▪️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»
«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»
«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»
Media is too big
VIEW IN TELEGRAM
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
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
YouTube
Хакатоны и лекции по искусственному интеллекту
Хакатоны и лекции по искусственному интеллекту – первый и самый масштабный проект по ИИ в России, реализуется в рамках национальной программы «Цифровая экономика Российской Федерации».
Цели проекта:
• поиск, развитие и поддержка талантливых, перспективных…
Цели проекта:
• поиск, развитие и поддержка талантливых, перспективных…
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 👾
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 🔎
«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 🔎
Forwarded from Brodetskyi. Tech, VC, Startups
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
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
GitHub
GitHub Copilot
AI that builds with you
🌐 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 🌐
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 🙌
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 🛰
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".
▫️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".
Глубокое обучение также имеет бизнес-приложения. Можно взять огромное количество данных — миллионы изображений, и с их помощью выявить определенные характеристики. Текстовый поиск, обнаружение мошенничества, обнаружения спама, распознавание рукописного ввода, поиск изображений, распознавание речи, перевод — все эти задачи могут быть выполнены с помощью глубокого обучения. Например, в Google сети глубокого обучения заменили много «систем, основанных на правилах и требующих ручной работы».
Оригинал статьи — Understanding the differences between AI, machine learning, and deep learning ✔️
Оригинал статьи — Understanding the differences between AI, machine learning, and deep learning ✔️
История возникновения Искусственного Интеллекта. Часть 1 🙌
Термин “искусственный интеллект” был предложен американским информатиком Джоном Маккарти на семинаре в Дартмутском колледже в 1956 году. Однако сама идея создания машин, обладающих мышлением схожим с человеческим, уходит корнями еще в древнегреческие мифы. Так, бог-кузнец Гефест создавал механических слуг, птиц и зверей, неотличимых от настоящих. Одним из его творений был бронзовый великан Талос, первый робот в истории, он защищал от вторжений остров Крит. Многие механические игрушки и модели были созданы реальными людьми той эпохи, например, Архитом из Тарента, Дедалом и другими.
▫4 век до н.э. Аристотель изобрел силлогистическую логику, первую формальную дедуктивную систему рассуждений.
▫1206 г. арабский изобретатель Аль-Джазари выпустил трактат, где описал созданные им 50 механизмов. В их числе четыре человекоподобных робота, которые играли на музыкальных инструментах. В движение роботов приводила вода.
▫1515 г. Леонардо да Винчи создал механического льва, который мог передвигаться по заранее заданному маршруту.
▫1642 г. французский математик и механик Паскаль сконструировал первую механическую цифровую вычислительную машину.
▫1832 г. коллежский советник Семен Николаевич Корсаков опубликовал описание пяти изобретенных им механических устройств, так называемых «интеллектуальных машин», для частичной механизации умственной деятельности в задачах поиска, сравнения и классификации. В машинах использовались перфокарты. В этом же году англичане Чарльз Бэббидж и Ада Байрон разработали программируемую механическую вычислительную машину. Действующий макет был построен в 2002 г.
▫1921 г. чешский писатель Карел Чапек написал пьесу "Р.У.Р." (Универсальные роботы Россума). Первое использование слова «робот» на английском языке.
▫1936-37 гг. английский математик Алан Тьюринг предложил универсальную машину Тьюринга.
▫1939 г. на Всемирной выставке в Нью-Йорке компания Westinghouse Electricat представила механического человека Electro вместе с механической собакой Sparko.
▫1943 г. Уоррен Маккалок и Уолтер Питтс публикуют «Логическое исчисление идей, присущих нервной деятельности», закладывая основы нейронных сетей. В этом же году появился термин “кибернетика”.
▫1950 г. Появление теста Тьюринга как способа введения в действие теста разумного поведения. Писатель-фантаст Айзек Азимов опубликовал свои три закона робототехники
Термин “искусственный интеллект” был предложен американским информатиком Джоном Маккарти на семинаре в Дартмутском колледже в 1956 году. Однако сама идея создания машин, обладающих мышлением схожим с человеческим, уходит корнями еще в древнегреческие мифы. Так, бог-кузнец Гефест создавал механических слуг, птиц и зверей, неотличимых от настоящих. Одним из его творений был бронзовый великан Талос, первый робот в истории, он защищал от вторжений остров Крит. Многие механические игрушки и модели были созданы реальными людьми той эпохи, например, Архитом из Тарента, Дедалом и другими.
▫4 век до н.э. Аристотель изобрел силлогистическую логику, первую формальную дедуктивную систему рассуждений.
▫1206 г. арабский изобретатель Аль-Джазари выпустил трактат, где описал созданные им 50 механизмов. В их числе четыре человекоподобных робота, которые играли на музыкальных инструментах. В движение роботов приводила вода.
▫1515 г. Леонардо да Винчи создал механического льва, который мог передвигаться по заранее заданному маршруту.
▫1642 г. французский математик и механик Паскаль сконструировал первую механическую цифровую вычислительную машину.
▫1832 г. коллежский советник Семен Николаевич Корсаков опубликовал описание пяти изобретенных им механических устройств, так называемых «интеллектуальных машин», для частичной механизации умственной деятельности в задачах поиска, сравнения и классификации. В машинах использовались перфокарты. В этом же году англичане Чарльз Бэббидж и Ада Байрон разработали программируемую механическую вычислительную машину. Действующий макет был построен в 2002 г.
▫1921 г. чешский писатель Карел Чапек написал пьесу "Р.У.Р." (Универсальные роботы Россума). Первое использование слова «робот» на английском языке.
▫1936-37 гг. английский математик Алан Тьюринг предложил универсальную машину Тьюринга.
▫1939 г. на Всемирной выставке в Нью-Йорке компания Westinghouse Electricat представила механического человека Electro вместе с механической собакой Sparko.
▫1943 г. Уоррен Маккалок и Уолтер Питтс публикуют «Логическое исчисление идей, присущих нервной деятельности», закладывая основы нейронных сетей. В этом же году появился термин “кибернетика”.
▫1950 г. Появление теста Тьюринга как способа введения в действие теста разумного поведения. Писатель-фантаст Айзек Азимов опубликовал свои три закона робототехники
Forwarded from ForkLog AI
🏥 Точность системы поддержки принятия решений на базе ИИ в московских больницах увеличилась на 7,4%. Это стало возможно благодаря расширению платформы на все столичные клиники и увеличению данных о визитах к врачу до 12 млн.
💬 По словам заммэра Москвы по вопросам социального развития Анастасии Раковой, теперь совпадения в выборе предварительного диагноза у терапевта и нейросети составляет 46%, что положительно сказывается на качестве услуг для пациентов.
#диагностика
💬 По словам заммэра Москвы по вопросам социального развития Анастасии Раковой, теперь совпадения в выборе предварительного диагноза у терапевта и нейросети составляет 46%, что положительно сказывается на качестве услуг для пациентов.
#диагностика
Что почитать? 📚
Если вы решили разобраться в теме Искусственного Интеллекта всерьез - одних новостей не хватит. Собрали для вас подборку книг, с которых можно начать ознакомление.
▫️«Искусственный интеллект. Современный подход», Стюарт Рассел, Питер Норвиг.
Это основной учебник, по которому обучаются специалисты по ИИ в США и других странах. Полное введение в теорию: основы математической логики, теории вероятностей, теории непрерывных функций, суть таких понятий, как "восприятие", "рассуждение", "обучение" и "действие".
Помимо теоретической части, в книге представлено множество примеров алгоритмов, версии которых, реализованные на различных языках программирования, можно найти на сопровождающем книгу интернет-ресурсе.
Книга написана понятным и доступным языком и будем весьма полезна для студентов, аспирантов, программистов, изучающих ИИ, и разработчиков.
▫️«Искусственный интеллект и универсальное мышление», Алексей Потапов
Эта книга станет отличным введением в тему искусственного интеллекта. Автор уделяет серьезное внимание основополагающим идеям, необходимым для глубокого понимания методов поиска в пространстве решений, представления знаний, машинного обучения и самоорганизации, составляющих основу ИИ.
В то же время автор рассуждает о том, каких ключевых свойств не хватает интеллектуальным системам, чтобы стать по-настоящему разумными, для чего нередко обращается к истокам искусственного интеллекта в области психологии, лингвистики, нейрофизиологии, математики, философии.
▫️ «Искусственный интеллект. Этапы. Угрозы. Стратегии»
Методологически очень полезная книга. Бостром анализирует все возможные пути создания не просто ИИ человеческого уровня, но и сильного ИИ, который его превосходит, а также рассуждает о том, как человечество будет взаимодействовать с супер ИИ. Тем не менее он не смотрит на ситуацию фатально, а предлагает стратегии предотвращения неблагоприятных сценариев.
Эту книгу можно назвать лучшим введением в проблему повышения безопасности умных машин. Она вынудила лидеров многих ИТ-компаний выступить с официальными объяснениями по поводу безопасности ИИ.
▫️«Убийственные большие данные. Как математика превратилась в оружие массового поражения», Кэти О`Нил
Математик и специалист по обработке данных Кэти О`Нил считает что математические алгоритмы с каждым днем все сильнее подчиняют себе нашу жизнь. По мнению автора книги, эти алгоритмы уже превратились в опасное оружие в руках государств и корпораций - и это оружие нацелено, в первую очередь, на самые бедные и незащищенные слои населения. На примерах из реальной жизни она рассказывает о предрассудках и предубеждениях алгоритмов, а также объясняет, как и почему ИИ-системы могут навредить сферам финансов, правосудия, найма, образования и другим.
▫️ «Искусственный интеллект с примерами на Python», Джоши Пратик
Книга далеко не для изучения Python, а скорее для тех, кто уже знаком с ним, но хотел бы применять алгоритмы искусственного интеллекта для создания прикладных программ. Книга начинается с рассмотрения общих понятий ИИ, а к концу подводит к более сложным темам, таким как скрытые марковские модели, сверточные нейронные сети и так далее. Вы рассмотрите множество алгоритмов и научитесь реализовывать их на Python. Изложение увлекательное, легко читается. Мало формул, много кода.
▫️ «Искусственный интеллект — для вашего бизнеса? Руководство по оценке и применению», Эндрю Берджесс
Консультант по цифровой трансформации и роботизации Эндрю Берджесс семь лет помогает компаниям внедрять ИИ. В своей книге он без «воды» и сложных терминов рассматривает такие практические функции ИИ, как распознавание образов, обработку естественного языка и прогнозирование, иллюстрируя их кейсами компаний из разных отраслей. Книга будет интересна как предпринимателям, которые только задумываются о перспективах использования ИИ, так и тем, кто хочет применять его более эффективно.
Если вы решили разобраться в теме Искусственного Интеллекта всерьез - одних новостей не хватит. Собрали для вас подборку книг, с которых можно начать ознакомление.
▫️«Искусственный интеллект. Современный подход», Стюарт Рассел, Питер Норвиг.
Это основной учебник, по которому обучаются специалисты по ИИ в США и других странах. Полное введение в теорию: основы математической логики, теории вероятностей, теории непрерывных функций, суть таких понятий, как "восприятие", "рассуждение", "обучение" и "действие".
Помимо теоретической части, в книге представлено множество примеров алгоритмов, версии которых, реализованные на различных языках программирования, можно найти на сопровождающем книгу интернет-ресурсе.
Книга написана понятным и доступным языком и будем весьма полезна для студентов, аспирантов, программистов, изучающих ИИ, и разработчиков.
▫️«Искусственный интеллект и универсальное мышление», Алексей Потапов
Эта книга станет отличным введением в тему искусственного интеллекта. Автор уделяет серьезное внимание основополагающим идеям, необходимым для глубокого понимания методов поиска в пространстве решений, представления знаний, машинного обучения и самоорганизации, составляющих основу ИИ.
В то же время автор рассуждает о том, каких ключевых свойств не хватает интеллектуальным системам, чтобы стать по-настоящему разумными, для чего нередко обращается к истокам искусственного интеллекта в области психологии, лингвистики, нейрофизиологии, математики, философии.
▫️ «Искусственный интеллект. Этапы. Угрозы. Стратегии»
Методологически очень полезная книга. Бостром анализирует все возможные пути создания не просто ИИ человеческого уровня, но и сильного ИИ, который его превосходит, а также рассуждает о том, как человечество будет взаимодействовать с супер ИИ. Тем не менее он не смотрит на ситуацию фатально, а предлагает стратегии предотвращения неблагоприятных сценариев.
Эту книгу можно назвать лучшим введением в проблему повышения безопасности умных машин. Она вынудила лидеров многих ИТ-компаний выступить с официальными объяснениями по поводу безопасности ИИ.
▫️«Убийственные большие данные. Как математика превратилась в оружие массового поражения», Кэти О`Нил
Математик и специалист по обработке данных Кэти О`Нил считает что математические алгоритмы с каждым днем все сильнее подчиняют себе нашу жизнь. По мнению автора книги, эти алгоритмы уже превратились в опасное оружие в руках государств и корпораций - и это оружие нацелено, в первую очередь, на самые бедные и незащищенные слои населения. На примерах из реальной жизни она рассказывает о предрассудках и предубеждениях алгоритмов, а также объясняет, как и почему ИИ-системы могут навредить сферам финансов, правосудия, найма, образования и другим.
▫️ «Искусственный интеллект с примерами на Python», Джоши Пратик
Книга далеко не для изучения Python, а скорее для тех, кто уже знаком с ним, но хотел бы применять алгоритмы искусственного интеллекта для создания прикладных программ. Книга начинается с рассмотрения общих понятий ИИ, а к концу подводит к более сложным темам, таким как скрытые марковские модели, сверточные нейронные сети и так далее. Вы рассмотрите множество алгоритмов и научитесь реализовывать их на Python. Изложение увлекательное, легко читается. Мало формул, много кода.
▫️ «Искусственный интеллект — для вашего бизнеса? Руководство по оценке и применению», Эндрю Берджесс
Консультант по цифровой трансформации и роботизации Эндрю Берджесс семь лет помогает компаниям внедрять ИИ. В своей книге он без «воды» и сложных терминов рассматривает такие практические функции ИИ, как распознавание образов, обработку естественного языка и прогнозирование, иллюстрируя их кейсами компаний из разных отраслей. Книга будет интересна как предпринимателям, которые только задумываются о перспективах использования ИИ, так и тем, кто хочет применять его более эффективно.
Развитие технологий искусственного интеллекта в России.
Цели и реальность 😌
«При благоприятном стечении обстоятельств России вполне по силам стать крупным игроком и даже добиться локального лидерства по некоторым направлениям», - Николай Маркоткин, Эксперт Российского Совета по международным делам.
Руководство РФ уже несколько лет уделяет пристальное внимание технологиям ИИ, в частности, Владимир Путин неоднократно заявлял о том, что лидер в сфере ИИ станет «властелином мира».
В октябре 2019 года была утверждена «Национальная стратегия развития искусственного интеллекта на период до 2030 года» . Созданию документа предшествовала длительная общественная дискуссия, как на официальных, так и на экспертных площадках. Одним из главных «моторов» написания стратегии стал президент и председатель правления ПАО «Сбербанк» Герман Греф. Сбербанк является разработчиком «дорожной карты» развития ИИ в России. Именно Сбербанк сыграл роль координатора в создании российской стратегии развития технологий ИИ, которая в значительной степени получилась корпоративной: в написании документа также участвовали представители «Яндекса», Mail.ru Group и «Газпром нефти».
Те же компании вместе с примкнувшими к ним ПАО «МТС» и Российским фондом прямых инвестиций (РФПИ) сформировали альянс по развитию ИИ (AI-Russia Alliance), который будет продвигать российские технологии на основе ИИ. Соглашение о создании альянса было подписано 9 ноября 2019 года на конференции AI Journey. Новое объединение лоббирует:
◾️ упрощение внедрения технологий ИИ;
◾️ участие бизнеса в разработке:
а) нормативной базы для беспилотного транспорта,
б) законодательства в области промышленных и персональных данных.
По мнению участников альянса, эти меры должны ускорить развитие технологий ИИ в России. Кроме того, предполагается, что данное объединение будет координировать усилия бизнеса и научного сообщества, с тем чтобы достичь целей, заложенных в Национальной стратегии по развитию ИИ. Таким образом, можно говорить о том, что развитие ИИ в России в ближайшие годы будет иметь четкий коммерческий вектор. При этом его драйверами выступят не столько стартапы, сколько крупные IT-компании.
Для руководства страны высокий приоритет развития ИИ определяется значительным, по российским меркам, финансированием отраслевых проектов. Отдельного упоминания заслуживает применение ИИ в военной промышленности — сфере, где позиции России традиционно прочны.
Заявленная в российской стратегии амбициозная цель — стать одним из лидеров развития ИИ — считается труднодостижимой из-за существующего отставания от ведущих технологических держав и ряда фундаментальных факторов, таких как малый объем рынка венчурных инвестиций. Более вероятен сценарий успешного развития отдельных направлений использования технологий ИИ, где возможно локальное лидерство России.
Также Россия участвует в диалоге с другими странами и поддерживает выработку четких универсальных правил и этических норм.
Источник ✔️
Цели и реальность 😌
«При благоприятном стечении обстоятельств России вполне по силам стать крупным игроком и даже добиться локального лидерства по некоторым направлениям», - Николай Маркоткин, Эксперт Российского Совета по международным делам.
Руководство РФ уже несколько лет уделяет пристальное внимание технологиям ИИ, в частности, Владимир Путин неоднократно заявлял о том, что лидер в сфере ИИ станет «властелином мира».
В октябре 2019 года была утверждена «Национальная стратегия развития искусственного интеллекта на период до 2030 года» . Созданию документа предшествовала длительная общественная дискуссия, как на официальных, так и на экспертных площадках. Одним из главных «моторов» написания стратегии стал президент и председатель правления ПАО «Сбербанк» Герман Греф. Сбербанк является разработчиком «дорожной карты» развития ИИ в России. Именно Сбербанк сыграл роль координатора в создании российской стратегии развития технологий ИИ, которая в значительной степени получилась корпоративной: в написании документа также участвовали представители «Яндекса», Mail.ru Group и «Газпром нефти».
Те же компании вместе с примкнувшими к ним ПАО «МТС» и Российским фондом прямых инвестиций (РФПИ) сформировали альянс по развитию ИИ (AI-Russia Alliance), который будет продвигать российские технологии на основе ИИ. Соглашение о создании альянса было подписано 9 ноября 2019 года на конференции AI Journey. Новое объединение лоббирует:
◾️ упрощение внедрения технологий ИИ;
◾️ участие бизнеса в разработке:
а) нормативной базы для беспилотного транспорта,
б) законодательства в области промышленных и персональных данных.
По мнению участников альянса, эти меры должны ускорить развитие технологий ИИ в России. Кроме того, предполагается, что данное объединение будет координировать усилия бизнеса и научного сообщества, с тем чтобы достичь целей, заложенных в Национальной стратегии по развитию ИИ. Таким образом, можно говорить о том, что развитие ИИ в России в ближайшие годы будет иметь четкий коммерческий вектор. При этом его драйверами выступят не столько стартапы, сколько крупные IT-компании.
Для руководства страны высокий приоритет развития ИИ определяется значительным, по российским меркам, финансированием отраслевых проектов. Отдельного упоминания заслуживает применение ИИ в военной промышленности — сфере, где позиции России традиционно прочны.
Заявленная в российской стратегии амбициозная цель — стать одним из лидеров развития ИИ — считается труднодостижимой из-за существующего отставания от ведущих технологических держав и ряда фундаментальных факторов, таких как малый объем рынка венчурных инвестиций. Более вероятен сценарий успешного развития отдельных направлений использования технологий ИИ, где возможно локальное лидерство России.
Также Россия участвует в диалоге с другими странами и поддерживает выработку четких универсальных правил и этических норм.
Источник ✔️
Forwarded from Neurohive
Исследователи MIT обучили нейронную сеть предсказывать кризис кипения жидкостей по изображениям с инфракрасных камер. Потенциальные приложения технологии включают автоматизацию процесса охлаждения компьютерных чипов и ядерных реакторов.
#StateoftheArt
#StateoftheArt
Заменит ли Искусственный Интеллект тренеров? ⚽️
Использование в последние годы многочисленных датчиков, GPS-трекеров и алгоритмов компьютерного зрения, следящих за движением мяча и перемещением игроков на поле, позволило накопить большой объем данных. Что, в свою очередь, открывает возможности использовать для их анализа передовые технологии.
Журнал Journal of Artificial Intelligence Research недавно опубликовал результаты исследования компании-разработчика ИИ-решений DeepMind (принадлежит Google) и английского футбольного клуба «Ливерпуль», изучавших возможности использования искусственного интеллекта в мире футбола.
Согласно исследованию, футбольные команды могут использовать нейронные сети для выявления закономерностей, которые не может заметить тренер. Например, на основе данных о конкретных игроках и команде нейросеть может предсказывать, как игроки будут реагировать в разных ситуациях на поле. Такой алгоритм позволит прогнозировать последствия тактических изменений состава или внезапной травмы ключевого игрока. Таким же образом могут быть проанализированы конкретные действия игроков - передача или пропущенный отбор, и как эти действия повлияют на достижение цели. Эти данные будут полезны в послематчевом анализе, чтобы продемонстрировать игрокам, почему они должны были отдать мяч в конкретной ситуации, а не пытаться сделать удар. Модель, обученная на данных о производительности игроков - силе и физической форме - могла бы отслеживать усталость лучше, чем тренеры-люди, и рекомендовать игрокам отдыхать до того, как они получат травмы.
Исследователи также проанализировали более 12 000 пенальти, выполненных по всей Европе за последние несколько сезонов и классифицировали игроков по группам в зависимости от стиля их игры. Затем использовали эту информацию для прогноза шансов на реализацию пенальти. Например, нападающие чаще бьют в нижний левый угол, чем полузащитники, которые применяют более сбалансированный подход к выбору зоны для удара.
DeepMind надеется объединить компьютерное зрение, статистическое обучение и теорию игр, чтобы помочь футбольным командам выявлять закономерности в массивах данных, которые они собирают и которые невозможно было бы увидеть без помощи ИИ.
#euro2020
Использование в последние годы многочисленных датчиков, GPS-трекеров и алгоритмов компьютерного зрения, следящих за движением мяча и перемещением игроков на поле, позволило накопить большой объем данных. Что, в свою очередь, открывает возможности использовать для их анализа передовые технологии.
Журнал Journal of Artificial Intelligence Research недавно опубликовал результаты исследования компании-разработчика ИИ-решений DeepMind (принадлежит Google) и английского футбольного клуба «Ливерпуль», изучавших возможности использования искусственного интеллекта в мире футбола.
Согласно исследованию, футбольные команды могут использовать нейронные сети для выявления закономерностей, которые не может заметить тренер. Например, на основе данных о конкретных игроках и команде нейросеть может предсказывать, как игроки будут реагировать в разных ситуациях на поле. Такой алгоритм позволит прогнозировать последствия тактических изменений состава или внезапной травмы ключевого игрока. Таким же образом могут быть проанализированы конкретные действия игроков - передача или пропущенный отбор, и как эти действия повлияют на достижение цели. Эти данные будут полезны в послематчевом анализе, чтобы продемонстрировать игрокам, почему они должны были отдать мяч в конкретной ситуации, а не пытаться сделать удар. Модель, обученная на данных о производительности игроков - силе и физической форме - могла бы отслеживать усталость лучше, чем тренеры-люди, и рекомендовать игрокам отдыхать до того, как они получат травмы.
Исследователи также проанализировали более 12 000 пенальти, выполненных по всей Европе за последние несколько сезонов и классифицировали игроков по группам в зависимости от стиля их игры. Затем использовали эту информацию для прогноза шансов на реализацию пенальти. Например, нападающие чаще бьют в нижний левый угол, чем полузащитники, которые применяют более сбалансированный подход к выбору зоны для удара.
DeepMind надеется объединить компьютерное зрение, статистическое обучение и теорию игр, чтобы помочь футбольным командам выявлять закономерности в массивах данных, которые они собирают и которые невозможно было бы увидеть без помощи ИИ.
#euro2020
🔘 Национальная стратегия определяет две реперные точки развития ИИ в России — 2024 и 2030 годы. Предполагается, что к первой дате страна значительно улучшит позиции в этой сфере, а к 2030 году ликвидирует отставание от развитых стран и добьется мирового лидерства в отдельных направлениях, связанных с ИИ. Согласно документу, ключевые приоритеты развития ИИ в России соотносятся с Национальными целями и стратегическими задачами развития РФ на период до 2024 года. Среди приоритетов:
▪️ускорение технологического развития РФ, увеличение количества организаций, осуществляющих технологические инновации, до 50% от общего числа;
▪️обеспечение ускоренного внедрения цифровых технологий в экономику и социальную сферу;
▪️создание в базовых отраслях экономики высокопроизводительного экспортно ориентированного сектора, развивающегося на основе современных технологий и обеспеченного высококвалифицированными кадрами.
Значительное внимание уделено поддержке научных исследований со стороны государства и частных инвесторов. К 2024 году должна существенно повыситься цитируемость российских ученых в сфере ИИ, а также количество зарегистрированных ими патентов и разработанных прикладных технологических решений. Кроме того, предполагается ревизия существующего нормативного регулирования для упрощения разработки технологий ИИ и внедрения решений на их основе (включая беспилотный транспорт). Документ акцентирует необходимость международного сотрудничества России по вопросам стандартизации и сертификации продуктов, созданных на основе ИИ.
Стратегия подчеркивает значимость подготовки специалистов в области ИИ. Помимо уже упомянутого привлечения кадров из-за рубежа, документ предлагает внедрить образовательные модули, связанные с ИИ, на всех уровнях образования, создать соответствующие программы повышения квалификации и профессиональной переподготовки кадров. Подчеркивается необходимость повышения качества математического и естественно-научного образования, интеграция его с социально-гуманитарным. Согласно Стратегии к 2024 году в России должно значительно вырасти количество специалистов по ИИ, а к 2030-му в российских вузах должны появиться программы мирового уровня, которые позволят восполнить дефицит кадров.
Также уделено внимание разработке и развитию отечественного программного обеспечения с использованием ИИ, созданию открытых библиотек ИИ, повышению доступности и качества данных и аппаратного обеспечения для решения задач в области ИИ.
Стоит отдельно отметить, что военные цели обозначены в документе исключительно в рамках «обеспечения национальной безопасности». Сама же Стратегия имеет явный уклон в сторону коммерческого использования ИИ.
▪️ускорение технологического развития РФ, увеличение количества организаций, осуществляющих технологические инновации, до 50% от общего числа;
▪️обеспечение ускоренного внедрения цифровых технологий в экономику и социальную сферу;
▪️создание в базовых отраслях экономики высокопроизводительного экспортно ориентированного сектора, развивающегося на основе современных технологий и обеспеченного высококвалифицированными кадрами.
Значительное внимание уделено поддержке научных исследований со стороны государства и частных инвесторов. К 2024 году должна существенно повыситься цитируемость российских ученых в сфере ИИ, а также количество зарегистрированных ими патентов и разработанных прикладных технологических решений. Кроме того, предполагается ревизия существующего нормативного регулирования для упрощения разработки технологий ИИ и внедрения решений на их основе (включая беспилотный транспорт). Документ акцентирует необходимость международного сотрудничества России по вопросам стандартизации и сертификации продуктов, созданных на основе ИИ.
Стратегия подчеркивает значимость подготовки специалистов в области ИИ. Помимо уже упомянутого привлечения кадров из-за рубежа, документ предлагает внедрить образовательные модули, связанные с ИИ, на всех уровнях образования, создать соответствующие программы повышения квалификации и профессиональной переподготовки кадров. Подчеркивается необходимость повышения качества математического и естественно-научного образования, интеграция его с социально-гуманитарным. Согласно Стратегии к 2024 году в России должно значительно вырасти количество специалистов по ИИ, а к 2030-му в российских вузах должны появиться программы мирового уровня, которые позволят восполнить дефицит кадров.
Также уделено внимание разработке и развитию отечественного программного обеспечения с использованием ИИ, созданию открытых библиотек ИИ, повышению доступности и качества данных и аппаратного обеспечения для решения задач в области ИИ.
Стоит отдельно отметить, что военные цели обозначены в документе исключительно в рамках «обеспечения национальной безопасности». Сама же Стратегия имеет явный уклон в сторону коммерческого использования ИИ.