Команда Guard представила рейтинговый сервис политик конфиденциальности. Среди проверенных компаний: Youtube, Facebook, Linkedin, Telegram и другие. Искусственный интеллект, лежащий в основе разработки, анализирует текст документа и выявляет “спрятанные” пункты, которые могут угрожать персональным данным пользователя. Создатели приложения уверены, что часто политика конфиденциальности специально пишется таким образом, чтобы пользователь не заметил моментов, вызывающих вопросы.

https://thenextweb.com/apps/2019/09/24/ai-privacy-terms-analysis-reads/

Проект можно было бы назвать спасением для тех, кто не хочет разбираться в массивах текста, но переживает по поводу конфиденциальности. Однако, в случае, например, с Telegram, нейросеть не отметила ни одного конфликта, связанного с персональными данными. А ведь случаи были. Так или иначе, разработка довольно полезная. Ведь, давайте будем честными, часто ли мы читаем политику конфиденциальности?

Недавно аудиторская компания KPMG опубликовала отчет "AI transforming the enterprise". В ходе исследования были изучены 200 крупнейших компаний мира и выделены 8 главных тенденций внедрения ИИ. Почитать об этом можно тут.

США расширили “черный список” китайских компаний, которым запрещено продавать американские технологии. Среди подвергнутых санкциям - 28 государственных и частных фирм, 8 из них занимаются разработками в сфере ИИ (Hikvision, iFlytek, Megvii и др.). Официальной причиной эскалации названа причастность компаний к случаям нарушения прав человека в Китае: уйгуров и мусульман. Но очевидно, что действия Трампа имеют четко поставленную цель: ослабить технологический и экономический потенциал Китая. Напомним, что ранее в этом году в список запрещенных предприятий попала Huawei - телекоммуникационная корпорация, претендовавшая на лидерство в технологии 5G.

https://www.technologyreview.com/f/614494/china-ai-firms-blacklisted-xinjiang-ai-chips/?utm_medium=email&utm_source=topic+optin&utm_campaign=awareness&utm_content=20191014+ai+nl&mkt_tok=eyJpIjoiTkRNMVl6azVNVFJpTlRreiIsInQiOiI2bEtKOXc5UXNwcERzaUVNZVVtWGpjRFdNdktwSUNNUVwvaEUxS3Q0eGNQK0xjQ0RVb3pqS2pqRkg1bEI2RmsxM0k2MDJqaXB4QVlNOWNUV3VVNDlEeU9qb1V6cDU4RVA5MGF6b1NkSTlremtDMXRqTGNMb1A4VnpFa0RzMGZnbGcifQ%3D%3D

Стартап Grammarly привлек $90 млн инвестиций и стал первым украинским единорогом. Если вы по каким-то причинам пока о нем не слышали, поясню: Grammarly создает онлайн-сервис на основе ИИ для помощи в написании английских текстов: находит грамматические ошибки, советует лучший вариант написания и даже наиболее подходящий стиль письма. Количество их пользователей на сегодняшний день уже превысило отметку в 20 млн.

https://techcrunch.com/2019/10/10/grammarly-raises-90m-at-over-1b-valuation-for-its-ai-based-grammar-and-writing-tools

7 сценариев использования искусственного интеллекта.

И снова о предвзятости ИИ. Недавнее исследование показало, что системы распознавания лиц от таких технологических гигантов, как Amazon, IBM, Microsoft и Clarifai в большинстве случаев неверно идентифицируют пол трансгендеров и гендерквиров. В случае с первыми – 30% ошибок, со вторыми – ни одного верного результата. Также, в некоторых случаях ИИ определял мужчину с длинными волосами как женщину. Исследователи считают, что системы вобрали в себя стереотипные признаки гендерного различия, так как были обучены на недостаточно “современных” для этой задачи датасетах.

https://qz.com/1726806/facial-recognition-ai-from-amazon-microsoft-and-ibm-misidentifies-trans-and-non-binary-people/

К ИИ часто предъявляются слишком завышенные требования – любую ошибку будут досконально изучать, хотя никто и не обещал абсолютно точного ответа. Бинарная классификация людей нестандартных гендеров не являлась задачей упомянутых систем и, пока меньшинства остаются в меньшинстве, не станет и сколько-нибудь значимой. Да и вообще, гендерквир - это про состояние души, ИИ пока туда залезть не может. И слава богу... А со своей задачей системы справляются хорошо – на 98% (близко к 100%, но не равно).

Вот только что мы писали, что компьютер, слава богу, не может заглянуть в душу, а тут как раз большой шаг в эту сторону. Как вы знаете, большАя часть информации между людьми передается невербальным и даже не визуальным способом, а через запахи, которые мы зачастую не чуем прямо, а понимаем, что человек встревожен или расстроен, не взирая на его выражение лица. И если компьютеры научатся улавливать и понимать такие запахи, это будет покруче тотального видеонаблюдения.

www.engadget.com/2019/10/24/google-researchers-train-ai-smells/

Кейс: Danske Bank. ИИ для борьбы с мошенничеством

Danske Bank — один из ведущих банков Северной Европы, с активами более $200 млрд. Одним из важнейших направлений деятельности банка является борьба с мошенничеством. Однако, учитывая запутанность и анонимность современных финансовых транзакций, высокая эффективность антифрод систем — задача непростая.

До внедрения ИИ, Danske Bank использовал решение, в основе которого лежали конкретные прописанные правила. Оно позволяло обнаружить лишь 40% случаев мошенничества при количестве ложных срабатываний в 99,5%. Система была головной болью для клиентов и сотрудников, проверяющих транзакции.

Тогда Danske Bank обратился к технологии ИИ и, надо сказать, не зря: им удалось увеличить точность обнаружения мошеннических операций на 50% и уменьшить количество ложных срабатываний на 60%. Разница ощутимая, не так ли? И это при том, что алгоритмы определяли подозрительные транзакции по тем же типам данных, что и предыдущая система.

Реализация проекта ИИ проходила в несколько этапов. Сначала команда улучшила аналитическую инфраструктуру так, чтобы она могла поддерживать автоматическое принятие решений, сохраняя при этом требования к времени задержки. За усовершенствованием инфраструктуры следовал этап машинного обучения: команда собирала и подготавливала данные, на которых затем обучили модель. После череды тщательных испытаний в тестовой среде решение было внедрено. Машинное обучение сразу показало лучшую эффективность, но количество ложных срабатываний все еще оставалось на высоком уровне (98%). А некоторые случаи мошенничества и вовсе не распознавались.

Стало ясно, что нужно попробовать технологию глубокого обучения. Специалисты нашли способ представить данные в виде изображений и, взяв за основу сверточную нейронную сеть (CNN), смогли выявить визуальные закономерности в данных с мошенническими операциями. Благодаря этому методу, банку удалось улучшить антифрод систему до финального результата.

Danske Bank преуспел во внедрении ИИ, и произошло это по ряду причин: наличие грамотной поддержки администрации, инвестирующей в инфраструктуру и разработку новых решений; создание надежной базы данных, которая могла обслужить высокопроизводительную среду; проведение тщательного тестирования моделей, позволившее реализовать систему высокой точности.

#кейсЦД

Участники панельной дискуссии на конференции Город IT в Томске пытались выяснить, почему всего 13% корпоративных data science проектов доходит до практического использования. Ими были отмечены три главные проблемы: 1) отсутствие поддержки от высшего руководства, 2) отсутствие данных, 3) отсутствие сотрудничества между data science и другими специалистами. Всё это вместе означает отсутствие процесса внедрения data science проектов.

https://youtu.be/xa5OwGSMlcg

Кейс: Data mining для повышения производительности

В дополнение к аналитике традиционных датасетов, глубокое обучение помогает бизнесу находить и использовать ранее недоступные данные. В этом небольшом кейсе описывается, как крупная логистическая компания в США (пожелавшая остаться анонимной) повысила свою производительность с помощью интеллектуального анализа данных.

Из миллионов посылок, отправляемых компанией каждый день, небольшое количество оказываются бесхозными - неизвестны ни отправитель, ни пункт назначения. Ранее эта проблема решалась вручную: при поступлении жалобы о пропаже, работник склада потерянных посылок искал отправление, которое подходило бы под описание. Процесс был крайне ресурсозатратным и стоил компании десятки миллионов долларов в год.

Чтобы как-то его автоматизировать, компания разработала и внедрила решение на основе методов компьютерного зрения и распознавания изображений. Оно представляет собой систему image-to-image поиска. Для функционирования системы была создана отдельная бд с фотографиями содержимого всех потерянных посылок. В случае пропажи, клиенту нужно лишь прикрепить свое фото к заявке, а поисковая система сама все найдет и выдаст результат.

Компании удалось достичь 90% точности обнаружения соответствий, сократив время поиска посылки на складе с недель до нескольких минут(!). В итоге, процесс был значительно удешевлен, а лояльность клиентов повышена.

Кстати, наша компания (https://ntr.ai) подобную технологию разработала еще в 2014 году, правда, для другого применения. Но если кому-то интересно, то можем повторить (ТМ).

#кейсЦД

Эко-новость. Компания AMP Robotics, разработавшая интеллектуальную робототехническую систему для сортировки отходов, собрала $16 млн инвестиций. Средства пойдут на расширение бизнеса и создание новых ИИ-решений для преобразования экономики переработки отходов.

https://www.onartificialintelligence.com/articles/18763/ai-guided-robotics-for-the-recycling-industry

...и неудивительно, ведь многие страны мира, не исключая Россию, накрывает мусорный кризис. Правда, в Штатах источник мусорного кризиса другой – Китай в рамках торговой войны перестал покупать американский мусор. Надо сказать, и когда покупал, он использовал/повторно перерабатывал лишь очень небольшую его часть, остальное захоранивали или сжигали. Удастся ли построить хотя бы такую же систему в США – пока неизвестно, но миллиона китайцев для сортировки мусора в США точно нет.

Nvidia совместно с исследователями Калифорнийского университета в Мерсед представили нейронную сеть, способную генерировать (ставить?) танцевальные номера по музыке, поданной ей на вход. Обученная на десятках часов видео, нейросеть может создавать танцы в трех стилях (балет, зумба и хип-хоп). Прошлогодняя работа тех же исследователей помогает превращать их в фотореалистичные видео.

https://www.neowin.net/news/nvidia-unveils-deep-learning-based-ai-model-that-automatically-choreographs-music/

Несмотря на то, что генерация видео, да еще под музыку, является вычислительно сложной задачей (почему и интересна NVIDIA), создание длинных связных танцев – задача менее сложная, чем создание длинных связных осмысленных текстов. А вот пусть она объяснение в любви станцует!

“Умные” шины с поддержкой 5G. Новейшая кибершина от компании Pirelli, разработанная в коллаборации с Ericsson, Audi, Tim, Italdesign и KTH, использует датчики и связь 5G для сообщения дорожной информации в рамках ADAS (Advanced Driver Assistance Systems). Технология позволяет в режиме реального времени контролировать пробег, динамическую нагрузку, оповещать водителя о рисках потери сцепления с дорогой и даже передавать водителям других авто информацию о потенциально опасных участках.
Например, при наезде транспорта на лужу, система отправит сигнал об опасности аквапланирования водителям позади. Так они получат предупреждение еще до наезда на этот участок дороги, и, возможно, смогут сбросить скорость до безопасной.

https://www.onartificialintelligence.com/articles/19085/pirelli-developing-tyres-to-interact-with-5g-network

Ждем календарь Pirelli с поддержкой 5G. Или сразу от Durex поддержки 5G ждать?

Города КНР инвестируют 20 миллиардов юаней в индустрию обращения с отходами. Новые возможности для ИИ и обзор отрасли.

Читать тут.

Главные технологические тренды 2020 года по мнению экспертов.

​​Toyota построит прототип умного города размером в 70 гектар у подножья горы Фудзи. Проект “Woven City”, рассчитанный на 2000 человек, создан для того, чтобы изучить и проверить технологии искусственного интеллекта, IoT и робототехники в рамках единой городской экосистемы. В Woven City все люди, транспортные средства и здания будут взаимодействовать между собой посредством датчиков. И, конечно, Toyota не собирается реализовывать проект в одиночку: к сотрудничеству приглашаются коммерческие и исследовательские организации. Строительство города планируется на 2021 год.

https://www.roboticsresear.ch/articles/19373/toyota-to-build-prototype-city-of-the-future?stv1=1%3A315395%3A16734

Тихо, тихо ползи,
Улитка, по склону Фудзи
Вверх, до самых высот!

Создан первый в мире “живой” робот - ксенобот. Ученые из университета в Вермонте с помощью суперкомпьютера сконструировали из клеток эмбриона лягушки биоробота, способного самовосстанавливаться и выполнять запрограммированные задачи. Пока что живая машина может только двигаться к цели и перемещать крошечные частицы.

https://www.uvm.edu/uvmnews/news/team-builds-first-living-robots

Это очень круто. В перспективе биороботов можно будет использовать для решения множества задач: от очистки океана от мусора до лечения различных видов рака и других заболеваний.

В июле прошлого года по китайскому интернету вирусно разлетелась презентация о технологии 5G. Основатель Huawei Жен Чжэнфэй даже сделал рассылку всем сотрудникам своей компании, где рекомендовал каждому с ней ознакомиться. Презентацию прочитали миллионы китайцев.

Автор материала д-р Ван Сивэнь — член официальной малой партии Общество “Цзюсань”, костяк которой составляют представители интеллигенции высшего и среднего звена в области науки, техники, культуры, медицины, здравоохранения и фармакологии. Презентация использовалась им в лекциях для чиновников и предпринимателей. А мы сделали для вас перевод.

Друзья! Рады сообщить, что ровно через две недели, 5 марта, состоится наш первый митап. Тема: «Видеоаналитика для бизнеса».
На мероприятии с докладами выступят: Вадим Щемелинин (Сибур), Александр Пазин (3DiVi) и Николай Михайловский (NTR Lab).

Регистрируйтесь, пока есть места! Ссылка на страницу мероприятия: https://cdto2019.timepad.ru/event/1265959/