Машинное обучение

Кадр из видео, сделанного с помощью Deepfake 2.0

За последние несколько лет глубинное обучение (Deep Learning) шагнуло далеко вперед. Некоторые системы машинного зрения, голосового восприятия и некоторые другие работают настолько эффективно, что даже порой превосходят возможности человека. Но там, где есть новая перспективная технология, обязательно найдутся те, кто попробуют использовать ее в других целях. Так появились Deepfake нейросети, которые способны заменить лицо человека на фотографии или видео. То есть любой человек сможет сесть перед камерой, сказать что-то, а его лицо будет заменено на другого человека. А что если я скажу вам, что уже сейчас Deepfake может заменить не только лицо, но и даже волосы, цвет кожи и фигуру?

Что умеет новый Deepfake

Как заявил русскоязычный разработчик Алексей Чаплыгин, он потратил почти два года работы, чтобы создать Deepfake нового поколения. Его версия алгоритма может менять почти все: от кожи и цвета волос до лица и фигуры. Кроме того, нейросеть способна менять человека на любом фото, даже если оно изначально не было загружено для обработки алгоритмом. Вот примеры того, как это выглядит.

Хорошо, что разработчик не стал выкладывать исходный код алгоритма в Сеть, в противном случае это могло бы вызвать волну дипфейков, где людям на фото и видео подрисовывали бы лица и черты других людей. Сам Алексей заявил, что планирует использовать свой алгоритм для создания виртуальных примерочных, и это было бы действительно круто. Только представьте загрузили вы свое фото, алгоритм распознал его, и прямо на экране своего телефона вы видите себя и примеряете новые кроссовки, пальто или джинсы.

Практическая же цель моего проекта: создание виртуальной примерочной для интернет-магазинов одежды, где каждый видит себя, а не моделей с однотипными фигурами и похожими лицами. Технология затачивалась именно для этого применения, однако у нее много побочных эффектов, которые позволяют создавать подобный контент, пишет разработчик.

О каких побочных эффектах идет речь?

Система глубинного обучения может производить убедительную подделку (отсюда и название fake), изучая фотографии и видео человека с разных сторон, а затем имитируя его поведение и образцы речи. После создания подделки алгоритм делает ее более правдоподобной. Нейросеть натренирована на выявление недостатков в подделке, что приводит к улучшениям, устраняющим расхождения с реальным видео.

Давно ли Николас Кейдж снимался в Супермене?

Согласно недавнему отчету Массачусетского технологического института, устройство, позволяющее использовать дипфейки, может быть идеальным оружием для создателей фейковых новостей, которые хотят влиять на все, от цен на акции до выборов.

Если вам интересны новости нейросетей, подпишитесь на нас в Яндекс.Дзен, чтобы не пропускать новые материалы!

Чем опасен Deepfake

Можно сколько угодно говорить о том, что такая технология нужна, это очень круто и не надо наговаривать. Можно даже дойти до крайности и начать говорить о том, что это позиция лютого олдфага, который просто боится всего нового, но тут действительно опасностей больше, чем пользы. Только представьте, если кто-то воспользуется такой нейросетью и запишет ролик с участием Дональда Трампа, в котором он объявляет торговую войну Китаю? Пока администрация президента опровергнет это, рынок акций США просто рухнет. А за ним и доллар и резервы многих стран.

Как же распознать дипфейк? Если вы посмотрите видео в начале статьи, то поймете, что пока подделку можно буквально невооруженным глазом. Картинка похожа, но она достаточно грубая. Кроме этого, она иногда имеет некоторые проблемы с совмещением, особенно по границам лица. Но учитывая, что работа над алгоритмом ведется постоянно, есть риск того, что скоро отличить фейковое видео, созданное нейросетью, от настоящего будет гораздо сложнее.

Пока дипфейки легко отличить от оригинала, но скоро это будет сложнее

Можно представить и обратную ситуацию, когда реальный человек что-то скажет, а потом будет всех уверять, что его подставили.

Как быть в этой ситуации тоже не очень понятно. Это внесет такую смуту в новостные ленты, что перепроверить это в другом источнике просто не получится. В итоге станет вообще непонятно, что в этом мире правда, а что ложь.

От этого сможет защитить алгоритм, который уже создают YouTube и Facebook. В случае с известными людьми такая проблема будет решена на уровне видеосервиса, так как тот же YouTube знает, как двигается условный Дональд Трамп. Но когда дело дойдет до менее известного человека, это будет сложнее.

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

Наконец-то завезли нормальную нейросеть!

Нейросетям постоянно находят новые применения. Мы уже видели, как одна нейросеть смогла написать симфонию для оркестра, а другая нарисовала портрет, который затем ушел на аукционе за миллионы долларов. Также нейронные сети используют для обработки фотографий и развлечения: именно они, например, легли в основу приложения FaceApp, которое за считанные дни завоевало популярность во всем мире, штурмуя магазины App Store и Google Play. Это приложение позволяет состарить лицо на фото за пару секунд. Но что если стареть мы не хотим, а посмотреть например, на свою копию из фильма Disney?

Как сделать себя из мультика Disney

В чем-то это даже покруче, чем FaceApp. Разработчики сделали нейросеть, которая делает диснеевскую копию любого человека по фотографии. Причем копия получается ну очень похожей. Те, кто смотрели фильмы Disney, наверняка знают, что хотя все персонажи там разные, их объединяет особая форма и черты лица, которые за несколько лет стали фишкой анимационных режиссеров Disney.

Чтобы создать свою копию из фильма Disney, откройте страницу с нейросетью, нажмите Browse и загрузите нужную фотографию. Затем нажмите Toonify!. И наблюдайте магию.

Нейросеть предлагает множество примеров, как все это выглядит в итоге, но мы не смогли удержаться и сделали свои. Вот, например, как получился Филипп Киркоров:

Филипп Киркоров мог бы сыграть роль в мультике «Мулан»

А это Владимир Путин, если бы он был персонажем из фильма Disney:

Поразительное сходство

Барак Обама тоже хорошо вышел

Популярный репер Гуф:

Это новый персонаж из Супер Марио?

Ну и еще несколько примеров. Егор Крид, например, стал похож на друга Микки Мауса, а Гречку можно было бы сделать второстепенным персонажем в Холодном сердце.

Хотя больше на друга Барби стал похож

То самое чувство, когда тебя сделали похожей на Билли Айлиш

Так можно на анимационных режиссерах сэкономить, Гарри Поттер для мультфильма уже готов!

Подпишитесь на нас в Яндекс.Дзен, чтобы не пропускать появление новых необычных нейросетей!

Нейросеть для фотографий

Почему вообще появляются такие штуки? Нейросеть гораздо проще обучать на основе фотографий: ей можно скормить множество данных, которые находятся в открытом доступе. Именно так разработчикам удалось достичь впечатляющей точности в обработке фото нейросеть очень хорошо умеет делать диснеевские копии реальных людей. Меняет им черты лица, прическу, но оставляет максимально похожими на оригинал.

Интересно, как далеко продвинутся нейросети в ближайшие несколько лет. Например, всего два года назад компания Lyrebird из Монреаля создала речевой синтезатор на основе ИИ, способный воспроизвести любой голос. Конечно, часть нейросетей будут просто игрушками, как эта, но некоторых действительно надо будет бояться. Они смогут очень сильно повлиять на нашу безопасность и изменить привычный нам мир.

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»

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

Ингредиенты для изготовления сладкого бутерброда

Десять лет назад мы даже не могли себе представить, что искусственный интеллект станет чем-то настолько распространенным и обыденным. Сегодня он умеет поистине фантастические вещи: предлагать людям новую музыку на основе их предпочтений, копировать стили рисования знаменитых художников, заменять лица на фотографиях и видео, а также многое другое. И разработать собственный искусственный интеллект может каждый, кто хорошо владеет языками программирования. Недавно специалист по обработке данных из компании Square Итан Розенталь (Ethan Rosenthal) придумал компьютерный алгоритм, который помогает приготовить идеальные бутерброды. Разумеется, идея столь странного и, по сути, бесполезного проекта пришла в его голову во время коронавирусного карантина. Но это не отменяет того, что проект интересный вот знаете ли вы, как готовить бутерброд? Причем не обычный, а по рецепту дедушки разработчика.

Square это американская компания, разрабатывающая решения для приема и обработки электронных платежей. Одним из ее основателей является создатель сервиса микроблогов Twitter Джек Дорси (Jack Dorsey).

Искусственный интеллект в кулинарии

О необычном проекте было рассказано в издании The Next Web. В своем блоге Итан Розенталь поделился, что когда заболеваемость коронавирусом в его городе достигла пикового уровня и всем было велено сидеть дома, он очень захотел заняться чем-то совершенно бессмысленным. В детстве дедушка научил его делать бутерброды с арахисовым маслом и бананами, и с тех пор Итан регулярно их готовит. Только вот рассчитать, как положить бананы на хлеб, чтобы они не вываливались по сторонам, ему никак не удавалось. Он давно хотел решить эту проблему и однажды подумал, что с этим ему может помочь искусственный интеллект. Ну а что? Опыт работы с компьютерными алгоритмами у Итана большой все-таки, он работает в крупной компании, которая занимается обработкой электронных платежей.

Разработчик научил камеру распознавать еду

Первым делом программист научил камеру распознавать бананы и куски хлеба, а также оценивать их размеры. Затем он создал компьютерный алгоритм, который вычисляет, на куски какой толщины нужно разрезать банан и на какое место ломтика хлеба нужно класть каждый кусок. На изображении ниже видно, каким образом камера с машинным зрением видит ингредиенты бананово-арахисового бутерброда и как он советует их расположить на ломтике хлеба. При этом используется не весь банан, а только та часть, которая необходима для заполнения всей поверхности хлеба.

Правильная нарезка банана и расположение кусков на поверхности хлеба

Перспективы искусственного интеллекта

Выглядит все это крайне просто, но в то же время очень сложно. Не понятно, кому эта технология может понадобиться в быту, но разработчик выложил инструкцию и все необходимые файлы в хранилище GitHub. Так, если вы хотите заморочиться и приготовить сладкий бутерброд с применением предельной математической точности и использованием высоких технологий, вам точно стоит заинтересоваться проектом. Только вот для применения инструкции необходимо знание языка программирования Python. Возможно, на основе этого проекта кто-нибудь создаст целый веб-сервис, куда нужно загрузить фото своих ингредиентов, чтобы получить инструкцию по тому, как нарезать банан и в каком порядке класть нарезанные части на хлеб.

Важно отметить, что у некоторых людей есть сильная аллергия на арахис. К счастью, в будущем она может быть вылечена кишечными бактериями

По словам Итана Розенталя, искусственный интеллект не смог решить его другую проблему. Он признался, что ему почти никогда не удается ровно намазать масло на хлеб. Да уж, с этим ему искусственный интеллект вряд ли сможет помочь. Хотя, если разработчик сможет создать максимально точную роботизированную руку, и эта проблема определенно будет решена. Да что там говорить если кто-нибудь создаст робота, движения которого точнее конечностей роботов-хирургов, он будет просто нарасхват. И применяться он будет не только в кулинарии и хирургии, но и в строительстве и многих других сферах деятельности.

Роботы-повара уже существуют и об одном из них мы уже рассказывали

Важно отметить, что называть все вышеперечисленное искусственным интеллектом это неправильно. Настоящий искусственный интеллект смог бы разговаривать с людьми и в целом работать так же, как и разум человека. А вот то, что в зарубежных СМИ называют искусственным интеллектом, это всего лишь компьютерные алгоритмы, которые обучены выполнять сложные задачи на основе больших наборов данных или методом проб и ошибок. Но ведь как звучит искусственный интеллект!

Если вам интересны новости науки и технологий, подпишитесь на наш канал в Яндекс.Дзен. Там вы найдете материалы, которые не были опубликованы на сайте!

Но недооценивать компьютерные алгоритмы не стоит, потому что у них настолько много возможностей, что они могут быть использованы даже в плохих целях. Недавно я писал статью о том, как искусственный интеллект может использоваться преступниками для обмана обычных пользователей. Информация не взята из воздуха об опасности компьютерных алгоритмов предупреждают многие эксперты по кибербезопасности.

Робот ALTO, которого можно собрать самому

Компания Google осуществила детскую мечту многих людей и создала конструктор, из которого можно самостоятельно собрать робота. Причем речь идет не о безделушке с мотором и парой лампочек, потому что при должном старании конструктор будет обладать чем-то вроде искусственного интеллекта. Корпус робота можно сделать из бумаги, причем схема доступна бесплатно и ее нужно просто распечатать, вырезать и собрать. На начальном этапе программировать тоже не нужно, потому что исходный код тоже можно скачать. Правда для робота нужно будет купить мозг и специальное устройство, чтобы он мог обучаться новым командам. Выглядит так, что сборка робота займет много времени, но компания позиционирует свой конструктор как нечто простое и быстрое в освоении. Давайте изучим новую идею Google и выясним, насколько это правда?

Робот с искусственным интеллектом своими руками

Конструктор был представлен подразделением Google Creative Lab. Робот называется ALTO, что является сокращением от A Little Teachable Object (маленький обучаемый объект). Проект создан для того, чтобы люди смогли собрать робота на дому и получили базовые знания о машинном обучении. Машинным обучением называется умение искусственного интеллекта самостоятельно вырабатывать навыки выполнения новых задач. В ходе сборки робота ALTO, люди должны понять, как научить робота самостоятельно понимать и выполнять задачи. По крайней мере, компания Google на это надеется.

Интересный факт: ученые уверены, что в будущем большую часть ручного труда будут выполнять роботы. Чтобы не остаться без работы, людям необходимо уже сейчас изучать программирование, ведь роботами должен кто-то управлять. Так что знать, что такое машинное обучение и как оно работает, важно всем. И робот ALTO, возможно, сможет быстро ознакомить людей с этой темой.

Схема для создания корпуса робота из бумаги и исходный код программы для его работы можно найти на сайте Experiments with Google (кнопка Get the code). Но это еще не все, потому что для создания робота нужна электроника, которую нужно купить:

• Coral USB Accelerator это устройство, которое включает в себя процессор Edge TPU. Он нужен для того, чтобы робот обладал способностью к машинному обучению. Его можно купить на Aliexpress;
• Raspberry Pi 4 небольшой компьютер размером с банковскую карту. К нему можно будет подключить камеру, динамики и прочее оборудование, нужное для робота. Он тоже есть на Aliexpress.

Coral USB Accelerator и Raspberry Pi 4

Знаете ли вы, что роботов можно создавать даже изо льда? Посмотреть на такого робота можно по этой ссылке.

Программирование робота

Для обучения робота нужно будет использовать платформу TensorFlow, которая включает в себя инструменты для тренировки нейронных сетей (можно сказать, для создания искусственного интеллекта). Звучит сложно, да и цена устройства Coral USB Accelerator и компьютера Raspberry Pi 4 может озадачить. Но ведь речь идет о достаточно серьезном устройстве, в ходе создания которого человек получает навыки, которые могут пригодиться ему в высокотехнологичном будущем. Знание английского тоже обязательно, потому что инструкция по сборке робота ALTO и его настройке выложены на GitHub и не переведены на русский.

Робот ALTO может распознавать предметы и многое другое главное, научить его этому

Представители Google считают, что робота можно научить выполнению самых разных задач. Самая простая из них распознавание предметов. Если перед камерой робота поставить яблоко, он может поднять левую руку. А если поставить банан правую. Это только самые банальные примеры, а на деле, полученные в ходе сборки робота знания, должны помочь в создании более навороченных устройств. Глядишь, кто-нибудь сможет даже разработать собственный робот-пылесос или создать охранную систему с распознаванием лиц.

Если вам интересны новости науки и технологий, подпишитесь на наш канал в Яндекс.Дзен. Там вы найдете материалы, которые не были опубликованы на сайте!

Многие люди ассоциируют будущее именно с роботами. Считается, что когда-нибудь они смогут ходить по улицам наравне с людьми и это будет вполне привычным явлением. На данный момент на улицах можно встретить разве что роботов-курьеров, и то редко. Одного из самых интересных роботов для доставки посылок недавно представила компания Hyundai. Он стал очень обсуждаемым в чем заключается его главная особенность, можно почитать в этом материале.

На нашу планету падает огромное количество метеоритов, но большинство из них невозможно найти

Считается, что каждый год на поверхность Земли падает до 2 тысяч тонн метеоритов. Так принято называть космические объекты, которые не смогли полностью сгореть в атмосфере нашей планеты и упали в случайном месте. Большая часть метеоритов во время полета раскалывается на части, из-за чего рассчитать их точное место падения практически невозможно. Но недавно ученые из американского штата Калифорния разработали систему поиска даже мельчайших космических камней. В технологии задействованы летающие на большой высоте дроны и искусственный интеллект, который необходим для распознавания упавших метеоритов на фотографиях. В рамках данной статьи мы разберемся, какими бывают метеориты, в какие необычные места они падали и каким образом ученые хотят заниматься их поисками.

Какие бывают метеориты?

Размеры метеоритов обычно не превышают 30 метров. По своему составу они делятся на каменные, железные и железокаменные. Первые состоят из разных минералов вроде оливинов и силикатов. Вторая разновидность характеризуется наличием никелистого железа. Железокаменные метеориты это что-то среднее между предыдущими двумя, потому что в равном количестве содержат как минералы, так и железо.

Типы метеоритов сверху вниз: каменные, железные и железокаменные

Каменные метеориты также можно разделить на хондриты и ахондриты. Хондриты состоят из хондр сферических образований, из которых состоит все тело метеорита. Ахондриты, как можно понять из названия, хондр не имеют. Они состоят из веществ, которые образовались в результате плавления небесных тел. Обычно ахондриты прилетают к нам с Марса и Луны.

Типы метеоритов сверху вниз: хондрит, ахондрит и железный метеорит

Также метеориты можно разделить на осколочные и индивидуальные. Осколочные имеют острые края, потому что образуются в результате сильного удара о землю. А индивидуальные сталкиваются с атмосферой планеты и подвергаются высокой температуре. Из-за этого они имеют округлую форму с очень гладкой поверхностью.

Осколочный метеорит

Ну и наконец, существует два метода обнаружения метеоритов: падения и находки. Упавшим метеоритом считается, если людям удается заметить его на небе и рассчитать траекторию движения и примерное место падения. А находками принято называть метеориты, случайно найденные в лесу и других случайных местах.

Читайте также: Какие бывают метеориты и сколько они стоят?

Куда падают метеориты?

К большому сожалению, большая часть метеоритов падает в океан и достать их оттуда невозможно. Также трудно обнаружить метеориты на вершинах высоких гор. Обычно метеориты хорошо видны на территории каменистых пустынь со светлой поверхностью. Также космические камни легко обнаружить в снегах Антарктиды, но речь идет об очень больших территориях, поэтому их поисками в таких местах редко кто занимается.

Проще всего метеорит найти в Антарктиде

Но иногда метеориты падают в очень необычных местах. По данным New York Post, в 2020 году 33-летний гробовщик Джошуа Хутагалунг (Josua Hutagalung) работал рядом со своим домом, когда карниз его жилища был пробит метеоритом размером с футбольный мяч. Мужчина обнаружил возле своего дома камень весом 2 килограмма, который даже вошел на несколько сантиметров в землю. Метеорит оказался очень редким его возраст был оценен в 4,5 миллиарда лет, а состав был богат углеродистым хондритом. Один грамм такого метеорита стоил 850 долларов, благодаря чему счастливчик смог заработать 1,8 миллиона долларов.

Метеорит, упавший на дом Джошуа Хутагалунга

Также у нас есть статья о том, сколько стоят самые редкие метеориты и где их купить?

Как найти метеорит?

Чуть выше я уже отметил, что космические камни лучше всего искать на территориях со светлой поверхностью. Но этого мало, потому что даже в этом случае вероятность находки в большей степени зависит от случайности. Чтобы повысить шансы на обнаружение метеоритов, исследователи из калифорнийского города Дейвис создали систему с использованием летающих дронов и искусственного интеллекта. По данным Phys.org, благодаря ей ученые смогут разведывать территории с возможным наличием метеоритов и при помощи дронов с камерами. Затем сделанные снимки будут изучаться искусственным интеллектом на наличие космических камней.

Фотография с испытаний новой технологии. На земле можно увидеть тень дрона

Обучение компьютера обнаружению камней далось ученым с большим трудом. Они раскидали образцы метеоритов по разным территориям и в конечном итоге машинное зрение с ошибками, но все-таки научилось их находить. Во время обучения ученые смогли собрать еще больше учебных материалов для искусственного интеллекта, так что с каждым разом он становился умнее. Когда именно система будет использоваться официально, пока никому неизвестно. Но благодаря новой технологии ученые смогут собрать больше материалов для изучения в лабораторных условиях.

Ссылки на интересные статьи, смешные мемы и много другой интересной информации можно найти на нашем телеграм-канале. Подпишитесь!

Иногда на нашу планету падают очень опасные метеориты. Например, недавно ученые нашли в Антарктиде останки космического объекта, который упал примерно 430 000 лет назад. Считается, что сегодня он мог бы стать причиной гибели миллионов человек.

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

Представления многих о Data Science ошибочны

Когда заходит речь о работе с большими данными, многие сразу представляют себе академиков в каком-нибудь научно-исследовательском институте или программистов, которые сидят за компьютером и пишут код 24/7. Поэтому сложилось мнение, что освоить профессию дата-сайентиста непросто (не просто так ведь ее называют одной из самых востребованных!). Но на самом деле большая часть того, что вы знаете о Data Science это миф. Разберем самые популярные из них.

Data Science это только машинное обучение

Широко распространено мнение, что дата-сайентисты только и делают, что разрабатывают нейросети и занимаются машинным обучением. Это вовсе не так, наука о данных гораздо более обширна, чем может казаться на первый взгляд. Data Science это больше про анализ данных, а за машинное обучение отвечает другое ответвление науки о даных Machine Learning. Дата-сайентист же больше обрабатывает массивы данных, ищет в них закономерности и помогает с их помощью решать различные задачи в бизнесе.

Например, с помощью такого анализа можно выявить, в каких местах клиент банка тратит больше всего, чтобы в следующем месяце предоставить ему эксклюзивное индивидуальное предложение. А чтобы автоматизировать этот процесс, нужны специалисты по машинному обучению, которые могут научить компьютер делать автоматические предсказания. И все это в совокупности является наукой Data Science.

Чтобы работать с данными, нужно быть программистом

Кадр из сериала «Кремниевая долина»

Data Science новая специальность, и у нее нет каких-либо ограничений относительно того, кто может выучиться на нее. Инженер вы или гуманитарий, разобраться в больших данных будет несложно. Главное подобрать нужный курс, где не просто нужно штудировать учебники, а есть много практических заданий и поддержка преподавателей (менторов), которые помогут, если что-то не получается.

Ну и, конечно, иметь желание учиться и познавать новое. Конечно, если вы знаете языки программирования и общаетесь с компьютером на ты, это ускорит процесс освоения специальности, но зачастую наличие другого образования, не связанного с программированием, может стать большим плюсом. Финансисты смогут решать с помощью Data Science задачи, которые касаются их специализации, а биологи делать новые медицинские открытия.

Например, не так давно команда DеepMind создала алгоритм AlphaFold 2, который помог определить трехмерную структуру белка. Это открытие позволит создать новые лекарственные препараты против болезней, поскольку с помощью структуры ученые будут знать, как работает белок, как он сворачивается и взаимодействует с другими элементами, чтобы его можно было безболезненно использовать в лекарствах.

Дата-сайентист это скучно

Типичный специалист по работе с данными в глазах большинства выглядит как худощавый паренек в очках, который с утра до ночи работает с таблицами, строит диаграммы и считает, считает, считает. Этот же стереотип ранее применяли относительно программистов, но все изменилось. Достаточно посмотреть сериал Кремниевая долина, чтобы хотя бы поверхностно понять, с какими задачами сталкиваются дата-сайентисты в современном мире. Это не просто офисные клерки, которые перепечатывают данные из одних таблиц в другие они часто сталкиваются с задачами, которые вообще никто не решал. И выявляют закономерности, которые простой обыватель в жизни даже не заметил бы.

Например, проанализировав метеорологические данные, можно предсказать не только, когда будет дождь, снег или ураган, а цены на нефть, чтобы впоследствии применить полученные данные на бирже. Увидеть подобную закономерность под силу далеко не всем.

Кто бы мог подумать, что изучая погоду, можно предсказать цены на нефть?

Data Science не применяется в повседневной жизни

Еще один миф, который сформировался, еще когда эта профессия только получала развитие. Тогда действительно все вычисления оставались в основном на бумаге. Но затем, когда бизнес понял, насколько важны данные, все изменилось. Сейчас вы каждый день видите работу дата-сайентистов, хотя даже не подозреваете об этом. Например, когда заходите в социальную сеть, и там отображается блок с аккаунтами людей, которых вы можете знать. Или выбираете новые категории кэшбека в банковском приложении. Или когда вызываете такси, и система выбирает ближайшего к вам водителя по вашим запросам из десятков других в округе.

Машинное обучение посредством потребления большого количества изображений позволяет, например, с успехом реализовывать проект самоуправляемого автомобиля Google.

Выучиться на дата-сайентиста уже поздно

Кадр из фильма «Стажер»

А вот и нет, рынок больших данных растет с каждым годом. В связи с этим растет спрос и на профильных специалистов. Так что вы успеете даже не просто запрыгнуть в последний вагон уходящего поезда, а спокойно дойти до локомотива и разместиться с комфортом.

Заработные платы дата-сайентистов только растут

Тем более учиться 4, 5 или 6 лет для того, чтобы стать специалистом по Data Science, не нужно. На курсе Data Science вSkillFactory, который длится 24 месяца, этой профессии учат с нуля, он подойдет иновичкам, иуже работающим программистам.

Студенты курса не только учатся основам работы с большими данными, но и также программированию на Python, основам математики и статистики, осваивают практический machine learning иdata engineering. Программа составлена ведущими экспертами в Data Science NVIDIA и EORA. Преимущество этого курса также в том, что он охватывает основные направления для работы сданными. На каждом этапе курса вы будете решать реальные кейсы, которые станут частью вашего портфолио. Менторы помогут вам дойти до конца обучения, всегда поддержат мотивацию и помогут, если что-то не понятно.

Читатели Hi-News.ru могут получить скидку 50% на курс* по промокоду Data Sciencе до 25 декабря 2020 года.

Учитывая, что уже через год-два после старта учебы можно устроиться напозицию джуниора сзарплатой 80120 тысяч рублей, такую возможность лучше не упускать. Востребованность дата-сайентистов растет чуть ли не каждый месяц, особенно в условиях пандемии, когда IT-сфера находится на подъеме и нуждается в новых кадрах.

*Скидка не суммируется со скидками на сайте

Оналайн-интеснсив по искусственному интеллекту и анализу данных

Каждый хоть раз в своей жизни задумывался о том, какая профессия на сегодняшний день больше всего востребована в мире. Не пора ли сменить свой род деятельности и обратить внимание на другие направления?
Сегодня мы расскажем вам об актуальных и не устаревающих профессиях, которые еще долго не перестанут быть нужными обществу.

Медицина

Эта отрасль является одной из самых востребованных в связи с последними событиями, случившимися в мире. Где бы мы не находились, хороший врач всегда будет иметь доверие среди пациентов. Такой специалист всегда найдет себе работу и будет уважаем в обществе.

Тем не менее, чтобы выучиться на врача, следует потратить в среднем от 7 до 9 лет на обучение, затем стажироваться и много лет практиковаться. Такая работа предусматривает огромный груз ответственности за жизнь и здоровье людей. И, к сожалению, это не всегда положительно сказывается на здоровье специалиста, и часто ведет к профессиональному выгоранию.

Маркетинг

Маркетологов, таргетологов, контент-менеджеров на рынке труда сейчас очень много, вместе с этим, данное направление не прекращает быть востребованным в мире. Именно на этих рабочих лошадках держится весь современный бизнес. Стать специалистом в этой сфере значительно быстрее и проще, но постоянные стрессы, ненормированный рабочий день и высокий уровень ответственности в этой профессии порой могут вывести из строя даже самого смелого карьериста.

Информационные технологии и искусственный интеллект

Все больше в нашу жизнь проникают IT-технологии: автомобили с автопилотом, управление бытовыми приборами голосом и телефон-помощник это реальность, которая нас сейчас окружает. Высококвалифицированные программисты будут еще долго востребованы, по крайней мере, до изобретения полноценного искусственного интеллекта, который сможет превзойти человеческий мозг.
Разработки сегодня в этой области идут семимильными шагами. Свой уникальный вклад в развитие IT решили сделать организаторы и спикеры онлайн-интенсива по искусственному интеллекту Архипелаг 20.35.
Принять участие в онлайн-интенсиве смогут все, у кого есть свой коммерческий или социальный проект, связанный с AI-технологиями и базами данных.

До 27 октября идет отбор участников интенсива. Подать заявку можно здесь, заполнив короткую анкету. Во время отбора проводится подготовительная программа, которая позволит улучшить свой проект и повысить шансы войти в число участников онлайн-интенсива.

С 7 по 21 ноября пройдет основной онлайн-интенсив, который будет состоять из лекционно-практических мастер-классов от ведущих российских и зарубежных спикеров. Особенность онлайн-интенсива заключается в том, что вы сами можете выбрать площадки, которые вам интересны, а подготовленный искусственный интеллект сможет помочь подобрать программу для каждой команды.

В конце всей программы вы получите возможность стать участником проекта Сколково, а также получить опыт в работе с крупнейшими игроками рынка и закрепить свой проект в системе Leader-ID, чтобы в дальнейшем получить возможности для реализации своих инициатив.

Прием заявок на участие в онлайн-интенсиве идет до 27 октября. Торопитесь!

Последние комментарии