Русский
Русский
English
Статистика
Реклама

Машинное обучение

Нейросеть поможет обыграть профессионального игрока в настольный теннис

11.05.2020 00:13:39 | Автор: admin

Нейросети уже дошли до такого уровня, что могут обыгрывать в шахматы или го профессиональных игроков. С помощью машинного обучения ученые обучают нейросеть, создают реалистичный симулятор, а затем реальный игрок пытается сразиться с мощью алгоритма на компьютере. Однако пока никому не приходило в голову использовать нейросети в активном спорте например, при игре в настольный теннис. Причем речь идет не о какой-то там компьютерной симуляции, а настоящей игре с реальным соперником.

Программисты из Японии смогли настолько хорошо обучить нейросеть, что она в режиме реального времени научилась определять, куда упадет мяч при игре в настольный теннис. Но одно дело, если бы нейросеть просто отслеживала траекторию движения мяча — в этом нет ничего такого удивительного. Самое интересное здесь в том, что ИИ начинает просчитывать потенциальную траекторию по движениям игрока, даже еще до того, как его ракетка коснулась мяча.

Залог успешной игры в настольный теннис кроется не только в умении игрока точно отбивать мяч на сторону стола соперника, он также должен оказаться в нужном месте на своей половине стола, чтобы успеть отправить мяч в противоположную сторону. Поэтому инженеры уже давно разработали робота, который может играть в настольный теннис, отслеживая траекторию мяча. Робот начинает свой просчет только после удара ракеткой, как бы захватывая мяч. Однако профессиональный игрок знает, куда будет бить, еще до того, как поднимет ракетку, поэтому отслеживание одного только мяча зачастую не так эффективно.

Нейросеть, которая играет в настольный теннис

Поэтому японские программисты решили разработать нейросеть, которая сможет определять потенциальное движение мяча еще во время замаха ракеткой — по движению руки и корпуса игрока. Но одна нейросеть здесь бы не справилась, поэтому была создана вторая нейросеть, которая работает в паре с первой, при этом все они с разными задачами и архитектурой. Первая нейросеть обрабатывает данные с веб-камеры, которая установлена со стороны принимающего игрока: она покадрово вычисляет положение руки и тела подающего игрока.

После этого в дело вступает вторая нейросеть, которой передаются обработанные данные, а она уже на их основе рассчитывает место падения мяча. Далее с помощью проектора полученная точка выводится на теннисный стол, и инженеры сопоставляют реальное место падения мяча и то, которое было рассчитано нейросетями.

По словам программистов, они самостоятельно собрали все данные для обучения. Они анализировали множество реальных игр по настольному теннису с установленной камерой, которая записывала полет мяча со скоростью 240 кадров в секунду. Чтобы собрать как можно больше исходных данных, разработчики скачали записи теннисных подач с реальными играми из интернета.

Для расчета используются две нейросети

В итоге алгоритм начал работать с завидной точностью. В среднем нейросети смогли точно распознать падение мяча на теннисный стол в 75% всех случаев. Что интересно, работу алгоритма протестировали как на профессиональных игроках, так и на любителях, и в случае с первыми нейросети работали даже лучше. Дело в том, что у профессионального игрока в настольный теннис за много лет уже выработаны характерные движения, которые он совершает перед подачей мяча, а любитель чаще всего подает по-разному.

Нейросеть даже может показать, как вы будете выглядеть через 50 лет. Попробуйте!

Встает логичный вопрос — а что если взять человека, который никогда не играл в настольный теннис, и предоставить в его распоряжение такой алгоритм? Инженерам тоже стало это интересно, и они протестировали работу нейросети во время игры между профессиональным игроком и обычным. В результате при помощи нейросетей обычный игрок успешно отбивал подачи на 20% чаще, чем без них.

Это ярко показывает, что области использования нейросетей ничем не ограничены. Они могут осуществлять поиск по картинке, вычислять самых активных в нашем Telegram-чате или выступать в роли голосового ассистента (та же Алиса уже максимально приблизилась по своему поведению к реальному человеку). Или высчитывать вероятность заболеваний, находить опухоли на снимках, бороться с мошенниками и так далее. А в прошлом году нейробиологи обучили нейросеть переводить сигналы мозга в членораздельную речь! В будущем подобные устройства смогут использовать людьми, потерявшими способность говорить в результате травмы или болезни. Или его можно будет использовать просто для того, чтобы читать ваши мысли. А вот это уже звучит как-то не так приятно, правда?

Теперь можно обыграть даже мирового чемпиона по настольному теннису! Ну, почти

Подробнее..

Искусственный интеллект научили контролировать дистанцию между людьми

24.04.2020 00:09:20 | Автор: admin

Во время пандемии коронавируса социальное дистанцирование оказалось очень эффективной мерой для замедления распространения заболевания. Но в то время, как миллионы людей остаются дома, чтобы совместными усилиями победить опасную инфекцию, многим сотрудникам в пищевой, добывающей, фармацевтической и других промышленностях все еще приходится ходить на работу каждый день. От них зависит, чтобы к вам завтра приехал курьер с продуктами, или ближайшая аптека всегда была открыта на случай, если у вас вдруг заболит зуб. Как же обеспечить безопасность в этих случаях? Помимо ношения масок, есть еще один способ, который поможет контролировать соблюдение дистанции между людьми. И без искусственного интеллекта здесь не обошлось.

Чтобы обеспечить контроль за дистанцией между людьми на рабочем месте, стартап Landing AI разработал инструмент для отслеживания местонахождения людей с поддержкой искусственного интеллекта. Он может определять, находятся ли люди на безопасном расстоянии друг от друга, анализируя видеопотоки с камер наблюдения в режиме реального времени.

Отслеживание людей по камерам наблюдения

Например, на заводе, где производят маски и другое защитное оборудование, так необходимое во время пандемии, можно интегрировать это программное обеспечение в свои системы камер видеонаблюдения. Как показано на демонстрационном ролике ниже, детектор выделяет красным цветом людей, расстояние между которыми меньше минимально допустимого расстояния, и проводит линию между ними, чтобы обратить на это внимание. Система также сможет по громкой связи сделать предупреждение и напомнить людям, чтобы они держались на безопасном расстоянии.

Программное обеспечение устанавливается на компьютеры, которые управляют системой безопасности с помощью видеонаблюдения, и искусственный интеллект сам интегрируется в нужные ему элементы. Получается что-то вроде мини большого брата, который следит за каждым передвижением сотрудника. Но не для того, чтобы контролировать, работает он или нет, а чтобы работники держались на безопасной дистанции между собой. Помню, видел что-то подобное в сериале Подозреваемый — там была машина с искусственным интеллектом, которая распознавала перемещения каждого человека в городе. Правда, не для того, чтобы контролировать соблюдение дистанции между людьми.

После калибровки система готова к работе

И тут я подумал — а что мешает в дальнейшем доработать алгоритм и с помощью такой нейросети следить за передвижениями человека по городским камерам видеонаблюдения. Единственное, что для этого потребуется — качественная оптика, которая сможет без ошибок распознать лицо и характерные черты (походку, телосложение). И если человек совершит правонарушение, и камера его заметит, в дальнейшем нейросеть проследит за ним до дома, а там узнает, зашел он в наш Telegram-чат или нет. Страшно? Пока да, но мне кажется, что в будущем такая система будет реализована.

По данным издания Input, компания Amazon УЖЕ внедрила аналогичную технологию на своих складах. За работниками тоже следят в течение смены и предупреждают, что нарушение правил социального дистанцирования может привести к их увольнению. Видимо, не зря Безос на роботов хочет переходить, уж они вирусом не болеют.

Сотрудник Amazon на складе работает с соблюдением дистанции от других коллег

Карантин при коронавирусе

Как отмечают медицинские эксперты, до тех пор, пока вакцина от коронавируса не станет доступной, социальное дистанцирование является нашим лучшим инструментом, чтобы помочь снизить распространение пандемии. Помимо карантина, конечно же. Дело в том, что скорость распространения нового коронавируса довольно высока в случае полного бездействия количество зараженных будет удваиваться каждые три дня. Вирус существует и его единственная цель размножаться как можно успешнее. А потому, каждый раз, когда вы выходите из дома вы рискуете если не заболеть сами, то заразить окружающих.

Вот Швеция так и не ввела карантин, все было хорошо, а потом стала чуть ли не первой по количеству новых смертей от коронавируса.

Мне кажется, даже после пандемии такие системы с ИИ будут актуальны. Например, на тех же заводах руководство сможет получить отчет от нейросети, сколько времени работник находился на своем рабочем месте. Карантин и пандемия подарят нам много новых технологий, а хорошо это или нет — еще увидим.

Прям сцена из фильма «Эквилибриум»

Подробнее..

Что должен уметь специалист по Data Science?

10.06.2020 14:06:04 | Автор: admin

Будущее за наукой о данных

За последние несколько лет технологии интегрировались с многими бизнесами, что сформировало новые профессии, которые стали очень востребованными на рынке. Одним из таких направлений стало Data Science: специалисты в этой области сейчас нарасхват, и не зря, ведь они каждый день решают задачи, направленные на улучшение бизнеса и, как следствие, повышение его прибыли. А такие умельцы всегда нужны. Но чем конкретно занимаются специалисты по Data Science, и какими умениями они должны обладать?

Что такое Data Science

Стоит сразу отметить, что под Data Science в компаниях зачастую понимаются разные вещи. Например, в одной организации такой специалист занимается созданием новых алгоритмов машинного обучения, что требует хороших знаний математических методов. Как правило, речь в данном случае идет о научных компаниях и исследовательских лабораториях.

В другом же месте эксперты по Data Science занимаются продвинутой аналитикой данных. Она включает в себя бизнес-анализ, разработку новых моделей, проведение тестов и обкатку новых возможностей в среду. Такой сотрудник полностью отвечает за свою задачу от разработки до ее непосредственного эффекта на бизнес. В IT-отрасли подобный подход называют full-stack. Иногда Data Scientist занимается только обработкой данных и построением моделей, все зависит от конкретной компании, ее деятельности и задач.

Data Scientist’ы сейчас очень востребованы на рынке

Что должен уметь Data Scientist

Как правило, специалисты в данной области имеют хорошие знания в области математики и даже разработки программного обеспечения. То есть это программисты и ученые в области математики. Однако в Data Science также важны бизнес-навыки: специалист должен разбираться в бизнес-процессах, понимать проблемы заказчика, сформировав на их основе задачу и оптимальный способ ее решения.

Data Science включает в себя сразу несколько отраслей

Поэтому аналитику важно понимать, как работает бизнес, какие проблемы он решает, и как ему можно помочь стать еще эффективнее. А уже потом опробовать свои навыки на больших массивах данных. Иначе можно допустить ошибки: например, если работник хорошо владеет глубинным обучением, это не значит, что нужно применять этот метод при любом случае. Зачастую проблема решается проще, и хороший Data Scientist может увидеть все способы ее решения и выбрать наилучший.

Специалист в этой области может построить модель, которая изменит весь бизнес. Так, несколько лет назад Джонатан Голдман, физик из Стэнфорда, устроился на работу в социальную сеть LinkedIn и создал модель, которая подсказывала владельцу аккаунта, кто еще из пользователей сайта может оказаться его знакомым. Социальная сеть применила его модель на практике и получила дополнительные миллионы просмотров и ускоренный рост.

Data Science и машинное обучение

При этом работа Data Scientistа неразрывно связана с машинным обучением. Он обрабатывает массивы данных, находит в них новые связи и закономерности, используя алгоритмы машинного обучения, и строит модели. Модель по своей сути представляет собой алгоритм, который можно использовать для решения бизнес-задач.

В качестве примера можно привести алгоритмы, которые используют сервисы такси, которые прогнозируют спрос. Или навигатор, способный построить оптимальный маршрут в объезд пробок. Чтобы это реализовать, необходимо обработать большие массивы данных и построить модели, чем и занимается Data Scientist. То же самое касается поисковых систем, голосовых помощников и рекомендательных сервисов без науки о данных они просто не смогли бы существовать.

Все социальные сети существуют благодаря Data Science

Как стать специалистом Data Science

Многие идут в эту область с университетским образованием, однако несмотря на то, что оно действительно дает фундаментальные знания, зачастую оторвано от практики. В особенности это касается связки IT и бизнеса. Лучший вариант учиться Data Science у тех, кто уже работает в этой области и перенимать их опыт. Следить за трендами и участвовать в реальных проектах, а не просто штудировать теорию и ученики по математике. Все это можно получить на специальном курсе по Data Science, который преподают сотрудники NVIDIA, компании EORA, Яндекс.Дзен и другие деятели индустрии с многолетним опытом работы.

В рамках курса вас научат основам программирования на Python и анализу данных, математике и статистике для Data Science, Data Engineering и другим дисциплинам. Но главное — вы сможете проработать те необходимые навыки, которые нужны хорошему специалисту в данной области — понять, как устроена наука о данных, и как она меняет бизнес к лучшему (soft skills).

Часть программы курса по Data Science в Skillbox

Кроме того, все кейсы разработаны на основе реальных задач в практике Data Science, то есть на выходе у вас будет свой git-репозиторий, который вы сможете показать работодателю. А помогут в этом профессиональные преподаватели и специальные тренажеры по машинному обучению. В дальнейшем вы сможете работать в любой понравившейся отрасли — от ритейла и путешествий до медицины и даже киберспорта. Эксперты по данным сейчас нужны всем.

Обучиться профессии Data Science можно с нуля главное иметь желание учиться и развиваться. Направление действительно очень перспективное: не зря оно занимает 1 место в рейтинге самых востребованных профессий 2020 года.

Стать специалистом в Data Science

Подробнее..

Как стать специалистом по Data Science?

11.05.2020 14:04:37 | Автор: admin

На карантине многие начали осваивать новые профессии. Большинство офлайн-бизнесов вряд ли переживут пандемию, и нет ничего удивительного в том, что люди стали активно интересоваться программированием, машинным обучением и другими специальностями, которые не только будут наиболее востребованы в ближайшие несколько лет, но и также подразумевают работу онлайн из любой точки мира. Например, количество вакансий по профессии Data Scientist за 3 года выросло больше, чем в 4 раза! Сейчас такие специалисты пользуются наибольшим спросом на рынке труда, ведь работают они в самых разных сферах.

Кто такой Data Scientist

Эта профессия охватывает множество направлений. Видите, как ловко телефон распознает ваше лицо и разблокируется за доли секунды? Здесь поработали Data Scientistы. Использование умных помощников или голосового набора текста? То же самое. Даже когда вы проходите проверку на человечность (доказывая, что вы не какой-то там робот), за этим снова стоят мастера по Data Science.

Специалисты по работе с данными не только востребованы, но и хорошо зарабатывают

Проще всего разобрать работу таких специалистов на примере знакомых всем нейросетей. Каждый скормленный мегабайт данных используется для дальнейшего обучения нейросети. Именно Data Scientistы занимаются машинным и глубинным обучением нейросетей с использованием математики и статистики, разрабатывают и используют различные модели Machine Learning.

Например, нейросеть прошла обучение с использованием достаточного количества примеров. Все круто, но теперь она готова обработать новый набор данных. Для правильного составления набора данных нужно в них разбираться, для чего и нужны специалисты Data Science.

Как работать в Data Science

В чем плюс этой профессии над остальными онлайн-специальностями — вам не нужно быть программистом от бога или иметь ученую степень по информатике. Лучшие Data Scientistы получают свои умения, постоянно работая с моделями и наборами данных, решая конкретные задачи. Конечно, мозг все равно должен работать в правильном направлении, и в этом призваны помочь специальные курсы, которые позволяют обучиться профессии Data Science с нуля.

Например, в онлайн-школе данных SkillFactory недавно открылся набор на курс Профессия Data Scientist с обновленной, более продвинутой программой. Преподавательский состав довольно сильный — в обучении вам помогут эксперты по данным из Яндекса, NVIDIA и EORA. Последняя реализует IT-решения для бизнеса с использованием искусственного интеллекта. Но главное — в онлайн-школе не просто заставляют читать учебники и зубрить теорию, это вы можете и сами. Здесь же дают практические знания, а также базу, алгоритмы, новые парадигмы мышления. Не говоря о том, что вы становитесь частью сообщества однокурсников и преподавателей (почти как в Оксфорде или МГУ).

Главная особенность в том, что в SkillFactory вас не просто бросают на произвол судьбы смотреть видеоуроки и делать задания. Студенты получают персональный подход, в рамках которого преподаватели следят за прогрессом и остаются на связи весь курс. Плюс всегда можно получить личную консультацию от ментора и получить обратную связь по проделанной работе.

Это только часть увлекательной программы курса

Из чего состоит курс? Шаг за шагом вы получите навыки, которые обязательны для Data Scientistа: научитесь программировать на Python (а также изучите Pandas для анализа данных), научитесь работать с машинным и глубинные обучением и нейросетями. Не говоря о таких вечных вещах, как математика, статистика и блоки по Data Engineering. Именно такие навыки сейчас ценятся на рынке. Мало кому нужен сотрудник, который знает только теорию, поэтому здесь обучение максимально ориентировано на практику.

По итогам обучения вы получите новую профессию и сможете не бояться повторения подобных кризисов, как сейчас (а они наверняка будут). У IT-корпораций дела в такое время идут по-прежнему хорошо, и специалисты в области работы с данными нужны всегда, особенно, когда миллионы людей сидят дома и пользуются интернет-сервисами.

Готовы стать крутым специалистом и поучаствовать во множестве соревнований с разбором решений и обучением самых разных моделей Machine Learning? Получите скидку 35% по промокоду HI-news*! Узнайте больше о возможностях Data Scientistа по ссылке ниже.

Записаться на курс по Data Science

*Промокод действует до 30 мая 2020 и не суммируется с другими акциями.

Самоизоляция — самое время осваивать новые профессии

Подробнее..

Последние комментарии

© 2006-2020, umnikizdes.ru