21428
Tech, VC, Business, Startups, AI and more. 👤 linkedin.com/in/andrii-brodetskyi ✉️ @politehnik
Очень интересно: разработчики нейросетевого переводчика Google обнаружили, что он может переводить предложения между парами языков, переводить которые его не обучали (!).
Они взяли три языка - английский, японский и корейский, и показали алгоритму примеры перевода в парах "английский-японский" и "английский-корейский" (в обе стороны). И - о чудо - алгоритм смог переводить предложения с корейского на японский и наоборот, хотя его этому не обучали.
В общем, выглядит так, будто нейросеть нашла какой-то универсальный промежуточный язык для описания слов на других языках. Только представьте себе это!
https://research.googleblog.com/2016/11/zero-shot-translation-with-googles.html
по-русски: http://apparat.cc/news/google-translate-ai-secret-internal-language/
Заметил, что когда в канал долго не пишешь, количество подписчиков медленно, но стабильно растёт. Но после каждого поста несколько человек (от 1 до 10) отписываются. Думаю, здесь есть несколько сценариев:
1) Человеку не понравился пост. Неинтересная тема, плохо написано, реклама или неинтересный репост.
2) Человек понял, что этот канал ему неинтересен. Я сам часто подписываюсь на каналы "почитать", потом читаю, если не нравится - отписываюсь. И не огорчаюсь, если люди отписываются от меня по этой причине (и в соцсетях тоже) - значит человек был не в целевой аудитории. Каждый должен читать то, что ему интересно.
3) Человек понял, что в канале слишком часто выходят посты и он не успевает их читать. Такое тоже бывает, иногда вместе с предыдущим пунктом. У вас наверняка тоже висят в ленте каналы с сотнями непрочитанных постов - вот это оно.
Но это я сужу по себе, а в таких вопросах лучше работает коллективный разум. Мнение людей, отписавшихся от моего канала, я уже не узнаю, но думаю, что опрос оставшихся подписчиков тоже многое расскажет о том, как люди читают каналы.
Можете также зайти в чат @techmediachat и обсудить тему отписки там. После каких постов вы отписываетесь от каналов? Какая реклама вас бесит? Что вы имели в виду, когда выбрали "Другое"? Напишите, это интересно.
Tesla в пятницу опубликовали видео, иллюстрирующее, как беспилотные автомобили "видят" дорогу и окружающий мир через "умные" камеры: https://vimeo.com/192179727
Если вам интересна эта тема, советую посмотреть другое видео - мини-лекцию директора разработки беспилотных машин в Google. Он не только показывает, как сенсоры машины "видят" дорогу, другие транспортные средства и пешеходов, но и рассказывает о проблемах, с которыми сталкиваются разработчики в связи с нестандартными ситуациями на дороге.
https://www.ted.com/talks/chris_urmson_how_a_driverless_car_sees_the_road (есть субтитры)
Смешное видео: на шимпанзе надели шлем VR (и ему, кажется, понравилось)
https://www.facebook.com/tigerspreservationstation/videos/1146961472052384/
Пригласили на студенческий политклуб в КНУ, поговорим о том, как интернет вредит демократии. Будет интересно, приходите! Если вы в Киеве, конечно.
https://vk.com/political_club_knu?w=wall-81683292_549
"Пост-правда" ("post-truth") - слово года в Оксфордском словаре, спасибо Брекзиту и Трампу.
Подробнее о словах-финалистах: http://blog.oxforddictionaries.com/2016/11/word-of-the-year-2016-shortlist/
В Google сделали отличный сайт с демонстрациями различных применений машинного обучения. Распознавание рисованых картинок и пения птиц, умная камера с переводчиком, генератор музыки, "глаза" нейросети - интересные, наглядные примеры, все можно потестировать на сайте и скачать код. В такие моменты жалею, что не умею программировать.
https://aiexperiments.withgoogle.com/
В США вышла книга "How Not to Network a Nation: The Uneasy History of the Soviet Internet". Фрагмент из неё можно прочитать на Aeon.
Выдающийся киевский математик и кибернетик Виктор Глушков в 60-х разработал проект компьютерного управления экономикой СССР. Проект был амбициозным - по оценкам самого Глушкова, сложнее, чем космический и ядерный - и требовал для реализации 20 миллиардов рублей. Глушков рассчитывал, что эффективное планирование ресурсов и управление производством с помощью компьютерной сети уже через три года принесёт в бюджет СССР 100 миллиардов рублей.
Но, как мы знаем из истории, никакого "советского интернета" в итоге не получилось: инициативу Глушкова задавили кремлёвские бюрократы. Доходило до анекдотических ситуаций: главный противник ОГАС министр финансов Гарбузов на одном из обсуждений предложил сначала оборудовать все фермы компьютерами с лампочками (он увидел такое на одной ферме в Минске; мигание лампочек повышало плодовитость кур), а потом уже говорить о построении общесоветской компьютерной сети.
https://aeon.co/essays/how-the-soviets-invented-the-internet-and-why-it-didn-t-work
Перевод: http://gagadget.com/science/24293-neveroyatnaya-istoriya-sovetskogo-interneta/
Здесь подробнее описана история ОГАС (и вообще хороший сайт "для тих, хто хоче знати більше" про историю украинской вычислительной техники): http://ru.uacomputing.com/stories/ogas/
Во время моей учёбы на кафедре вычислительной техники в КПИ некоторые преподаватели рассказывали нам о том, какой феноменальный человек был Глушков - им повезло с ним поработать. Уже в 50-х под его руководством в Киеве работали над искусственным интеллектом, обгоняя американских коллег. Под его руководством и при его участии были разработаны "МИР" и "Днепр" - первые в СССР персональный и проводниковый компьютеры. Практику после 4 курса я проходил в Институте кибернетики имени Глушкова. А ещё Глушкова и ОГАС очень любят на факультете социологии в КПИ - там ежегодно проходит научно-практическая конференция "Глушковские чтения".
В общем, приятно быть причастным к такому гиганту мысли через одно рукопожатие. Жаль только, что все эти героические достижения остались в далёком прошлом: советская кибернетика загнулась, вычислительная техника быстро отстала от американской, ОГАС так и не построили. Институт Глушкова сейчас стагнирует, как и вся украинская наука. Но это уже совсем другая история.
Шок, сенсация, NSFW: вот так на самом деле выглядит человеческий клитор.
http://www.makery.info/2016/07/26/un-clitoris-imprime-en-3d-une-premiere-en-france/
Что умеет делать машинное обучение
https://hbr.org/2016/11/what-artificial-intelligence-can-and-cant-do-right-now
Рэп, написанный нейросетью. Под бит не отличил бы от обычного.
https://news.ycombinator.com/item?id=12891158
Иллюстрированная периодическая таблица элементов. Интересная штука, если учесть что о большинстве из них мы вообще ничего не знаем.
Пойду поджарю серы 🍳
http://elements.wlonk.com/ElementsTable.htm
Знакомый программист написал плагин, скрывающий из ленты Facebook посты о выборах в США.
Не благодарите: http://apparat.cc/news/no-more-trump/
Как работает перенос стиля в приложениях вроде Prisma
После того, как Prisma взорвала интернет, вышло немало подобных приложений - технология переноса стиля на самом деле не нова и легко воспроизводится при наличии ресурсов. Теперь фильтры аля Prisma есть даже в ICQ.
Технологии, которые стоят за этими приложениями, очень интересны в том плане, что на них хорошо разбираться, как работают нейросети. Я читал оригинальную работу исследователей, которые первыми придумали использовать нейросети для переноса стиля (Гатис и команда), переписывался с ними, и с российскими исследователями из Яндекса, которые усовершенствовали этот метод, и с разработчиками разных приложений. Писал текст для одного издания, но некоторые авторы слишком долго отвечали, а потом хайп прошёл и черновик пришлось отложить в долгий ящик.
Если вы интересуетесь нейросетями, я советую вам почитать вот это объяснение от Google. Там ребята научили нейросети не просто переносить стили изображений, но и смешивать стили с разных изображений, причём делать это на лету. Ссылки для более подробного изучения - в конце текста.
https://research.googleblog.com/2016/10/supercharging-style-transfer.html
А здесь ещё более простое и понятное объяснение в формате видео: https://youtu.be/WHmp26bh0tI
Если совсем на пальцах, то глубокие нейросети при распознавании картинок пропускают их через много слоёв "нейронов". Самые низкие слои - самые тупые, они видят простые линии и формы. Чем выше слой, тем больше уровень абстракции. Последние слои уже могут распознавать сложные объекты, особенности рисунка (например, мазок художника) и стиль рисунка в целом.
Перенос стиля работает так: программа берёт за основу картинку чёрно-белого шума и начинает модифицировать её так, чтобы нижние слои нейросети начали распознавать в ней контент исходной фотографии, а верхние - стиль заданного рисунка. После каждой итерации программа оценивает ошибку (насколько полученный рисунок отличается от заданного) и корректирует коэффициенты для следующей итерации. После большого количества итераций результатом будет картинка с содержанием заданной фотографии и стилем заданного рисунка.
Если что-то напутал, поправьте.
Канадские специалисты по кибербезопасности опубликовали доклад о нетипичном ботнете Linux/Moose - он состоит из заражённых устройств интернета вещей и используется для накруток лайков и фолловеров в соцсетях.
Ботнет Moose поражает только встроенные (embedded) системы под Linux - исследователи кибербезопасности уделяют им намного меньше внимания.
Подобные ботнеты часто используются для DDoS-атак, рассылки спама или открутки баннеров. Moose используют для более прибыльных услуг - накрутки лайков и фолловеров в соцсетях, в основном в Instagram (86% трафика).
У ботнета нет явных "пострадавших", кроме людей, которые ведутся на накрученных фолловеров и лайки - например, покупают неэффективную рекламу в аккаунтах с фальшивой аудиторией.
Злоумышленники продают свои услуги открыто - их предложения по накрутке лайков несложно найти в интернете. 10 тысяч лайков стоят в среднем $160, 10 тысяч подписчиков - $113.
При полной загрузке одно зараженное устройство может приносить владельцу ботнета $13,05 в месяц. Соответственно, сеть из 50 тысяч устройств может приносить киберпреступникам до $700 тысяч в месяц.
Берегите свои чайники, не покупайте лайки и не ведитесь на профили с сотнями тысяч подписчиков.
http://gosecure.net/2016/11/02/exposing-the-ego-market-the-cybercrime-performed-by-the-linux-moose-botnet/
Из-за чего вы чаще всего отписываетесь от каналов в Telegram?
Отписываюсь, когда понимаю, что канал мне неинтересен – 1K
👍👍👍👍👍👍👍 64%
Слишком много постов, не успеваю читать – 509
👍👍 22%
Много рекламы – 192
👍 8%
Бесят отдельные посты – 81
▫️ 3%
Другое – 64
▫️ 3%
👥 2323 people voted so far. Poll closed.
Хорошая статья, объясняющая слово года по версии Оксфордского словаря - "post-truth", пост-истина.
Оглянувшись вокруг себя в конце 2016 года, мы можем уверенно сказать: истины нет, есть множество "правд", которая у каждого своя. Мир, в котором всё относительно и нет ничего абсолютного, предвосхитили философы-постмодернисты прошлого века. Теперь он стал реальностью - благодаря интернету, информационным пузырям, фейковым новостям, конспирологам, теориям заговора и политикам-популистам.
Советую прочитать - это правда важная концепция, с которой лучше быть знакомым.
https://nplus1.ru/material/2016/11/21/post-truth-world
Давайте поговорим об этике науки. Китайские учёные разработали алгоритм, с помощью машинного обучения предсказывающий преступные наклонности человека по... его лицу. Обработав более 1800 фотографий преступников и законопослушных граждан, алгоритм выделил черты, в которых их лица различались больше всего - изгиб губ, расстояние между глазами, угол между ртом и носом.
Исследование вызвало волну критики - френологию и физиогномику научное сообщество давно признало лженаукой. В комментариях на Hacker News даже предположили, что это шуточное исследование. Но нет, все серьёзно.
Вообще, в Китае проще относятся к вопросам этики в науке и технике - там первыми модифицировали геном человека, там запросто отдают данные пользователей спецслужбам и даже внедряют систему оценки благонадежности граждан на основе данных. Так что френологический алгоритм - это ещё ничего. Главное не фантазировать, как пишут некоторые комментаторы в Twitter - "Представьте этот алгоритм на каждой скрытой камере в каждом городе", потому что тогда действительно становится страшно.
http://motherboard.vice.com/read/new-program-decides-criminality-from-facial-features
По-русски: http://apparat.cc/news/ai-predicts-criminality/
Недавно Yahoo опубликовала в открытом доступе нейросеть, распознающую NSFW-картинки. Один программист пошёл ещё дальше: он обучил нейросеть распознавать сцены секса на видео и даже классифицировать их по категориям: blowjob/handjob, cunnilingus, sex back, sex front, titfuck, other. С её помощью можно найти на видео сцены секса - все или определенной категории - и вырезать их, или наоборот - оставить.
Это может пригодиться порносайтам для автоматической классификации видео (хотя у них наверняка есть собственные решения), соцсетям, видеохостингам, файлообменникам и другим платформам для обмена видео - для автоматического обнаружения порнографии. А можно для эксперимента показать ей популярные телешоу или клипы - вдруг что смешное распознает.
https://github.com/ryanjay0/miles-deep
Нейросеть для обнаружения NSFW-картинок от Yahoo: https://github.com/yahoo/open_nsfw
А здесь её использовали для генерации машинного порно, т.е. для создания абстрактных картинок, которые нейросеть оценит как "порнографические": https://open_nsfw.gitlab.io
Если кто-то неленивый сделает такое с этой новой нейросетью, пишите мне, опубликуем.
Студент из Нью-Йорка провёл интересный эксперимент на тему психологии онлайн-общения. Он запрограммировал ботов находить расистские твиты и писать на них упрекающие ответы. Оказалось, что это работает - количество расистских твитов удалось снизить на 27%. Но только в том случае, если замечание делал аккаунт с большим количеством подписчиков, имитирующий белого мужчину.
Исследование: http://rdcu.be/mzhy
По-русски: http://apparat.cc/news/twitter-bot-racist via @apparatmag
Зашёл почитать русскоязычные форумы в Dark Web и по ходу спалил тайный бизнес Порошенко
Читать полностью…
Представьте, что прямо сейчас у вас отнимают смартфон и отправляют на химическую экспертизу. Как думаете, много ли может о вас рассказать анализ грязи с экрана? Оказывается, немало.
Учёные из США и Германии взяли пробы с рук и экранов смартфонов 39 добровольцев. 99% проб с рук оказались уникальными, в 69% случаев сравнение проб с рук и экранов позволило точно установить владельца смартфона. Но главная фишка этой техники в другом - анализ грязи на смартфоне позволяет многое узнать о привычках его владельца.
С помощью масс-спектрального анализа исследователи смогли обнаружить на смартфонах следы таких веществ как средства от выпадения волос, воспаления кожи и грибка, антидепрессанты и глазные капли. Следы кофе выдали любителя кофе. Человек, на чьём смартфоне нашли молекулы цитрусовых фруктов, оказался любителем апельсинов (который кроме того пользовался средствами для мытья с цитрусовым ароматом). Ингредиент перца чили капсаицин выдал любителя острой еды. Некоторые химикаты, в частности антимоскитный пестицид, обнаружили спустя 5 месяцев после их применения.
Авторы исследования пишут: “We could tell if a person is likely female, uses high-end cosmetics, dyes her hair, drinks coffee, prefers beer over wine, likes spicy food, is being treated for depression, wears sunscreen and bug spray — and therefore likely spends a lot of time outdoors — all kinds of things”. И это всё - по мазку с экрана смартфона.
Ещё один полезный метод в копилку криминалистов. Шерлок Холмс оценил бы.
Публикация в PNAS: http://www.pnas.org/content/early/2016/11/08/1610019113.full
Новость на Washington Post: http://wpo.st/WeaE2
Наконец зарегистрировал маму в Telegram. Сразу дал ссылку на свой канал. И первым постом, который она увидела здесь, оказалась вот эта картинка выше.
😶
Минутка сексуального просвещения. В Франции напечатали на 3D-принтере модель клитора в натуральную величину - для популяризации полового образования. Полезно будет посмотреть и мужчинам, и женщинам - уверен, узнаете много нового. Вот такое надо в школе показывать, а не черно-белые картинки в учебнике.
http://www.makery.info/2016/07/26/un-clitoris-imprime-en-3d-une-premiere-en-france/
Несколько тезисов от одного из лучших специалистов по ИИ в мире - Эндрю Ына. Он преподавал машинное обучение в Стэнфорде, был сооснователем Google Brain и Coursera, а сейчас - директор разработки ИИ в Baidu, где руководит командой из 1200 специалистов.
Большинство прорывов в области ИИ за последнее время можно представить как генерирование ответов на входящий набор данных (см. таблицу).
Простое правило для оценки границ автоматизации: если человек может выполнить некоторую задачу в уме за секунду, в ближайшее время эта задача будет автоматизирована с помощью ИИ.
Примеры таких задач: обнаружение подозрительной активности на системах видеонаблюдения, принятие решений о движении автомобиля, обнаружение оскорбительных постов в соцсетях.
Алгоритмы и софт - не главное в индустрии ИИ. Исследования публикуются в открытом доступе, а софт делают опенсорсным. Самые важные ресурсы - это данные, без которых алгоритмы нельзя создать, и люди, которые смогут модифицировать и подстраивать алгоритмы под конкретные задачи.
https://hbr.org/2016/11/what-artificial-intelligence-can-and-cant-do-right-now
Советую читать Ына в Twitter: https://twitter.com/AndrewYNg
Японские учёные научили нейросеть угадывать жанр книги по обложке: http://apparat.cc/news/deep-neural-network-books-covers/
Интересно, что она скажет об этом:
Сегодня необычная рекомендация: канал Игоря Белкина с говорящим названием @ebanistika. Игорь - бывший журналист Ленты и сооснователь Лентача. Он знает толк в качественных приколах.
Ебанистика - единственный канал с приколами, который я читаю в Telegram (и иногда проигрываю вслух). Короче, мне норм, если вам тоже - читайте.
/channel/ebanistika
Учёные из Калифорнии проанализировали 20 миллионов твитов за сентябрь-октябрь, связаных с выборами, и обнаружили, что 20% твитов сгенерированы ботами. Соавтор исследования Эмилио Феррара пишет об этом подробнее в своей колонке на The Conversation.
15% всех пользователей, обсуждавших выборы в исследуемый период - боты. Это больше, чем в среднем по Twitter - по оценкам компании, боты составляют от 5 до 8,5% от общего числа аккаунтов.
Про-трамповских ботов больше (75%) и они более открыто топили за своего кандидата. Боты за Клинтон пиcали больше нейтральных твитов. Многие боты писали не о своём кандидате, а об оппоненте - например, форсили хештеги #NeverHillary или #NeverTrump.
Эффект от работы ботов нельзя исследовать. Феррара предполагает, что их твиты могут создавать у людей ложное представление о поддержке того или иного кандидата. Но измерить это никак нельзя. Как и определить, кто их ведёт.
https://theconversation.com/how-twitter-bots-affected-the-us-presidential-campaign-68406
Очень трогательное видео: 91-летнему британцу показали снятое специально для него 360°-видео из французского городка, который он в роли капрала британской армии освобождал от оккупации во время Второй мировой. В ролике жители города благодарят ветерана за освобождение, мэр вручает ему почётную медаль, а местные дети поют песенку. Пока смотрел, сам прослезился.
https://youtu.be/PModuWq8hAI
via http://snappa.press.net/#!/assets/af32d0f8-2236-34d7-bc9e-2892fb220d90