Содержание
ИСКУССТВЕННЫЙ ИНТЕЛЕКТ — все новости, фото и видео по теме «ИСКУССТВЕННЫЙ ИНТЕЛЕКТ» на новостном сайте Мир24
Искусственный интеллект ускорит таможенные операции в Казахстане
В республике создадут главное диспетчерское управление. В нем будут отслеживать все таможенные операции, мониторить процессы на госгранице, контролировать досмотры и отслеживать ценообразование.
18:20 20/12/2021
Ученые Калифорнийского университета научили нейросеть распознавать речь
Нейронные сети и раньше пытались научить «читать мысли» и понимать речь. Но только теперь ученым из США удалось создать для ИИ алгоритм распознавания мозговых импульсов во время речи с погрешностью не более 3%.
05:32 01/04/2020
Лучший друг человека: когда компьютер начнет понимать эмоции?
Когда искусственный интеллект сможет распознавать наши чувства, смогут ли компьютеры заменить людей и какие плоды принесет национальная стратегия развития ИИ в России – узнали у профессора НИЯУ МИФИ.
12:48 11/10/2019
Робота научили придумывать собственные шутки
Для обучения робота исследователи выбрали более 400 тысяч мемов, изображающих животных или известные персонажей на цветном фоне с забавными подписями.
23:13 15/06/2018
Искусственный интеллект уничтожит экстрасенсов
Как развитие искусственного интеллекта и нейронных сетей сделает экстрасенсов бесполезными, выясняла корреспондент «МИР 24».
13:45 26/02/2018
Искусственный интеллект помог создать видеоклип
Как сообщается, речь идет о клипе популярной китайской исполнительницы Крис Ли на песню Rainy Day, But We Are Together. Технология, в частности, помогла создать капли дождя на лице певицы, мерцание, мыльные пузыри и другие потрясающие спецэффекты.
09:03 30/10/2017
Японский робот станет священником
Японская компания Nissei Eco представила новую функцию робота SoftBank Pepper, сообщает «МИР 24». На этот раз механический помощник освоил необычную профессию буддистского священника.
14:28 24/08/2017
Цукерберг поспорил с Маском о главной угрозе человечеству
17 июля Илон Маск на встрече Национальной ассоциации губернаторов сказал, что искусственный интеллект — это главная угроза, с которой сталкивается человеческая цивилизация.
07:59 25/07/2017
ПОКАЗАТЬ ЕЩЕ
Новости компании MTS AI — проекты и решения в сфере искусственного интеллекта
Настройка файлов «cookie»
Чтобы сайт https://mts.ai/ становился удобнее, а вам было проще находить интересный контент,
MTS AI использует файлы «cookie».
Эти файлы помогают собирать статистику и анализировать ее в маркетинговых
целях. Мы сохраняем файлы «cookie» во время вашего посещения, только если вы нам это позволите.
Вы можете принять все файлы cookie, выбрать только обязательные или настроить категории
cookie, которые вам подходят. Вы всегда можете отозвать свое согласие или изменить настройки файлов “cookie” на
нашем сайте. Если вы хотите узнать подробности, пожалуйста, прочитайте нашу Политику в отношении
файлов “cookie” и Политику конфиденциальности
Обязательные файлы «cookie» необходимы, чтобы обеспечивать базовую работу нашего сайта и
предоставлять услуги, которые вы запросите. Например: выбор страны и языка, сохранение статуса входа в
систему, обеспечение безопасности и предотвращение мошенничества, сохранение настроек громкости и получение
доступа к защищенным областям сайта.
Эта категория файлов «cookie» не может быть отключена и не требует вашего согласия.
Аналитические файлы «cookie» не являются обязательными и необходимы для сбора информации
о том, как вы используете сайт: например, через какой веб-браузер вы зашли и какие страницы просматриваете.
Эта информация позволяет нам улучшать навигацию на сайте, делать его более удобным и отвечать вашим
потребностям, а также исправлять технические ошибки и обеспечивать безопасность сайта.
Мы запрашиваем ваше согласие на размещение таких типов файлов «cookie» на нашем сайте.
Маркетинговые «cookie» не являются обязательными. Они используются для сбора информации
о ваших поисковых предпочтениях и для доставки наиболее подходящей вашим интересам рекламы и контента. Также
они нужны для ограничения числа показов рекламы и для оценки ее эффективности.
Мы запрашиваем ваше согласие на размещение таких типов файлов «cookie» на нашем сайте.
Маркетинговые файлы «cookie» третьих сторон не являются обязательными. Они позволяют
третьим сторонам собирать «cookie», чтобы мы могли использовать инструменты таргетированной рекламы и
маркетинга для наших продуктов и услуг на других сайтах, в приложениях и социальных сетях. Если вы
согласны, то перечисленные третьи стороны смогут устанавливать «cookie» и отслеживать ваши интересы и
действия (в том числе покупку продуктов или услуг и ваш интерес к ним) на нашем сайте и других сайтах, в
социальных сетях, приложениях и на устройствах .
Третьи стороны являются совместными или независимыми операторами персональных данных, которые они получают через файлы «cookie». Персональные данные они могут использовать в своих собственных целях. Этим третьим сторонам мы разрешаем размещать файлы «cookie» на нашем сайте.
Исследование выявило предвзятость по полу и типу кожи в коммерческих системах искусственного интеллекта | MIT News
Три коммерчески выпущенные программы анализа лица от крупных технологических компаний демонстрируют предубеждения как по типу кожи, так и по полу, согласно новому документу, который исследователи из Массачусетского технологического института и Стэнфордского университета представят позже в этом месяце на Конференции по справедливости, подотчетности и прозрачности.
.
В экспериментах исследователей частота ошибок трех программ при определении пола светлокожих мужчин никогда не превышала 0,8 процента. Однако для темнокожих женщин частота ошибок увеличилась — до более чем 20 процентов в одном случае и более 34 процентов в двух других.
Полученные данные поднимают вопросы о том, как обучаются и оцениваются современные нейронные сети, которые учатся выполнять вычислительные задачи, ища шаблоны в огромных наборах данных. Например, согласно статье, исследователи из крупной американской технологической компании заявили о точности более 97 процентов для разработанной ими системы распознавания лиц. Но набор данных, использованный для оценки его эффективности, содержал более 77 процентов мужчин и более 83 процентов белых.
«Что действительно важно здесь, так это метод и то, как этот метод применим к другим приложениям», — говорит Джой Буоламвини, исследователь группы Civic Media MIT Media Lab и первый автор новой статьи. «Те же методы, ориентированные на данные, которые можно использовать для определения чьего-либо пола, также используются для идентификации человека, когда вы ищете подозреваемого в совершении преступления или разблокируете свой телефон.
И дело не только в компьютерном зрении. Я очень надеюсь, что это побудит больше работать над изучением [других] несоответствий».
К Буоламвини в статье присоединяется Тимнит Гебру, который был аспирантом в Стэнфорде, когда работа была сделана, а сейчас является постдоком в Microsoft Research.
Случайные открытия
Три программы, которые исследовали Буоламвини и Гебру, представляли собой системы анализа лица общего назначения, которые можно было использовать для сопоставления лиц на разных фотографиях, а также для оценки таких характеристик, как пол, возраст и настроение. Все три системы рассматривали гендерную классификацию как бинарное решение — мужчина или женщина — что делало их выполнение этой задачи особенно легко поддающимся статистической оценке. Но те же типы смещения, вероятно, влияют на производительность программ и в других задачах.
Действительно, случайное обнаружение явной предвзятости в отслеживании лица одной из программ в первую очередь подтолкнуло Буоламвини к расследованию.
Несколько лет назад, будучи аспиранткой Медиа-лаборатории, Буоламвини работала над системой, которую она назвала Upbeat Walls, интерактивной мультимедийной художественной инсталляцией, которая позволяла пользователям управлять цветными узорами, проецируемыми на отражающую поверхность, с помощью движений головы. Для отслеживания движений пользователя система использовала коммерческую программу анализа лица.
Команда, которую Буоламвини собрал для работы над проектом, была этнически разнообразной, но исследователи обнаружили, что, когда пришло время представить устройство на публике, им пришлось полагаться на одного из членов команды со светлой кожей, чтобы продемонстрировать его. Система просто не работала надежно с темнокожими пользователями.
Любопытная чернокожая Буоламвини начала отправлять свои фотографии в коммерческие программы распознавания лиц. В некоторых случаях программы вообще не распознавали фотографии с человеческим лицом. Когда они это сделали, они постоянно неверно классифицировали пол Буоламвини.
Количественные стандарты
Чтобы начать систематическое исследование предвзятости программ, Буоламвини сначала собрал набор изображений, на которых женщины и люди с темной кожей представлены гораздо лучше, чем в наборах данных, обычно используемых для оценки лица. системы анализа. Окончательный набор содержал более 1200 изображений.
Затем она работала с хирургом-дерматологом над кодированием изображений в соответствии со шкалой оттенков кожи Фитцпатрика, шестибалльной шкалой от светлого до темного, первоначально разработанной дерматологами как средство оценки риска солнечных ожогов.
Затем она применила к своему недавно созданному набору данных три коммерческие системы анализа лица от крупных технологических компаний. Во всех трех случаях частота ошибок при классификации пола была неизменно выше для женщин, чем для мужчин, а также для темнокожих испытуемых, чем для светлокожих.
Для темнокожих женщин, получивших баллы IV, V или VI по шкале Фитцпатрика, частота ошибок составила 20,8%, 34,5% и 34,7%.
Но с двумя системами уровень ошибок для самых темнокожих женщин в наборе данных — тех, кому был присвоен балл VI — был еще хуже: 46,5% и 46,8%. По сути, для этих женщин система могла бы также угадывать пол наугад.
«Чтобы выйти из строя в одном из трех, в коммерческой системе, в чем-то, что было сведено к задаче бинарной классификации, вы должны спросить, было бы это разрешено, если бы эти коэффициенты отказов были в другой подгруппе?» — говорит Буоламвини. «Другой важный урок… заключается в том, что наши ориентиры, стандарты, по которым мы измеряем успех, сами по себе могут дать нам ложное ощущение прогресса».
«Это область, в которой наборы данных оказывают большое влияние на то, что происходит с моделью», — говорит Ручир Пури, главный архитектор системы искусственного интеллекта IBM Watson. «Теперь у нас есть новая модель, которую мы представили, которая гораздо более сбалансирована с точки зрения точности в тесте, на который смотрела Джой. В нем полмиллиона изображений со сбалансированными типами, и у нас есть другая базовая нейронная сеть, которая гораздо более надежна».
«На все это нужно время, — добавляет он. «Мы работали над этим примерно восемь-девять месяцев. Модель не является ответом на ее статью, но мы взяли на себя обязательство ответить на вопросы, которые она подняла напрямую, включая ее тест. Она подняла некоторые очень важные моменты, и мы должны посмотреть, как наша новая работа соответствует им».
Искусственный интеллект чувствует людей сквозь стены | MIT News
Рентгеновское зрение долгое время казалось надуманной научной фантастикой, но за последнее десятилетие команда под руководством профессора Дины Катаби из Лаборатории компьютерных наук и искусственного интеллекта (CSAIL) Массачусетского технологического института постоянно приближала нас к видеть сквозь стены.
Их последний проект «RF-Pose» использует искусственный интеллект (ИИ), чтобы научить беспроводные устройства определять позы и движения людей даже с другой стороны стены.
Исследователи используют нейронную сеть для анализа радиосигналов, которые отражаются от тел людей, а затем могут создать динамическую фигурку, которая ходит, останавливается, сидит и двигает конечностями, когда человек выполняет эти действия.
Команда говорит, что RF-Pose можно использовать для мониторинга таких заболеваний, как болезнь Паркинсона, рассеянный склероз (РС) и мышечная дистрофия, обеспечивая лучшее понимание прогрессирования заболевания и позволяя врачам соответствующим образом корректировать лекарства. Это также могло бы помочь пожилым людям вести более независимый образ жизни, обеспечивая при этом дополнительную безопасность мониторинга падений, травм и изменений в характере активности. В настоящее время команда работает с врачами над изучением применения RF-Pose в здравоохранении.
Все данные, собранные командой, получены с согласия субъектов, анонимизированы и зашифрованы для защиты конфиденциальности пользователей. Для будущих реальных приложений они планируют внедрить «механизм согласия», в котором человеку, устанавливающему устройство, предлагается выполнить определенный набор движений, чтобы он начал контролировать окружающую среду.
«Мы увидели, что мониторинг скорости ходьбы пациентов и их способности выполнять основные действия самостоятельно дает медицинским работникам возможность увидеть их жизнь, которой у них не было раньше, что может иметь значение для целого ряда заболеваний, — говорит Катаби, соавтор новой статьи о проекте.
«Ключевым преимуществом нашего подхода является то, что пациентам не нужно носить датчики или не забывать заряжать свои устройства».
Помимо здравоохранения, команда говорит, что RF-Pose можно также использовать для новых классов видеоигр, в которых игроки перемещаются по дому, или даже в поисково-спасательных миссиях, чтобы помочь найти выживших.
Катаби написал новую статью в соавторстве с аспирантом и ведущим автором Мингмином Чжао, профессором Массачусетского технологического института Антонио Торралба, постдоком Мохаммадом Абу Альшейхом, аспирантом Тяньхун Ли и аспирантами Юнлун Тианом и Ханг Чжао. Они представят его позже в этом месяце на конференции по компьютерному зрению и распознаванию образов (CVPR) в Солт-Лейк-Сити, штат Юта.
Одна из проблем, с которой пришлось столкнуться исследователям, заключается в том, что большинство нейронных сетей обучаются с использованием данных, размеченных вручную. Нейронная сеть, обученная распознавать кошек, например, требует, чтобы люди просматривали большой набор изображений и помечали каждое из них как «кошка» или «не кошка».
Между тем, радиосигналы не могут быть легко помечены людьми.
Чтобы решить эту проблему, исследователи собрали примеры использования беспроводного устройства и камеры. Они собрали тысячи изображений людей, которые ходят, разговаривают, сидят, открывают двери и ждут лифта.
Затем они использовали эти изображения с камеры для извлечения фигурок из палочек, которые они показали нейронной сети вместе с соответствующим радиосигналом. Эта комбинация примеров позволила системе изучить связь между радиосигналом и фигурками людей в сцене.
После тренировки RF-Pose смог оценить позу и движения человека без камер, используя только беспроводные отражения, которые отражаются от тел людей.
Поскольку камеры не могут видеть сквозь стены, сеть никогда не обучалась явно на данных с другой стороны стены — именно поэтому команду Массачусетского технологического института особенно удивило то, что сеть могла обобщить свои знания, чтобы иметь возможность обрабатывать через — Движение стены.
«Если вы думаете о системе компьютерного зрения как об учителе, это действительно захватывающий пример того, как ученик превосходит учителя», — говорит Торральба.
Помимо обнаружения движения, авторы также показали, что они могут использовать беспроводные сигналы для точной идентификации кого-либо в 83 процентах случаев из группы из 100 человек. Эта возможность может быть особенно полезной для применения поисково-спасательных операций, когда может быть полезно узнать личность конкретных людей.
Для этой статьи модель выводит двухмерную фигурку из палочек, но команда также работает над созданием трехмерных представлений, которые могли бы отражать еще более мелкие микродвижения. Например, он может увидеть, достаточно ли регулярно трясутся руки у пожилого человека, чтобы он мог захотеть пройти обследование.
«Используя эту комбинацию визуальных данных и искусственного интеллекта, чтобы видеть сквозь стены, мы можем обеспечить лучшее понимание сцены и более интеллектуальную среду для более безопасной и продуктивной жизни», — говорит Чжао.