Робохроники ИИ: нейросеть становится драконом, учится считать калории, а Google помогает незрячим людям бегать

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

Компания тестирует систему искусственного интеллекта Project Guideline, которая позволит заниматься бегом без помощника.

Как это работает: на специально разработанный ремень крепится Android-смартфон с установленным приложением Project Guideline. Оно отслеживает путь, по которому движется бегун.

Если пользователь отклоняется от маршрута, то Project Guideline отправляет звуковые сигналы в наушники. Чем дальше человек отклоняется в одну сторону, тем громче становится звук в соответствующем ухе.

Приложение работает без интернета, оно способно учитывать погодные условия и освещение трассы. Хорошие новости: во время испытаний на закрытой трассе доброволец пробежал восемь кругов полностью самостоятельно.

Команда DeepMind совершила настоящий научный прорыв.

Белки — большие сложные молекулы, состоящие из цепочек аминокислот с уникальной трехмерной структурой. И уже 50 лет биологи всего мира бьются над «проблемой сворачивания белков»: они пытаются предсказать пространственную структуру белка из его аминокислотной последовательности.

И теперь эта проблема решена с помощью системы ИИ AlphaFold.

Она рассматривает свернутый белок как «пространственный граф», где остатки представляют собой узлы, а края соединяют остатки в непосредственной близости. Этот граф важен для понимания физических взаимодействий внутри белка. Нейросеть AlphaFold интерпретирует структуру этого графа.

Так система прогнозирует базовую физическую структуру белка. Кроме этого AlphaFold может предсказать, какие части каждой предсказанной структуры белка можно считать надежными. Нейросеть обучена примерно на 170 000 структурах белков.

Прогнозирование структуры белка позволит блокировать распространение инфекции в организме или исправлять ошибки в сворачивании, которые приводят к нейродегенеративным и когнитивным расстройствам.

Исследователи из Технологического института Джорджии в Атланте и Facebook AI Research разработали нейросеть на основе GPT-3, в которой объединили методы обработки естественного языка и обучения с подкреплением — с его помощью модели учатся общаться для достижения заданных целей.

Нейросеть запустили в текстовой многопользовательской игре LIGHT, которую в прошлом году разработал Facebook. Создал не забавы ради, а пользы для: чтобы изучить, как люди и искусственный интеллект взаимодействуют друг с другом.

Действие игры происходит в фэнтезийном мире. Игроки (люди и ИИ) вводят текстовые команды, например, «обнять волшебника», «поразить дракона» или «снять шляпу» и взаимодействуют с игровой действительностью. Они также могут общаться с NPC, которые управляются чат-ботами.

ИИ «поселили» в дракона, который должен был выполнять квесты, общаясь с игроками. Чтобы «объяснить», как это сделать, исследователи добавили в игру около 7500 квестов, не включенных в оригинальную версию, и создали граф знаний, который обеспечивал нейросеть информацией об игровом мире и связях между персонажами. Например, о том, что стоит доверять друзьям.

Так, ИИ, чтобы выполнить квест, мог просто ввести команду действия, а мог добиться своего, разговаривая с другими персонажами. Например, если дракону был нужен меч, он мог украсть его или убедить другого персонажа отдать оружие.

Конечно, манера общения ИИ может показаться чересчур прямолинейной, если ему нужно ведро, он просто говорит: «Дай мне это ведро, или я скормлю тебя своей кошке!»

Но объединение возможностей НЛП с обучением с подкреплением может привести к интересным вещам: созданию более совершенных чат-ботов, способных убеждать собеседника и понимающих, как устроен наш мир.

Немецкие ученые разработали нейросеть, способную определить пищевую ценность блюд по фотографии: их калорийность и содержание белков, жиров и углеводов.

Новый алгоритм использует тест pic2kcal, включающий 308000 изображений и более 70000 рецептов. Чтобы получить информацию о питательной ценности ингредиентов блюда и автоматически определить калорийность, нейросеть сопоставляет элементы в рецептах с информацией из базы данных продуктов питания.

Помимо калорий, алгоритм определяет тип блюда (например, десерт или гарнир), количество ингредиентов, инструкции по приготовлению и время приготовления.

В будущем нейросеть поможет понять, соответствует ли еда на изображении определенной диете — низкоуглеводной, палео, кето или любой другой.

Модели машинного обучения, прекрасно справляющиеся с поставленными задачами в лаборатории, в жизни часто терпят неудачу.

Это происходит из-за так называемого сдвига данных (когда данные на обучении не совпадают с реальным миром). Например, ИИ изучает симптомы болезни по снимкам высокого качества, а в больнице «видит» размытые или обрезанные изображения и поэтому не может ничего найти.

40 исследователей из Google обнаружили еще одну проблему — недостаточную спецификацию. Это значит, что даже при удачном тестировании ИИ в реальных условиях модель может не работать.

Что же тогда делать? Можно создать еще один этап обучения и тестирования, в котором одновременно работает не одна, а множество моделей. Затем эти модели снова необходимо протестировать на конкретных реальных задачах, чтобы выбрать лучшую.

Но это, конечно же, сложно и дорого, говорит Янник Килчер, исследователь машинного обучения в ETH Zurich. «Такое могут позволить себе только крупные корпорации, например, Google».

В январе этого года на выставке CES 2020 Samsung представила «искусственного человека» — продукт NEON.

Это «виртуальное существо, созданное с помощью вычислительных процессов, которое выглядит и ведет себя так же, как мы», — говорится на сайте компании. В ноябре стало известно, что NEON’ы «поселятся» в смартфонах Samsung до конца 2020 года.

В отличие от нынешних ИИ-помощников у NEON есть лицо, он разговаривает и проявляет эмоции, изучает навыки и даже может формировать собственные воспоминания.

Он с легкостью выполнит роли учителя, инструктора по йоге, рассказчика, репортера и многих других, утверждает компания.

При этом в интервью CNET было сказано, что новый помощник не заменит Биксби или других, уже существующих, ИИ-помощников.

Новая система радаров в городе Черчилль в Канаде наблюдает за местностью и предупреждает жителей о приближении белого медведя.

Медвежий радар, или «Beardar», был адаптирован из системы, разработанной для военных целей. Новый алгоритм может отличать медведей от других крупных объектов, включая северного оленя, автомобили и людей.

Когда радар обнаруживает хищника, приближающегося к населенному пункту, он предупреждает природоохранные органы. Они, в свою очередь, применяют тактические приемы, чтобы отогнать медведя.

Подобная проблема для Канады не нова. Неделями сотни белых медведей бродят вдоль побережья Гудзонского залива, ожидая образование морского льда — только так они смогут вернуться к охоте на кольчатых нерп.

Американский стартап Tryoncloth Inc. разработал приложение Style Space, которое позволяет примерить одежду на конкретную модель.

Это позволяет посмотреть, как одежда смотрится на разных типажах и сочетается между собой. В общем, можно собрать полный лук (и не один) на модели, по комплекции и цвету кожи похожей на пользователя.

Собственное фото пока загрузить нельзя — и тут на помощь придет сервис, генерирующий дипфейки по одной фотографии.

Специалисты Amazon, Tesla и других компаний понятно рассказывают, как устроены нейросети, компьютерное зрение и многое другое:

Хотите сыграть на пианино в четыре руки, а напарника нет? A.I. Duet от Google поможет. Нейросеть попробует угадать и продолжить наигранную вами мелодию. И, кстати, можно подключить MIDI-клавиатуру.

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 #ml #google #amazon #tesla #samsung #медицина #redmadrobot #робохроники