Подведем итоги 🤓

С 18 по 20 июня 2021 года в Нижнем Новгороде прошел наш первый хакатон по искусственному интеллекту. Мероприятие проведено в рамках реализации федерального проекта «Искусственный интеллект», который разработан Минэкономразвития.

Организатор проекта – Минэкономразвития России, оператор – АНО Россия — страна возможностей, организационный партнер – Ассоциация Электронных коммуникаций (РАЭК) .

Всего на хакатон зарегистрировалось 218 участников. На старте сформировалось 26 команд-участников, из которых 11 дошли до финала. На протяжении 48 часов ребята решали кейс от АНО Университет 20.35

ТОП регионов по участникам:

● Нижегородская область - 100
● Москва - 10
● Санкт-Петербург - 5
● Пермский край - 5

Университет 20.35 предложил участникам разработать цифровые решения на базе технологий искусственного интеллекта для оценки соответствия Образовательных Программ запросам рынка труда и лучшим практикам в сфере подготовки специалистов по сквозным технологиям Национальной Технологической Инициативы (НТИ).

IT-специалисты из Нижегородской области стали лидером по количеству участников и призеров в этом хакатоне - 7 человек. Регионом победителем стала Москва - 3 участника получили почетное первое место хакатона по искусственному интеллекту в Нижнем Новгороде.

Победителями стали:

1. Showcase (Москва):

➖Артём Горюнов
➖Сергей Братчиков
➖Сергей Суров

2. MirITeam (Нижегородская область):

➖Мираббас Багиров
➖Тимофей Карклин
➖Екатерина Вахутина
➖Татьяна Бородина

3. Княгининский университет (Нижегородская область):

➖ Константин Степанов
➖Евгений Мещеряков
➖Алексей Ним

Поздравляем ✨

​​У всех в последнее время сильно бомбит из-за дипфейков, так как они становятся все более и более качественными и легкодоступными. Даже усы Пескова недавно высказывали своё негодование (лол).

Есть уже много работ по детекции дипфейков. Парни из Facebook AI пошли дальше. Вместо бинарной классификации real/fake, они обучили сеть предсказывать какой конкретно моделью было сгенерировано то или иное изображение. Если модель не известна (то есть не было такой в трейн сете), то будет предсказана конфигурация её архитектуры: сколько блоков было в генераторе, сколько слоев, сколько кернелов в конволюциях, с какими лоссами обучалась модель и т.д. То есть, по сути — это реверс инжиниринг дипфейк-модели на основе ее выхода.

Направление новое и прикольное, но у меня имеется определенный скепсис. Я не уверен, как у них с робастностью. Что если картинка была сгенерирована c помощью какого-то нового семейства моделей, которого не было в тренировочной выборке (например, VQVAE или VQGAN), и насколько хорошо их сеть будет работать если на кадре только лицо человека было заменено на сгенерированное? Из полезных применений такого реверс инжиниринга — это помощь в определении источника дипфейков при некой массовой атаке. Например, если на FB будут повально постить фото Байдена/Путина/... в непристойных ситуациях, то можно будет определить какая конкретно фабрика тролей за этим стоит.

Подробнее про работу тут.

❕Прямо сейчас начинается Торжественная церемония награждения победителей Хакатона по Искусственному Интеллекту и
Всероссийского конкурса «Цифровой прорыв». Подключайтесь!

1. Showcase (Москва):

Команда разработала решение, оценивающее эффективность образовательных программ по сквозным технологиям на основе оценки соответствия программы рынку труда и пользы для обучающихся и работодателей. Для команды было действительно важно на основе предоставленных данных и данных с сайта HeadHunter ввести прозрачные метрики оценки, а также презентовать свое видение развития решения до версии 2.0.

2. MirITeam (Нижегородская область)

Командой были созданы модели нейронных сетей, позволяющие оценить по 3-м критериям точность образовательной программы. На сервере реализованы: релевантный вывод образовательных программ в соответствие с критериям оценки; рекомендательная система повышения точности образовательной программы в формате персонализированных онлайн-курсов; чат-бот интегрированный с календарем мероприятий; система предложения идей, позволяющий всем заинтересованным организациям взаимодействовать внутри одного сервиса (Министерство образования, ВУЗы, работодатели, слушатели курсов); прототип виртуального IT-хаба, позволяющий взаимодействовать работодателям и ВУЗам для выполнения совместных НИР и грантов. Клиентская часть имеет дружественный интерфейс, покрывающий функционал серверной части.

3. Княгининский университет (Нижегородская область)

Команда разработала сервис для помощи разработчикам образовательных курсов. Сервис позволяет оценить актуальность рабочей программы дисциплины и ее соответствие сквозным технологиям НТИ.
Хакатоны и лекции по искусственному интеллекту - серия образовательных мероприятий, в рамках которой в период с 2021 по 2024 гг. запланировано проведение 116 хакатонов по искусственному интеллекту во всех регионах России: 85 региональных, 24 окружных и 7 международных, а также 85 лекций от ведущих отечественных специалистов по ИИ. Главные цели проекта - популяризация технологий ИИ в России среди молодых специалистов и студентов, формирование ИТ-сообщества с фокусом на ИИ, а также генерация решений на основе ИИ для бизнеса и государственного сектора.

▪️Торжественная церемония награждения победителей Хакатона в Нижнем Новгороде: Сергей Гребенников, заместитель директора РАЭК:

«Хакатон по искусственному интеллекту дал старт самого масштабного проекта по ИИ в России и задал высокую планку для последующих 115 хакатонов, которые пройдут в ближайшие четыре года во всех регионах России. Хакатон проходил в офлайн-формате и собрал более 200 участников. При этом многие приняли участие в хакатоне впервые. Такой интерес к теме иИИ среди молодых специалистов и студентов показывает актуальность и востребованность данного проекта.»

▪️Дмитрий Чернышенко поздравил Победителей первого хакатона по искусственному интеллекту!

Сегодня на площадке конференции ЦИПР прошла церемония награждения победителей первого хакатона по искусственному интеллекту — первого из 116 мероприятий серии хакатонов и лекций по искусственному интеллекту, которые пройдут во всех регионах России в рамках реализации федерального проекта «Искусственный интеллект».

Первое место в хакатоне заняла команда Showcase. Ребята разработали решение, оценивающее эффективность образовательных программ по сквозным технологиям на основе оценки соответствия программы рынку труда и пользы для обучающихся и работодателей. В команде отметили важность на основе предоставленных данных и данных с сайта HeadHunter ввести прозрачные метрики оценки, а также презентовать свое видение развития решения до версии 2.0.

Стек технологий:
PyTorch+scikit-learn+flair+transformers+python-docx+flask

Победители получили чек на 200 000 рублей.

▪️Торжественная церемония награждения победителей Хакатона по Искуственному Интеллекту в Нижнем Новгородею. Глеб Никитин, Губернатор Нижегородской области:

«Я по настоящему счастлив представлять город, который стал столицей первого в России хакатона по искусственному интеллекту и центральным хабом Цифрового прорыва в России. Это огромная честь и, безусловно, усиливает позиции региона по IT в целом, в том числе на рынке вакансий в IT-среде. Что касается самих кейсов, которые решались: мы не являемся кейсодержателями, но наш научно-исследовательский центр – региональный проектный офис, обязательно возьмет проекты, которые были реализованы и предложены, на акселерацию, продвижение, дальнейшее сопровождение и, возможно, развитие»

▪️Дмитрий Чернышенко, Заместитель Председателя Правительства Российской Федерации:

«Мы сделаем все возможное, чтобы решения участников хакатона воплотились в жизнь. Это очень интересные кейсы, которые сейчас в повестке того, что требуется нашей стране. Не только “Университет 20.35”, но и на федеральном уровне мы попробуем их с вами докрутить, выстроить эту цепочку, когда работодатель сам формирует учебные модули, которые ему нужны для подготовки специалистов. Мы же делаем сквозную прослеживаемость эффективности реализации этих модулей.
И нам важно понимать, что движет участниками, чтобы мы могли эти условия для них создать, и чтобы больше ребят приходили и сражались на таких хакатонах и создавали такие уникальные вещи.

Ну а мы постараемся сделать все, чтобы эти решения воплотились в жизнь, а их разработчики достигли своей мечты. Наверняка у каждого она есть и у сегодняшних победителей она точно будет достигнута»

▪️Антон Сериков, Заместитель генерального директора АНО «Россия - страна возможностей»

«Приятно наблюдать за тем, как развивается ИТ-отрасль нашей страны. Мы увидели множество неординарных решений, которые вполне можно реализовать на практике уже в ближайшем будущем.
Стоит сказать и о том, что желающих побороться за призовой фонд и испытать себя было очень много: более тысячи конкурсантов проявили интерес к хакатону по искусственному интеллекту и конкурсу «Цифровой прорыв». Участие в этих соревнованиях приняли не только жители Нижнего Новгорода, но и Москвы, Санкт-Петербурга, Удмуртии, Республики Татарстан, а также других регионов нашей страны. Очень здорово, что так много талантливых и амбициозных ребят принимают участие в таких конкурсах»

Так кипела работа в Нижнем Новгороде, сейчас мы дома уже 🙃

По ссылке прямая трансляция лекций ❕

Тайминг

▪️10:10-11:00 Введение в ИИ и нейронные сети
Никита Семенов, директор департамента Machine Learning МТС

▪️ 11:10-12:00 - Машинное зрение - как это работает?
Алексей Мяков, Директор подразделения компьютерного зрения Intel

▪️12:10-13:00 - Hype Cucle в области Искуственного Интеллекта
Ксения Плесовских, Лидер гильдии Data Science в IT-компании LAD

13:10-14:00 - Создание самостоятельный систем ИИ, переход из стадии пилотирования в саморегулирование
Скиба Виталий Валерьевич, Cleverbots

▪️14:10-15:00 - Искусственный интеллект на черно-белых клетках
Валерий Черепенников, Вице-президент исследовательского центра Huawei Нижний Новгород

▪️15:10-16:00 - Тренды в ML и востребованность со стороны бизнеса: сейчас в перспективе ближайших лет
Илья Померанцев, руководитель направления ML, Globus

Будущее ИИ, компьютерное зрение, Hype Cycle: в Нижнем Новгороде прошли первые лекции по искусственному интеллекту 👾

Сегодня на площадке конференции ЦИПР состоялись лекции по ИИ. Мероприятие является частью федерального проекта «Искусственный интеллект».

С вводной лекцией об ИИ и нейронных сетях выступил директор департамента Machine Learning МТС - Никита Семенов.

О компьютерном зрении и машинном обучении рассказал директор подразделения компьютерного зрения Intel Алексей Мяков. Виталий Скиба из Cleverbots поразмышлял о том, может ли нейронная сеть заниматься творчеством и исследовать среду и когда нас ждёт самостоятельный ИИ.

Валерий Черепенников рассказал почему шахматы — одна из самых старых задач в области ИИ. Руководитель направления ML Globus, Илья Померанцев раскрыл перспективы и тренды в машинном обучении, а также востребованность технологии бизнесом.

Ксения Плесовских рассказала о Hype Cycle в области искусственного интеллекта.

Видеозапись лекций доступна по ссылке 👾

ВОЗ призвала «защитить автономию человека» в сфере медицины и сохранить конфиденциальность персональных данных.

«ИИ имеет огромный потенциал улучшения здоровья миллионов людей в мире, но он может быть неправильно использован и нанести вред», – ген. директор ВОЗ Тедрос Гебрейесус. Он считает, что доклад ВОЗ призван стать для государств «ценным руководством в том, как добиться максимальной пользы от применения ИИ, минимизировать риски и избежать ловушек».

Авторы считают, что не следует переоценивать пользу ИИ, когда его внедрение осуществляется за счет инвестиций, необходимых для достижения всеобщего охвата населения услугами здравоохранения.

По словам экспертов, «нерегулируемое применение ИИ может поставить права пациентов в подчиненное положение в отношении коммерческих интересов технологических компаний или же интересов правительств в сфере наблюдения и социального контроля».

Авторы предлагают странам руководствоваться шестью принципами для снижения этих рисков. Подробнее о них в источнике 🔎

Microsoft и OpenAI анонсировали ИИ-инструмент для разработчиков — Github Copilot. Это ИИ, подсказывающий как писать и улучшать код. Очень интересно, что из этого получится. Пока фичу запустили в ограниченной бете, позже сделают коммерческим продуктом.

https://copilot.github.com/

Напомню, Microsoft купила Github в 2018 году за $7,5 миллиардов. Также Microsoft является эксклюзивным партнером OpenAI с доступом к самым продвинутым версиям GPT-3 и других нейросетевых разработок.

• В июне 2020 года похожий сервис запустила Amazon
• Также ИИ для рефакторинга кода есть у IBM

🌐 В России к процессу подготовки и вынесения судебных решений начали привлекать ИИ.

Конечно, система не выносит судебных приказов: она готовит документы и проверяет реквизиты, экономя время судей. Эксперты уверены: использование систем алгоритмизированного принятия решений, в том числе в сфере государственного управления, — это шаг в будущее, который позволит разгрузить органы власти, снизить бюджетные затраты и минимизировать вероятность ошибки.

Руководитель проекта «Хакатоны и лекции по ИИ» Сергей Плуготаренко прокомментировал возможность внедрения этой инновации.

Статья и комментарий доступны по ссылке 🌐

Если вы пропустили трансляцию лекций по Искусственному Интеллекту в Нижнем Новгороде, то их можно посмотреть на нашем youtube-канале 👇

https://www.youtube.com/channel/UCrEm6iH1udwb9--hq0BuHog

Не забудьте подписаться, записи с лекций будут в каждом городе 🙌

Наблюдения, моделирование и искусственный интеллект помогают понять Вселенную 🌌

Японские астрономы разработали новый метод, основанный на искусственном интеллекте, который позволяет устранить «шум», встречающийся в астрономических данных по причине того, что галактики имеют разные формы. После обширного «натренировывания» и проверки на крупных искусственных наборах данных, ученые применили этот инструмент к реальным данным, собранным при помощи телескопа «Субару». Выяснилось, что распределение массы, полученное с использованием нового метода, хорошо согласуется с распространенными современными моделями Вселенной. Таким образом, в работе представлен новый мощный инструмент для анализа «больших данных» и планируемых новых обзоров неба.

Подробнее об исследовании в статье 🛰

Различия между искусственным интеллектом, машинным обучением и глубоким обучением 🔘

▫️Искусственный интеллект — широкое понятие, касающееся передового машинного интеллекта. В 1956 году на конференции по искусственному интеллекту в Дартмуте эта технология была описана следующим образом: «Каждый аспект обучения или любая другая особенность интеллекта могут быть в принципе так точно описаны, что машина сможет сымитировать их»

ИИ может относиться к чему угодно — от компьютерных программ для игры в шахматы до систем распознавания речи. В целом системы ИИ можно разделить на три группы: ограниченный искусственный интеллект (Narrow AI), общий искусственный интеллект (AGI) и сверхразумный искусственный интеллект.

Программа Deep Blue компании IBM, которая в 1996 году обыграла в шахматы Гарри Каспарова, является примером ограниченного искусственного интеллекта, способного решать одну конкретную задачу. Это его главное отличие от общего искусственного интеллекта (AGI), который стоит на одном уровне с человеческим интеллектом и может выполнять много разных задач.

Сверхразумный искусственный интеллект стоит на ступень выше человеческого. Ник Бостром описывает его как «интеллект, который намного умнее, чем лучший человеческий мозг, практически во всех областях, в том числе в научном творчестве, общей мудрости и социальных навыках.»

▫️Машинное обучение (Machine Learning/ML)

Машинное обучение является одним из направлений искусственного интеллекта. Основной принцип заключается в том, что машины получают данные и «обучаются» на них. В настоящее время это наиболее перспективный инструмент для бизнеса, основанный на ИИ. Системы ML позволяют быстро применять знания, полученные при обучении на больших наборах данных, что позволяет преуспевать в таких задачах, как распознавание лиц, распознавание речи, распознавание объектов, перевод, и т.д. В отличие от программ с закодированными вручную инструкциями для выполнения конкретных задач, ML позволяет системе научиться самостоятельно распознавать шаблоны и делать прогнозы.

В то время, как обе программы — и Deep Blue, и DeepMind, являются примерами использования искусственного интеллекта, Deep Blue была построена на заранее запрограммированном наборе правил, так что она никак не связана с машинным обучением. С другой стороны, DeepMind является примером машинного обучения: программа обыграла чемпиона мира по Го, обучая себя на большом наборе данных ходов, сделанных опытными игроками.

▫️Глубокое обучение (Deep Learning/DL)

Глубокое обучение является подмножеством машинного обучения. Оно использует некоторые методы ML для решения реальных задач, используя нейронные сети, которые могут имитировать человеческое принятие решений. Глубокое обучение может быть дорогостоящим и требует огромных массивов данных. Это объясняется тем, что существует огромное количество параметров, которые необходимо настроить для алгоритмов обучения, чтобы избежать ложных срабатываний. Например, алгоритму глубокого обучения может быть дано указание «узнать», как выглядит кошка. Чтобы произвести обучение, потребуется огромное количество изображений для того, чтобы научиться различать мельчайшие детали, которые позволяют отличить кошку от, скажем, гепарда или пантеры, или лисицы.

Как упоминалось выше, в марте 2016 года искусственным интеллектом была достигнута крупная победа, когда программа AlphaGo DeepMind обыграла чемпиона мира по Го Ли Седоля в 4 из 5 игр с использованием глубокого обучения. Как объясняют в Google, система глубокого обучения работала путем комбинирования «метода Монте-Карло для поиска в дереве с глубокими нейронными сетями, которые прошли обучение с учителем на играх профессионалов и обучения с подкреплением на играх с собой".