А что, если наша Вселенная — одна большая нейросеть?

Заскучав в отпуске физик-теоретик Виталий Ванчурин, профессор Университета Миннесоты в Дулуте решил разобраться, как работает машинное обучение. Быстро выяснилось, что этого не знает никто. Поэтому учёный применил к нейросетям статистические методы.

Сразу началось нечто интересное. Расчёты показали, что поведение ансамблей нейронов следует уравнениям, почти идентичным законам квантовой механики (КМ). А значит и сама КМ не фундаментальна, так как возникает из динамики обучающихся нейросетей. Если так, то может и общая теория относительности (ОТО) тоже?

⚛️ Несовместимость КМ и ОТО — главная нерешенная проблема современной физики. Для их «примирения» учёные постоянно изобретают новые «теории всего». Мол, обе концепции всего лишь проявления каких-то более базовых законов мироздания, например, теории суперструн.

🕸 В своих расчётах Ванчурин предложил альтернативу — микроскопические нейросети и их динамику между равновесным и неравновесным состояниями. Достижение информационной системой равновесия — это её обучение. Чем лучше нейросеть, например, распознаёт котят, тем менее она склонна меняться, оставаясь возле найденного стабильного состояния.

1️⃣ Микронейросети легко учатся предсказывать своё состояние, приходя к равновесию. Электрон, встретившись с протоном, быстро «обучается», образуя атом водорода. В этих условиях динамика нейросетей проявляется законами КМ.

2️⃣ Однако чем многочисленнее ансамбль нейронов в системе, тем дольше ей требуется обучение. На уровне макромира нейросети приходят к равновесному состоянию медленно. Этот долгий процесс связан уже с возникновением законов ОТО.

Всё, что мы воспринимаем в качестве частиц и взаимодействий, заряда и массы, даже пространства и времени — лишь процесс «общения» нейронов, образующих фундамент бытия. Окончательны и постоянны только уравнения, определяющие их обучение.

Одиночный нейрон даёт слишком плохие предсказания, поэтому система развивается в сторону их объединения. Возникают всё более сложные структуры: атомы, молекулы, их соединения. Чем больше нейронов кооперируется, тем лучше они работают и дают более точные предсказания. Так эволюционирует Вселенная.

❓Впрочем, чем именно являются узлы «вселенской нейросети» и как именно они взаимодействуют, остаётся за рамками новой гипотезы. «Так уж устроены фундаментальные физические теории», — посмеивается Виталий Ванчурин.

#Нейросети, #Машинное_обучение, #Физика, #Теория_всего

Вдогонку к новости про запрет дипфейков на Google Colab. Все российские каналы — кто с возмущением, а кто и с одобрением — отписались о цензуре и ограничениях. Однако по факту всё до сих пор отлично работает. Пообщалась вчера с известным российским дипфейкером Владиславом Педро. Вкратце:

— Пока все дипфейкеры без проблем продолжают тренировать свои модели DeepFaceLab на Google Colab и очень довольны.

— Предупреждения об исполнении кода дипфейков начали появляться 26-27 мая в рандомном порядке: кто-то получает, кто-то нет. Почему так — все дипфейкеры теряются в догадках.

— По мнению Владислава, на Google Colab стоит система, отслеживающая, какой именно код исполняется. DeepFaceLab для неё триггер.

— В будущем разработчики DeepFaceLab, возможно, примут меры — каждые 24 часа в каком-то случайном месте код будет автоматически редактироваться и Google Colab перестанет реагировать на софт для создания дипфейков. Но это пока всё только гипотезы.

#Дипфейки, #Регулирование_искусственного_интеллекта, #Этика_искусственного_интеллекта

«Сексизм» теста Тьюринга

Не знаю как вы, а я обожаю читать про культурную историю математики и технологий. В двух словах — это о том, как культура и общество порождает какие-то изобретения, и как они потом сами влияют на общество и культуру. Лучший пример здесь — тест Тьюринга.

🤖 Чтобы убедиться в том, что новый самолет летает, корабль плавает, а мост выдерживает положенные нагрузки, — их обязательно испытывают. Такой же инженерный подход возможен и к проблеме искусственного интеллекта. Мы можем не задаваться трудными вопросами о природе сознания или мышления, но если система справляется с определённой задачей, — значит она «мыслящая». Однако какой должна быть эта задача?

🍎 Наиболее известный вариант предложил сам автор подобного подхода, британский математик Алан Тьюринг. В его интерпретации мышление означало работу с символьными системами. Поэтому он предложил проверять способности ИИ с помощью свободного диалога с невидимым, находящимся за стеной собеседником.

👨‍💻 В классическом варианте судья, общаясь посредством компьютерной консоли, должен за определённое ограниченное время (обычно пять минут) решить, с человеком или машиной он разговаривает. Жюри состоит из трёх судей. Если хотя бы двое из них примут ИИ за живого человека, испытание считается пройденным.

Стоит заметить, что неспособность выполнить тест не свидетельствует об обратном. Даже если живой человек не сможет внушить судье, что он не компьютер, это не означает, что такой человек не обладает мышлением.

👨‍🦰👩‍🦰 Любопытно, что в качестве прообраза своего теста Тьюринг использовал хорошо знакомую ему по жизни в Англии викторианскую «игру в имитацию». Условия её были просты: двое или трое игроков, обычно из высшего общества, прятались за непрозрачной ширмой. Ведущий, обмениваясь записками с игроками, должен был определить, кто из них — женщина, а кто только притворяется ею. Иными словами, подспудно подразумевалось, что по ответам на вопросы можно чётко отделить мужчину от женщины.

👺 При этом такое испытание можно рассматривать и как «тест на интеллект» для мужчины, которому требуется имитировать «женское» поведение и реакции. Тьюринг почти напрямую перенёс эту ситуацию на взаимодействие с ИИ. Теперь машинам требовалось имитировать живого человека, оставаясь скрытыми от судей.

Однако за прошедшие с момента изобретения теста 70 лет убедить жюри удалось лишь один раз. В 2014 году чатбот Eugene Goostman, притворяющийся подростком-одесситом Женей Густманом, сумел обмануть две трети судей и формально пройти тест Тьюринга.

#Тест_Тьюринга, #Цифровизация_и_общество, #История_ИИ, #Сильный_искусственный_интеллект

#почитать_на_выходных (18+)

Один из самых нестандартных способов обойти тест Тьюринга предложил отец-основатель киберпанка Уильям Гибсон в своём лучшем романе «Нейромант» (Neuromancer, 1984). Главный герой, гениальный хакер Кейс, вступает в команду, готовящую взлом суперкомпьютера клана мультимиллионеров Тессье-Эшпулов. Собирает её некто Армитидж, решительный и абсолютно беспощадный лидер с тёмным прошлым, чья принадлежность к роду людскому ни у кого не вызывает сомнений.

Заинтригованный Кейс начинает копаться в биографии работодателя — и выясняет, что такого человека никогда не существовало в реальности. Армитидж — конструкт, созданный на базе разрушенной личности ветерана войны полковника Уиллиса Корто ИскИном (ИИ) Уинтермьютом. Подставная фигура, интерфейс между миром машин и людей. Уинтермьют дёргает за ниточки — Армитидж подчиняется.

Но безумный полковник Корто, запертый в глубинах изувеченного разума, вырвется на свободу — и тогда стройный план атаки на Тессье-Эшпулов полетит под откос.

#посмотреть_на_выходных (18+)

Сериал «Чёрное зеркало».

«Я скоро вернусь» (1 серия, 2 сезона, 2013)

Любопытный «перевёртыш» на основе классического теста Тьюринга. Молодая вдова Марта точно знает, что общается с подделкой, созданной на основе записей телефонных разговоров и публикаций в соцсетях, которые оставил её покойный муж Эш. Однако она очень хочет убедить себя, что андроид ничем не отличается от настоящего, погибшего в автокатастрофе.

Тест не пройден: копия слишком внимательна, слишком предупредительна, нечеловечески правильна. ИИ не «залипает» в смартфоне, не раздражается, не раскидывает по комнате носки и не забывает важные семейные даты.

В результате андроид отправляется на пыльный чердак, где семейные пары обычно хранят альбомы с фотографиями, дорогие сердцу безделушки и прочие материальные свидетельства о счастливом, но не то чтоб вовсе беззаботном прошлом.

Человек со 100 000 мозгов

Так поэтично в блоге NVIDIA назвали Джорджа Кардозу (Jorge Cardoso) из Королевского колледжа Лондона (King’s College London). Джорджу и его команде удалось решить одну из ключевых проблем применения ИИ в медицине — дефицит качественных датасетов для обучения моделей.

💾 Основная трудность здесь — сохранение конфиденциальности пациентов. Из-за этого медицинские учреждения с большой неохотой делятся подобными материалами.

💰 Другое ограничение — запредельная стоимость. Массив изображений мозга 50 тыс. реальных пациентов UK Biobank обошёлся в 150 миллионов долларов. Поэтому многие специалисты возлагают большие надежды на технологии, позволяющие генерировать аналогичные данные искусственно.

🧠 Группа Кардозо совместно с разработчиками из NVIDIA сгенерировала 100 тыс. реалистичных трёхмерных МРТ-снимков головного мозга (как будто сделанных с помощью магнитно-резонансных томографов — такие стоят в больницах). На сегодня это крупнейший подобный датасет в мире.

В работе использовался фреймворк MONAI (Medical Open Network for Artificial Intelligence), основанный на PyTorch, и суперкомпьютер Cambridge-1, содержащий почти 80 тысяч ядер общей пиковой производительностью 9,68 Пфлопс. Это самый мощный вычислительный кластер в Великобритании, занимающий 53-ю строчку в мировом рейтинге Top-500.

👨🏼‍🎓Каждая синтезированная картинка содержит 16 миллионов вокселей («трёхмерных пикселей»). Все изображения скоро будут выложены в публичный доступ на британском общенациональном репозитории биомедицинских данных Health Data Research UK. Датасет можно свободно использовать для проведения научных исследований, разработки новых инструментов и технологий лечения.

#Компьютерное_зрение, #Датасеты, #Генерация_изображений, #ИИ_в_медицине

Дали по ушам: «голосовой нейрокамуфляж» нарушил работу систем распознавания речи

🎤 Многие корпорации не раз ловили на скрытном прослушивании пользователей гаджетов с помощью голосовых помощников. Особо «отличились» умная колонка Amazon Echo и Apple Siri. Против воли владельцев они фиксируют практически всё происходящее вокруг и передают на серверы компаний. Теперь «большое ухо» можно невозбранно заткнуть.

🎶 В Колумбийском университете (США) разработали систему Neural Voice Camouflage (NVC), которая генерирует фоновый шум. Он незаметен и безвреден для человеческого слуха, но различим микрофонами и нейросетями. Поэтому в моменты, когда пользователь разговаривает, нарушает распознавание его голоса.

NVC использует метод «состязательной атаки» (adversarial attack) — целенаправленного воздействия на нейронную сеть, способного вызвать ошибки в её поведении. При реализации атаки в исходные данные вносятся небольшие искажения, легко обманывающие нейросети, которые с ними работают.

🐼 В известной демонстрации такого подхода добавление едва видимого шума к изображению панды в корне меняет его восприятие системой распознавания GoogLeNet, заставляя узнавать на картинке совершенно другое животное. Однако при обработке голоса эта задача сильно усложняется: аудиоданные требуется изменять на лету, обрабатывая сигнал в режиме реального времени.

Для создания NVC использовалась дополнительная языковая модель, которую обучили анализировать короткие двухсекундные аудиозаписи речи, быстро выделяя характерные особенности голоса, а также предсказывая продолжение фразы. Это позволило системе вовремя генерировать искажения.

🙉🙊 По словам авторов, их метод повысил уровень ошибок в работе распознающих речь алгоритмов с 11,3 до 80,2%. Для сравнения, речь, «замаскированная» простым белым шумом, неверно распознавалась лишь в 12,8% случаев, а «состязательной атакой» без предсказания — в 20,5%.

Почитать подробнее: препринт на arXiv

Поиграться: GitHub

#Машинное_обучение, #Обработка_естественного_языка, #Этика_искусственного_интеллекта, #Нейрохакинг

У пожилых людей, страдающих глаукомой или деменцией, повышается риск попасть в аварию. Помочь может искусственный интеллект

👨🏿‍🦳🧑🏼‍🦳 Для стран «золотого миллиарда» сейчас очень остро стоит проблема старения населения. Особенно для Японии, Северной Европы и США. При этом старики там активные, много путешествуют и водят автомобили. Сама видела, как в Вене и Невшателе очень пожилые люди рассекали на Ferrari и Porsche Cayenne. Но время неумолимо. Поэтому число аварий по вине водителей старше 60 тоже неуклонно растёт. В Японии это вообще прямо бич.

И вот, как по мне, уже вполне наметился технологический тренд:

✔️ сбор больших датасетов об особенностях вождения людей в реальном времени;

✔️ применение автомобильного ИИ для ранней диагностики заболеваний.

🚙 Например, всё в том же Колумбийском университете провели лонгитюдное (продолжительное по времени наблюдений) исследование LongROAD. В нём приняли участие 2977 участников в возрасте от 65 до 79 лет. Их машины оснастили датчиками, отслеживающими 29 особенностей вождения и движения автомобиля, а также инциденты в ходе реальных поездок.

Данные собирали почти четыре года — с августа 2015-го по март 2019-го. При этом к апрелю 2019 у 33 испытуемых обнаружили когнитивные расстройства средней степени выраженности, а у 31 — старческую деменцию.

Весь собранный массив данных использовали для машинного обучения, разработав серию предиктивных моделей. Наилучшую прогностическую точность в 88% показал алгоритм, использующий для предсказания совместно демографические характеристики испытуемого и данные о его вождении.

🚗 Ну а на прошлой неделе мелькнула новость, что Honda Motor Co создаст модель для выявления отклонений в физическом состоянии водителя. При этом не только когнитивных нарушений, но и глаукомы. Если алгоритм обнаружит задержку в реакции водителя на сигналы светофора, то сообщит ему, что у него, возможно, узкое поле зрение. Сужение зрения — распространённый симптом глаукомы. Обычно эта болезнь глаз медленно прогрессирует и её трудно распознать.

Датасет из записей работы мозга разных возрастных групп водителей и траекторий движения их глаз в ходе управления автомобилем уже собран. Осталось обучить модель. Внедрить её автопроизводитель планирует примерно в 2030 году.

#Машинное_обучение, #Датасеты, #ИИ_в_медицине

IBM ушёл из России, а их беспилотный корабль Mayflower впервые пересёк Атлантику

Утром 16 сентября 1620 года торговый галеон «Мэйфлауэр» отчалил из британского Плимута в Новый свет. На его борту находилось 102 пассажира — отцы-пилигримы — основавшие по прибытии к берегам нынешнего штата Массачусетс первое постоянное поселение в Новой Англии. Плавание продлилось чуть больше месяца. 21 ноября «Мэйфлауэр» бросил якорь у мыса Код.

🚤 Спустя 400 лет компания IBM решила повторить подвиг пуритан. Только без единого человека на борту. Полностью автономный тримаран Mayflower Autonomous Ship 400 (MAS400) отправился летом 2021 года по маршруту пилигримов. Однако из-за поломок рейс пришлось прервать.

🔧 Новый старт был дан 27 апреля 2022 года. Тут тоже обошлось не без злоключений. Отказ генератора автоматически привёл к остановке судна близ Азорских островов. Команде кожаных мешков пришлось десантироваться и делать срочный ремонт на алюминиевом покорителе морей.

🗺 Затем неполадки произошли уже в открытом океане, из-за чего маршрут пришлось сократить. В результате вместо запланированного прибытия в США конечной точкой путешествия оказалась Канада. Тем не менее рейс MAS400 продлился 40 суток, за которые беспилотник прошёл более 5600 км.

IBM и другой партнёр проекта некоммерческая научная организация ProMare утверждают, что MAS400 — прототип научных беспилотников для исследований океана. Но тут явственно чувствуется и запах военных — вместо океанографического оборудования в грузовой отсек вполне можно поместить тактическую ракету.

#Искусственный_интеллект, #Робототехника, #Беспилотники_и_дроны

Что под капотом у Mayflower Autonomous Ship 400

MAS400 — автономный беспилотный тримаран 15 м в длину и 6,2 м в ширину. На нём нет ни кают, ни кубриков, ни систем жизнеобеспечения для людей. Благодаря использованию лёгких композитов и алюминия водоизмещение составляет всего 5 тонн. Это менее 3% от оригинального галеона «Мэйфлауэр». Скорость судна — до 10 узлов (18,5 км/ч).

⚙️ Тримаран приводится в движение парой электродвигателей мощностью по 20 кВт. Энергию обеспечивают солнечные батареи, поддерживаемые литий-ионными аккумуляторами. Все ключевые системы расположены в центральном корпусе, а пара боковых аутригеров служат лишь для повышения остойчивости судна.

📡 Для навигации тримаран использует радар, сонар, камеры и гидрофоны, данные GPS и морской идентификационной системы AIS, датчики давления и скорости, сенсоры для сбора метеоданных. Обрабатывает все эти потоки информации вычислительная система на базе нескольких высокопроизводительных модулей NVIDIA Jetson AGX Xavier.

🧭 Управляет кораблем система AI Captain, разработанная компанией MarineAI совместно с IBM. Она обучалась в течение двух лет на более чем миллионе изображений из залива Плимут-Саунд (Великобритания). В ходе тренировок системы использовалась платформа IBM Power AC922.

В марте 2021 исследователи провели первые испытания AI Captain. Они проверили, как система ведёт себя в реальном плавании и как использует данные, чтобы проложить курс с учётом других судов, буев, волноломов и прочих препятствий.

#Искусственный_интеллект, #Робототехника, #Беспилотники_и_дроны