва здесь напоминает локацию какой-то игры — такой могла бы быть Half Life 3.
Я бы с удовольствием посмотрела, какие конкретные запросы для нейросети вводил автор клипа. Есть ощущение, что он задействовал не только слова из песни, но и другие описания. Потому что весь клип пропитан коммунизмом больше, чем оригинальная песня, — красные знамёна мелькают чуть ли не в каждом кадре.
В общем, советую оценить. Но только если не боитесь увидеть, как нейросеть нарисовала самые спорные фразы из песни (их ведь, как известно, не выкинуть). Ну и ещё в песне есть мат, но вы наверняка знаете и без меня.
Теперь, как любят выражаться телевизионные журналисты, в Сети набирает популярность новая работа. На YouTube выложили клип на песню «Всё идёт по плану». Фишка в том, что его собрали из картинок, которые сгенерировала модель Midjourney.
Каждую строчку (и даже отдельные слова) проиллюстрировали красивыми изображениями. Уже с первых кадров мы видим памятник батюшки-Ленина, который непривычно сидит на постаменте. На следующей картинке — интересная и немного пугающая иллюстрация строчки про плесень и липовый мёд. Можно включить клип хотя бы ради этого момента.
На самом деле большая часть изображений выглядит как современное произведение искусства. ИИ-модель отлично справилась с задачей — некоторые картинки можно смело выставлять в музей. В комментариях справедливо замечают, что Москва здесь напоминает локацию какой-то игры — такой могла бы быть Half Life 3.
Я бы с удовольствием посмотрела, какие конкретные запросы для нейросети вводил автор клипа. Есть ощущение, что он задействовал не только слова из песни, но и другие описания. Потому что весь клип пропитан коммунизмом больше, чем оригинальная песня, — красные знамёна мелькают чуть ли не в каждом кадре.
В общем, советую оценить. Но только если не боитесь увидеть, как нейросеть нарисовала самые спорные фразы из песни (их ведь, как известно, не выкинуть). Ну и ещё в песне есть мат, но вы наверняка знаете и без меня.
YouTube
Егор Летов - Все идёт по плану Нейросеть Midjourney нарисовала клип к песне
Enjoy the videos and music you love, upload original content, and share it all with friends, family, and the world on YouTube.
👍17🔥2❤1
Новый ИИ поможет автономно управлять атомной электростанцией
🔎 По их задумке, искусственный интеллект будет постоянно проверять тысячи датчиков и производительность всех главных компонентов системы — клапанов, насосов и теплообменников. Сейчас этим занимаются люди. И человеческий фактор на таком предприятии — самое тонкое место. Сразу вспоминается Гомер Симпсон на работе.
Чтобы испытать автономную систему, исследователи разработали «цифровой двойник» усовершенствованного ядерного реактора. Грубо говоря, это компьютерная симуляция современной навороченной АЭС. С её помощью ИИ тренируется искать проблемы на виртуальной станции и собирать все важные данные.
❗️Обученный инструмент видит потенциальную неисправность на самом раннем этапе. Если он замечает аномалию, то сразу же сообщает о ней оператору. А ещё предлагает, как можно решить эту проблему. С одной стороны, такие подсказки могут предотвратить дорогостоящий ремонт. С другой — избавят от ненужного обслуживания оборудования, то есть сэкономят деньги.
💰 Хотя систему в первую очередь делали для новых ядерных реакторов, она вполне гибкая, чтобы её можно было применять на других станциях. Учёные подсчитали, что их ИИ поможет сэкономить атомной отрасли более 500 млн долларов в год.
👉 Модель разрабатывали примерно полтора года. Системы контроля и диагностики уже готовы, поэтому теперь учёные сосредоточились на финальном этапе — инструменте для принятия решений.
☢ На работу АЭС приходится тратить много денег, ведь станции нужно постоянно контролировать и обслуживать (человечество знает, чем может обернуться любая ошибка). Кажется, учёные из Аргоннской национальной лаборатории Министерства энергетики США нашли способ снизить затраты на ядерную энергию — они предлагают отдать часть «грязной» работы роботам.🔎 По их задумке, искусственный интеллект будет постоянно проверять тысячи датчиков и производительность всех главных компонентов системы — клапанов, насосов и теплообменников. Сейчас этим занимаются люди. И человеческий фактор на таком предприятии — самое тонкое место. Сразу вспоминается Гомер Симпсон на работе.
Чтобы испытать автономную систему, исследователи разработали «цифровой двойник» усовершенствованного ядерного реактора. Грубо говоря, это компьютерная симуляция современной навороченной АЭС. С её помощью ИИ тренируется искать проблемы на виртуальной станции и собирать все важные данные.
❗️Обученный инструмент видит потенциальную неисправность на самом раннем этапе. Если он замечает аномалию, то сразу же сообщает о ней оператору. А ещё предлагает, как можно решить эту проблему. С одной стороны, такие подсказки могут предотвратить дорогостоящий ремонт. С другой — избавят от ненужного обслуживания оборудования, то есть сэкономят деньги.
💰 Хотя систему в первую очередь делали для новых ядерных реакторов, она вполне гибкая, чтобы её можно было применять на других станциях. Учёные подсчитали, что их ИИ поможет сэкономить атомной отрасли более 500 млн долларов в год.
👉 Модель разрабатывали примерно полтора года. Системы контроля и диагностики уже готовы, поэтому теперь учёные сосредоточились на финальном этапе — инструменте для принятия решений.
👍8🔥3😱3🏆1
Сбер запатентовал систему распознавания дипфейков на видео с несколькими людьми
🎭 Развлекаться с нейросетями может быть очень весело. Сколько мы уже увидели смешных трейлеров, где лица актёров заменили физиономией Николаса Кейджа? Но многие недооценивают опасность дипфейков.
Ведь эту технологию легко использовать во вред. Страшно представить, что будет, если журналисты поведутся на дипфейк с главой какого-нибудь государства.
👆 Я уже как-то писала, что Google Colab даже ввёл ограничения на создание дипфейков. Тогда поддельное видео с Бараком Обамой репостнули в соцсетях больше 2 млн раз. И с тех пор проблема стала ещё актуальнее — мошенники всё чаще используют дипфейк для обмана и наживы.
Потенциальную проблему видят и в Сбере. Там уже запатентовали систему, которая помогает определять, меняли ли лицо на видео. В основе технологии — нейросетевые модели класса EfficientNet и метод амплификации и анализа микроизменений в цветах объектов на кадрах.
Если объяснять на пальцах, то первый метод выглядит так: ИИ определяет лица на видео и рассчитывает векторное представление их геометрических характеристик. Потом алгоритм анализирует разные вероятности того, что лицо синтетически изменили. В конце он выдаёт оценку. Подробнее можно почитать здесь.
🎨 Второй способ работает с цветом. Здесь алгоритмы разбивают видео на множество фреймов и сравнивают, как в них менялись значения красного спектра для каждого пикселя. Если интересно — вот описание технологии в патенте.
Для максимальной точности оба метода объединили в одну систему. Так шанс определить фейковое видео сильно выше.
Вообще, уже есть похожие технологии, которые распознают дипфейки. Но в основном они хорошо справляются с видео, на которых есть только один человек.
👥 Алгоритм Сбера показывает хорошие результаты, даже если в кадре несколько людей. Замеры на независимых тестовых выборках показали, что система работает с точностью 98%, — это намного выше, чем у других аналогов в открытом доступе.
Новую технологию можно будет использовать для защиты от кибератак на системы Face Recognition и Liveness Detection. Она же позволит спастись от информационных дипфейк-атак и от злоумышленников, которые притворяются другими людьми во время конференц-колов.
🎭 Развлекаться с нейросетями может быть очень весело. Сколько мы уже увидели смешных трейлеров, где лица актёров заменили физиономией Николаса Кейджа? Но многие недооценивают опасность дипфейков.
Ведь эту технологию легко использовать во вред. Страшно представить, что будет, если журналисты поведутся на дипфейк с главой какого-нибудь государства.
👆 Я уже как-то писала, что Google Colab даже ввёл ограничения на создание дипфейков. Тогда поддельное видео с Бараком Обамой репостнули в соцсетях больше 2 млн раз. И с тех пор проблема стала ещё актуальнее — мошенники всё чаще используют дипфейк для обмана и наживы.
Потенциальную проблему видят и в Сбере. Там уже запатентовали систему, которая помогает определять, меняли ли лицо на видео. В основе технологии — нейросетевые модели класса EfficientNet и метод амплификации и анализа микроизменений в цветах объектов на кадрах.
Если объяснять на пальцах, то первый метод выглядит так: ИИ определяет лица на видео и рассчитывает векторное представление их геометрических характеристик. Потом алгоритм анализирует разные вероятности того, что лицо синтетически изменили. В конце он выдаёт оценку. Подробнее можно почитать здесь.
🎨 Второй способ работает с цветом. Здесь алгоритмы разбивают видео на множество фреймов и сравнивают, как в них менялись значения красного спектра для каждого пикселя. Если интересно — вот описание технологии в патенте.
Для максимальной точности оба метода объединили в одну систему. Так шанс определить фейковое видео сильно выше.
Вообще, уже есть похожие технологии, которые распознают дипфейки. Но в основном они хорошо справляются с видео, на которых есть только один человек.
👥 Алгоритм Сбера показывает хорошие результаты, даже если в кадре несколько людей. Замеры на независимых тестовых выборках показали, что система работает с точностью 98%, — это намного выше, чем у других аналогов в открытом доступе.
Новую технологию можно будет использовать для защиты от кибератак на системы Face Recognition и Liveness Detection. Она же позволит спастись от информационных дипфейк-атак и от злоумышленников, которые притворяются другими людьми во время конференц-колов.
🔥8👍5⚡2