Выбор редакции
07 декабря, 00:39

[Перевод] [Инфографика] Как искусственный интеллект показан в научной фантастике

Как говорится, важнейшим из искусств обмана для нас является кино. Однако, когда имеем дело с научной фантастикой, человеческое воображение частенько зрит в верном направлении, особенно, если речь о футурологических прогнозах. Происходящая революция, связанная с искусственным интеллектом, тотально меняет нашу жизнь. Но, оказывается, мы размышляли об этом задолго до. Читать дальше →

Выбор редакции
06 декабря, 19:14

Нейросеть научили распознавать речь по губам при помощи алгоритма распознавания записи голоса

Hal 9000 прекрасно читал по губам, правда, по-английски Нейросети сейчас умеют многое, и постепенно их обучают все большему количеству умений. На днях стало известно о том, что объединенная команда исследователей из США и Китая смогла обучить нейросеть распознавать речь по губам с высокой степенью точности. Добиться этого удалось благодаря дополнительному элементу — алгоритму распознавания речи по аудиозаписям. Далее алгоритм использовался в качестве обучающей системы уже для второго алгоритма, который распознавал речь по видеозаписям. Читать дальше →

Выбор редакции
06 декабря, 18:33

[Из песочницы] Пять причин почему ИИ не сможет заменить людей, а сделает нас только лучше

Привет, Хабр! Представляю вашему вниманию перевод статьи «f5 Reasons AI Won’t Replace Humans… It Will Make Us Superhuman». Многие говорят, что ИИ с немыслимой скоростью забирает у нас работу. Заменит ли искусственный интеллект людей и создаст ли он неизбежный мировой кризис и породит безработицу? Не думаю, ведь человечество умеет выживать и преуспевать в реальном мире … разве нет? Когда охота и собирательство были нашими единственными потребностями, развитие сельского хозяйства не ознаменовало конец света, а лишь стало одним из многих кирпичиков громоздкой башни человеческой эволюции. Мы адаптировались и развивались. Промышленная революция не привела к апокалиптическому росту безработицы. Напротив, люди создали больше рабочих мест и заново себя переосмыслили с помощью достижений технологий. Появление интернета, экономики и знаний не лишило нас работы. Напротив, каждое из этих нововведений сделало нас более продуктивными, и мы потеряли лишь несколько категорий труда. Технологии и инновации облегчают нашу жизнь и помогают нам лучше выполнять свою работу. Это как раз то, что ИИ приготовил для нас. Он сделает нас эффективнее, по сути, сверхлюдьми. Читать дальше →

Выбор редакции
06 декабря, 16:54

Поговорим о жизни? Команда DREAM о соревновании Alexa Prize Socialbot Challenge 3

В июне этого года компания Amazon опубликовала шорт-лист конкурса Alexa Prize Socialbot Grand Challenge 3. Из 375 заявок комитет Alexa Prize отобрал 10 финалистов, в том числе единственную из России команду МФТИ. Эти счастливчики — команда DREAM. Ребята являются сотрудниками лаборатории нейронных систем и глубокого обучения МФТИ. Но как продвигается работа, и над чем трудится команда DREAM? Слева на право: Идрис Юсупов, Диляра Баймурзина, капитан команды Юрий Куратов, Денис Кузнецов, Дмитрий Карпов, Ле Ань, руководитель Михаил Бурцев. Читать дальше →

Выбор редакции
06 декабря, 11:50

[Из песочницы] Почему нам везде хочется видеть золотое сечение? Попытка (неудачная) эволюционного анализа при помощи нейросетей на C++

Недавно я задался вопросом: связано ли как-то наше желание везде видеть золотое сечение с какими-то сугубо культурными вещами, или же в этом скрыта какая-то более глубокая закономерность, связанная с устройством нашего мозга? Чтобы разобраться в этом вопросе, я решил сделать несколько вещей: Сформулировать конкретную гипотезу относительно данной закономерности. Я решил, что лучше всего подойдёт предположение, что наш мозг использует систему счисления, основанную на разложении чисел на степени золотого сечения, так как некоторые её особенности очень близки работе примитивных нейросетей: дело в том, что степени золотого сечения более высокого порядка можно разложить бесконечным числом способов в суммы степеней менее высокого порядка и даже отрицательных степеней. Таким образом, более высокая степень как бы «возбуждается» от нескольких низших степеней, тем самым проявляя то самое сходство с нейросетью. Описать конкретный способ её проверки: я выбрал мат. моделирование эволюции мозга посредством случайных изменений в простейшей возможной нейросети — матрице линейного оператора. Составить критерии подтверждения гипотезы. Моим критерием было то, что система счисления, основанная на золотом сечении, реализуется на нейросетевом движке при тех же объёмах информации с меньшим числом ошибок, чем двоичная. Так как речь идёт о программировании, опишу поподробнее второй и третий пункты. Читать дальше →

Выбор редакции
05 декабря, 10:00

PeopleBlending: создаём Science Art с помощью когнитивных сервисов и небольшого количества креативности

  • 0

Я верю в то, что не только красота спасёт мир, но ещё и междисциплинарность. Поскольку моя дочь любит искусство, а я люблю программировать — я часто присматриваюсь к пересечению этих областей, которое можно назвать генеративным искусством (generative art), и которое является частью Science Art. В этой статье я хочу поделиться результатами одного креативного эксперимента по рисованию портрета, из которого родилась техника Cognitive People Blending: Glass Girl, 2019 Vickie Rotator, 2019 Эти портреты создавались из нескольких фотографий, наложенных друг на друга таким образом, чтобы глаза совпадали — при этом основные черты лица подчеркиваются, фон размывается, и получается любопытный смешанный портрет. Такое безусловно можно сделать в PhotoShop, но это мучительно, и не оставляет места для быстрых экспериментов с разными фотографиями. Ниже я покажу, как такие портреты можно создавать автоматически с помощью когнитивных сервисов Microsoft и небольшого количества креативности. Вы сможете найти весь рассматриваемый мною код в этом репозитории, и сразу начать использовать его с помощью Azure Notebooks. Если вдруг Вы создадите шедевры в этом жанре — пожалуйста, ссылайтесь на Cognitive People Blending. Читать дальше →

Выбор редакции
05 декабря, 08:55

Julia и дистрибутивная семантика

  • 0

С момента выхода прошлой публикации в мире языка Julia произошло много интересного: Она заняла все первые места в плане роста вспомогательных пакетов. За это я и люблю статистику — главное выбрать удобную единицу измерения, например проценты как в приведенном ресурсе Вышла версия 1.3.0 — из самых масштабных нововведений там модернизация менеджера пакетов и появление многопоточного параллелизма Джулия заручается поддержкой Nvidia Американский департамент перспективных исследований в области энергетики выделил кучу денег на решение задач оптимизации В то же время заметен рост интереса со стороны разработчиков, что выражается обильными бенчмаркингами: Международное энергетическое агенство проверяет пакеты реализующие многомерную оптимизацию Датасаянтисты тестят работу с GPU Ни капли не предвзятые ребята сравнивают интеграторы для дифуров А энтузиасты сравнивают языки на базовых задачах. Мы же просто радуемся новым и удобным инструментам и продолжаем их изучать. Сегодняшний вечер будет посвящен текстовому анализу, поиску скрытого смысла в выступлениях президентов и генерации текста в духе Шекспира и джулиа-программиста, а на сладкое — скормим рекуррентной сети 40000 пирожков. Читать дальше →

Выбор редакции
03 декабря, 15:40

Бот на нейросетках: как работает и учится виртуальный ассистент

В 2016 году на пике популярности чат-ботов наша команда делала кнопочных помощников для бизнеса. Пока не пришла мысль поинтереснее: «А что, если автоматизировать клиентскую поддержку нейронными сетями?». Нам хотелось, чтобы роботы в чатах наконец научились понимать естественный язык и стали удобными. Потребовалось четыре математика, шесть месяцев запойной работы, один новый язык программирования и много ошибок — и мы создали конструктор, в котором каждый может собрать виртуального ассистента с ИИ. В материале мы расскажем Чем виртуальный ассистент отличается от обычного чат-бота Правда ли, что виртуальные ассистенты понимают язык Как мы научили робота понимать контекст и написали язык lialang Проверка кейсами: как мы автоматизировали поддержку в трёх банках Создание Lia Platform и движка для интерфейсов Три шага: как работает платформа для сборки виртуальных ассистентов (где собрать робота может любой, даже не-программист) Читать дальше →

Выбор редакции
03 декабря, 11:03

Искусственный интеллект, ITSM и в общем-то причём тут LEAN?

  • 0

Вместо предисловия или откуда щупальца LEAN Пару лет назад мой коллега рассказывал, как работает LEAN в нашем подразделении Сервис Деска. Но как-то умолчал, что LEAN работает у нас во всех сервисных проектах, а не только в Сервис Деске. В целом LEAN очень полезный инструмент поиска зон улучшений в процессах работы, и что важно – это хороший командообразующий инструмент. Читать дальше →

Выбор редакции
02 декабря, 17:27

Ищем аномалии и предсказываем сбои с помощью нейросетей

Промышленная разработка программных систем требует большого внимания к отказоустойчивости конечного продукта, а также быстрого реагирования на отказы и сбои, если они все-таки случаются. Мониторинг, конечно же, помогает реагировать на отказы и сбои эффективнее и быстрее, но недостаточно. Во-первых, очень сложно уследить за большим количеством серверов – необходимо большое количество людей. Во-вторых, нужно хорошо понимать, как устроено приложение, чтобы прогнозировать его состояние. Следовательно, нужно много людей, хорошо понимающих разрабатываемые нами системы, их показатели и особенности. Предположим, даже если найти достаточное количество людей, желающих заниматься этим, требуется ещё немало времени, чтобы их обучить. Что же делать? Здесь нам на помощь спешит искусственный интеллект. Речь в статье пойдет о предиктивном обслуживании (predictive maintenance). Этот подход активно набирает популярность. Написано большое количество статей, в том числе и на Хабре. Крупные компании вовсю используют такой подход для поддержки работоспособности своих серверов. Изучив большое количество статьей, мы решили попробовать применить этот подход. Что из этого вышло? Читать дальше

Выбор редакции
02 декабря, 15:17

Архитектура современных систем объектовой видеоаналитики. Процесс становления или укоренившиеся со временем изъяны?

Текущий год – это ралли среди различных систем распознавания и детекции объектов от различных вендоров. Новые устройства для исполнения нейронных сетей: FPGA, VPU, многоядерные процессоры с VNNI и многое другое предлагается от разработчиков аппаратной части. Параллельно наблюдается рост числа доступных топологий, а также готовых предобученных сеток. Детекция инцидентов, ДТП, подсчет пассажиропотоков, построение половозрастных портретов, распознавание эмоций и многое другое сегодня доступно для разработчиков. И все было бы хорошо, если бы не замысловатый «Time to market» (быстрее, быстрее на тот самый рынок, где деньги и если не мы первые, то точно не успеем), следствием которого мы видим на выходе слабо (читай – сложно, дорого) поддерживаемые монструозные системы All-in-one. А ведь параллельно существуют архитекторы (люди), виртуализация (подходы), способы автоматизации процессов, системы контроля состояний и параметров устройства или их множества. Но ввиду сжатых сроков, это опускается и появляются те самые, описанные выше, монстры. И да, задача «быстрее в рынок», часто бывает достигнутой. Но основная ошибка на начальном этапе заключается в том, что после достижения первичных целей сегодня, требования к скорости дополнения и развития решений будут только усугубляться. Рынок-то растущий, система несовершенна и требует развития, а не шага назад и переработки proof of concept в промышленное решение. И на этом этапе проверка гипотезы уходит в продакшн. Читать дальше →

Выбор редакции
02 декабря, 14:30

NLU по-русски_ ELMo vs. BERT

В данной статье речь пойдет о машинном обучении как части искусственного интеллекта. ИИ во многом подразумевает под собой разговорную составляющую, ведь общение – то, что делает нас людьми. Соответственно, если мы будем делать системы, которые могут нас понимать, отвечать на наши слова, мы в какой-то степени приблизимся к разработке искусственного интеллекта. Однако это все теория на грани философии. Давайте перейдем к практике. Читать дальше →

Выбор редакции
01 декабря, 23:43

«Ты узнаешь ее из тысячи...» или классифицируем изображения с веб-камеры в реальном времени с помощью PyTorch

Вот бывает же в жизни такое. Сидишь себе не шалишь, никого не трогаешь, починяешь примус, а тут из этого примуса, из телевизора, да и вообще из каждого утюга, до тебя доносится: «нейронные сети, глубокое обучение, искусственный интеллект, цифровая экономика…». Я — человек, а значит существо любопытное и алчное . В очередной раз не удержался и решил узнать на практике, что такое нейронные сети и с чем их едят. Как говориться: «Хочешь научиться сам — начни учить других», на этом я перестану сыпать цитатами и перейдем к делу. В данной статье мы вместе с вами попробуем, решить задачу, которая как оказалось будоражит не только мой ум. Не имея достаточных фундаментальных знаний в области математики и программирования мы попробуем в реальном времени классифицировать изображения с веб-камеры, с помощью OpenCV и библиотеки машинного обучения для языка Python — PyTorch. По пути узнаем о некоторых моментах, которые могли бы быть полезны новичкам в применении нейронных сетей. Вам интересно сможет ли наш классификатор отличить Arduino-совместимые контроллеры от малины? Тогда милости прошу под кат. Читать дальше →

01 декабря, 12:50

Дайджест новостей машинного обучения и искусственного интеллекта за ноябрь

Привет, Хабр! Продолжаю фильтровать для вас большое количество источников и подписок, и сегодня собрал все наиболее значимые новости из мира машинного обучения и искусственного интеллекта за ноябрь. Не забудьте поделиться с коллегами или просто с теми, кому интересны такие новости. Для тех, кто не читал дайджест за октябрь, можете прочесть его здесь. Итак, а теперь дайджест за ноябрь: 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 16. 17. 18. 19. 20. 21. 22. 23. 24. 25. 26. 27. 28. Бонус! 29. 30. На этом наш короткий дайджест подошел к концу. Не пропускать статьи и новостные дайджесты вам поможет подписка на мой Телеграм-канал Нейрон, а также подписка на мой аккаунт на Хабре, не пропускайте следующих дайджестов. Всем знаний!

Выбор редакции
30 ноября, 22:07

[Из песочницы] Чипы Intel Myriad X и их масштабируемость в инференсе нейронных сетей

Нейростики Intel NCS2, чипы Myriad X, решения сторонних производителей — компания Intel продвигает решения на базе Myriad X в самых различных вариантах. Чем же так хороши эти ускорители? Во-первых, стоимостью одного FPS. Во-вторых, полной совместимостью с OpenVINO, где можно перенести существующие решения с CPU/GPU на стик или MyriadX без их доработки или дополнительной адаптации. Конечно же, адаптация это не особенность VPU, а, скорее, особенность OpenVINO, где каждая обученная сеть может работать на любой выбранной аппаратной платформе, будь то CPU, GPU, FPGA, VPU и выбор может быть сделан не до разработки, а после. Читать дальше →

30 ноября, 03:19

Ли Седоль уходит из большого го из-за AlphaGo. Как это понимать?

В понедельник 25 ноября южнокорейский мастер игры го 9 дана Ли Седоль рассказал в интервью, что он больше не будет участвовать в профессиональных соревнованиях. В качестве главной причины для завершения своей спортивной карьеры Седоль называет появление систем компьютерного го, которые играют лучше любого из людей. Даже если стать лучшим, всё равно будет нечто, что никогда не превзойти, говорит Седоль. За пределами кругов поклонников го Ли Седоль получил известность благодаря играм против системы AlphaGo, разработанной компанией Google DeepMind. Программы по го из-за своих особенностей долгое время не удавалось оптимизировать так, чтобы компьютеры могли обыгрывать людей. В 2016 году британская DeepMind провела матч из пяти партий, в котором один из лучших людей — Седоль — проиграл до этого малоизвестной программе. С той игры прошли три года. За это время улучшенная версия AlphaGo обыграла другого человека-чемпиона, DeepMind выпустила несколько научных работ по нейросети и рассказала о системе AlphaZero, а потом, кажется, потеряла любой интерес к проекту. Лишь сейчас Седоль решил оставить го. Есть ли для его решения другие причины? О развитии систем компьютерного го и причинах поступка Ли Седоля мы поговорили с 7-кратным чемпионом Европы по го, действующим чемпионом России и членом президиума Российской федерации го Александром Динерштейном. Читать дальше →

Выбор редакции
29 ноября, 20:36

Итоги недели: у Google успехи с ИИ, но не ладится со Stadia, Дурова вызвали в суд, фермеры тестируют VR

Итоги прошедшей недели на Хабре. В этом дайджесте — самые важные, интересные и громкие события, о которых мы говорили с 22 по 29 ноября. В Google разработали «объяснимый» ИИ, Stadia все никак не взлетит, а Translator Toolkit скоро закроется. Ученые, возможно, близки к очень надежным накопителям на основе сегнетоэлектрических конденсаторов, дисплеи Visionox можно свернуть в рулон, а в Сети нашли Elasticsearch-сервер с 1,2 млрд записей в открытом доступе. В США Дурова вызвали в суд, в России определили максимальную сумму штрафа за хранение данных юзеров за пределами страны, а Samsung обновит 30 моделей смартфонов до Android 10. Читать дальше →

29 ноября, 11:23

ок.tech: Data Толк #4 новогодний выпуск

Если вспомнить практику анализа данных 10 лет назад и сравнить её с тем, что есть сейчас, то станет очевидно —за это время Data Science проделал гигантский путь. Компьютерное зрение, рекомендательные системы, большие данные, искусственный интеллект — в 2010 эти слова использовались в основном только передовыми ИТ-компаниями. Никто не мог представить, что всего лишь за 10 лет эти технологии изменят мир. Каким бы был Netflix без рекомендательной системы? Кто будет подсказывать какие сериальчики смотреть по вечерам. Или Apple music, в котором вам ничего не рассказывают про новые альбомы в стиле христианский блэк-метал? Только подумайте сколько времени займет выдача кредита без применения скоринговой системы? Представьте себе YouTube, который ничего не показывает в разделе «Рекомендованные видео». Хотя… при таком сценарии я бы больше спал, а не смотрел смешные видосы про котов до 3-х часов ночи. Мир ждет, что водителей заменят беспилотные автомобили, хотя в 2010 это было научной фантастикой. Да чего там, Tinder подбирает пары на основе алгоритмов машинного обучения, люди женятся, у них рождаются дети, если призадуматься, то окажется, что фактически это дети искусственного интеллекта Sic. Мы многим обязаны Data Science, поэтому 16 декабря в московском офисе Одноклассников соберемся и вместе с коллегами из OK, Сбербанка, VK и X5 Retail Group проведем ок.tech: Data Толк #4 новогодний выпуск. Поговорим про итоги года и десятилетия в области анализа и обработки данных. Какой была индустрия раньше, что она представляет сейчас и какие сюрпризы нас ждут в будущем, когда Илон Маск заменит людей огромными человекоподобными роботами. Ответы на все эти вопросы вы получите на нашем мероприятии. Приходите! Будет полезно, интересно и весело! Зарегистрироваться на мероприятие. Под катом вас ждут описания докладов и расписание. Читать дальше →

Выбор редакции
29 ноября, 10:00

[Перевод] IntelliSense на основе ИИ для вашего кода

Visual Studio IntelliCode использует машинное обучение, чтобы делать полезные, контекстно-насыщенные предложения по дополнению кода при его написании, что позволяет быстрее изучать API и код. Хотя базовая модель IntelliCode была обучена на более чем 3000 лучших репозиториях C# на GitHub с открытым исходным кодом, она не включает в себя все кастомные типы из вашего кода. Для создания полезных, высокоточных, контекстно-насыщенных предложений модель необходимо адаптировать к уникальным типам или API-интерфейсам, специфичным для предметной области, которые не используются в открытом исходном коде. Для этого можно обучить модель на вашем коде. Ранее в этом году мы расширили возможности обучения модели ML и вывели их за пределы первоначальной обученной базовой модели с Github, чтобы вы могли персонализировать предложения IntelliCode путем создания моделей, обученных на вашем собственном коде.. Читать дальше →

Выбор редакции
27 ноября, 23:45

[Перевод] Как стать Data Scientist в 2019 году

Data Scientist — это эксперт по аналитическим данным, который обладает техническими навыками для решения сложных задач, а также любопытством, которое помогает эти задачи ставить. Эти специалисты несут основную ответственность за преобразование данных в Результативные идеи с помощью самостоятельно созданных прогностических моделей и специального анализа в соответствии с требованиями компании. Другими словами, быть Data Scientist — чрезвычайно важная работа в нынешнем веке данных. Настолько, что статья в Harvard Business Review даже назвала ее (и это побуждает стать одним из них!).«Самой сексуальной работой 21-го века»(и это побуждает стать одним из них!). И также не повредит тому, что работа Data Scientist очень хорошо окупается при средней зарплате 1022 тыс. в год. Именно поэтому эта статья является полным руководством для того, чтобы стать Data Scientist в 2019 году. Это дорожная карта, которой вы можете следовать, если хотите узнать больше о Data Science. Но все еще существует большая путаница между различиями в роли Data Analyst и Data Scientist, поэтому мы начнем с этой статьи и перейдем к другим темам, таким как требования к образованию и требования к навыкам, чтобы стать специалистом в этой области. Читать дальше →

17 сентября, 10:00

Человеческие винтики ИИ

О втором дне "самообучающихся" искусственных интеллектов от крупных технологических компаний.Человеческие винтики ИИМы уже неоднократно затрагивали тему разрушения привычного стабильного трудоустройства глобальным рынком, которое иногда называют гигономикой, равно как и то, что за вывеской «искусственный интеллект» часто скрывается каторжный труд малооплачиваемых работников из стран победнее, выполняющих рутинные операции, пока еще недоступные машине. В последнее время нам на глаза попалось сразу несколько новостей по этой тематике, одна из которых объединяет темы интеллектуальных чернорабочих и непостоянного трудоустройства.Стартап Engineer.ai предлагал заказчикам мобильное приложение, которое всего за час для них сделает искусственный интеллект. Компании удалось собрать $30 млн инвестиций. Выяснилось, что большая часть работ выполняется вручную — с помощью программистов из Индии. Это они ускоренно пишут код для приложения, а не ИИ. Единственное, что делают алгоритмы — распределяют задачи между сотрудниками. За несколько лет работы стартап так и не собрал датасет для обучения нейросети. Также в компании не хватает специалистов, которые бы создавали алгоритмы, поскольку искать их — долго и дорого. В конце концов, зачем нужен ИИ, если есть дешевая рабочая сила?Использование дешевого человеческого труда для выполнения заданий, с которыми плохо справляются компьютерные алгоритмы, или для рутинной работы по обучению этих алгоритмов, не ограничивается мелкими малоизвестными стартапами. Интернет-гиганты, старающиеся охватить собой все стороны человеческой жизни, также используют тысячи неизвестных миру работников для этих же целей, причем интенсивность эксплуатации там оказывается ничуть не меньше, а то и больше. И ряды этих интеллектуальных чернорабочих, как оказалось, вовсе не ограничиваются жителями Индии.AmazonКогда вы в следующий раз зададите вопрос Алексе, голосовому помощнику от Amazon, ваш голос, возможно, пролетит через полмира и окажется в индийском городе Ченнаи, где живые работники в поте лица трудятся над улучшением ответов искусственного интеллекта.На протяжении девятичасовых смен сотрудники стенографируют аудиозаписи, сортируют слова и фразы на категории и оценивают ответы цифрового помощника Amazon. Это лишь один из множества таких центров Amazon по всему миру, где «специалисты по данным» подготавливают миллионы фрагментов разговоров для обучения ИИ Алексы.Один бывший сотрудник описывает свою работу там как «неумолимую». Ему приходилось обрабатывать примерно 700 вопросов к Алексе в день, в условиях жестких показателей того, сколько времени должна занимать обработка одного вопроса. Каждый день сотрудникам демонстрировались данные об их результативности, и за время его пребывания на этой должности целевые показатели все время росли. Работа была довольно монотонной, но ее объем и темпы приводили к умственному истощению, так что он в конечном итоге уволился. С его слов:Невозможно каждый день работать в темпе машины. Система выстроена таким образом, чтобы ты выкладывался на 100% в каждый миг рабочего дня. Для человека это невозможно.С точки зрения пользователей, цифровые помощники, поисковые машины и социальные сети выглядят волшебством, однако их бесперебойная работа зависит от целых армий живых сотрудников, чей вклад часто остается незамеченным. Технологии, воплощенные в цифровых помощниках, выглядят впечатляюще, но они основаны на огромном объеме монотонного труда людей, зачастую в весьма далеких странах.Большая часть этой работы заключается в обучении алгоритмов, на которых покоится состояние крупнейших компаний Кремниевой долины, или заполнении пробелов там, где машинам пока еще тяжело работать. Эта работа часто крайне монотонна и скрыта от глаз потребителей: маркирование данных для обучения ИИ, модерирование сетевого контента, верификация онлайн-списков или тестирование.Хотя представители Amazon и заявляют, что «большинство специалистов по данным являются полноправными сотрудниками Amazon, получающими достойную заработную плату и значительный соцпакет», очень много этого невидимого труда по поддержанию интернет-сервисов, которыми мы пользуемся каждый день, выполняется фрилансерами или людьми на повременных договорах, работающих в компаниях, специализирующихся на аутсорсинге. И существование таких работников куда менее стабильно.Это явление все чаще становится предметом обсуждения. В мае 2019 года антрополог Мэри Грей и Сиддхарт Сури, специалист из области компьютерных наук, дали ему название. По словам Грей, которая совмещает работу в Microsoft Research и Гарвадском университете, их книга «Призрачный труд» посвящена не каким-то конкретным профессиям, а самому видоизменению трудоустройства:Любой проект или задача, которая может быть хотя бы отчасти передана, управляема и проверяема посредством сетевой платформы в наше время может выполняться людьми на краткосрочных контрактах из любой точки земного шара, в которой есть доступ к интернету.Хотя работа «специалистов по данным» из Amazon имеет многие из признаков, отличающих «призрачную работу» ото всей прочей — прежде всего, ее невидимость для окружающих — Грей утверждает, что их книга в основном посвящена независимым подрядчикам, которые выполняют львиную долю такой работы. Очень много ее делается при помощи платформ вроде Amazon Mechanical Turk или Figure Eight — онлайн-бирж труда, где компании могут разбить необходимую им работу на мелкие фрагменты и подряжать людей на их выполнение за фиксированные суммы.YouTube (Google)Когда YouTube рекомендует кому-либо видео, он использует искусственный интеллект, который нужно обучать — чем занимается, например, Марк Кэтт. Марк, сорокашестилетний мужчина из Портленда, штат Орегон, США, работает «механическим турком» с 2013 года. Ему пришлось искать новую работу, поскольку его больная спина не позволяла ему больше работать на его предыдущей должности — обслуживать большое офисное оборудование вроде копировальных машин, принтеров и прочего.Ему нравится гибкий график, который позволяет ему проводить больше времени с детьми, а также использование своих навыков программирования, при помощи которых он ускоряет выполнение рутинных задач. Однако, Кэтт говорит, что не мог бы прокормить семью, если бы не имел возможности жить со своей матерью. Он работает пять часов в день, зачастую семь дней в неделю, и старается зарабатывать 40 долларов США в день — немного выше минимального размера оплаты труда там, где он живет. Это еще очень хорошая ставка для «механического турка» — проведенное в 2018 году исследование показало, что в среднем такие работники зарабатывают примерно 2 доллара в час.Так, по его словам:Я не думаю, что этот труд высоко ценится. Мне даже кажется, что большинство людей даже не догадываются, что их данные обрабатывают живые люди. Сервисы, с которыми люди взаимодействуют каждый день — YouTube, Pinterest, разные приложения по обмену фотографиями — за кулисами прибегают к услугам «механических турок» чтобы обрабатывать и модерировать данные.По мнению Лилли Ирани, ассоциированного профессора Калифорнийского университета в Сан-Диего, которая изучает цифровой труд, это не случайность. Вместо того, чтобы напрямую общаться с работниками, заказчики на платформе Mechanical Turk создают задания при помощи программного интерфейса, примерно как если бы они писали набор инструкций для компьютера. Платформа специально разработана, чтобы замаскировать человеческий труд и позволить заказчикам проще обманывать себя и мнить себя программистами, а не управленцами:Многие из крупных технологических компаний, да и в целом культура компьютерных наук, очень сильно завязаны на производство «технологической магии». Mechanical Turk от Amazon — это то место, куда можно спрятать людей, необходимых для производства этой «магии».Среди инженеров и программистов бытует мнение, что эти работники — всего лишь временное решение, пока ИИ не может их заменить. Это неизбежно обесценивает такой труд. Инвесторы также склонны поддерживать бизнес, основанный на легко масштабируемой технологии, а не громоздкой рабочей силе, которая будет требовать нормальных рабочих мест и достойной оплаты труда.FacebookДаже когда речь не идет о безликих подрядчиках-фрилансерах, технологические компании частенько держат своих «кочегаров» на расстоянии вытянутой руки. Например, Шон Спигл модерировал графический контент для Facebook, но формально был трудоустроен в компании по аутсорсингу из г. Тампа, Флорида.За 15 долларов в час он был вынужден продираться через поток графического контента, в том числе содержащего пытки животных, детскую порнографию и смерть, но правила работы заставляли его смотреть эти видео целиком, даже если он уже их видел раз 30. По его словам, ежедневные необъяснимые и произвольные изменения правил приводили к тому, что психологически травмирующий материал часто так и оставался опубликованным. Он не имел права напрямую обращаться к правоохранительным органам, чтобы сообщить о совершенных преступлениях, записанных на видео, и ему ничего не говорили по поводу судьбы материалов, которые он отправлял «наверх», в команду, которая должна была заниматься подобными вопросами.Я однозначно чувствовал себя просто винтиком огромной машины. У меня никогда не появлялось впечатления, будто я действительно кому-то помогаю.Спигл также утверждает, что компания периодически увольняла большое число работников вне зависимости от качества их работы. Он пережил две такие чистки до того, как почти 90% из тех, кто работал на его этаже, были уволены в один день. По слухам, после серьезных изменений в правилах Facebook, начальство решило, что проще набрать и обучить с нуля новых работников, чем переобучать старых.Нестабильность — неотъемлемая черта «призрачного труда». В отличие от другой работы в «гигономике», типа водителей для Uber, она невидима для потребителей и не привязана к определенным местам, утверждает Марк Грэхем, профессор интернет-географии Оксфордского университета. Это означает, что работники вынуждены конкурировать друг с другом на «всепланетном рынке труда», где оплата и условия работы сильно различаются.Даже более стабильные случаи такой работы находятся в весьма шатком положении, потому что у нее мало барьеров, которые препятствовали бы ее переведению в места с более дешевой рабочей силой, если в ее нынешнем месте вдруг повысится минимальная оплата труда или будут приняты какие-то новые законы.Грей считает, что в интересах каждого бороться с этими тревожными тенденциями в трудоустройстве, потому что «рано или поздно они придут и за тобой»Современная «экономика услуг» вознаграждает компании, которые быстро переключаются с проекта на проект, и все большие объемы интеллектуального труда выполняются подрядчиками и фрилансерами, часто нанимаемыми через платформы типа Upwork или Fiverr. Частью этой проблемы является то, что законы о труде в большинстве стран — там, где они вообще что-то значат — все еще построены вокруг постоянного трудоустройства с фиксированным восьмичасовым рабочим днем. Распространяющиеся же из «гигономики» практики трудоустройства с легкостью обходят эти ограничения, что делает работников практически беззащитными и бесправными.Как мы в очередной раз можем убедиться, современная отрасль информационных технологий, которую ее пиар-менеджеры и журналисты часто пытаются подать как некое торжество прогресса и новшеств, освобождающих человека от рутинного труда «старой» экономики, на самом деле покоится на огромных объемах этого же самого рутинного труда, не слишком заметного для конечных пользователей.Подобно промышленным рабочим полтора столетия назад, интеллектуальные чернорабочие XXI века служат придатком машины, выполняя операции, которые слишком сложны для нее. Они получают за свой труд гроши и им постоянно угрожает перспектива быть замененным более дешевым трудом из другой страны или просто стать ненужными из-за прогресса технологий, которому они же сами и помогают.Дальнейшее развитие современной социально-экономической системы в отсутствие массовой, по-настоящему глобальной борьбы за интересы трудящихся будет все больше ухудшать ситуацию на рынке труда, заставляя все более широкие слои населения соперничать друг с другом за право до изнеможения выполнять малооплачиваемые задания работодателей на платформах «краудсорсинга» просто для того, чтобы выжить. Таково будущее наёмного труда в рамках существующей системы. Тому, кто не хочет мириться с таким вариантом развития событий, остается лишь одно — бороться за другое будущее, за общество, основанное на качественно других принципах.https://prometej.info/chelovecheskie-vintiki-ii/ - цинкИнтересно, где сидят лица отвечающие за козла Фрэнка?

10 декабря 2017, 12:00

Нейросеть победила сильнейшую шахматную компьютерную программу

Да, я еще помню, как все следили за компьютерной программой DeepBlue, которая победила чемпиона мира Гарри Каспарова. Многие тогда не верили, что какой то алгоритм сможет победить хитрость и ум человека. И вот спустя 20 лет, в шахматах грянула новая революция!Алгоритму AlphaZero, разработанному Google и DeepMind, хватило всего четырех часов игры с самим собой, чтобы самостоятельно синтезировать шахматные знания человечества за полтора тысячелетия и достичь уровня, который не только превосходит людей, но и позволяет громить чемпионов среди компьютерных алгоритмов.Все блестящие хитрости и утонченности, которые программисты использовали для создания шахматных движков, были отправлены на свалку истории, отмечает портал Chess24.com.Нейросеть победила сильнейшую шахматную компьютерную программу Stockfish 8 в ста партиях, не проиграв ни одной. Играя белыми, AlphaZero добилась 25 побед при 25 ничьих. Без преимущества первого хода ей удалось выиграть три партии при 47 ничьих. Итого в ста играх нейросеть одержала 28 побед, сведя остальные 72 вничью.Как утверждают разработчики, AlphaZero достигла этого уровня всего через четыре часа после того, как в нее были загружены только базовые правила игры в шахматы, без дополнительных сведений о тактике, алгоритмах и дебютах.В отличие от традиционных шахматных программ, AlphaZero выбирает ход не за счет перебора возможных вариантов, а применяя собственные алгоритмы, выработанные при самообучении. Для сравнения: AlphaZero рассматривала 80 тысяч позиций за секунду, тогда как Stockfish — до 70 миллионов.Ранее детище DeepMind потратило два часа на постижение сеги (японские шахматы) и за восемь часов научилась безупречной игре в го.По мнению компании-разработчика, в будущем подобные нейро-алгоритмы смогут решать важные исследовательские задачи, включая разработку новых лекарств и материалов.источникиhttp://www.newsru.com/sport/08dec2017/deep.htmlА я уже вам рассказывал искусственный интеллект обыграл людей в покер и как Искусственный интеллект победил человека в Го

28 июня 2017, 14:38

Что стоит за скандалом вокруг TELEGRAM?

Скандал между Роскомнадзором и владельцем мессенджера Телеграм Павлом Дуровым все больше приобретает черты политической интриги. Сдается, что это тот случай, о котором говорят: когда кошка похожа на кошку, мяукает как кошка и ходит как кошка, то похоже, это кошка и есть.В пятницу 23 июня в пятницу Роскомнадзор внезапно заявил о возможной блокировке Telegram в случае отказа создателей мессенджера регистрироваться в качестве организатора распространения информации (ОРИ). Стоит вспомнить, что еще в мае тот же Роскомнадзор называл не более чем «обычными слухами» намерение ведомства внести мессенджер в реестр ОРИ. Как известно, согласно законодательству РФ, все организаторы распространения информации обязаны хранить данные российских пользователей их ресурсов на территории страны в течение одного года, предоставляя спецслужбам по первому требованию доступ к архивам.И вдруг Александр Жаров, глава Роскомнадзора и кандидат медицинских наук, заявил о том, что Telegram будет заблокирован уже через несколько дней, если Павел Дуров не выполнит требование Роскомнадзора зарегистрировать свой мессенджер. Что же случилось? Одна из основных версий — сообщение ФСБ о том, что Telegram использовался террористами. В частности, при подготовке теракта в метро Санкт-Петербурга. Мой личный источник в силовых структурах подтверждает эту информацию, и у меня нет причин нему не доверять.Террористы довольно умело используют не только мессенджеры, но даже онлайн - чаты в компьютерных играх для передачи зашифрованных сообщений. Об это я недавно говорил в интервью программе «Тайны Чапман» на РЕН ТВ. Видимо, после столь резонансных заявлений спецслужб глава Роскомнадзора Александр Жаров и изменил свое отношение к Telegram .Он заявил, что Павел Дуров «последовательно демонстрирует правовой нигилизм», подвергая риску жизни миллионов человек. С его мнением согласен советник президента по интернету Герман Клименко: «С WhatsApp мы хотя бы ведём диалог. С Google мы разговариваем — они начали платить НДС. Youtube блокирует видео. Есть определённая борьба, но мы находимся в диалоге. А позиция Дурова совершенно анархичная — „я не буду“, и всё. Мне бы хотелось самому остаться пользователем Telegram, но — будет запрещено, значит, будет запрещено».Жаров даже попытался объяснить «простыми словами» свою позицию:«Информация внутри Telegram шифруется, и проникнуть в нее мгновенно при отсутствии ключей для дешифрации этой информации ни одной спецслужбе еще не удавалось — это очень сложно. И, соответственно, нежелание господина Дурова предоставить ключи от этой информации всем спецслужбам мира — насколько я знаю, это так — позволяет террористам по-прежнему безнаказанно убивать людей с использованием этого канала коммуникаций».Справка:Александр Жаров в 1987 году окончил Челябинский медицинский институт по специальности «врач-анестезиолог и реаниматолог». Кандидат медицинских наук. В январе 2004 года в Федеральном научном центре гигиены имени Ф. Ф. Эрисмана защитил кандидатскую диссертацию на тему «Медико-гигиенические основы формирования здорового образа жизни в Российской Федерации». В 2006 году закончил юридический факультет Российской академии государственной службы при президенте России.В декабре 2013 года сообщество «Диссернет» опубликовало результаты своей экспертизы текста кандидатской диссертации Александра Жарова. Было выявлено, что из 145 проанализированных страниц диссертации 52 её страницы частично или полностью заимствованы без ссылок на источники из двух государственных докладов «О санитарно-эпидемиологической обстановке в Российской Федерации» за 1998 и 2002 годы, подготовленных департаментом госсанэпиднадзора Минздрава России.Павел Дуров не согласился с мнением Жарова относительно предоставления «ключей для дешифрации»: «Это требование не только противоречит 23-й статье Конституции РФ о праве на тайну переписки, но и демонстрирует незнание того, как шифруется коммуникация в 2017 году».Дуров заявил, что в его мессенджере используется так называемое оконечное шифрование и что доступ к дешифровке сообщений есть только у пользователей, которые хранят ключи на своих компьютерах и мобильниках.Таким образом, у компании Дурова, если верить его словам, нет возможности дать спецслужбам доступ к приватным чатам Telegram.Справка:Оконечное (абонентское) шифрование позволяет обеспечивать конфиденциальность данных, передаваемых между двумя прикладными объектами. Другими словами, отправитель зашифровывает данные, получатель - расшифровывает. Такой способ имеет следующие особенности:-защищенным оказывается только содержание сообщения: вся служебная информация остается открытой;-никто кроме отправителя и получателя восстановить информацию не может (если используемый алгоритм шифрования достаточно стоек);-маршрут передачи несущественен, в любом канале информация останется защищенной;-для каждой пары пользователей требуется уникальный ключ;-пользователь должен знать процедуры шифрования и распределения ключей.Дуров также считает, что «открытие» Telegram для спецслужб или блокировка мессенджера не поможет в борьбе с террористами: «Потенциальная блокировка Telegram никак не усложнит задачи террористов и наркодилеров — в их распоряжении останутся десятки других мессенджеров, построенных на оконечном шифровании (+VPN). Ни в одной стране мира не заблокированы все подобные мессенджеры или все сервисы VPN. Чтобы победить терроризм через блокировки, придется заблокировать интернет».Откровенно говоря, в экспертном сообществе нет сомнений, что более-менее опытный хакер может без особого труда взломать личные шифры пользователей любого мессенджера и проникнуть в тайны приватных переписок их пользователей. Мне приходилось слышать и такое мнение, что глобальная система американской электронной разведки «Эшелон» может читать и читает практически все, что захочет в любой стране мира. Именно поэтому самые секретные решения правительства и спецслужб РФ записываются на устаревших морально и физически пишущих машинках, а не на компьютерах. Кстати, современные технологии позволяют украсть информацию даже с компьютера, не подключенного к сети, просто в течении нескольких минут записав его излучения с помощью простейшего устройства. Система искусственного интеллекта «Палантир», обслуживающая американскую контрразведку, анализирует данные, полученные «Эшелоном» и вычисляет практически любые намерения террористов. Ни в одной стране мира не систем, сравнимых с «Эшелоном» и «Палантиром». В том числе и в России. Видимо, поэтому российские силовики и чиновники борются с террористами столь импульсивно, чередуя благодушие с внезапными вспышками супербдительности. Ну, ведь любому грамотному инженеру известно, что всевозможные мессенджеры используются не только законопослушными гражданами, но злоумыщленниками. Но почему-то в странах Запада мессенджеры никто не запрещает. Не так давно суперпопулярный во всем мире мессенджер WhatsApp так же, как и Telegram, включил оконечное шифрование для более чем миллиарда своих пользователей. Нужно сказать что само по себе шифрование сообщений не является гарантией конфиденциальности. Чтобы переданные сообщения не прочитал никто посторонний, их нужно удалять сразу после прочтения. А если телефон попадет в чужие руки, то его можно разблокировать и получить доступ ко всей информации. Telegram, кстати, имеет функцию «самоуничтожения», при активации которой сообщения автоматически удаляются через установленный пользователем промежуток времени. Кстати, в Telegram оконечное шифрование не работает по умолчанию, его нужно включать специально.Порыскав немного по интернету, я убедился, обратившись к вездесущим хакерам, за небольшие деньги можно получить доступ к тайнам частных лиц. Вот, например, такое объявление:«Распечатка СМС (WhatsApp,Viber) от 300р. Детализация звонков 300р. Пробить номер 300р. Гарантия! Реальные доказательства! Оплата по факту».Выскажу свое личное мнение: доступ к тайнам переписки любых, даже самых зловещих террористов грамотные силовики могут получить, даже не получив легального доступа к ключам шифрования тех или иных информационных ресурсов. Но это хлопотно и накладно, если речь не идет о единичном перехвате.Кроме того, не все силовики грамотны. О чиновниках и говорить не приходится, достаточно познакомиться с биографией того же Жарова. Кстати, вчера глава Роскомнадзора еще раз изменил свою позицию в отношении Telegram:«Никакой речи о том, что будет доступ к переписке пользователей, не идет». «Вопрос только об одном — о пяти идентификаторах, которые мессенджер должен сообщить в Роскомнадзор, они официально будут внесены в реестр распространения информации. На этом точка», — сказал глава Роскомнадзора.То есть, Павел Дуров уже не правовой нигилист, который рискует судьбами миллионов человек? И нашим спецслужбам уже не нужен доступ к переписке террористов?Вспоминаются слова героя известной кинокомедии:«Когда вы говорите, Иван Васильевич, создается впечатление, что вы бредите». У меня создается впечатление, что Роскомнадзору действительно что-то нужно от Павла Дурова. Но что это, возможно, не знает и сам Роскомнадзор. Что не удивительно, честно говоря.Таким образом, налицо какая-то громко мяукающая «кошка», то бишь политическая интрига, шифровальные ключи от которой нам покамест недоступны.Предположу, что речь идет просто о том, чтобы собрать все книги, то бишь мессенджеры, да и сжечь. А интернет вообще – отключить.Не удивлюсь, если это и есть та самая «кошка», о которой я упомянул в самом начале. Как законопослушный гражданин и неплохой аналитик, я заглядываю в не столь отдаленную перспективу и готовлю каменный резец, чтобы высекать свои беспристрастные заметки на скалах.Ну что ж, и в мезозое люди жили. Владимир Прохватилов, житель сетиhttp://argumentiru.com/politics/2017/06/466754

02 июня 2017, 01:01

Главный секрет Искусственного Интеллекта: никто не знает как он работает

В прошлом году на тихих дорогах Монмут-Каунти, штат Нью-Джерси, появился странный беспилотный автомобиль. Экспериментальный аппарат, разработанный Nvidia, внешне не отличался от других автономных автомобилей, но тем не менее не был похож на то, что продемонстрировали Google, Tesla или General Motors. Автомобиль не выполнял инструкции инженеров или программистов. Вместо этого он полностью полагался на алгоритм, который учился водить, наблюдая, как человек делает это.Научить автомобиль вести себя подобным образом было внушительным достижением. Однако тревогу вызывает то, что непонятно машина принимает решения. Информация от датчиков автомобиля поступает прямо в огромную сеть искусственных нейронов, которые обрабатывают данные, а затем доставляют команды, необходимые для управления рулевым колесом, тормозами и другими системами. Результат, кажется, соответствует реакциям, которые вы ожидаете от человека-водителя. Но что, если однажды он сделает что-то неожиданное, например, врежется в дерево или заглохнет на зелёном? На данный момент трудно будет понять почему. Система настолько сложна, что даже инженеры, разработавшие её, испытывают сложности в установлении причин отдельных действий. И вы не можете спросить её: нет очевидного способа создать такую ​​систему, чтобы она всегда могла объяснить, почему она сделала то, что она сделала.Таинственный ум этого автомобиля свидетельствует о надвигающейся проблеме. Базирующаяся в автомобиле технология искусственного интеллекта, известная как глубокое обучение, оказалась очень эффективной при решении проблем за последние годы, и она широко применяется для таких задач, как распознавание изображений, голоса и языковой перевод. Сейчас есть надежда, что такие же методы смогут диагностировать смертельные болезни, принимать решения в торговле на миллионы долларов и делать бесчисленное множество других вещей для преобразования целых отраслей.Но этого не произойдёт — или не должно произойти — если мы не найдём способы сделать такие методы, как глубокое обучение, более понятными их создателям и подотчётными пользователям. В противном случае будет трудно предсказать, когда могут произойти сбои, а они неизбежны. Это одна из причин, по которой автомобиль Nvidia все ещё экспериментален.Уже сейчас математические модели используются для определения того, кто заслуживает условно-досрочного освобождения, кто достоин получения кредита, а кого следует взять на работу. Если бы вы могли получить доступ к этим математическим моделям, можно было бы понять их рассуждения. Но банки, военные, работодатели и другие теперь обращают внимание на более сложные подходы, которые могут сделать автоматизированное принятие решений совершенно непостижимым. Глубокое обучение — наиболее распространённый из этих подходов, представляет собой принципиально иной путь программирования компьютеров. «Эта проблема уже актуальна, и в будущем она будет гораздо более актуальной», — говорит Томми Яаккола, профессор Массачусетского технологического института, который работает над приложениями машинного обучения. «Неважно инвестиционное ли это решение, медицинское или, возможно, военное, вы не захотите просто полагаться на метод из «чёрного ящика».Уже существует аргумент по поводу того, что возможность допросить систему ИИ о том, как она пришла к своим выводам, является фундаментальным юридическим правом. Начиная с лета 2018 года, Европейский Союз может потребовать, чтобы компании давали пользователям объяснения решений, которые принимают автоматизированные системы. Это может быть невозможно даже для систем, которые кажутся относительно простыми, таких как приложения и веб-сайты, которые используют глубокое обучение для показа рекламы или рекомендации песен. Компьютеры, которые запускают эти службы, запрограммированы сами собой, и они делают это так, что мы не можем понять. Даже инженеры, которые строят эти приложения, не могут полностью объяснить их поведение.Это поднимает ошеломляющие вопросы. По мере развития технологии, мы, возможно, вскоре пересечём некоторый порог, за которым использование ИИ потребует большего доверия. Конечно, мы, люди, не всегда можем по-настоящему объяснить наши мыслительные процессы — но мы находим способы интуитивно доверять и оценивать поведение других людей. Будет ли это также возможно с машинами, которые думают и принимают решения иначе, чем мы? Человечество никогда раньше не строило машины, которые принимают решения неведомым даже их создателям образом. Насколько мы можем доверять разумным машинам, которые могут быть непредсказуемыми и непостижимыми? Эти вопросы отправили меня в путешествие к самому передовому краю исследований в области алгоритмов искусственного интеллекта, в ходе которых я посетит Google, Apple и многие другие места, а также встретился с одним из великих философов нашего времени.Художник Адам Феррисс создал это и следующее в статье изображение, с помощью программы Deep Dream, которая настраивает картинку так, чтобы глубокой нейронной сети было удобнее его распознавать. Изображения были получены с использованием слоя нейронной сети среднего уровняВ 2015 году исследовательская группа в больнице Маунт Синай в Нью-Йорке решила ​​применять глубокое обучение в обширной базе данных больницы о пациентах. Этот набор данных содержит сотни переменных, взятых из результатов тестирования, визитов к врачу и т. д. Полученная в результате программа, которую исследователи назвали Deep Patient, была обучена с использованием данных примерно 700 000 человек, а при тестировании на новых данных она оказалась невероятно хороша при прогнозировании болезни. Без какой-либо экспертной инструкции Deep Patient обнаружил шаблоны, скрытые в больничных данных, которые указывали на то, что люди находились на пути к широкому спектру заболеваний, включая рак печени. «Существует много замечательных методов прогнозирования заболеваний на основе записей пациента», — говорит Джоэл Дадли, возглавляющий команду Маунт Синай. Но, добавляет он, «Deep Patient просто потрясающ».В то же время Deep Patient немного озадачивает. Похоже, что он на удивление хорошо обнаруживает зарождение психических расстройств, таких как шизофрения. Но поскольку шизофрения, как известно, трудно поддаётся предсказанию для медиков, Дадли задался вопросом как это возможно. Он все ещё не знает. Новый инструмент не даёт представления о том, как он это делает. Если что-то вроде Deep Patient на самом деле собирается помочь врачам, в идеале он должен объяснить свой прогноз, дабы убедить их в том, что он является точным и оправдать, скажем, изменение в лекарствах, которые будут назначены. «Мы можем построить эти модели, — печально говорит Дадли, — но мы не знаем, как они работают».Искусственный интеллект не всегда был таким. С самого начала были две мыслительные школы которые спорили по поводу того, насколько понятным или объяснимым должен быть ИИ. Многие думали, что имеет смысл создавать машины, которые рассуждали по правилам и логике, делая их внутренний диалог прозрачным для любого, кто хотел бы изучить код. Другие считали, что интеллект будет легче проявляться, если бы машины будут черпать вдохновение в биологии и будут учиться, наблюдая и переживая. Это означало, что компьютерное программирование должно происходить у него в голове. Вместо написания команд программистом программа генерирует свой собственный алгоритм на основе данных примера и желаемого результата. Технологии машинного обучения, которые позже эволюционировали в самые мощные сегодня системы ИИ, следуют последнему пути: машина, по сути, сама программирует себя.Сначала этот подход имел ограниченное практическое применение, и в 1960-х и 70-х годах он оставался в основном ограниченным. Затем возобновился интерес к компьютеризации многих отраслей и появлению больших массивов данных. Это вдохновило разработку более мощных методов машинного обучения, особенно новых версий одной из них, известной как искусственная нейронная сеть. К 1990-м годам нейронные сети могли автоматически оцифровывать рукописные символы.Но только в начале этого десятилетия, после нескольких хитроумных ухищрений и уточнений, очень большие или «глубокие» нейронные сети продемонстрировали значительное улучшение автоматического восприятия. Именно глубокое обучение «виновно» в сегодняшнем росте возможностей ИИ. Оно дало компьютерам необычайные возможности, такие как способность распознавать произносимые слова почти так же хорошо, как и человек — слишком сложный навык, чтобы вручную обучить ему машину. Глубокое обучение трансформировало компьютерное зрение и значительно улучшило машинный перевод. В настоящее время оно используется для руководства всеми видами ключевых решений в медицине, финансах, производстве и за его пределами.Адам Феррис и DeepDreamРабота любой технологии машинного обучения по своей природе более непрозрачна даже для компьютерных специалистов, чем вручную написанная система. Это не значит, что все будущие техники искусственного интеллекта будут одинаково непознаваемы. Но по своей природе глубокое обучение — особенно глубокий чёрный ящик.Вы не можете просто заглянуть внутрь глубокой нейронной сети, чтобы увидеть, как она работает. Аргументация сети встроена в поведение тысяч смоделированных нейронов, расположенных в десятках или даже сотнях сложно взаимосвязанных слоёв. Каждый нейрон в первом слое получает вводную, как и интенсивность пикселя в изображении, а затем выполняет вычисление перед выводом нового сигнала. Эти выходные сигналы передаются в сложной сети нейронам следующего уровня и так далее, пока не будет получен общий результат. Кроме того, существует процесс, известный как back-propagation, который корректирует вычисления отдельных нейронов таким образом, чтобы сеть научилась производить желаемый результат.Множество уровней в глубокой сети позволяют распознавать вещи разной сложности абстракции. Например, в системе, предназначенной для распознавания собак, нижние слои распознают простые вещи, такие как контуры или цвет; более высокие слои распознают более сложные вещи, такие как мех или глаза; и уже самый верхний слой идентифицирует весь объект как собаку. Такой же подход может быть применён и к другим вводным, которые заставляют машину обучать себя: звукам, которые составляют слова в речи, буквам и словам, которые создают предложения в тексте, движениям рулевого колеса, необходимым для вождения.Использовались оригинальные стратегии, чтобы попытаться отследить и таким образом объяснить более подробно, что происходит в таких системах. В 2015 году исследователи из Google изменили алгоритм распознавания изображений на основе глубокого обучения, чтобы вместо того, чтобы определять объекты на фотографиях, он генерировал или изменял их. За счёт эффективного выполнения алгоритма в обратном порядке, они хотели обнаружить функции, которые программа использует для распознавания, скажем, птиц или зданий. Полученные изображения, созданные проектом, известным как Deep Dream, продемонстрировали гротескных инопланетных животных, появлявшихся из облаков и растений, радужные пагоды, цветущие среди лесов и горных хребтов. Изображения доказали, что глубокое обучение необязательно полностью непостижимо: алгоритмы основываются на знакомых визуальных функциях, таких как птичий клюв или перья. Но изображения также намекали на то, насколько глубокое обучение отличается от человеческого восприятия, и как оно интерпретирует артефакты, которые мы могли бы проигнорировать. Исследователи Google отметили, что когда его алгоритм генерировал изображения гантели, он также генерировал человеческую руку, удерживающую её. Машина пришла к выводу, что рука является частью вещи.Дальнейший прогресс был достигнут благодаря использованию идей, заимствованных из неврологии и когнитивной науки. Группа во главе с доктором из Университета Вайоминга Джеффом Клюном (Jeff Clune) использовала аналоговый эквивалент оптических иллюзий для тестирования глубоких нейронных сетей. В 2015 году группа Клюна продемонстрировала, как определённые изображения могут обмануть такую ​​сеть и заставить её воспринимать вещи, которых там нет, потому что изображения используют низкоуровневые шаблоны, которые ищет система. Один из сотрудников Clune, Джейсон Йосинский, также создал инструмент, который действует как зонд в мозге. Его инструмент нацелен на любой нейрон в середине сети и ищет изображение, которое активирует его больше всего. Изображения, которые появляются, являются абстрактными (представьте, что импрессионисты рисуют фламинго или школьный автобус), вынося на первый план таинственную природу способностей машины воспринимать вещи.Однако нам нужно больше, чем просто заглянуть в мышление ИИ, и простого решения нет. Именно взаимодействие вычислений внутри глубокой нейронной сети имеет решающее значение для распознавания образов более высокого уровня и принятия сложных решений, но эти вычисления являются паутиной математических функций и переменных. «Если бы у вас была очень маленькая нейронная сеть, вы могли бы её понять», — говорит Яаккола. «Но как только она становится очень большой и имеет тысячи единиц на слой при сотнях слоёв, тогда всё становится совершенно непонятным».В офисе рядом с Яакколой работает Регина Барзилай, профессор Массачусетского технологического института, которая намерена применять машинное обучение в медицине. Метод был удивительным сам по себе, но Барзилай был также встревожен тем, что современные методы статистического и машинного обучения не использовались для оказания помощи в онкологических исследованиях или для руководства по лечению пациентов. Она говорит, что ИИ обладает огромным потенциалом для медицины, но понимает, что этот потенциал будет означать выход за рамки одних лишь медицинских записей. Она предлагает использовать больше необработанных данных, которые, по её словам, в настоящее время недостаточно используются: «обработка изображений, данных патологии, всей этой информации».После того, как она закончила изучать лечение рака в прошлом году, Барзилай и её ученики начали работать с врачами в больнице Массачусетса, чтобы разработать систему, способную выявлять патологии и идентифицировать пациентов с определёнными клиническими характеристиками, которые исследователи могли бы хотеть изучить. Тем не менее, Барзилай понял, что системе необходимо будет объяснить свои аргументы. Итак, вместе с Яакколой и учеником она добавила шаг: система извлекает и выделяет отрывки текста, которые являются репрезентативными по найденному шаблону. Барзилай и её ученики также разрабатывают алгоритм глубокого обучения, способный обнаруживать ранние признаки рака молочной железы по изображениям маммограммы, и они направлены на то, чтобы дать этой системе некоторую способность объяснить ёе рассуждения. «Вам действительно нужно создать цикл, в котором машина и человек будут сотрудничать», — говорит Барзилай.Насколько хорошо мы можем поладить с машинами, которые непредсказуемы и непостижимы?Американские военные вкладывают миллиарды в проекты, которые будут использовать машинное обучение для пилотирования транспортных средств и самолетов, выявлять цели и помогать аналитикам просеивать огромные груды разведывательных данных. Здесь больше, чем где-либо ещё, даже больше, чем в медицине, мало места для алгоритмической тайны, и министерство обороны определило объяснимость как ключевой камень преткновения.Дэвид Ганнинг, менеджер программ в Агентстве перспективных исследований обороны, наблюдает за программой под названием Explainable Artificial Intelligence. Ветеран агентства, который ранее курировал проект DARPA, позднее переродившийся в Siri, Ганнинг говорит, что автоматизация примерима в бесчисленных военных областях. Аналитики тестируют машинное обучение как способ выявления закономерностей в огромных количествах шпионских данных. В настоящее время разрабатываются и тестируются многие беспилотные наземные транспортные средства и летательные аппараты. Но солдаты, вероятно, не будут чувствовать себя комфортно в роботизированном танке, который не будет им ничего объяснять, а аналитики будут неохотно работать с информацией без каких-либо рассуждений. «Часто характер этих систем машинного обучения приводит к появлению множества ложных тревог, поэтому аналитику Intel действительно нужна дополнительная помощь, чтобы понять, почему была сделана та или иная рекомендация», — говорит Ганнинг.В марте этого года DARPA выбрало 13 проектов из академических и промышленных кругов для финансирования по программе Ганнинга. Некоторые из них могли опираться на работу, возглавляемую Карлосом Гестрином, профессором Вашингтонского университета. Он и его коллеги разработали способ, позволяющий системам машинного обучения обосновывать свои результаты. По сути, в рамках этого метода компьютер автоматически находит несколько примеров из набора данных и даёт по ним короткое пояснение. Например, система, предназначенная для классификации сообщений электронной почты, поступающих от террориста, может обрабатывать миллионы сообщений при подготовке и принятии решений. Но, используя подход вашингтонской команды, она может выделить определённые ключевые слова в сообщении. Группа Гестрина также разработала способы для систем распознавания изображений, чтобы распознать их алгоритмы, выделив наиболее важные части изображения.Один из недостатков этого подхода и других подобных ему, состоит в том, что предоставленные объяснения всегда будут упрощены, что означает, что некоторые важные сведения могут быть потеряны на этом пути. «Мы не достигли мечты, согласно которой в ИИ беседует с нами и объясняет свои действия», — говорит Гестрин — «мы далеко от истинной интерпретации ИИ».Неясности не должно быть в ситуациях с высокими ставками, таких как диагностика рака или военные манёвры. Знание рассуждений ИИ также будет иметь решающее значение, если технология станет общей и полезной частью нашей повседневной жизни. Том Грубер, возглавляющий команду Siri в Apple, говорит, что объяснимость — это ключевое соображение для его команды, поскольку она пытается сделать Siri более умным и способным виртуальным помощником. Грубер не комментирует конкретные планы относительно будущего Siri, но легко представить, что если вы получите рекомендацию ресторана от Siri, то захотите узнать, на чём были основаны её выводы. Руслан Салахутдинов, директор отдела исследований ИИ в Apple и адъюнкт-профессор Университета Карнеги-Меллона, видит объяснимость в качестве основы эволюции отношений между людьми и интеллектуальными машинами. «Это приведёт к доверию» — говорит он.Так же, как многие аспекты человеческого поведения невозможно объяснить подробно, возможно, и для ИИ не получится объяснить все, что он делает. «Даже если кто-то может дать вам разумное объяснение [его или её действий], оно, вероятно, будет неполно, и то же самое может быть справедливо для ИИ», говорит Кьюн из Университета Вайоминга. «Это может быть только часть природы интеллекта, только часть доступна рациональному объяснению. Некоторые из них просто инстинктивны, или подсознательны, или непостижимы».Если это так, то на каком-то этапе нам, возможно, придётся просто довериться мнению ИИ или обойтись без его использования. Точно так же, как общество строится на контракте ожидаемого поведения, нам нужно будет проектировать системы ИИ, чтобы уважать наши социальные нормы и соответствовать им. Если мы хотим создавать роботизированные танки и другие машины для убийства, важно, чтобы принятие ими решений соответствовало нашим этическим суждениям.Чтобы исследовать эти метафизические концепции, я отправился в Университет Тафтса для встречи с Дэниелом Деннеттом, известным философом и ученым-когнитивистом, который изучает сознание и ум. Глава последней книги Деннетта «От бактерии до Баха и обратно», энциклопедического трактата о сознании, предполагает, что естественная часть эволюции самого интеллекта — это создание систем, способных выполнять задачи, которые их создатели не могут выполнить. «Вопрос в том, что нам нужно сделать, чтобы сделать наше детище разумным: какие стандарты мы требуем от них и от нас самих?» — говорит он мне в своем захламлённом кабинете в идиллическом университетском городке.У него также есть одно предупреждение. «Я думаю, что, если мы собираемся использовать эти вещи и полагаться на них, тогда давайте крепко задумаемся о том, как и почему они дают нам ответы, насколько это возможно», — говорит он. Но так как не может быть идеального ответа, мы должны быть так же осторожны в объяснениях ИИ – также, как и в человеческих обьяснениях — независимо от того, насколько умна машина. «Если она не может достичь успеха в обьяснении нам своей логики, — говорит он, — тогда не доверяйте ей».MIT Technology Review. Автор: Уйилл Кнайт, (с)

20 марта 2017, 23:30

Эпоха класса бесполезных

Историк Ювал Ноа Харари делает неожиданное предсказание: так же, как массовая индустриализация создала рабочий класс, революция ИИ создаст новый класс бесполезных.Возможно, самый важный вопрос экономики 21-го века: что делать со всеми лишними людьми, если у компаний высокоразвитые алгоритмы, которые могут делать почти все лучше, чем люди?Это совсем не новый вопрос. Люди давно опасаются, что механизация может привести к массовой безработице. Подобного не происходило никогда, потому что когда старые профессии становились неактуальными — появились новые, и всегда было что-то, что люди могли бы делать лучше, чем машины. Но это не закон природы, и ничто не гарантирует, что такая же ситуация сохранится в будущем. Идея о том, что люди всегда будут иметь уникальную способность недосягаемую для бессознательных алгоритмов — выдача желаемого за действительное. Нынешний научный ответ на эту несбыточную мечту можно резюмировать тремя простыми принципами:Организмы — это алгоритмы. Каждое животное, включая Homo sapiens, представляет собой совокупность органических алгоритмов, сформированных естественным отбором за миллионы лет эволюции.Алгоритмические вычисления не зависят от материалов, из которых построен калькулятор. Будь то счёты из дерева, железа или пластика, два бусины плюс два бусины равны четырём бусинам.Следовательно, нет оснований думать, что органические алгоритмы могут делать то, что неорганические алгоритмы никогда не смогут реплицировать или превзойти. Пока вычисления остаются в силе, какое значение имеют алгоритмы, состоящие из углерода или кремния?Истиной является то, что в настоящее время существует множество вещей, с которыми органические алгоритмы справляются лучше, чем неорганические, и эксперты неоднократно заявляли, что некоторые вещи «навсегда» останутся вне досягаемости неорганических алгоритмов. Но «навсегда» часто означает обозримый период не более десятилетия или двух. До недавнего времени распознавание лиц было любимым примером того, что легко даётся младенцам, но недоступно самым мощным компьютерам. Сегодня программы распознавания лиц способны идентифицировать людей гораздо эффективнее и быстрее, чем люди. В 2004 году профессор Франк Леви из Массачусетского технологического института и профессор Ричард Мурнайн из Гарварда опубликовали исследование о рынке труда, в котором перечислены те профессии, которые, скорее всего, будут автоматизированы. Вождение грузовика приводилось в качестве примера работы, которая в обозримом будущем не подвергнется автоматизации. Всего лишь 10 лет спустя Google и Tesla могут не только представить подобную технологию, но и фактически сделать такого водителя возможным.99 процентов человеческих качеств и способностей просто избыточны для большинства современных профессий.Фактически, со временем становится проще и проще заменять людей компьютерными алгоритмами не только потому, что алгоритмы становятся более умными, но и потому, что люди профессионализуются. Древние охотники-собиратели осваивали самые разнообразные навыки, чтобы выжить, поэтому было бы очень сложно спроектировать робота-охотника-собирателя. Такой робот должен был бы знать, как подготовить наконечники копья из кремния, уметь найти съедобные грибы в лесу, выследить мамонта, координировать охоту с десятком других охотников и использовать лекарственные травы для перевязки любых ран. Однако таксист или кардиолог специализируется в гораздо более узкой нише чем охотник-собиратель, что облегчает их замену на ИИ. Компьютер не приближается к человеческому существованию, просто 99 процентов человеческих качеств и способностей просто для выполнения большинства современных работ. Для искусственного интеллекта, дабы вытеснить людей с рынка труда, нужно лишь опередить нас в специфических способностях, которые требует конкретная профессия.Поскольку алгоритмы выталкивают людей с рынка труда, богатство и власть могут сосредоточиться в руках крошечной элиты, которая владеет всемогущими алгоритмами, создавая беспрецедентное социальное и политическое неравенство. Как альтернативный вариант, сами алгоритмы могут стать собственниками. Человеческое право уже признает интерсубъективные сущности, такие как корпорации, нации, «юридические лица». Хотя у Toyota или Аргентины нет ни тела, ни ума, они подчиняются международным законам, могут владеть землёй и деньгами, могут подать в суд или выступать в суде ответчиками. Скоро мы сможем присвоить подобный статус алгоритмам. Алгоритм сможет после этого владеть транспортной империей или венчурным фондом, не подчиняясь желаниям какого-либо человека. Прежде чем отвергнуть данную мысль учтите, что большая часть нашей планеты уже юридически принадлежит нечеловеческим интерсубъективным образованиям, а именно нациям и корпорациям. Так же, как 5000 лет назад большая часть Шумера принадлежала воображаемым богам, таким как Энки и Инанна.Так что же будут делать люди? Часто утверждается, что искусство даёт нам нашу замечательную, конкретно человеческую уникальность. Неужели в мире, где компьютеры заменят врачей, водителей, учителей и даже землевладельцев, все станут художниками? Однако трудно понять, почему художественное творчество защищено от нашествия алгоритмов. Согласно наукам о жизни, искусство не является продуктом какого-то заколдованного духа или метафизической души, а скорее плодом органических алгоритмов, распознающих математические модели. Если это так, то нет причин, по которым неорганические алгоритмы не могли бы справиться с такой задачей.Есть несколько безопасных видов работ: вероятность того, что алгоритмы заменят археологов — всего 0,7 процента.В XIX веке промышленная революция создала огромный городской пролетариат, и социализм получил широкое распространение, потому что никакому другому вероисповеданию не удалось ответить на беспрецедентные потребности, надежды и опасения этого нового рабочего класса. Либерализм в конечном счёте победил социализм, только приняв лучшие части социалистической системы. В XXI веке мы можем стать свидетелями создания огромного нового класса безработных: людей, лишённых какой-либо экономической, политической или даже художественной ценности, которые ничего не делают для процветания, власти и славы общества. Этот «бесполезный класс» не будет просто безработным — он будет неработоспособным.В сентябре 2013 года два исследователя из Оксфорда Карл Бенедикт Фрей и Майкл А. Осборн опубликовали работу «Будущее занятости», в которой исследовали вероятность того, что в течение ближайших 20 лет компьютерные алгоритмы подчинят себе различные профессии, и в результате установили, что 47 процентов рабочих мест в США подвергаются высокому риску. Например, существует 99-процентная вероятность того, что к 2033 году работники сферы телемаркетинга и страховые агенты потеряют свои рабочие места, а их заменят алгоритмы. 98 процентов составояет вероятность того, что то же самое произойдёт со спортивными судьями. Кассиры — 97 процентов. Шеф-повары — 96 процентов. Официанты — 94 процента. Параюристы — 94 процента. Туристические гиды — 91 процент. Пекари — 89 процентов. Водители автобусов — 89 процентов. Строительные рабочие — 88 процентов. Ассистенты ветеринаров — 86 процентов. Охранники — 84 процента. Матросы — 83 процента. Бармены — 77 процентов. Архивисты — 76 процентов. Плотники — 72 процента. Спасатели — 67 процентов. Есть, конечно, несколько рабочих мест, за которые не стоит переживать. Вероятность того, что компьютерные алгоритмы заменят к 2033 году археологов составляет всего 0,7 процента, поскольку их работа требует очень сложных типов распознавания образов и не приносит огромных прибылей, поэтому маловероятно, что корпорации или правительство сделают необходимые инвестиции для автоматизации археологии в рамках следующих 20 лет.Большинство из того, что дети в настоящее время изучают в школе, скорее всего станет неактуальным к тому времени, когда им исполнится 40.Конечно, к 2033 году, скорее всего, появится множество новых профессий — например, дизайнеры виртуальной реальности. Но такие профессии, вероятно, потребуют гораздо больше творчества и гибкости, чем текущие работы, и неясно смогут ли 40-летние кассиры или страховые агенты стать VR-дизайнерами (попытайтесь представить себе виртуальный мир, созданный страховым агентом!). И даже если они это сделают, темпы прогресса таковы, что в течение следующего десятилетия им, возможно, придётся снова переучиваться. В конце концов, алгоритмы могут превзойти людей в проектировании виртуальных миров. Главная проблема — не создание новых рабочих мест. Главная проблема заключается в поиске работ, которые люди выполняют лучше, чем алгоритмы.Так как мы не знаем, как рынок труда будет выглядеть в 2030 или 2040 году, сегодня мы не знаем, чему учить наших детей. Большинство из того, что они в настоящее время изучают в школе, скорее всего станет неактуальным к тому времени, когда им исполнится 40. Традиционно жизнь делится на две основные части: период обучения, а затем период работы. Очень скоро эта традиционная модель станет совершенно устаревшей, и единственным способом остаться в игре для людей будет условие постоянного обучения на протяжении всей их жизни, постоянное саморазвитие. Многие, если не большинство людей не смогут этого сделать.Предстоящее технологическое процветание, вероятно, сделает возможным обеспечение питания и жизнедеятельности людей без каких-либо усилий с их стороны. Но как обеспечить их занятость и удовлетворение? Одним из вариантов могут стать наркотики и компьютерные игры. Ненужные люди смогут тратить все больше времени в трёхмерном мире виртуальной реальности, что даст им гораздо больше эмоций чем грубая реальность улицы. Однако такое развитие событий нанесло бы смертельный удар по либеральной вере в святость человеческой жизни и человеческого опыта. Что свято для бесполезных бомжей, которые проводят свои дни, потребляя искусственные переживания?Некоторые эксперты и мыслители, такие как Ник Бостром (TED Talk: Что происходит, когда наши компьютеры станут умнее, чем мы?), предупреждают, что подобная деградация человечества маловероятна, ибо как только искусственный интеллект превзойдёт человеческий, то он может просто уничтожить его. ИИ, скорее всего, сделает это либо из опасения, что человечество отвернётся от него и попытается вытащить вилку из розетки, либо будет преследовать какую-то непостижимую цель. Ведь людям будет чрезвычайно сложно контролировать мотивацию системы, более умную, чем они сами.Даже предварительное программирование ИИ с кажущимися благими целями может иметь неприятные последствия. Один популярный сценарий представляет собой корпорацию, разрабатывающую первый искусственный суперинтеллект и дающую ему невинное задание, такое как вычисление числа пи. Прежде чем кто-либо поймёт, что происходит, ИИ захватит всю планету, уничтожит человеческую расу, запустит экспансию во все концы галактики и превратит всю известную вселенную в гигантский суперкомпьютер, который миллиарды и миллиарды лет будет вычислять число пи точнее и точнее. В конце концов, это божественная миссия, которую дал ему Творец.Материал — выдержки из книги Ювала Ноа Харари«Homo Deus: Краткая история будущего». Оригинал: TED

16 марта 2017, 21:34

Рэй Курцвейл: “Сингулярность наступит в 2029 году и сделает людей лучше”

Как только человечество выгрузит свое сознание в облако, нам не придется держать в уме лишнюю информацию. Новые области мозга начнут развиваться, люди станут умнее, талантливее и привлекательнее, прогнозирует футуролог и идеолог сингулярности Рэй Курцвейл. читать далее

19 февраля 2017, 22:42

Топ-100 бесплатных онлайн-курсов ведущих мировых университетов

Онлайн-образование продолжает набирать популярность ввиду своей практичности (можно не выходить из дома) и доступности (знания, за которые не нужно платить). Конечно, дипломы за прохождения курсов в интернете не дают, но в современном мире «корочка» — […]

11 февраля 2017, 08:17

Искусственный интеллект (Matrix has you)

Первая страна или организация, которые разработают прототип искусственного интеллекта второго уровня, - получают невероятные конкурентные преимущества во всех ключевых сферах человеческой жизни.Области применения ИИ самые различные:Автоматическая классификация текста, фото, аудио и видео. Например, алгоритм по паттернам анализирует коллекцию фото и в автоматическом режиме группирует в разделы «люди», «природа», «животные», «строения» и т.д. Или алгоритм, который автоматически в видео потоке находит вероятное соответствие определенной тематике с целью блокировки или чего-то еще, т.е. порно, сцены с насилием и экстремистского характера и прочее. Или анализ звуковой дорожки, чтобы найти элементы схожести, плагиата с лицензионными произведениями.Автоматический поиск и фильтрация информации по заданным условиям. Например, выборка и группировка по приоритету (с созданием развесовки) всей информации, которая может соответствовать террористическому характеру или определенным новостям, событиям. Активно применяется в поисковых системах и спецслужбами.Автоматическое создание типичного новостного контента, как правило примитивная обзорная аналитика в экономических и финансовых областях, созданная роботом.Создание развитых торговых алгоритмов на финансовых рынках для предсказания наиболее вероятного движения цен после анализа исторических паттернов.Анализ страховых случаев в пределах заданных условий. Вероятность страхового случая, исходя из экзогенных и эндогенных факторов.Медицинская диагностика. Предсказание риска заболевания, исходя из анализа опыта медицинской практики с классификацией причин заболевания после ввода расширенных кондиций пациента.Распознавание речи и перевод текста.Поиск и блокировка потенциальных вредоносных программ эвристическим методом, что активно применяется в передовых антивирусах.Разработка игрового искусственного интеллекта для игровых ботов (NPC, компьютерных противников).Разработка ИИ для оппонента человеку в шахматах, покере и любых других логических играх.Прогнозирование погоды.Высокоуровневый анализ потоков. Активно может применяться в анализе автомобильного трафика, чтобы грамотно калибровать светофоры и расширять дороги в соответствии с пропускной способностью и дорожной активностью: торговой активности, чтобы вовремя распределять товары на складах и полках магазинов, в ЖКХ, энергетике и т.д.Различные компьютерные собеседники и консультанты, чтобы заменить людей в call центрах.Многие другие виды и подвидыИскусственный интеллект условно можно подразделить на прототип первого, второго и третьего уровня.Искусственный интеллект первого уровня (ИИ 1) – это высокоразвитая алгоритмическая среда, позволяющая анализировать сверх большие массивы информации по заданным мат.моделям и критериям. ИИ первого уровня активно применяется в настоящее время среди различных государственных и корпоративных структур в областях, которые были указаны выше.Фактически, фундаментом ИИ 1 является высокоуровневый анализ паттернов, массивов данных и поиск соответствия с целью группировки, классификации, синтезирования информации и последующего прогнозирования. Есть спектр входных условий, есть формализованный накопленный исторический опыт, записанный машинным языком и есть развитый алгоритм анализа информации.В широком смысле ИИ 1 не является полноценным ИИ, т.к. это лишь комплекс жестко фиксированных скриптов и алгоритмом, которые написаны программистами и управляются операторами.Например, кто играл в компьютерные игры знает, что компьютерные противники достаточно тупы и предсказуемы, даже в современных ААА проектах. Это не является полноценным ИИ, а лишь набор скриптов, команд действия и взаимодействия с окружающей средой. Например, вы попали в поле зрения игрового бота, у которого программистом заданы весьма ограниченные действия (отойти, пригнуться, бежать, стрелять и т.д.), которые в свою очередь зависят от игрового окружения. Но компьютерный противник не действует самостоятельно, он не мыслит подобно человеку, а функционирует в строго отведенных границах. По сути, это набор скриптов, написанных на основе циклических процедур while..do или условных if...then.Искусственный интеллект второго уровня (ИИ 2) отличается от ИИ 1 тем, что:Способен действовать вне рамок заданных алгоритмов, скриптов программистов и без контроля оператора.Способен к эффективному анализу окружающей среды и само-эволюции, саморазвитию. Ключевое слово «само». Все существующие ИИ развиваются исключительно в допустимых границах человека и руками человека. Более совершенный ИИ способен модифицировать свои алгоритмы самостоятельно, обучаться без воздействия человека.Способен к коррекции ошибок и поиску оптимального пути развития.Если интегрировать все эти три условных различия, то ИИ 2 – это высокоразвитая компьютерная интеллектуальная среда, которая способна к автоматической модификации собственных алгоритмов через высокоэффективный механизм коррекции ошибок и оптимизации наилучшего вектора эволюции. Главной особенностью ИИ 2 является способность работы без участия оператора и программиста. Самомодифицирующиеся код. На данный момент это в большей степени футуризм, хотя уже существуют концепты ИИ 2 на основе нейронных сетей.В чем ключевое преимущество ИИ 2? Неограниченный и в каком-то роде пугающий потенциал к развитию и теоретическая способность к научно-исследовательскому потенциалу, т.е. созданию осмысленного контента.Сколько времени нужно для эволюции и образования человека до момента генерации научно-технический открытий? Как минимум 20 лет (от 5 до 25), но в среднем 30 лет. Сколько страниц научной литературы способен прочесть и осмыслить средний ученый за свою жизнь? 15-20 тыс? А сколько запомнить? 3-5%?А теперь представьте себе вычислительную производительность мега компьютеров, которые способны за секунду прорабатывать миллионы страниц текста и все досконально анализировать и запоминать. Это происходит сейчас, но тот накопленный груз информации просто «лежит» себе на электронных схемах и магнитных дисках. Потому что все эти мега массивы данных надо как-то структурировать, формализовать, синтезировать и анализировать. Проще говоря, все современные мега компьютеры просто не способны эту информацию анализировать и применять без человеческих мозгов.Собственно, к чему я веду? Развитая алгоритмическая база ИИ 2 и способность к эволюции вместе с чудовищной вычислительной производительностью и практически безграничной памятью создает невероятный плацдарм для сверх разума. Грубо говоря, тот научный путь, который проходит человек за свою жизнь - мега компьютер и ИИ 2 на его базе может пройти за доли секунды. Причем интенсивность обучения и развития ИИ 2 может идти по экспоненте, т.к. последующие итерации будут делать все меньше ошибок. Все это создает невероятный гипотетический и на данный момент теоретический потенциал для эволюции искусственного комплекса, который сделает сверхмощный рывок в исследовательской деятельности.И тут же появляется на горизонте прототип искусственного интеллекта третьего уровня (ИИ 3) или кибернетического организма.Когда темпы эволюции ИИ 2 станут настолько быстрыми и мощными, что ИИ приобретет функции самосознания и самоидентификации, тем самым наделяя ИИ 3 мотивационной составляющей и способностью самостоятельно принимать решения в рамках цельности (т.е. постановки целей и задач). Однако, это чрезвычайно обширная темпа для обсуждения, которая не поместится в рамках одной статьи.Тем не менее, что стоит знать? ИИ начального уровня уже активно применяется в многих сферах экономической, финансовой, игровой и разведывательной деятельности. Он уже есть, хотя представляет собой «лишь» комплекс высокоуровневых скриптов и алгоритмов, но не способен к эволюции и самостоятельной деятельности без операторов и программистов. Существуют определенные движения в нейро-сетях и созданию самообучающегося ИИ, которые находятся преимущественно на стадии концептов, не доведя даже до прототипов. Хотя некоторые примитивные образцы можно найти.Первые предметные упоминания об ИИ появились еще в середине 20 века, однако развитие началось лишь в 21 веке, т.е буквально недавно. Даже в 90-х они были в зачатке. Учитывая те темпы научно-технического прогресса, которые имеем, есть основания полагать, что прототип ИИ 2 может появиться к 2025 году. Дальнейшие события очень непредсказуемые. При определенных обстоятельствах ИИ 2 может за очень короткий период времени формализовать весь тысячелетний опыт человечества во всех областях науки, культуры и техники!! Но что будет дальше? Сейчас это пока из области научной фантастики, но и компьютеры и интернет тоже были фантастикой, даже в 80-е года 20 века! Даже поколение одно не прошло.

02 февраля 2017, 13:10

Управляемые компьютером хедж-фонды вышли в лидеры

Искусственный интеллект вновь демонстрирует свое могущество: хедж-фонды, которые используют алгоритмы, выходят в лидеры рейтингов эффективности, что, тем не менее, делает математиков и программистов главными компонентами успешного инвестирования

24 сентября 2016, 10:55

Еженедельная программа Вести.net от 24 сентября 2016 года

Подпишитесь на канал Россия24: https://www.youtube.com/c/russia24tv?sub_confirmation=1 Как поспорили Павел Дуров и Эдвард Сноуден? Куда еще пробрался искусственный интеллект? И почему главным событием крупнейшей выставки фото- и видеоаппаратуры, проводимой в Кельне аж с середины прошлого столетия, на этот раз стал относительно бюджетный квадрокоптер? Последние новости России и мира, политика, экономика, бизнес, курсы валют, культура, технологии, спорт, интервью, специальные репортажи, происшествия и многое другое. Официальный YouTube канал ВГТРК. Россия 24 - это единственный российский информационный канал, вещающий 24 часа в сутки. Мировые новости и новости регионов России. Экономическая аналитика и интервью с влиятельнейшими персонами. Смотрите также: Новости в прямом эфире - https://www.youtube.com/playlist?list=PLLHjKKyQ4OaQ73BA1ECZR916u5EI6DnEE Международное обозрение - https://www.youtube.com/playlist?list=PLLHjKKyQ4OaSEmz_g88P4pjTgoDzVwfP7 Специальный репортаж - https://www.youtube.com/playlist?list=PLLHjKKyQ4OaQLdG0uLyM27FhyBi6J0Ikf Интервью - https://www.youtube.com/playlist?list=PLLHjKKyQ4OaReDfS4-5gJqluKn-BGo3Js Реплика - https://www.youtube.com/playlist?list=PLLHjKKyQ4OaQHbPaRzLi35yWWs5EUnvOs Факты - https://www.youtube.com/playlist?list=PLLHjKKyQ4OaR4eBu2aWmjknIzXn2hPX4c Мнение - https://www.youtube.com/playlist?list=PLLHjKKyQ4OaST71OImm-f_kc-4G9pJtSG Агитпроп - https://www.youtube.com/playlist?list=PLLHjKKyQ4OaTDGsEdC72F1lI1twaLfu9c Россия и мир в цифрах - https://www.youtube.com/playlist?list=PLLHjKKyQ4OaRx4uhDdyX5NhSy5aeTMcc4 Вести в субботу с Брилевым - https://www.youtube.com/playlist?list=PL6MnxjOjSRsQAPpOhH0l_GTegWckbTIB4 Вести недели с Киселевым - https://www.youtube.com/playlist?list=PL6MnxjOjSRsRzsISAlU-JcbTi7_a5wB_v Специальный корреспондент - https://www.youtube.com/playlist?list=PLDsFlvSBdSWfD19Ygi5fQADrrc4ICefyG Воскресный вечер с Соловьевым - https://www.youtube.com/playlist?list=PLwJvP0lZee7zYMGBmzUqNn16P71vHzgkU

24 сентября 2016, 10:55

Еженедельная программа Вести.net от 24 сентября 2016 года

Подпишитесь на канал Россия24: https://www.youtube.com/c/russia24tv?sub_confirmation=1 Как поспорили Павел Дуров и Эдвард Сноуден? Куда еще пробрался искусственный интеллект? И почему главным событием крупнейшей выставки фото- и видеоаппаратуры, проводимой в Кельне аж с середины прошлого столетия, на этот раз стал относительно бюджетный квадрокоптер? Последние новости России и мира, политика, экономика, бизнес, курсы валют, культура, технологии, спорт, интервью, специальные репортажи, происшествия и многое другое. Официальный YouTube канал ВГТРК. Россия 24 - это единственный российский информационный канал, вещающий 24 часа в сутки. Мировые новости и новости регионов России. Экономическая аналитика и интервью с влиятельнейшими персонами. Смотрите также: Новости в прямом эфире - https://www.youtube.com/playlist?list=PLLHjKKyQ4OaQ73BA1ECZR916u5EI6DnEE Международное обозрение - https://www.youtube.com/playlist?list=PLLHjKKyQ4OaSEmz_g88P4pjTgoDzVwfP7 Специальный репортаж - https://www.youtube.com/playlist?list=PLLHjKKyQ4OaQLdG0uLyM27FhyBi6J0Ikf Интервью - https://www.youtube.com/playlist?list=PLLHjKKyQ4OaReDfS4-5gJqluKn-BGo3Js Реплика - https://www.youtube.com/playlist?list=PLLHjKKyQ4OaQHbPaRzLi35yWWs5EUnvOs Факты - https://www.youtube.com/playlist?list=PLLHjKKyQ4OaR4eBu2aWmjknIzXn2hPX4c Мнение - https://www.youtube.com/playlist?list=PLLHjKKyQ4OaST71OImm-f_kc-4G9pJtSG Агитпроп - https://www.youtube.com/playlist?list=PLLHjKKyQ4OaTDGsEdC72F1lI1twaLfu9c Россия и мир в цифрах - https://www.youtube.com/playlist?list=PLLHjKKyQ4OaRx4uhDdyX5NhSy5aeTMcc4 Вести в субботу с Брилевым - https://www.youtube.com/playlist?list=PL6MnxjOjSRsQAPpOhH0l_GTegWckbTIB4 Вести недели с Киселевым - https://www.youtube.com/playlist?list=PL6MnxjOjSRsRzsISAlU-JcbTi7_a5wB_v Специальный корреспондент - https://www.youtube.com/playlist?list=PLDsFlvSBdSWfD19Ygi5fQADrrc4ICefyG Воскресный вечер с Соловьевым - https://www.youtube.com/playlist?list=PLwJvP0lZee7zYMGBmzUqNn16P71vHzgkU

12 сентября 2016, 08:22

Америке и Китаю нужен искусственный интеллект

Американская газета «The News York Times» сообщила о начале переговоров между крупнейшими ИТ - компаниями - Alphabet, Amazon, Facebook, IBM и Microsoft - о выработке единой стратегии развития ИИ (искусственного интеллекта).Это творческое объединение четырех корпоративных гигантов пока еще не получило названия, и ход переговоров не афишируется, пишет The New York Times. Известно, что ИТ-гиганты будут обсуждать развитие искусственного интеллекта и его влияние на «на сферу труда, транспорта и обороны». Как и Илон Маск с организацией Open AI, компании обеспокоены стремительным прогрессом в сфере ИИ и угрозами, которые этот прогресс может нести.Что касается намерений Илона Маска, то следует уточнить, что основатели Open AI, в частности Илон Маск и Сэм Альтман, действительно подчеркивают, что их главная цель — способствовать развитию ИИ (artificial intelligence) без вреда для человека. Компания предлагает ученым сформировать штат полиции искусственного интеллекта, которая будет следить за порядком в мире алгоритмов, кодов и нейросетей. Однако, эксперты не без оснований полагают, что учредители OpenAI также хотят сдержать монополизацию исследований по ИИ, на которую уже претендуют Google и Facebook.Справка:Alphabet Inc. — холдинг, располагающийся в Калифорнии (США). Владеет несколькими компаниями, ранее принадлежавшими Google Inc, и самой Google Inc в том числе. Во главе холдинга находятся сооснователи Google Ларри Пейдж и Сергей Брин.Реорганизация Google в Alphabet была официально объявлена 10 августа 2015 года и завершена 2 октября 2015 года. Все акции Google были преобразованы в акции Alphabet, они продолжают торговаться на Nasdaq как GOOGL и GOOG (класс A — GOOGL, — с правом одного голоса, и класc C — GOOG, — без права голоса.1 февраля 2016 года Alphabet стал крупнейшей компанией в мире по рыночной капитализации, обойдя компанию Apple. Однако, спустя два дня, стоимость компании снова уступила компании из Купертино. 15 мая Alphabet стал опять крупнейшей компанией в мире по рыночной капитализации.Таким образом, разработка стратегии исследований по ИИ становится приоритетной для крупнейших мировых корпораций. Безусловно, задача сделать ИИ максимально безопасным для человечества весьма важна, но в данном случае я хотел бы обратить внимание на применение ИИ в оборонной сфере.Как известно, Пентагон, с которым активно сотрудничает та же Google- Alphabet, придает ключевое значение развитию автономных систем вооружений, которые будут применяться в «войнах будущего».В последнее время технологии ИИ стали более практичными и доступными, что сделало возможным их применение в автономных системах вооружений. И это сразу же вызвало протесты со стороны экспертов ООН и Международного Красного Креста.В феврале этого года та же «TheNewsYorkTimes» рассказала о докладе бывшего сотрудника Пентагона Пола Шерри под названием «Автономное оружие и операционный риск».Пол Шерри руководит программой по разработке приемов ведения «войны будущего» в Центре Новой Американской Безопасности (Вашингтон, округ Колумбия). С 2008 по 2013 годы Шерри работал в Пентагоне над разработкой стратегии применения автономных систем вооружений (АСВ). В 2012 году он стал одним из авторов директивы Министерства обороны, которая устанавливала военную политику по использованию АСВ.В своем докладе Шерри предупреждает о реальных рисках, связанных с АСВ. Он противопоставляет полностью автоматизированные системы, которые могут убивать без вмешательства человека, оружию, которое «держит людей в курсе» в процессе выбора и поражения цели.По его мнению, автономным системам вооружений не хватает «гибкости», поэтому во время выполнения боевого задания могут возникнуть ошибки, которых можно избежать при наличии контроля со стороны оператора.Полностью автономное оружие начинает появляться в армиях различных государств. Южная Корея установила автоматическую турель вдоль границы с Северной Кореей, в Израиле принят на вооружение беспилотник, который запрограммирован атаковать вражеские РЛС противника после их обнаружения.Армия США пока не использует АСВ. Однако, в этом году Пентагон запросил около одного миллиарда долларов для производства корпорацией Lockheed Martin противокорабельной ракеты дальнего действия (Long Range Anti-Ship Missile), которая описывается как «полуавтономная». Цель выбирает оператор, но затем ракета будет автоматически идентифицировать и атаковать вражеские войска.Честно говоря, я не считаю такую систему какой-то новинкой, так как даже принятая на вооружение в 1975 году советская крылатая ракета морского базирования ПКР -500 «Базальт», приемными испытаниями которой я занимался в 80-е годы, точно так же сначала наводилась на цель оператором, а затем сама выбирала свою цель.Справка:Ракетный комплекс «Базальт» получал первичное целеуказание от орбитальных платформ МКРЦ «Легенда», или от средств воздушной разведки. Получая корректировки от МРСЦ «Успех», ракеты следовали к цели на большой высоте, чтобы сэкономить горючее. Приблизившись к цели на дистанцию захвата ГСН, ракеты самостоятельно выполняли распределение целей и снижались до сверхмалой высоты, скрываясь за радиогоризонтом.Первый испытательный запуск «Базальта» чуть было не привел к катастрофе. Ракета сразу же стала самонаводиться на собственный стартовый комплекс. Чтобы таких казусов больше не происходило, в систему ИИ ракеты было введено ограничение на размер цели - не крупнее авианосца.Американцы существенно отстают он нас в противокорабельных ракетных комплексах (долгое время полагались на их количество, а не на качество), и у них все хлопоты с ракетными ИИ еще впереди.Основное внимание в своем докладе Пол Шерри уделяет сбоям и ошибкам компьютерных систем, а также «непредвиденным взаимодействиям с окружающей средой» (как в случае с первым запуском «Базальта»).В качестве альтернативы АСВ, Шерри предлагает «Centaur Warfighting» («Кентаврические системы вооружений»). Термин «centaur» (ИИ плюс оператор) применяется для систем, в которых интегрирована работа людей и компьютеров. Как пишет NYT, в телефонном интервью Шерри все же признал, что просто оператора, «нажимающего на кнопки», недостаточно:«Наличие просто «оповещенного» о действиях машины человека недостаточно», сказал он. «Они (люди) не могут быть просто частью алгоритма работы системы. Человек должен активно участвовать в принятии решений».В сущности наметившийся альянс крупнейших ИТ- корпорация в разработке безопасных стратегий развития ИИ является ответом на уже очевидные опасности как гражданского применения ИИ, так и создания АСВ.В гонку по развитию ИИ-технологий двойного назначения включился Китай, который активно скупает робототехнические компании по всему миру. Совсем недавно китайской фирмой Agic Capital приобретена компания Gimatic, итальянский производитель электрических и пневматических захватов, датчиков и позиционеров. Agic Capital совместно с China National Chemical Corp (ChemChina) и Китайским государственным фондом Guoxin International Investment Corp в январе этого года также выкупили немецкую группу KraussMaffei Group (интегратор промышленных роботов и обработчик пластмассы, углеродного волокна и резины).Американская компания Paslin, интегратор сварочных роботов, систем автоматизации и оснастки, была приобретена китайской компанией Wanfeng Technology Group.Китай пока еще довольно далек от уровня ведущих западных исследователей ИИ. Возможно, что китайские инженеры и ученые даже не стремятся к первенству в этих исследованиях, а будут следовать своему извечному принципу - идти «по пятам» передовиков научно-технического производства и копировать лучшие образцы как гражданского, так и военного назначения.Как бы то ни было, Китай является одним из мировых лидеров в производстве ударных беспилотников. Благодаря покупке вышеперечисленных западных робототехнических компаний, китайские ударные БПЛА будут оснащены самыми современными датчиками, которые помогут им эффективней выбрать и поражать цель. Через некоторое время в прессе могут появиться сообщения о покупке КНР ИТ-компаний, разрабатывающих программное обеспечение для боевых роботов.Как бы то ни было, две ведущие военные державы, США и Китай, вступили в гонку по развитию самых передовых и опасных систем вооружений, которые предполагают создание армий автономных роботов-убийц. Это станет новой революцией в военном деле, в стороне от которой, будем надеяться, не останутся и российские вооруженные силы.Автор: Владимир Прохватилов, президент Фонда реальной политики (Realpolitik), эксперт Академии военных наукhttp://argumentiru.com/army/2016/09/438061

08 июля 2016, 20:59

Чем «пакет Яровой» хуже «Эшелона»

Президент России Владимир Путин подписал так называемый «Пакет Яровой», который содержит ряд поправок в антитеррористическое законодательство. Наиболее активно обсуждаются (и критикуются), поправки, касающиеся работы мобильных операторов, интернет-провайдеров и мессенджеров (Viber, WhatsApp, Telegram).Мобильные операторы должны будут уже с 20 июля в течение трех лет хранить информацию о том, кому звонил абонент или с кем переписывался с помощью sms. И с 1 июля 2018 года в течение полугода держать на серверах записи разговоров, тексты сообщений, пересылаемые фотографии и видеозаписи. В случае использования шифрования и кодирования интернет-компании и операторы должны предоставить в правоохранительные органы ключи для расшифровки электронных сообщений.«Пакет Яровой» критикуют за то, что это может вызвать резкое подорожание услуг сотовых операторов, а также их качества.Эксперты МТС затраты на выполнение «пакета Яровой» оценили в 2,2 трлн рублей, «Вымпелкома» – в 2 трлн, «Мегафона» – в 1,3 трлн рублей. По оценкам института «Гипросвязь», операторам потребуется хранить 169 трлн гигабайт, для чего необходимы мощности, в 100 тысяч раз превышающие емкость серверов, имеющихся в «большой тройки» в настоящее время. Все необходимое оборудование производится за рубежом.Если эти оценки верны, то подорожание начнется со следующего года, когда  когда операторам придется в массовом порядке строить data-центры. Основатель мессенджера Telegram Павел Дуров уже заявил, что не раскрывает ключей шифрования третьим лицам.Видимо, у правоохранителей возникну  проблемы в получении ключей и с другими социальными сетями.Для чего нужны поправки из «пакета Яровой»?Ведь и сейчас все разговоры и переписки прекрасно  прослушиваются и записываются через систему оперативно-розыскных мероприятий. Без предоставления такой возможности правоохранителям ни один сотовый оператор ни за что не получит лицензию.Тут вся проблема в том, что слушают и записывают только тех, кого заподозрили в чем-то незаконном. Просмотреть список контактов, даты и время телефонных разговоров за полгода тоже возможно, но вот послушать давние разговоры и почитать переписку нельзя. Вот поправки Яровой и дают такую возможность.Реализация «пакета Яровой» скорее всего разорит мелких операторов, которые не «потянут» миллионные штрафы за непредоставление архивных данных или ключей для дешифровки.А может ли пакет Яровой помочь в борьбе с  терроризмом и экстремизмом? Если удастся его реализовать, то, возможно, некоторая польза будет. На короткое время, до тех пор пока гипотетические экстремисты и террористы не пойдут «обходным путем». Такие пути есть уже сейчас.Боевикам, организовавшим теракты во Франции, не понадобились никакие шифры. Они использовали метод, которым давно пользуется мафия: одноразовые мобильные телефоны. К такому выводу пришло  министерство внутренних дел Франции, о чем рассказала газета New York Times. В США одноразовые телефоны обозначают словом «бёрнер» (burner), взятым из криминального слэнга. Бёрнер покупают за наличные, чтобы полиция не могла отследить собственника по платежу, и включают только один раз, чтобы сделать единственный звонок. После этого он считается «засвеченным» (то есть, по-английски, «burned» — отсюда и название) и выбрасывается. Даже если бёрнер найдут, это ничего не даст полиции. Именно так действовали организаторы и участники терактов в Париже в ноябре 2015 года. Они покупали дешевые мобильники, использовали их один раз и выбрасывали. Полиция сразу обнаружила белый телефон Samsung в урне возле концертного зала, захваченного террористами. В телефоне находилась бельгийская «симка», активированная за день до атаки. Данные контактов по GPS, находившиеся в памяти телефона, вывели следователей к гостинице в парижском пригороде. Выяснилось, что здесь  останавливался Салах Абдеслам, один из главарей террористов, которого удалось  арестовать. В доме, где жил другой террорист, нашли целый мешок нераспакованных бёрнеров. Если бы во Франции действовал «пакет Яровой», то это не помогло бы предотвратить теракты, так как на телефонах террористов, найденных во Франции и Бельгии, нет следов ни почтовых сообщений, ни тайных чатов. Ни ключи к шифрам, ни запрет Telegram или взлом защиты «айфонов» не помогли бы предотвратить теракты.На сегодняшний день самая эффективная система  борьбы с террористами -  это американская   система «Палантир», позволяющей заблаговременно раскрывать и предотвращать большинство планируемых экстремистами терактов. «Палантир» -  это высокоинтеллектуальная система анализа громадных баз данных (датамайнинга), позволяющая в кратчайший срок сравнивать различные, на первый взгляд не связанные между собой, события и вычислить потенциальных террористов. В основу платформы Palantir заложена идея  умного синтеза и объединены «методы анализа, опирающиеся на аппроксимированную модель мышления человека, и мощный алгоритмический движок, способный сканировать одновременно несколько баз данных на очень тонком уровне гранулирования. Движок способен брать информацию из гигантских баз данных и позволяет пользователям «нарезать слои» и просматривать результаты просеивания практически бесконечным числом способов».Используя возможности программного обеспечения Palantir, американские спецслужбы могут практически мгновенно «компилировать подробнейшие досье на граждан, увязывая вместе материалы видеонаблюдения за посетителями аптек с финансовыми транзакциями через кредитные карты, со звонками по сотовому телефону, записями об адресатах и темах писем электронной почты, покупке и использовании авиабилетов и т.д.».Секреты искусственного интеллекта «Палантира» по понятным причинам спецслужбы США не раскрывают. Но вот принцип работы другой глобальной системы радиоэлектронной разведки - «Эшелон» хорошо известен.Справка:«Эшелон» — общепринятое название глобальной системы радиоэлектронной разведки, работающей в рамках соглашения о радиотехнической и разведывательной безопасности (Австралия, Канада, Новая Зеландия, Великобритания, США). «Эшелон» имеет возможность перехвата и анализа телефонных переговоров, факсов, электронных писем и других информационных потоков по всему миру путём подключения к каналам связи, таким как спутниковая связь, телефонная сеть общего пользования, СВЧ-соединения.Электронная разведывательная система "Эшелон" — это более ста спутников-шпионов, наземные станции слежения и подслушивания, большое количество суперсовременных и мощных компьютеров (по некоторым данным, сегодня в АНБ работают до 10 сверхмощных компьютеров "Крей" стоимостью в десятки миллионов долларов каждый). В упрощенном виде "Эшелон" работает примерно следующим образом. Источниками информации служат Интернет, электронная почта, телефон, факс, телекс. На начальном этапе работы перехваченные данные передаются на специализированные компьютеры. Они называются словарями и снабжены дисковыми массивами, ёмкость которых исчисляется терабайтами. Далее осуществляется сканирование данных методами раскопки текстов позволяющими выделить из массива информации интересующие фрагменты или индивидуальные голоса. Принцип похож на тот, который используют поисковые системы, но в отличие от них "Эшелон" работает в реальном времени и уже в процессе, скажем, телефонного разговора решает: интересно ему это сообщение или нет. Для «раскопки текстов» особенно успешно используются мини-ЭВМ VAX компании Digital Equipment. На них базируются стационарные узлы, причем каждый узел системы Echelon включает в себя хотя бы один специализированный компьютер Dictionary. Существуют и мобильные устройства Oratory, упаковывающиеся в чемодан. Машины Dictionary сканируют входные потоки и выделяют существенно важную информацию. По словам Уильяма Стадмена, бывшего директора АНБ, это была титаническая работа. Входной поток только от одной из разведывательных подсистем составлял примерно 2 млн слов в час, после первой фильтрации оставалось 6500 сообщений, из которых около 1 тыс. соответствовали критериям и только десять могли быть использованы аналитиками для составления отчетов. "Эшелон" владеет множеством языков, знаком с профессиональным сленгом (например, торговцев наркотиками или оружием) и специальной лексикой, знает клички или прозвища крупных политических деятелей ведущих стран мира. К тому же, как считают эксперты, АНБ научилось получать "отпечаток голоса", который, по их мнению, так же уникален, как и отпечаток пальца. По имеющемуся в памяти компьютера образцу голоса можно быстро идентифицировать любой голос в потоке звуков. Другими словами, если "Эшелон" однажды зарегистрировал голос какого-то человека, то потом может отследить его разговор с любого телефонного аппарата в мире.На втором этапе сообщения, отобранные сканирующими компьютерами со всего мира, попадают в блок накопления информации. Там они записываются, сортируются по темам (например, "военные дела", ракетные или ядерные технологии, терроризм, политики, оружие, наркотики, контрабанда и так далее) и направляются на дальнейший анализ. Потом специально разработанные для каждой темы программы анализируют полученную информацию по заданным темам. Из, скажем, отобранных на первом этапе 10 тысяч сообщений остается только 100-200 действительно важных. Четвёртым этапом, после которого материалы, как правило, попадают на стол крупных чинов в администрации США, становится уже экспертная оценка сотрудников профильных отделов АНБ в штаб-квартире спецслужбы в Форт-Миде по каждому из полученных 100-200 сообщений. Сомнительные случаи остаются в памяти компьютеров АНБ, а поскольку эта память практически бесконечна, то все больше людей (а следовательно, и правительственных структур, фирм, компаний, концернов и так далее) в мире попадают в поле зрения "Эшелона". Эксперты утверждают, что система способна проанализировать и запомнить до 3 миллиардов сообщений в день.«Эшелон» работает уже много лет и накопил в своей памяти всю необходимую информацию о подозрительных личностях и организациях по всему миру. Поэтому этой системе и не нужны огромные дата-центры, которые возможно придется строить для реализации «пакета Яровой».Системы «Палантир» и «Эшелон» можно сравнить с высокоточным разведывательным оружием. А «пакет Яровой» в нынешнем его виде - это безадресная «бомбежка по площадям».Понятно, что у России нет сравнимых с американской спутниковой группировки,  нет и компьютеров «Крей». В такой ситуации помочь в борьбе с террористами всех мастей может в первую очередь агентурная работа. Но внедрение своей агентуры в сетевые структуры террористов - длительная работа, не рассчитанная на немедленный эффект. Возможно, по этим причинам и решено одолеть  террористическую угрозу экстенсивными методами - просто увеличив подлежащий анализу информационный массив.Я не исключаю все же, что пакет Яровой - это просто разведка боем информационно-аналитических возможностей сотрудничества российских спецслужб и отечественных сотовых операторов. И что по мере более глубокого осмысления вопроса будет сделан акцент именно на «умный анализ», а не на «поголовную» запись всего и вся.Автор: Владимир Прохватилов, Президент Фонда реальной политики (Realpolitik), эксперт Академии военных наук//НАШ КОММЕНТАРИЙИменно несуразность и гигантская затратность пакета законов, которой присвоили имя депутата Яровой (при всем уважении, совершенно очевидно не способной самостоятельно сформировать такой законопроект) указывает на то, что цель его явно намного шире надуманной борьбы с мифическим терроризмом. С таким же успехом можно было бы потратить половину военного бюджета страны на создание мощного ядерного флота в Черном море для противостояния потешной украинской флотилии. Направленность и конкретно заложенные в закон нормы и положения очевидно показывают, что его основной целью является борьба с любой антигосударственной и оппозиционной деятельностью в стране, а инструменты, заложенные в него, дают поистине безграничные возможности для произвола правоохранительных органов в отношении любого гражданина или общественного объединения. Трудно не согласиться с мнением Эдварда Сноудена, что день принятия этого пакета законов станет "черным днем" для России.+А каково ваше мнение по этому вопросу? Мы предлагаем вам принять участие нашем опросе или высказать свое мнение в личном комментарии к статье. http://argumentiru.com/politics/2016/07/433038

12 марта 2016, 10:29

Еженедельная программа Вести.net от 12 марта 2016 года

Нейронные сети научились обыгрывать человека в игру го. Крупнейшая социальная сеть купила нашумевший белорусский стартап и перевозит его основателей в Лондон. А самая популярная мобильная ОС получила неожиданное обновление. Будьте в курсе самых актуальных новостей! Подписка на офиц. канал Россия 24: http://bit.ly/subscribeRussia24TV Последние новости - http://bit.ly/LatestNews15 Вести в 11:00 - https://bit.ly/Vesti11-00-2015 Вести. Дежурная часть - https://bit.ly/DezhChast2015 Большие вести в 20:00 - http://bit.ly/Vesti20-00-2015 Вести в 23:00 - https://bit.ly/Vesti23-00-2015 Вести-Москва с Зеленским - https://bit.ly/VestiMoskva2015 Вести в субботу с Брилёвым - http://bit.ly/VestiSubbota2015 Вести недели с Киселёвым - http://bit.ly/VestiNedeli2015 Специальный корреспондент - http://bit.ly/SpecKor Воскресный вечер с Соловьёвым - http://bit.ly/VoskresnyVecher Поединок - https://bit.ly/Poedinok2015 Интервью - http://bit.ly/InterviewPL Реплика - http://bit.ly/Replika2015 Агитпроп - https://bit.ly/AgitProp Война с Поддубным - http://bit.ly/TheWar2015 Военная программа Сладкова - http://bit.ly/MilitarySladkov Россия и мир в цифрах - http://bit.ly/Grafiki Документальные фильмы - http://bit.ly/DocumentalFilms Вести.net - http://bit.ly/Vesti-net Викторина с Киселевым - https://bit.ly/Znanie-Sila

12 марта 2016, 10:29

Еженедельная программа Вести.net от 12 марта 2016 года

Нейронные сети научились обыгрывать человека в игру го. Крупнейшая социальная сеть купила нашумевший белорусский стартап и перевозит его основателей в Лондон. А самая популярная мобильная ОС получила неожиданное обновление. Будьте в курсе самых актуальных новостей! Подписка на офиц. канал Россия 24: http://bit.ly/subscribeRussia24TV Последние новости - http://bit.ly/LatestNews15 Вести в 11:00 - https://bit.ly/Vesti11-00-2015 Вести. Дежурная часть - https://bit.ly/DezhChast2015 Большие вести в 20:00 - http://bit.ly/Vesti20-00-2015 Вести в 23:00 - https://bit.ly/Vesti23-00-2015 Вести-Москва с Зеленским - https://bit.ly/VestiMoskva2015 Вести в субботу с Брилёвым - http://bit.ly/VestiSubbota2015 Вести недели с Киселёвым - http://bit.ly/VestiNedeli2015 Специальный корреспондент - http://bit.ly/SpecKor Воскресный вечер с Соловьёвым - http://bit.ly/VoskresnyVecher Поединок - https://bit.ly/Poedinok2015 Интервью - http://bit.ly/InterviewPL Реплика - http://bit.ly/Replika2015 Агитпроп - https://bit.ly/AgitProp Война с Поддубным - http://bit.ly/TheWar2015 Военная программа Сладкова - http://bit.ly/MilitarySladkov Россия и мир в цифрах - http://bit.ly/Grafiki Документальные фильмы - http://bit.ly/DocumentalFilms Вести.net - http://bit.ly/Vesti-net Викторина с Киселевым - https://bit.ly/Znanie-Sila

11 января 2016, 19:01

Митио Каку: Учёба уже не будет базироваться на запоминании

Дипломы исчезнут за ненадобностью — прежде всего потому, что образование перестанет ограничиваться какими-либо временными и пространственными рамками.В прошлом году газета The New York Times назвала Митио Каку одним из самых умных людей Нью-Йорка. Американский физик японского происхождения, провёл ряд исследований в области изучения чёрных дыр и ускорения расширения Вселенной. Известен как активный популяризатор науки. В активе учёного — несколько книг-бестселлеров (многие переведены на русский язык, в т.ч. «Введение в теорию суперструн», «Физика невозможного», «Физика будущего»), циклы передач на BBC и Discovery. Каку — преподаватель с мировым именем: он профессор теоретической физики в нью-йоркском Сити-колледже, много путешествует по миру с лекциями. Недавно Митио Каку рассказал в интервью изданию «Власть Денег», каким он видит образование будущего.В своей книге «Физика будущего» вы пишете, что образование будет базироваться на интернет-технологиях и гаджетах типа Google Glass. Какие еще глобальные изменения произойдут в сфере обучения?Митио Каку. Самое главное — учёба уже не будет базироваться на запоминании. Совсем скоро компьютеры и очки Google Glass трансформируются в крохотные линзы, предоставляющие возможность загружать всю необходимую информацию. Уже существуют очки дополненной реальности, у которых есть такая функция. Поэтому через год-два школьники и студенты на экзаменах смогут запросто искать ответы на вопросы в интернете: достаточно моргнуть — и появится нужная информация. С одной стороны, не нужно будет перегружать мозг бесполезными знаниями, основной процент которых, как показывает практика, впоследствии не используется. С другой — освободившийся умственный резерв переориентируется на развитие способности думать, анализировать, аргументировать и принимать в итоге верные решения.В таком случае отпадет необходимость и в экзаменах, и в преподавателях?М. К. Безусловно, мы станем более автономными, будем брать большую ответственность за свою жизнь, соответственно, не понадобятся какие-либо «контролирующие органы». Люди станут образовывать сами себя, причём реально осознавая, какие именно знания им нужны. А если необходима консультация, они получат ее, например, у «умной» стены. Очень скоро такие устройства, основанные на технологиях искусственного интеллекта, будут располагаться повсеместно: в квартирах, офисах, на улицах. Достаточно будет приблизиться к стене и сказать: «Я хочу поговорить с профессором биологии». И тут же на стене появится ученый, который может дать вам всю нужную информацию. Такая система будет применима не только в области образования, но и в других сферах: медицине, юриспруденции, дизайне, психологии и пр. Конечно, реальные специалисты, например хирурги, будут нужны, но простые проблемы можно будет решить виртуально. Что касается учителей, то они «живьем» уж точно не понадобятся.Смогут ли люди быстро перестроиться на самообразование, онлайн-обучение?М. К. Университетские онлайн-курсы уже существуют, это действительно блестящая идея. Правда, процент бросивших учёбу на таких программах пока очень высок. Это связано с тем, что люди еще не перестроились, не научились работать без наставника по принципу «только ты и монитор компьютера», у них нет высокой мотивации. С другой стороны, онлайн-система только зарождается, ее нужно корректировать. Но развивается и совершенствуется она довольно быстро, и, безусловно, именно за ней образование предстоящих 50 лет. Университеты сохранятся, но это будут преимущественно виртуальные вузы, обучение в которых основано на облачной системе. Тех, кто посещает лекции в традиционных учебных заведениях, будут считать неудачниками. О них будут говорить: «Он не смог сам сконструировать свое образование».Сейчас подтверждением полученного багажа знаний является диплом. Каким образом в будущем специалист будет подтверждать свою компетентность в той или иной области?М. К. Дипломы исчезнут за ненадобностью — прежде всего потому, что образование перестанет ограничиваться какими-либо временными и пространственными рамками. По всей видимости, появятся центры сертификации, в которых специалисты будут сдавать квалификационные экзамены, определяющие набор навыков и компетенций. В зависимости от результата человек получит или не получит определенную должность. Вероятно, со временем введут также унифицированную шкалу баллов — их количество позволит занять определенное положение в обществе. Соответственно, университеты становятся поставщиками услуг, которые сами эти услуги не оценивают. В США, Канаде, Японии, Европе очень популярна система портфолио, когда за время учёбы человек накапливает дипломы, свидетельства, сертификаты и предоставляет их работодателю. В будущем накопленный интеллектуальный багаж станет одним из ключевых элементов системы образования, а информационные технологии сделают заслуги человека доступными и прозрачными.Если от взрослых можно ожидать сознательного подхода к образованию, то дети вряд ли будут учиться без постоянного контроля…М. К. Будут активно развиваться детские образовательные сервисы. В ближайшие 10—15 лет возможности того, что сейчас называют внесистемным образованием, станут безграничны. В частности, будет такой сервис, как педагогика онлайн. Причем онлайн — это не значит, что все сидят перед компьютерами и глядят в мониторы: меняется сама среда, в которой люди живут, и интерфейсы, которые с ними взаимодействуют. Города будущего, наполненные информационно-коммуникационными решениями, станут сами по себе активными участниками новой образовательной среды. В частности, станут предлагаться большие игры для детей, которые на протяжении многих дней и месяцев будут проходить в реальных городских или специально подготовленных пространствах. Учебники научатся начинять искусственным интеллектом, и он сможет подбирать образовательные материалы — фото, тексты, видео, задания, схемы под потребности каждого конкретного ученика вне зависимости от того, сколько ему лет — шесть или шестьдесят. Таких разработок очень много, они постепенно внедряются.Сейчас, чтобы стать хорошим специалистом, нужно нарабатывать базу знаний и приобретать опыт. Что нужно будет для того, чтобы стать успешным человеком в будущем?М. К. Чтобы добиться реального успеха, нужно развивать те способности, которые недоступны роботам: креативность, воображение, инициативу, лидерские качества. Общество постепенно переходит от товарной экономики к интеллектуально-творческой. Не зря Тони Блэр любит говорить, что Англия получает больше доходов от рок-н-ролла, чем от своих шахт. Гораздо больше шансов на успех у тех стран, которые смогут сбалансировать товарные рынки и когнитивно-креативный потенциал. Нации, которые верят только в сельское хозяйство, долго не протянут, они обречены на бедность.Большинство футурологов предрекают, что львиную долю рабочих мест скоро займут роботы. Что останется человеку?М. К. Самыми денежными будут биотехнологии, нанотехнологии и искусственный интеллект. Меняется не только система образования, но и система работы. Совсем скоро не останется людей на фабриках, зато появится много новых специальностей в интеллектуальной сфере. Самое главное — вовремя сориентироваться и переключиться. Проблема большинства людей в том, что они инертны и ни шагу не могут сделать без оглядки на толпу. Первое, чему нужно научиться, если вы хотите добиться успеха в будущем, — не бояться быть непохожим на других, брать на себя полную ответственность за свою жизнь, не страшиться в один день все изменить и последовать по новому пути.Сейчас уровень безработицы высок как никогда, в первую очередь среди молодежи. Стоит ли списывать это только на мировой кризис или доля вины лежит в том числе и на неэффективной системе образования?М. К. Действующая система образования готовит специалистов прошлого. Мы учим их для того, чтобы они шли на работу, которой уже не существует, обеспечиваем теми интеллектуальными инструментами, которые давно неэффективны. Поэтому в мире такой высокий процент безработных. С какой стати владельцу бизнеса принимать на работу выпускников: мало того, что у них нет надлежащих знаний, так еще и отсутствует опыт. Как результат, в большинстве ведущих мировых компаний доминируют 50—60-летние. А ведь они будут продолжать учиться — как только люди будут спокойно доживать до 120 лет и следовать неизбежной, по моему мнению, концепции непрерывного образования. Поэтому сейчас специалисты образовательной сферы кардинально пересматривают учебные программы по естественным наукам, которые имеют непосредственное отношение к технологиям будущего.Но ведь далеко не все имеют склонности к интеллектуальному труду. Благодаря каким талантам не склонный к умственной деятельности человек сможет выжить в мире роботов?М. К. Ни один высокоразвитый искусственный интеллект не в состоянии полностью заменить человека. У нас на самом деле гораздо больше преимуществ перед машинами, чем мы себе может представить. К примеру, у роботов отсутствует образное мышление, у них нет сознания, интуиции. Поэтому они, скажем, не могут заменить фондовых брокеров, для которых главное не интеллект, а интуиция. Выживут садовники, строители, работники физического труда, у которых работа завязана на креативе — то есть предполагается не автоматическое исполнение функций, а изменение подхода на разных этапах. В ближайшее время «рабочими» будут признаны специальности, которые сейчас считаются интеллектуальными: программирование, веб-дизайн, 3D-проектирование. Чем бы человек не занимался, у него ко всему должен быть творческий подход, живое воображение, способность быстро ориентироваться в меняющихся обстоятельствах и хорошо развитая интуиция.Какие изменения ожидают человеческий интеллект в связи с развитием современных технологий — от медицины до кибернетики?М. К. Вполне реально, что до 2050 года будет создан сверхразум, значительно превосходящий лучшие умы человечества практически во всех областях. К примеру, совсем недавно интернациональная команда ученых в рамках европейского проекта Human Brain Project с инвестициями в $1 млрд создала уникальную карту человеческого мозга Big Brain, показывающую его детализированную структуру с точностью до 20 микрометров. Такой анатомический атлас не только упростит работу неврологов и нейрохирургов, поможет лечить тяжелые заболевания, но и предоставит возможность увидеть, как мозг обрабатывает эмоции, воспринимает информацию. Это существенно ускорит процесс создания сверхразума, а также позволит максимально безопасно совершенствовать и стимулировать естественные когнитивные процессы, нарабатывать базу знаний. Мозговые чипы, обеспечивающие непрерывную подачу информации, — технология недалёкого будущего.via