• Теги
    • избранные теги
    • Компании1709
      • Показать ещё
      Международные организации59
      • Показать ещё
      Страны / Регионы404
      • Показать ещё
      Разное1172
      • Показать ещё
      Формат34
      Люди333
      • Показать ещё
      Издания112
      • Показать ещё
      Показатели49
      • Показать ещё
Computer Sciences
23 сентября, 10:15

Утечка мозгов отменяется: как идет борьба российских IT-компаний за студентов

Россия успешно переходит в постиндустриальную эру, занимая видные позиции на рынке информационных технологий. Наши компании высоко котируются среди конкурентов в сферах кибербезопасности, анализа данных, машинного обучения и многих других. Это - новый вид международного соревнования, своеобразной невидимой гонки вооружений конца второго десятилетия XXI века. В таком деле особенно важно не допустить "утечки мозгов". Ruposters рассказывает, как государство и компании борются за лучших специалистов.

22 сентября, 08:00

In Between review – flatmates crash the cultural boundaries

Three women from Muslim and Christian backgrounds bond over hummus and history in a delightful drama set in Tel AvivMost Palestinian films focus on the impact of politics and how the fraught relations with the Israeli state affect the lives of Palestinians. This delightful feature from Maysaloun Hamoud takes a seemingly more apolitical approach. And yet there’s a palpable subtext at play here about the oppressive treatment of women from the territory by their own people, affecting those leading secular lives as well as the religiously observant, Muslims and Christians alike. In a Tel Aviv apartment, Muslim lawyer and chain-smoking party girl Layla (Mouna Hawa) and her friend Salma (Sana Jammelieh), a lesbian from a Christian family who floats through an assortment of service sector jobs, welcome a new flatmate, hijab-wearing Nour (Shaden Kanboura). Nour is in her last year of university, studying computer science and engaged to a priggish jerk (Henry Andrawas) who wants her to move somewhere in Jaffa, so she won’t have to mingle with “whores” like Layla and Salma. Although from very different backgrounds and with very different goals in life, these three shekels in a fountain gradually bond. Continue reading...

Выбор редакции
21 сентября, 19:33

Tech's push to teach coding isn't about kids' success – it's about cutting wages

Today’s hi-tech wages threaten Silicon Valley’s bottom line. What better way to drive down coders’ pay than by investing in a new generation of cheap labor?This month, millions of children returned to school. This year, an unprecedented number of them will learn to code.Computer science courses for children have proliferated rapidly in the past few years. A 2016 Gallup report found that 40% of American schools now offer coding classes – up from only 25% a few years ago. New York, with the largest public school system in the country, has pledged to offer computer science to all 1.1 million students by 2025. Los Angeles, with the second largest, plans to do the same by 2020. And Chicago, the fourth largest, has gone further, promising to make computer science a high school graduation requirement by 2018. Continue reading...

21 сентября, 06:00

What Would Be the Best Universal Language? (Earth 2.0 Series)

We explore votes for English, Indonesian, and … Esperanto! The search for a common language goes back millennia, but so much still gets lost in translation. Will technology finally solve that? The post What Would Be the Best Universal Language? (Earth 2.0 Series) appeared first on Freakonomics.

Выбор редакции
20 сентября, 13:31

[Из песочницы] Как написать отличную научную статью по CS

Здравствуйте! Недавно я наткнулся на запись очень интересного выступления Саймона Пейтона-Джонса(ведущий разработчик языка Haskell) в Microsoft Research Cambridge. В нём он рассказывает студентам, как проводить научные исследования и писать статьи по Computer Science. Его мысли мне показались очень интересными, причем применимыми не только для области CS. Исследователей, аспирантов, студентов, и в целом людей, которые пишут статьи в научные журналы или которым это скоро предстоит прошу под кат где вы сможете найти мою русскую адаптацию его выступления. Поможем Даше написать статью

Выбор редакции
19 сентября, 19:06

Maximal aggregation of polynomial dynamical systems [Computer Sciences]

Ordinary differential equations (ODEs) with polynomial derivatives are a fundamental tool for understanding the dynamics of systems across many branches of science, but our ability to gain mechanistic insight and effectively conduct numerical evaluations is critically hindered when dealing with large models. Here we propose an aggregation technique that rests...

Выбор редакции
12 сентября, 23:40

Robust continuous clustering [Computer Sciences]

Clustering is a fundamental procedure in the analysis of scientific data. It is used ubiquitously across the sciences. Despite decades of research, existing clustering algorithms have limited effectiveness in high dimensions and often require tuning parameters for different domains and datasets. We present a clustering algorithm that achieves high accuracy...

Выбор редакции
12 сентября, 16:46

Salesforce to give $12.2 million to Bay Area public schools

Tech titan Marc Benioff's philanthropic group, Salesforce.org, is donating another $12.2 million to Bay Area schools to improve computer science education, and possibly make the next generation of Salesforce employees.

12 сентября, 13:05

10 лет Computer Science клубу

В этом году Computer Science клубу в Санкт-Петербурге исполняется 10 лет. С 2007 года в клубе проходят открытые лекции и курсы, где любой желающий может познакомиться с классическими результатами, современным положением дел и открытыми задачами в различных областях computer science. Вход на все лекции свободный, регистрация не требуется. Слайды и видеозаписи всех прошедших лекций доступны с сайта клуба. Поздравить клуб с юбилеем приедут сотрудники следующих организаций: Академический университет, Математический институт Стеклова в Санкт-Петербурге, Санкт-Петербургский государственный университет, Яндекс, JetBrains, Montpellier University, Northwestern University, Toyota Technological Institute at Chicago, University of Bergen, University of California at San Diego, Yahoo Research. Они прочитают мини-курсы по следующим темам. Читать дальше →

30 июня, 00:35

One Trader Finds A 'Better' Way To Short The Bond Market

Authored by Kevin Muir via The Macro Tourist, This morning I have decided to write about US swap spreads. I know, you are already reaching for the delete key, but wait… I tried to remember a time when swap spreads were exciting. I dug back into my memory, and tried to recall something that might spice up this snoozer of a topic. And then it hit me. Swap spreads were one of the positions that bankrupted the fabled 1990’s hedge fund darling, Long Term Capital Management. So I started digging. And I will get to the swap spread portion of the story in a bit, but not until I share with you some other tidbits I stumbled across. Did you know LTCM marketed themselves as the “Financial Technology Company?” They actively bragged about their quantitative abilities. What distinguishes LTCM is our remarkable talent. The quality, background and recognition of our employees is top notch. Our various strategy teams are comprised of a unique combination of specialists in trading, economics, mathematics, and computer science. They include individuals who were the major contributors to the world of finance in the last 25 years and directly involved in the development and application of many of the strategies and products traded in the market today. The academic and professional backgrounds of LTCM’s Principals and other strategists include faculty positions at major universities, two Nobel Laureates, and service in government, including a former Vice Chairman of the Federal Reserve Board. This distinguished group, many of whom have advanced degrees, have worked together for many years, and have considerable experience in the design and implementation of large-scale trading and financial technology. Man oh man, that sure sounds familiar to some of today’s quantitative trading darlings. And have a look at the returns of LTCM over the life of their fund. Look at that steady rise from 1994 to 1998. Remind you of anybody? I know today’s quantitative gurus will tell you their strategies look nothing like LTCM. And I am sure they are correct. There is no way they will make the same mistakes. Yet I wonder if they will make a whole new set of errors. Don’t forget, once upon a time everyone was just as confident that LTCM was a new breed of hedge fund that could also do no wrong. It makes me laugh at how much the original quantitative hedge fund marketing resembles the same narratives we see in today’s market. It’s been a while, but I am going to re-read Roger Lowenstein’s account of the LTCM debacle, When Genius Failed, this summer. And for those that want a good chuckle, I suggest you take a look at Brian Langis’ immortalization of LTCM’s marketing materials. Thanks to Brian we can see the cringe worthy pictures of another age (WTF were they thinking with page 6?). And while you’re at it, give Brian’s other posts a read - it’s an eclectic mix of pieces, but worth following. Now back to the actual reason for this post - swap spreads. For those who complain that sometimes I get too technical, thanks for reading up to this point. But for those who are interested in maybe finding some more products to trade, soldier on. In the mid 1990s, one of LTCM’s largest positions was short US swap spreads. Back then swaps traded at higher rates than US treasuries. LTCM viewed the extra basis points that the market demanded due to the perceived credit risk of trading against a bank versus the US government, as unnecessarily high. So LTCM shorted US government bonds and went long swaps. The US year swap spread (the difference between 30 year government rates and equivalent swaps) was trading at 43 basis points. For a while, their trade worked. They earned the extra 43 bps, and in the meantime, spreads began to narrow (like they had predicted). Their short US swap spread position helped contribute to their Madoff like returns. But then the financial world became more unstable. Next thing they knew, swap spreads were widening. And before the whole debacle was finished, spreads had blown out to previously unheard of wides. It was one of their biggest losses, and their theories were relished to the dustbin. In the ensuing years, swap spreads narrowed. It took a while, but as Federal Reserve eased in the aftermath of the DotCom bust and the 9/11 tragedy, spreads returned to the levels LTCM had originally shorted. But as the economy returned to normal, spreads bounced from those low levels, and eventually started climbing. Then as the real estate credit disaster became evident, spreads blew out to new highs. For a brief moment, it looked like we were going to experience another LTCM moment with spreads exploding higher again. Yet instead of blowing out to new highs in the midst of the great financial crisis, swap spreads did the exact opposite! They collapsed and in the process, did what everyone thought impossible - they went negative. It made no sense. Why would an investor enter into an agreement with a bank (that might go bankrupt - especially in 2008) for less than the rate on US government treasuries? Yet the impossible happened. I have written a few times about this paradox - How many other could never happens are out there? and Only for the bravest and stupidest. No need for me to rehash my theories. I started getting long swap spreads in October of 2016. Proving once again that you are better off born lucky than smart, I was fortunate enough to bottom tick the 30 year swap spread (don’t worry, I blew all the profits on my disastrous curve steepening call). I stuck with the position, and in April of 2017, I wrote about some reasons for the widening - The Fed has shifted (and the market has missed it). And recently, the market is starting to wake up to these arguments. First, banks are feeling more confident under the Trump regime that they will be able to extend balance sheet without being scolded by regulators. Secondly, the idea that the Fed’s balance sheet reduction will source volatility out of the market and cause more mortgaged-backed hedging to move into the swap market might be starting to be priced in. Third, and most importantly, the idea that rates might no longer be headed lower could be slowing down the demand for swaps. For whatever reason, the swap market anomaly is finally drifting away. Granted, it is a slow drip, but it’s happening. Bit by bit, the stupidity of negative spreads is disappearing. Now, maybe this piece is about to top tick the swap spread move. After all, I know next to nothing about this space. But it sure seems like a trade that might end up as a surprise win that few are watching. You are probably wondering how to execute this trade. Well, Goldman rejected my ISDA application, so for mopes like me, we need to stick to the listed futures market. But don’t let that stop you. It’s quite easy. Dial the two symbols in your Bloomberg terminal, and type PDH2 to get the Position Hedging ratios. Here is the 30 year swap future versus the long bond future calcuation: If you are like me, and a big fixed income bear, then you don’t even need to worry about the spread. Shorting the swap outright is 30 basis points better than treasuries. If you get a backup in yield, along with a continued widening of swap spreads, it could simply a better product to be outright short. Although the swap spread has moved over the past year, I think there still might be more to come. Have a look at trading swap futures for a little extra pickup. P.S.: When I wrote my last piece about swaps, a nice fellow from the ERIS Exchange contacted me to let me know about their competing product to the CME swap future. So far, I have stuck with the CME, but I thought I should include a link to their exchange. Who knows, maybe I should be switching? Let me know if you have an opinion.

28 июня, 22:07

Inside Story - How to stop cyber attacks? – Inside Story

Cyber security has become one of the most important aspect of life in the 21st century. Which means, keeping computer systems secure becomes paramount for governments and companies. Now, a major cyber attack that began in Ukraine has crippled computer systems around the world. It's shut down government agencies and impacted thousands of businesses from India to Denmark. It's linked to the so-called WannaCry ransomware, a virus that holds data hostage until a payment is made. No one knows who's behind this attack yet but the US says it's investigating. So, what will it take to stop attacks like these? and will it get worse before it gets better? Presenter: Richelle Carey Guests: Antonis Michalas - Head of Cyber Security Group at the Department of Computer Science at the University of Westminster Patrick Flynn - Director of National Security Programs Neil Walsh - Chief of the United Nations Global Programme on Cybercrime Subscribe to our channel http://bit.ly/AJSubscribe Follow us on Twitter https://twitter.com/AJEnglish Find us on Facebook https://www.facebook.com/aljazeera Check our website: http://www.aljazeera.com/

Выбор редакции
27 июня, 21:09

Network dynamics of social influence in the wisdom of crowds [Social Sciences]

A longstanding problem in the social, biological, and computational sciences is to determine how groups of distributed individuals can form intelligent collective judgments. Since Galton’s discovery of the “wisdom of crowds” [Galton F (1907) Nature 75:450–451], theories of collective intelligence have suggested that the accuracy of group judgments requires individuals...

27 июня, 11:42

CSRA Inc (CSRA) Up 2.1% Since Earnings Report: Can It Continue?

CSRA Inc (CSRA) reported earnings 30 days ago. What's next for the stock? We take a look at earnings estimates for some clues.

22 июня, 04:25

New Report: The Best College Degrees to Get a Home of Your Own Someday

When will you become a homeowner? You might be surprised to know your college degree could be a factor. Here are the 15 best degrees.

20 июня, 14:11

Teradyne (TER) Appoints Marilyn Matz to Board of Directors

Teradyne Inc. (TER) recently announced changes at the management level with the appointment of Marilyn Matz to its Board of Directors, effective July 3.

Выбор редакции
19 июня, 16:12

Women and STEM -- by Shulamit Kahn, Donna Ginther

Researchers from economics, sociology, psychology, and other disciplines have studied the persistent under-representation of women in science, technology, engineering, and mathematics (STEM). This chapter summarizes this research. We argue that women's under-representation is concentrated in the math-intensive science fields of geosciences, engineering, economics, math/computer science and physical science. Our analysis concentrates on the environmental factors that influence ability, preferences, and the rewards for those choices. We examine how gendered stereotypes, culture, role models, competition, risk aversion, and interests contribute to gender STEM gap, starting at childhood, solidifying by middle school, and affecting women and men as they progress through school, higher education, and into the labor market. Our results are consistent with preferences and psychological explanations for the under-representation of women in math-intensive STEM fields.

14 июня, 16:11

Steve Scalise, Congressman Shot During Baseball Practice, Is A Top House Republican

function onPlayerReadyVidible(e){'undefined'!=typeof HPTrack&&HPTrack.Vid.Vidible_track(e)}!function(e,i){if(e.vdb_Player){if('object'==typeof commercial_video){var a='',o='m.fwsitesection='+commercial_video.site_and_category;if(a+=o,commercial_video['package']){var c='&m.fwkeyvalues=sponsorship%3D'+commercial_video['package'];a+=c}e.setAttribute('vdb_params',a)}i(e.vdb_Player)}else{var t=arguments.callee;setTimeout(function(){t(e,i)},0)}}(document.getElementById('vidible_1'),onPlayerReadyVidible); Rep. Steve Scalise (R-La.) was shot Wednesday as he practiced for the upcoming congressional baseball game.  His injuries are reportedly non life-threatening. He was shot in the hip and is being treated at the nearby GWU Hospital, The Associated Press said. Video obtained by ABC News showed Scalise on a stretcher following the incident. MORE:- Rep. Scalise's injury not life threatening- Pres. Trump briefed- so far no nexus to terrorismLIVE: https://t.co/PhFdeHl0gW pic.twitter.com/W3EEbCIyiM— Good Morning America (@GMA) June 14, 2017 The Louisiana Republican, 51, was first elected to Congress in 2008, is the House Majority Whip, the number three Republican in the House GOP leadership.  A tea party Republican, Scalise was seen as someone who could bridge the gap between the GOP establishment and its more conservative wing when he was elected to the party’s leadership in 2014. Before serving in Congress, Scalise served in the Louisiana state Senate briefly in 2008 and in the Louisiana House of Representatives from 1995 until 2007. A New Orleans native, Scalise worked as a software engineer and marketing executive before beginning his career in politics, a job that he held during almost all of his tenure in the Louisiana state house, according to The Washington Post. He graduated from Louisiana State University with a degree in computer science in 1989. In 2014, Scalise was at the center of controversy after reports he had spoken to a gathering of white supremacists in 2002. Republicans defended Scalise amid the controversy. Scalise was easily reelected to his seat in November, and represents one of the most conservative districts in Louisiana, which includes the suburbs of New Orleans. -- This feed and its contents are the property of The Huffington Post, and use is subject to our terms. It may be used for personal consumption, but may not be distributed on a website.

14 июня, 01:00

Canada Seeks to Take Advantage of US Political Disarray

  Canada’s Tech Firms Capitalize On Immigration Anxiety In The Age Of Trump   For years, Canada’s tech industry has watched in frustration as Microsoft and Google hired the country’s top computer science grads for high-paying jobs in Seattle and Silicon Valley. Now Canada believes it has found a new way to lure American and… Read More The post Canada Seeks to Take Advantage of US Political Disarray appeared first on The Big Picture.

12 июня, 18:42

ICYMI: Ivanka Trump Previews the Trump Administration’s Workforce Development Week on Fox News’ “Fox and Friends”

“So last week… was infrastructure week. Focusing on the commitment to rebuilding this country, rebuild[ing] rural locations, which have fallen into great disrepair, repair[ing] our waterways, air traffic control. So there were a series of very important and big and far reaching initiatives on infrastructure. This coming week is about workforce development. … Ultimately, we are really focused on why the American people elected Donald Trump as their president.”  – Ivanka Trump Click to Watch IVANKA TRUMP: “So last week, while it didn't get the level of headlines, it will ultimately have a much more impact, was infrastructure week. Focusing on the commitment to rebuilding this country, rebuild rural locations, which have fallen into great disrepair, repair our waterways, air traffic control. So there were a series of very important and big and far reaching initiatives on infrastructure. This coming week is about workforce development. So with all the noise, with all the intensity of the media coverage….ultimately, we are really focused on why the American people elected Donald Trump as their president.” AINSLEY EARHARDT, FOX NEWS: “People say jobs, jobs, jobs. That's why you, your dad, the Secretary of Labor--You are going to Wisconsin tomorrow to visit with kids taking classes at technical schools?” TRUMP: “We are visiting one of the great examples of skilled based learning and skills based education technical schools in Wisconsin--which we are very excited about--to talk about the skills gap and to really highlight the fact that there is a viable path other than a four year college experience. … There are 6 million available American jobs. …[W]e're constantly hearing from CEOs that they have job openings but they don't have workers with the skill set they need to fill those jobs. Really bridging that gap and bringing experienced based education to the forefront. So apprenticeship, actually, that's the model. STEVE DOOCY, FOX NEWS: “Something your dad knows it well.” TRUMP: “He knows it very well! And it has worked throughout the world and it is something we deemphasized here in favor of four year traditional college, but they don't have to be mutually exclusive.” DOOCY: “As somebody who has run her own business, this something personal to you. I'm sure there have been situations where we love to hire people but we can't find the people who have the right skill set.” TRUMP: “It’s true, and while it's not a woman's issue, it disproportionately affects women and minorities, especially when you think out into the future where the available jobs today and [where] the future jobs are coming from. A lot of … them are in STEM-related fields, science, engineering, computer science.” DOOCY: “So teach them today for the jobs of tomorrow?” TRUMP: “…[W]omen are, for example, … 47% of the overall workforce, we only make up 23% of STEM-related occupations. So, we're moving in the wrong direction in terms of our participation and that's something ultimately we need to change. We’ll encourage … K-12, but also retraining for workers whose jobs have been displaced. So we have a huge emphasis on it this week. It's critically important and I think we can make a very big impact.” … TRUMP: “Yeah, and we need the full participation. So many people are also working jobs that are part time, and it's an enormous problem in this country. The number of part-time workers who are working two and three jobs that, collectively, they are making less than when they worked one job that's been replaced. And they don't have access to leave for vacation to holidays, to traditional benefits. So that's another problem we are very much looking address.”

09 июня, 19:17

 Жан Понс, Ecole Normale Superieure: Мы решили базовые проблемы развития компьютерного зрения, но до широких индустриальных применений еще далеко

По подсчетам MarketsandMarkets, глобальный рынок систем компьютерного зрения (подробнее об их работе  - в материале Forbes)  к 2020 году пройдет отметку в около $12,5 млрд, показывая ежегодный рост в более чем 9%.  Аналитики компании Tractica сравнивают технологии компьютерного зрения с новичком-«квотербеком», который принес своей команде победу в чемпионате и, очевидно, принесет ей новые кубки и медали. Сегодня технологии компьютерного зрения  (все те, которые позволяют машинам  получать изображения объектов реального мира, интерпретировать их и принимать автономные решения на основе полученных данных) позволяют «видеть» промышленным роботам, первым беспилотным автомобилям, охранным системам и, например, «виртуальным примерочным», с которыми начинают экспериментировать ритейлеры. О том, как нейросети сделали компьютерное зрение одним из самых перспективных направлений искусственного интеллекта,  как машины учатся распознавать окружающую реальность, Forbes поговорил с исследователем Жаном Понсом. Понс, автор трех книг по компьютерному зрению (самая известная,  «Компьютерное зрение: современный подход», переведена на русский язык), профессор МIT и глава лаборатории computer science парижской Ecole Normale Supérieure, приехал на несколько дней в Москву на саммит «Машины могут видеть», организованный VisionLabs,  венчурным фондом Sistema_VC и «Стрелкой». Исследовательская группа Понса работает над тремя задачами. Во-первых, это разработка систем для «понимания» изображений и видео. Для этого нужно «узнать» объекты (например, отличить банан от собаки), действия (пьет ли человек воду или улыбается), элементы интерьера или экстерьера (скажем, фонари или шторы), а также научить систему «ориентироваться» — узнавать стены, улицы,небо и т.д. Во-вторых, группа Жана развивает решения для формирования 3D-изображений и моделирования  сцен. Такие системы ученые отдают, например, археологам, ведущим раскопки в Помпеях, и голливудским режиссерам — для спецэффектов и постпродакшн. Третье направление работы — восстановление изображений и видео, когда первоначальные данные повреждены или очень «зашумлены». Понс ведет исследования совместно с   исследователями других групп в использовании алгоритмов машинного обучения, рассказывает Понс. Например, распознавание естественного языка может повысить качество распознавания видео: например, идентификацию  смеха в видео сделать легче, если система определяет в качестве признака и звук, и положение рта. Пока системы компьютерного зрения определяют: на картинке — кошка, и для нее это только набор буквенных символов. Но вскоре мы сможем научить машины понимать, что «кошка» — это мяукающее существо на четырех лапах, прогуливающееся по двору. Работа исследователей машинного обучения именно с разными типами данных приведет нас к эре семантического анализа видео, уверен Понс. — Каковы достижения  технологий компьютерного зрения в последние годы?  Об их прогрессе много говорят, вспоминая, например, то, как соцсети научились идентифицировать пользователей по загруженным фото или то, как в нашу жизнь вошли жестовые интерфейсы и автономные автомобили. — Технологии искусственного интеллекта в целом переживают вторую волну развития в течение последних десяти лет. С 1960-х  они проходили взлеты и падения. На какое-то время дискуссии затихали, потом возобновлялись снова.  Но именно в последнее десятилетия мы видим огромное расширение возможностей их применения. В этом смысле то, как оценили достижения, например, Mobileye (компания разрабатывает хардверные  и софтверные решения для беспилотников, приобретена Intel за $15 млрд — Forbes) показательно. Безусловно, компании в сфере рекламных технологий и соцсети тоже внесли вклад: теперь многие из загруженных в Facebook или Instagram фотографий попадают в выборку  для обучения нейронных сетей. Системы анализируют снимки с Google Street View, спутниковые данные, информацию с камер в городах. То, что так быстро растет база изображений и видео для «тренирововк»  действительно способствует успехам компьютерного зрения. Но все же основные проблемы развития технологий все еще остаются в академическом поле. Мы имеем дело с научными проектами, а не столько со все новыми задачами, выдвигаемыми бизнесом для создания все новых готовых решений.   Мы решили базовые проблемы развития компьютерного зрения, но до широких индустриальных применений еще далеко. Корпорации открывают R&D-лаборатории, они вынуждены работать пока над исследовательскими проектами, а не сугубо коммерческими продуктами. — Что можно считать индикатором столь быстрого прогресса систем компьютерного зрения? — Если сопоставить то, что они умеют сейчас, и что они умели десять лет назад, мы увидим колоссальный рост сложности решаемых задач. В то время машины могли различать только общие контуры, разделить фон и объект. Теперь они умеют идентифицировать  объекты разных классов в очень многодетальных  изображениях. Например, теперь у нас есть методы обнаружения лиц, распознавания движений тех или иных черт лица. К тому же, сообщество разработчиков  вводит «бенчмаркинг» — количественные критерии по точности и качеству распознавания, которые устанавливают в качестве требований для прохождения тестов различные исследовательские группы.   — Какие проблемы все еще предстоит решить? — Сегодня системы компьютерного зрения используют в основном обучение с учителем. Такой подход предполагает, что для распознавания образов машины получают изображения или кадры видео, уже размеченные людьми. Нейросеть получает «правильный ответ»: действительно ли на фото, например, собака или банан, как она предположила. Далее система учитывает, верно ли она сделала вывод, — и переходит к новому фото.  Сегодня сотни тысяч изображений  предварительно вручную обрабатываются людьми — обычно с привлечением краудсорсинга. Поэтому масштабировать такой процесс сложно: нужно будет все больше людей и все больше времени. Это сдерживающий фактор для многих областей потенциального применения компьютерного зрения. Есть два пути его преодоления. Во-первых, нужно активнее развивать методы машинного обучения без учителя. Тогда системы научатся принимать решения полностью самостоятельно. Тогда мы сможем все увеличивать объем  обрабатываемых изображений, фактически он будет безлимитным.  Во-вторых, можно работать с метаданными фотографий и видео. Мы пошли во многом по второму пути и смогли перейти на обучение с частичным привлечением учителя. В этом случае мы даем добровольцам размечать только ограниченный набор изображений (в нашем примере-  около 2000) и впоследствии уже автоматически соотносим отдельные объекты. Постепенно, за счет эффективных алгоритмов, система учится все лучше и лучше устанавливать связи между объектами, изначально названными людьми, и образами.  В целом, все еще остается «вызовом»  развитие все более качественных алгоритмов для глубинного обучения и их все более  «результативных тренировок», это все еще «открытая территория». К тому же, многое предстоит сделать в разработке систем для распознавания трехмерных объектов. Сегодня большинство исследователей сосредоточены на  распознавании визуальных образов в работе с фотографиями, на повышении детализации. Но многие забывают, что мы воспринимаем мир объемно, поэтому нам нужно учить машины не сводить картинки, а «видеть» объемно.   — Технологии компьютерного зрения выходят из стен академических институтов на рынок, компании от Microsoft до Facebook открывают подразделения для работы с ними. Как  научное сообщество работает с бизнесом? — Могу сказать, что с машинным зрением активно работают не только интернет-корпорации, которые хотят улучшить в том числе качество поиска по изображениям, но и  игроки в сфере hardware  - например, Intel и Qualcomm. Но все компании все еще не могут проводить полностью самостоятельные исследования, большинство значимых научных результатов выходят из академической среды. У меня встречи с представителями тех или иных компаний примерно  раз в неделю —  кто-то спрашивает о сотрудниках для своих подразделений, кто-то хочет заказать разработки. Мы часто отправляем в лаборатории корпораций студентов и аспирантов, а вот браться за многие задания я не могу — не хватает ресурсов сотрудников, хотя  я продолжаю давать консультации. Уверен, корпорации могут использовать наши наработки, финансировать новые исследования, привлекать кадры. Я не рисую радужной картинки, это искренняя оценка: взаимодействие науки и бизнеса очень «здоровое». Кстати, к нам обращаются и стартапы. Работа моей небольшой команды (около 20 человек) уже дала жизнь четырем стартапам. Интересно то, что они не просто взяли наши готовые разработки для коммерциализации, а использовали наши глубокие базовые знания технологий компьютерного зрения, объединившись со студентами, и запустили проекты с собственными идеями. Например, одна из наших разработок для археологии стала основой для рыночного продукта. Это очень вдохновляет. Я думаю, что и дальше стартапы, инвесторы и ученые будут работать совместно. На мой взгляд, хотя венчурный капитал сосредоточен в Кремниевой Долине, перспективные стартапы будут появляться и в Европе — по крайней мере, во Франции я вижу для начинающих компаний в этой сфере много возможностей работы с инкубаторами, с частными инвесторами.  Но все же они будут продолжать работать с академическими институтами — именно здесь сосредоточены люди, глубоко понимающие технологии. — В каких сферах технологии машинного зрения сегодня применяются наиболее эффективно? Где вы видите перспективы наиболее серьезных прорывов с точки зрения внедрений? — Я ученый и, пожалуй, не смогу прогнозировать скорость внедрения этих технологий в тех или иных отраслях.  Я могу отметить, что, безусловно, мы живем  в  век умных машин и если мы хотим, чтобы они все активнее входили в жизнь, мы должны научить их восприятию. Одной из серьезнейших задач, безусловно, будет интегрировать   компьютерное зрение в автономные роботизированные системы для «дикой среды». Я имею в виду, что пока мы тренируем системы компьютерного зрения, например, для промышленных роботов — мы можем учить их в условиях, которые при моделировании максимально приближаем к тем, что они встретят, скажем, на той или иной фабрике. Создать же «тренировочный полигон» для систем компьютерного зрения для будущих роботов на улице будет намного сложнее.  Открытые пространства для машин означают очень широкий набор меняющихся параметров — разная погода, разные показатели видимости, разные шумы, разные городские ландшафты.  Нам еще предстоит разработать системы, способные подстраиваться одновременнно под самую разную обстановку.