Робохроники ИИ: нейросеть радует «хороших мальчиков», алгоритмы отслеживают эмоции, а у роботособак появились руки

Мы решили переквалифицироваться из дайджеста в робожурнал. Поэтому теперь ежемесячно команда Redmadrobot Data Lab будет рассказывать про новости, кейсы и подходы в ИИ, которые можно переложить на нашу действительность и реально использовать. В этом выпуске — главное за февраль.

Немецкое подразделение Rolls-Royce Holdings PLC оснащает своих аэрокосмических инженеров инструментами ИИ, чтобы ускорить процесс проектирования и тестирования реактивных двигателей.

Аналитический отдел компании предложил эту инициативу, поскольку надеется, что модели машинного обучения смогут анализировать исторические данные и данные о реактивных двигателях в реальном времени.

Зачем? Подобная технология, созданная с помощью инструментария компании Altair Engineering Inc., повысит точность и скорость тестирования и в перспективе может принести весьма значительную выгоду. Ведь, по данным Rolls-Royce, разработка и испытание реактивного двигателя могут занять до 10 лет и стоить сотни миллионов долларов.

Исследователи из Китая разработали алгоритм MeInGame, с помощью которого можно создавать 3D-модели персонажа по фото.

А затем эти модели можно загрузить в ААА-игры (высокобюджетные компьютерные игры — прим.). То есть теперь вместо долгого и сложного перетаскивания ползунков можно просто использовать, например, свою фотографию.

Существующие системы создания персонажей обычно ограничены в возможностях: у игрока есть ряд готовых наборов лица и фигуры, а также несколько вариантов их кастомизации. Классические методы, основанные на 3D Morphable Face Model (3DMM), могут достаточно точно восстанавливать 3D-модели лица из изображений. Но эти методы требуют долгого обучения и серьёзных ресурсов.

В то время как MeInGame позволяет не только просто и недорого создавать ярких игровых персонажей, похожих на загруженное фото, и при этом и нивелировать влияние освещения.

Специалисты Лондонского университета Королевы Мэй научили нейросеть автоматически интерпретировать человеческие эмоции без распознавания лиц. Она сканирует людей с помощью радиосигналов и улавливает эмоциональные скачки, например, изменения в сердцебиении.

Алгоритм может обнаруживать страх, отвращение, радость и расслабление с точностью до 71%. Это, конечно же, далеко от идеала, но всё равно выглядит достаточно впечатляюще. Для сравнения: традиционные алгоритмы машинного обучения дают правильные предположения лишь в 40% случаев

Google Creative Lab представила проект под названием Alto — A Little Teachable Object. Он создан для того, чтобы пользователи могли получить базовые знания о машинном обучении, а работает он с помощью Coral USB Accelerator.

У Alto есть одна кнопка, «руки» и камера. Первая «рука» поднимается, когда распознает один вид объекта, а вторая — когда узнает другой. А вот распознавать объекты Alto учит пользователь.

По словам команды Google Creative Lab, Alto — это ИИ-эксперимент с открытым исходным кодом. Пользователи смогут поработать с платформой TensorFlow и Raspberry Pi. Стоить эта малютка будет 60 долларов, а код можно найти на Google Creative Lab.

Исследователи из Университета Колорадо решили попробовать силы в дрессировке собак и разработали автоматический дозатор лакомств с алгоритмами машинного обучения.

Это нейронная сеть на NVIDIA Jetson Nano с камерой и механизмом выдачи лакомства. Модель обучена на изображениях собак, которые выполняют команды «сидеть», «стоять» и «лежать». Если собака все сделала правильно, аппарат это фиксирует и в режиме реального времени передает сигнал о «поощрении». Дозатор открывается, а пёсик получает лакомство.

Может ли эта система пригодиться где-то еще?

Россия, Франция, Бельгия, Финляндия, Люксембург, Португалия, Швейцария и Швеция инициировали пересмотр Конвенции о дорожном движении 1968 года.

Сейчас этот документ запрещает использовать беспилотники на дорогах, поскольку в нем сказано, что контроль над транспортным средством должен осуществлять человек. Искусственный интеллект, естественно, там не упоминается.

Россия и европейские государства предлагают модифицировать документ таким образом, чтобы в него вошло понятие «автоматизированной системы вождения»: контроль за дорогой, управление автомобилем, планирование и оповещение о маневрах.

Google выпустила фреймворк для обработки 3D-данных с помощью машинного обучения, TensorFlow 3D (TF 3D).

Эта технология может обрабатывать данные с любых 3D-датчиков, будь то лидары, камеры измерения глубины или радары. По сути, TF 3D — это набор операций, функций, инструментов обработки данных, моделей и показателей, которые позволят исследователям разрабатывать, обучать и развертывать модели понимания трехмёрных сцен.

В настоящее время Tensorflow 3D поддерживает Waymo Open, ScanNet и Rio. Но пользователи могут конвертировать и другие наборы данных, например, NuScenes и Kitti в аналогичный формат и использовать их в уже существующих конвейерах, а также могут использовать TF 3D для широкого спектра исследований и приложений глубокого обучения 3D.

Tensorflow 3D поможет системам машинного обучения работать в реальном мире и улучшать эффекты дополненной реальности на мобильных устройствах. А руководитель Redmadrobot Data Lab Юрий Чайников считает, что «Ключевая область, в которой прогресс популярного фреймворка Tensorflow в 3D направлении ускорит темпы разработки, — это создание полностью автономного транспорта. Это революция почище перехода с конной тяги к автотранспорту, на пороге которой мы стоим».

Иногда кажется, что достижения в области ИИ неприменимы в жизни. Ну вот какая практическая польза от нейросети, которая может собирать пазлы? А такую нейронную сеть, JigsawGAN, недавно представили исследователи из Института инженеров электротехники и электроники (IEEE). Она основана на методе GAN.

Нейросеть не знает исходного изображения, она анализирует информацию о краях частей картинки и семантическую информацию о генерируемых изображениях, что помогает собирать пазлы более точно.

Так как же эта возможность может пригодиться в обычной жизни?

Со сборкой пазлов разобрались. На очереди нейросеть, имитирующая игру человека в шахматы, — Maia. Она использует алгоритмы, лежащие в основе лучших шахматных программ. Но вместо «уничтожения» противника на доске Maia пытается предсказать и повторить поведение человека в игре. Даже если ход заведомо ошибочен.

Джон Кляйнберг, профессор Корнельского университета, руководивший разработкой Maia, говорит, что это первый шаг к разработке ИИ, который постарается понять, почему люди совершают ошибки. Значит, в перспективе ИИ сможет лучше взаимодействовать с людьми, например, обучать их, помогать, или даже вести с ними переговоры.

По словам Кляйнберга, одно из возможных применений Maia — это система здравоохранения. ИИ, который предвидит ошибки, может быть использован для обучения врачей или помощи в обнаружении неточностей.

Maia была разработана с использованием кода, адаптированного из Leela Zero, клона Alpha Zero от DeepMind.

И последний в этом блоке — система Audeo, которая создает музыку из беззвучного видео с музыкантом, играющим на фортепиано. Достаточно лишь загрузить ролик в программу, а она выдаст готовый звук.

Как это работает? Сначала система преобразует видео с движениями рук музыканта по фортепиано в необработанное механическое музыкальное символическое представление Piano-Roll (Roll). Обрабатывается каждый кадр, на котором есть клавиши и нажатие на них.

Затем Roll, включая временные корреляции, адаптируется для аудиосинтеза. Это критически важный шаг для генерации звука.

На последнем этапе подключаются Midi-синтезаторы для создания реалистичной музыки. Audeo плавно конвертирует видео в аудио с несколькими ограничениями настройки.

Как российские спасатели, экологи и таможенники могут использовать ИИ? Нашли ответ на этот вопрос в лонгриде CNEWS.RU.

Что еще почитать? Например, совместный опрос MIT Technology Review Insights и Siemens Energy. Они пообщались с десятком CIO нефтегазовых компаний, чтобы понять, как ИИ влияет на корпоративные стратегии цифровой трансформации и кибербезопасности.

Внимание, спойлер: нефтегазовые компании вынуждены адаптироваться к резким изменениям, оптимизируя свою работу с помощью цифровых технологий. При этом по мере перехода к цифровым технологиям повышается риск киберугроз, что создаёт новые возможности для ИИ.

Есть ли руки у собак? Да, если это роботособака Spot от Boston Dynamics! Помотрите-ка на неё:

Благодарим аналитический центр Redmadrobot за помощь в подготовке материала.

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 #ai #нейросети #алгоритмы #беспилотники #google #bostondynamics #rollsroyce #redmadrobot #робохроники