Робохроники ИИ: школьники Англии против ИИ, сгенерированный Уимблдон и дети, созданные нейросетью

Роботы из Redmadrobot Data Lab рассказывают про новости, кейсы и подходы в ИИ, которые можно переложить на нашу действительность и реально использовать.

Британские школьники не смогли сдать традиционные экзамены из-за эпидемиологической ситуации. Нет экзаменов — нет оценок. А без них учащиеся не могут подать документы в вузы.

Разумеется, правительство было очень обеспокоено этим фактом. Поэтому попросило Ofqual (регулирующий орган по экзаменам и квалификациям) разработать алгоритм, который мог бы проанализировать успеваемость школы за все годы, личную успеваемость учеников и выставить оценки.

Алгоритм разработали, но оценки он поставил совсем не те, которые ожидали школьники и учителя. Тысячи отличников получили заниженные баллы, что естественно их возмутило и заставило выйти на акции протеста на улицы Лондона.

Алгоритм основан на исторических данных об успеваемости учебных заведений и рейтингах учеников. Поэтому больше всего не повезло отличникам, которые учились в школах с исторически низкими показателями, — насколько бы хорошо они ни учились, алгоритм не поставил бы им высший балл. В подобном положении оказались практически 40% всех учащихся страны.

К счастью, университеты Великобритании объявили, что готовы принимать студентов на основе оценок преподавателей или по итогам пробных экзаменов, если они выше, чем баллы Ofqual.

В Ofqual заявили, что учащиеся смогут опротестовать свои оценки. И это заявление также вызвало критику. Джефф Бартон, генеральный секретарь Ассоциации руководителей школ и колледжей, назвал апелляционный процесс сюрреалистическим и чересчур бюрократическим.

Сейчас вузы ждут информацию от поступающих, учащиеся определяются с оценками, а правительство пытается разобраться, как быть дальше.

Из-за Covid-19 Уимблдонский чемпионат в этом году не состоялся. Но команда исследователей Стэнфордского университета провела собственный турнир, смоделированный с помощью искусственного интеллекта.

Теннис цикличен — это и помогло создать статистическую модель, которая предсказывает, как такие звезды, как, например, Новак Джокович и Роджер Федерер, будут играть в определенных ситуациях.

Модель прогнозирует поведение игрока, принимая во внимание его стратегию и стиль игры. Например, алгоритм определил, что чаще Федерер предпочитает держаться ближе к границам корта. По словам исследователей, именно поведенческий аспект отделяет их проект от предыдущих попыток создать подобную систему.

Но она пока не идеальна. Одежда и движения игрока, изменение освещения и прочие визуальные элементы иногда выглядят так, будто взяты из FMV-игр 90-х годов.

Благодаря системе можно создавать потенциально бесконечные сценарии «что, если». Она способна генерировать кадры, в которых Федерер играет против себя или, например, Серены Уильямс.

Также система может экстраполировать иной финал матча, предположив, что в какой-то момент мяч упал в другом месте. Более того, ИИ позволяет управлять местом падения мяча, так что проект может быть адаптирован для игр.

Исследователи Google заявили о создании MediaPipe Iris — новой модели машинного обучения для точной оценки положения радужной оболочки глаза.

Она может это делать с помощью одной камеры RGB в режиме реального времени без использования специального оборудования. При этом модель способна определять расстояние между объектом и камерой без использования датчика глубины (это влияет на стоимость).

Чтобы обучить модель, исследователи вручную обработали около 50 тысяч изображений лиц в различных позах и условиях освещения.

Исследователи отмечают, что система не может определить, куда смотрят люди, и не обеспечивает распознавание личности. Скорее её можно использовать для улучшения цифрового аватара, масок, перекрашивания глаз и прочего.

Google планирует выпуск MediaPipe Iris в кроссплатформенном виде, она сможет работать на компьютерах и мобильных устройствах.

Facebook AI Research и рентгенологи Нью-Йоркского университета Langon Health разработали проект fastMRI, который позволит прогнозировать снимки МРТ на основе данных, взятых из уже существующих снимков.

Обычно в аппарате МРТ нужно провести минимум час, «наслаждаясь всеми прелестями» неподвижного лежания в узком замкнутом пространстве. С помощью fastMRI можно сократить это время в 4 раза и пробыть там всего 15 минут.

Клиническое исследование, опубликованное в Американском журнале рентгенологии, говорит о надежности метода. В ходе эксперимента рентгенологов попросили поставить диагноз на основе традиционных МРТ-сканирований и сканирований пациентов с использованием ИИ. Итог: врачи сделали одинаковые выводы по обеим версиям.

Это важно, потому что процесс прогнозирования может приводить к ошибкам. Например, ИИ иногда используют для повышения качества изображений в старых видеоиграх. И бывает так, что улучшенная картинка частично не совпадает с изначальной. Поэтому кто-то должен проверять результат, чтобы убедиться, что он соответствуют входным данным. Соответственно, у некоторых исследователей возникли опасения, что ИИ может «вообразить» неправильное МРТ.

Но команда fastMRI утверждает, что им удалось этого избежать. Модель машинного обучения не догадывается, как выглядит результат сканирования из нескольких частей снимка: в системе есть все необходимые данные, только в более низком разрешении.

Следующий шаг — внедрение этой технологии в больницы.

Intel заявил, что их нейроморфный вычислительный чип Loihi может сделать роботизированные манипуляторы для людей с травмами позвоночника в 10 раз дешевле.

Чип состоит из 130 000 искусственных нейронов, имитирующих структуру человеческого мозга. Каждый нейрон посылает импульсные сигналы с закодированной информацией другим нейронам сети. Этот процесс предназначен для имитации естественного обучения.

Исследователи в Intel предполагают, что это сократит затраты на производство роботизированных рук. Чип способен обучаться в режиме реального времени, так что дорогостоящие детали, помогающие устройству адаптироваться к пользователю и окружающей среде, больше не понадобятся.

Директор департамента цифровой трансформации Счетной палаты РФ Михаил Петров рассказал, что ведомство планирует начать практическое внедрение Data Science. Это поможет обнаруживать нарушения в разы быстрее. Что в свою очередь облегчит работу сотрудников.

Если раньше инспектор искал подозрительные операции вручную, то алгоритмы, основываясь на определенных признаках, сделают это значительно быстрее. А сотрудники смогут заняться аналитической работой по систематизации причин нарушений, прогнозированием или консультационной поддержкой.

Исследователи из Microsoft и MIT разработали систему MosAIc. Она ищет связи между различными предметами искусства. Система анализирует предметы искусства по цветам и контурам на поверхности, а также учитывает материал и культуру, к которой он относится.

Разработчики вдохновились выставкой «Рембрандт и Веласкес» в Рейксмузеуме, где картины разных художников выставлялись парами. А объединяли их незаметные общие черты.

Исследователи считают, что система будет полезна не только в области искусствоведения, но и во всех сферах, где может пригодиться поиск сходства. Например, в гуманитарных науках.

Хотите узнать, как выглядел бы ваш ребенок от Анджелины Джоли, Илона Маска или вашей первой любви?

Разработчик Денис Малимонов собрал нейросеть, генерирующую внешность детей по фотографиям родителей, с возможностью контроля интерполяции. А еще можно посмотреть на плавное взросление сгенерированного чада.

Ох, как все-таки быстро растут дети! Поэкспериментировать можно здесь.

Если понравилось или не понравилось, пишите в комментариях. Ведь без обратной связи робота не переобучить. Самые свежие новости про ИИ и не только в нашем Telegram-канале. Всем ИИ!

#ии #нейросеть #facebook #google #microsoft #intel #робохроники #redmadrobot