Проклятый Киберпанк

@f_cyberpunk Yoqdi 0
Bu sizning kanalingizmi? Qo‘shimcha imkoniyatlardan foydalanish uchun egalikni tasdiqlang

Популярно об IT-технологиях и искусственом интеллекте среди нас. Так же разбираю сложные технические темы.
Автор: @AxelUser
Kanal hududi va tili
Rossiya, Rus tili
Kategoriya
Texnologiyalar


Kanalning hududi
Rossiya
Kanal tili
Rus tili
Kategoriya
Texnologiyalar
Indeksga qo‘shilgan
14.12.2017 00:13
reklama
SearcheeBot
Telegram-каналлар оламидаги сизнинг йўлбошчингиз.
Telegram Analytics
TGStat хизмати янгиликларидан бохабар бўлиш учун обуна бўл!
TGStat Bot
Telegram'дан чиқмай туриб каналлар статистикасини олиш
33
ta obunachilar
~0
1 ta e’lon qamrovi
N/A
kunlik qamrov
N/A
bir kundagi e’lonlar
N/A
ERR %
0
iqtibos olish indeksi
So‘nggi e’lonlar
O‘chirilgan e’lonlar
Eslovlar bilan
Repostlar
Пока пишу для этого блога про одну очень интересную и изящную технологию, понял что мне бы хотелось ещё и делиться о работе разработчиком. Поэтому решил вынести это в отдедльный канал: DevHeap.
Вчера агрегировал инфу про проектные и продуктовые компании, что это, с чем едят и что кому подходит. Сам когда-то сделал выбор и не о чем не жалею. Поэтому хочу поделиться своими наплюдениями: https://t.me/dev_heap/5
To‘liq o‘qish
Было бы вам интересно такое читать?
anonymous poll

Интересно – 5
👍👍👍👍👍👍👍 71%

Без разницы – 1
👍 14%

Неинтересно – 1
👍 14%

👥 7 people voted so far.
Интересно – 5
Без разницы – 1
Неинтересно – 1
#опрос

Давеча мне захотелось вспомнить некоторые технические детали по многим хайповым (и не очень) технологиям, вроде блокчейнов, генеративно-состязательных сетей (генерация изображений), протоколов и т.д.

В процессе я всё равно буду делать пометки, поэтому могу публиковать их в виде очень кратких чек-листов или карточек максимально простым языком (для общего представления), с ссылкой либо на более подробную заметку с источниками, либо на существующий пост (зачем плодить одно и то же).

Формат хочу держать мксимально компактным, чтобы можно было быстро прочитать аннотацию и сохранить себе в раздел Saved Messages. В связи с этим вопрос:
To‘liq o‘qish
#длиннопост
Объяснимый искусственный интеллект

На днях узнал про одно очень многообещающее направление в области искусственного интеллекта (далее ИИ). Пока наработок в этой теме не так много, поэтому буду краток. В машинном обучении, да и вообще в математике, часто встречается проблема, правильной интерпретации полученных значений. Например, задача, когда необходимо найти танк на снимке со спутника. Почему ИИ обозначил конкретный участок, как танк? Можно обозначить участки, на который ИИ реагирует больше всего. Либо в случае с деревьями определить по веткам, какие значения приводят к какому результату. Но это всё слишком низкоуровневые данные, которые не так понятны обычному пользователю, например, солдату.

Вы могли заметить, что тут какой-то милитаризм, но нет, просто этой технологией занимается DARPA (минобороны США) и поэтому хочется донести изначальный смысл разработки. DARPA задумалось об неэффективности таких механизмов детерминации (выяснение причин) для существующих моделей ИИ, особенно глубокий нейросетей, дающих очень хорошие результаты.

Решением этой проблемы должны стать разработки под термином Explainable AI (XAI), дословно Объяснимый ИИ. В отличии от существующего подхода, этот предполагает создание более объяснимых моделей (пока не совсем понятно, как) и применение пользовательского интерфейса, который мы помогал "опрашивать" модель, чтобы понять причины такого решения и возможно корректировать некоторые выводы.

За счет этого мы будем лучше воспринимать решение ИИ, что, как мне кажется, больше приблизит нас к настоящим "интеллектуальным помощникам", чем текущие решение.

Милитаризм кстати кончился, вот котики
To‘liq o‘qish
#длиннопост
Заварил кофе, включил музыку, скомпилировал билд для квантового компьютера

Вчера Microsoft открыл доступ к бесплатному превью их инструментария для разработки приложений под квантовые компьютеры. Даже язык новый разработали - Q# (у MS любовь к решёткам).

Тема самих квантовых вычислений витает уже довольно давно, что в разделе научпопа, что в бизнесе. В декабре 2015 года команда Google отчиталась о 100-кратом выигрыше в производительности квантового (не совсем честного, конечно) компьютера над обычным. В мае 2017 компания IBM представила две машины с производительностью 16 и 17 кубитов (квантовые биты), вместо "привычных" 5. Вообще, успех квантового компьютера как раз и заключается в его вычислительных единицах – кубитах. Они, в отличии от традиционных битов (0 или 1), могут хранить сразу оба значения. За счет этого потребляемая память и количество операций перебора значительно сокращается.

В связи с этим возникает интерес к квантовым вычислениям для задач оптимизации, как например поиск кратчайшего пути, а так же, что на самом деле вытекает из первого, машинного обучения, когда мы проводим огромное количество итераций обучения, настраивая параметры таким образом, чтобы минимизировать функцию потерь, грубо говоря получить наименьшую ошибку.

Так же "квантовое превосходство" ставит в опасное положение традиционные алгоритмы асинхронного шифрования, ведь имея открытый ключ и выкаченную зашифрованную базу, можно гораздо быстрее подобрать закрытый ключ, тем самым получить доступ к исходным данным.

Конечно квантовые компьютеры это не панацея сейчас, они далеки от совершенства, из-за различного рода низкоуровневых ошибок, которые снижают эффективность компьютера, даже при росте числа кубитов. Плюс многие традиционные (даже арифметические) задачи, становятся не такими тривиальными, что ведет к нужде разрабатывать специальные алгоритмы для квантовых машин.
Кажется что опять же это всё далеко, где-то в лабораториях, но при этом мы уже сейчас можем загрузить утилиты для разработки приложений под квантовые компьютеры и даже запускать их на эмуляторе.

И лично меня этот факт вчера как-то ошеломил.

https://goo.gl/gTLXmR
To‘liq o‘qish
#длиннопост
Как машины учат машин

Сейчас особенно хайповая новость про то, как нейросеть AutoML от Google подобрала наиболее эффективную архитектуру для другой нейросети. Вроде бы, с натяжкой конечно, можно сказать, что машины учат машин. Но кажется это где-то далеко, в лабораториях, университетах.

А вот помните в мае была новость про искусственный интеллект (далее просто ИИ), который "играл" в GTA 5. Парень под ником Sentdex обучил глубокую нейросеть ездить на машине в игре GTA 5. Вообще, несмотря на то, что использовал он крутую модель, которая при должном обучении ошибается только в 4.2% случаев, сам ИИ работал коряво, поэтому и забавно.

Вообще интересный бизнес - парню донатили за стрим того, как играет его скрипт на python, максимальный профит, но в общем ладно.
Сейчас у него всё хорошо, он так же стримит и развивает свой проект. Но всё-таки главный факт, который как-то за всей шумихой был опущен, это то, что модель он обучил в обычной игре. Звучит не ново - симуляторы есть уже очень давно. Во многих играх и так есть ИИ, который отлично (допустим) себя ведет. Но теперь представьте, что этот более заскриптованный ИИ обучил другой ИИ.

Bots build bots, lol. Выглядит как фрагмент из матрицы. И причем это все возможно уже сейчас на обычном PC, даже софт устанавливать не так сложно.

Вообще, с удовольствием бы посмотрел на то, как эта модель справится на реальной дороге.

https://goo.gl/tNDixP
To‘liq o‘qish