Новости
Сотовые операторы в борьбе с телефонными мошенниками признали искусственный интеллект. Как пишут «Известия», системы, позволяющие распознавать мошенничество в ходе телефонного разговора и предупреждать об этом вызываемых абонентов, сейчас разрабатывают «СберМобайл», «Тинькофф мобайл» и «Вымпелкома» (бренд «Билайн»).
Американские специалисты разработали мультимодальную систему машинного обучения, способную выявлять в Instagram страницы и публикации торговцев наркотиками путем анализа различного контента, в том числе фотографий.
Уровень развития искусственного интеллекта сейчас достиг таких высот, что руководителям IT-корпораций иногда приходится жать на «красную кнопку». То есть, останавливать реализацию некоторых проектов с применением искусственного интеллекта, чаще всего — по этическим соображениям.
И речь здесь вовсе не о проблемах, красочно показанных Джеймсом Кэмероном в «Терминаторе». Искусственный интеллект неспособен угрожать человечеству хотя бы потому, что это слабая форма ИИ, а не полноценный разум. Все немного проще — мы говорим о синтезе голосов, максимально приближенных к оригиналу, алгоритмам отбора людей, которым стоит (или нет) предоставить кредит и т.п.
Статьи
Вот уже лет сто, а то и больше, человечество мечтает, размышляет, пишет, поёт, снимает фильмы о машинах, которые могут думать, рассуждать и, подобно нам, обладают разумом. Произведения литературного и кинематографического искусства — начиная с романа «Едгин», опубликованного в 1872 году Сэмюэлем Батлером, со статьи Эдгара Аллана По «Игрок в шахматы Мельцеля», с фильма «Метрополис» 1927 года — продемонстрировали миру идею, в соответствии с которой машины могут думать и рассуждать как люди. Причём, в этой идее нет ни магии, ни ещё чего-то фантастического. Те, кого захватывала эта идея, вдохновлялись автоматонами из глубокой древности и работами философов — таких, как Аристотель, Раймунд Луллий, Томас Гоббс и многих, многих других.
Давайте представим, что у нас уже есть:
суперкомпьютер для проведения многофакторных мультинагрузочных виртуальных испытаний;
готовый цифровой объект (двойник), который мы готовили для замены физических испытаний виртуальными;
проверенные и корректные математические расчетные модели для всех видов виртуальных испытаний, которым мы хотим подвергнуть наш цифровой двойник;
программное обеспечение, которое умеет накладывать на цифровой объект сеточную модель заданного размера ячейки для проведения нагрузочных и других расчетов;
программное обеспечение, которое умеет применять наши математические расчетные модели, накладываясь на нагрузочную сетку цифровых объектов.
Проводим расчеты – получаем некие результаты...
На Хабре мы активно делимся интересными кейсами по роботизации наших клиентов, рассказываем о своих продуктах и их новых фичах. Одна из главных целей наших материалов — показать ценность RPA-решений для бизнеса. Однако, в комментариях к нашим постам очень часто разгораются нешуточные дискуссии по поводу полезности и нужности RPA. Наши наблюдения показывают, что чаще всего скептически к сервисам роботизации относятся IT-специалисты. Мы решили поговорить об этом подробнее и попросили технического эксперта UiPath Валентина Драздова ответить на самые распространенные возражения по поводу внедрения автоматизированной роботизации и RPA-систем.
ABB применяет дополненную реальность для удаленной техподдержки своих клиентов. Концерн выпустил продукты Raise и Closer, использующие эффект присутствия, которые позволяют операторам и полевым инженерам работать с одними и теми же изображениями, накладывать на них инструкции и осуществлять интерактивный обмен данными.
Нейронные сети повсеместно используются для выполнения самых разных задач, можно даже сказать, что это самый настоящий «универсальный солдат». Однако, может показаться, что начать работать с нейросетями довольно сложно, несмотря на наличие огромного количества информации в источниках, существование готовых фреймворков, например, tensorflow, pytorch и других.
И всё же, существует инструмент, позволяющий легко совершить «быстрый старт» и опробовать нейронные сети в деле самостоятельно – это fast ai. Вообще, fast ai – это прежде всего группа исследователей, занимающихся вопросами искусственного интеллекта и глубокого обучения в частности, которая выпустила одноимённую библиотеку в свободное пользование в 2018 году. Если говорить простыми словами – fast ai представляет собой надстройку над упомянутым выше фреймворком pytorch и упрощает работу с ним, делает это быстрее. Отсюда и слово «быстро» в названии статьи.
Чтобы лучше понять глубокое обучение, Data Scientist из Hewleet Packard написал нейросеть только при помощи NumPy. Знать свои инструменты необходимо любому специалисту, поэтому наш курс по науке о данных включает раздел «Математика для Data Science». Под катом вы найдёте не только реализацию нейронной сети. Статья начинается со знакомства с книгой автора, которая, по его словам, будет полезна, если вы хотите создать достойное портфолио Machine Learning.
Сооснователь компании Gramener, занятой в Data Science, рассказывает о 8 заблуждениях в ML в форме вопросов и утверждений. По его словам, в начале карьеры эти заблуждения подобны гранатам, которые могут бросить в вас