Всім доброго часу доби! Я студент, для дипломної роботи обрав тему «інформаційні нейронні мережі (ШНМ). Завдання, де потрібно працювати з числами, вирішувались досить легко. І я вирішив ускладнити систему, додавши обробку слів. Таким чином, я поставив перед собою завдання розробити «робота-співрозмовника», який міг би спілкуватися на якусь певну тему.
Так як тема спілкування з роботом досить обширна, діалог в цілому я не оцінюю (привіт товаришеві Тьюринга), розглядається лише адекватність відповіді «співрозмовника» на репліку людини.
Читати далі →

Google випустила TensorFlow 1.0


TensorFlow 1.0 з моделлю нейромережі нового покоління Inception підтримує апаратне прискорення на DSP Hexagon в мобільні процесори Qualcomm Snapdradon 820. Швидкість роботи додатків на зразок Prism і програм машинного зору збільшиться у 8 разів, а енергоспоживання знизиться в 4 рази. Фільтри від нейромереж можна буде накладати на відео майже в реальному часі

На першій конференції для розробників TensorFlow Dev Summit Google оголосила про вихід мажорного релізу бібліотеки TensorFlow 1.0, назад несумісного з попередніми версіями. Це означає, що програми, які працювали на версіях TensorFlow 0.n, можуть не працювати на версії TensorFlow 1.0. Розробники з Google говорять, що зміни в API були необхідні «для забезпечення внутрішньо узгоджених програмних інтерфейсів», і більше такого не повториться: ламають зворотну сумісність змін в майбутніх версіях 1.x не планується. Зараз розробникам рекомендується вивчити керівництво з міграції і скрипт для перетворення.

TensorFlow — вільна програмна бібліотека для машинного навчання в застосуванні до різних видів завдань на сприйняття і розуміння мови. В даний момент вона використовується в науково-дослідній роботі і в десятках комерційних продуктів Google, в тому числі в Google Search, Gmail, Photos, Youtube, Translate, Assistant, а так само всіляких системах розпізнавання, в тому числі розпізнавання мови.

Читати далі →

«Нейроморфные чіпи»: інший погляд на машинне навчання

Сучасні комп'ютери, якими користується більшість з нас, створені на підставі так званої архітектури фон Неймана. Цей метод добре підходить для рішення рівнянь і запуску різних алгоритмів, але не для обробки зображень чи звуку. І хоча в 2012 році Google навчили штучний інтелект розрізняти кішок на відео, для цього знадобилося 16 тис. процесорів.

Тому людство працює над винаходом нових архітектур, які б дозволили машинам більш ефективно взаємодіяти з оточенням. Одним з таких рішень стали нейроморфные чіпи, про які ми хочемо розповісти в сьогоднішньому матеріалі.


Читати далі →

Ось що квант животворящий робить



Сьогодні квантові обчислення — один із стратегічних напрямів розвитку, якому приділяють велику увагу великі корпорації та наукові центри. І хоча у пресі час від часу повідомляється про чергові досягнення щодо створення квантових комп'ютерів, поки що мова йде, в основному, про експериментальних виробах для відпрацювання ідей і технологій. Використовувати такі комп'ютери в життя поки важко. Але цілком ймовірно, що саме в 2017 нас чекає прорив у сфері практичного застосування квантових комп'ютерів.
Читати далі →

Трансляція TensorFlow Developer Summit

Друзі, зовсім скоро, в 20:30 по Москві почнеться трансляція TensorFlow Developer Summit.

Кейноут будуть вести такі люди такі люди як Jeff Dean, Rajat Monga і Megan Kacholia.
Дуже рекомендую подивитися цю трансляцію сьогодні ввечері всім кому цікава тема машинного обуечения. Буде розказано як про сам TensorFlow так і про цікаві приклади його використання.



Читати далі →

Створюємо нейронну мережу InceptionV3 для розпізнавання зображень



Привіт, Хабр! Під катом піде мова про реалізацію сверточной нейронної мережі архітектури InceptionV3 з використанням фреймворку Keras. Статтю я вирішив написати після ознайомлення з туториалом "Побудова потужних моделей класифікації з використанням невеликої кількості даних". З схвалення автора туториала я трохи змінив зміст своєї статті. На відміну від запропонованої автором нейронної мережі VGG16, ми будемо навчати гугловскую глибоку нейронну мережу Inception V3, яка вже встановлена в Keras.

Ви навчитеся:

  1. Імпортувати нейронну мережу Inception V3 з бібліотеки Keras;
  2. Налаштовувати мережу: завантажувати ваги, змінювати верхню частину моделі (fc-layers), таким чином, пристосовуючи модель під бінарну класифікацію;
  3. Проводити тонке налаштування нижнього згорткового шару нейронної мережі;
  4. Застосовувати аугментацію даних за допомогою ImageDataGenerator;
  5. Навчати мережу по частинах для економії ресурсів і часу;
  6. Оцінювати роботу моделі.
При написанні статті я ставив перед собою завдання представити максимально практичний матеріал, який розкриє деякі цікаві можливості фреймворка Keras.

Читати далі →

Мультифакторний аналізатор діяльності довільного підприємства на IEM-платформі

WANTED: талановиті математики на цікавий і грошовий контракт
Цільова спеціалізація — матстатистика, матмоделирование, нейромережі.
Опис завдання — нижче.
Друга спроба по-людськи сформулювати завдання з попереднього постінгу.
Читати далі →

Вас атакує штучний інтелект



В кінці минулого року «штучний інтелект» багато разів згадували підсумки та прогнози IT-індустрії. І в нашу компанію, яка займається інформаційною безпекою, все частіше стали надсилати з різних видань запитання про перспективи AI. Але експерти з безпеки не люблять коментувати цю тему: можливо, їх відштовхує саме ефект «жовтої преси». Легко помітити, як виникають такі питання: після чергової новини типу «Штучний інтелект навчився малювати як Ван Гог» журналісти хапаються за гарячу технологію і йдуть опитувати по ній всіх підряд – а чого може досягти AI в тваринництві? А в сфері освіти? Десь у цьому списку автоматично виявляється і безпеку, без особливого розуміння її специфіки.

Крім того, журналістика, щедро підгодована IT-індустрією, обожнює розповідати про досягнення цієї індустрії в рекламно-захоплених тонах. Саме тому ЗМІ прожужжали вам всі вуха про перемогу машинного інтелекту в грі Го (хоча від цього немає ніякої користі в реальному житті), але не особливо дзижчали про те, що в минулому році загинуло як мінімум дві людини, які довірили своє життя автопилоту автомобіля Tesla.

У цій статті я зібрав деякі спостереження про штучний інтелект з еволюційної точки зору. Це незвичайний підхід, але як мені здається, саме він найкраще дозволяє оцінити роль AI-агентів безпеки, а також безпеку AI в інших сферах.
Читати далі →