Рубрика «машинное обучение» - 155

в 17:40, , рубрики: FontCode, QR-коды, информационная безопасность, криптография, машинное обучение, обработка изображений, Стеганография, типографика

FontCode: новый способ стеганографии через форму букв - 1
Рис. 1. Незначительное изменение глифа (формы конкретной литеры) кодирует цифровую информацию за счёт двухмерной матрицы вариантов начертания. Каждая точка в двухмерной координатной сетке генерирует соответствующий уникальный глиф

Специалисты по стеганографии придумали новый способ прятать шифровки в открытом канале. В данном случае — в открытом тексте. По мнению изобретателей, кроме естественного применения в разведке эту технологию можно использовать для скрытого внедрения метаданных, таких как водяные знаки.

Недавно на Хабре рассказывалось про фингерпринтинг текста непечатаемыми символами. Новая техника FontCode более изощрённая, но по сути похожа. И здесь обнаружить скрытое сообщение не так просто, даже сложнее, чем непечатаемые пробелы. В этом тексте никаких невидимых символов нет, а слегка изменённую форму букв сложно заметить на глаз и уж точно невозможно расшифровать, если вы не знаете принцип кодирования/декодирования.
Читать полностью »

в 15:57, , рубрики: TTS, машинное обучение, нейронные сети, синтез речи

Синтез речи на сегодняшний день применяется в самых разных областях. Это и голосовые ассистенты, и IVR-системы, и умные дома, и еще много чего. Сама по себе задача, на мой вкус, очень наглядная и понятная: написанный текст должен произноситься так, как это бы сделал человек.

Некоторое время назад в область синтеза речи, как и во многие другие области, пришло машинное обучение. Выяснилось, что целый ряд компонентов всей системы можно заменить на нейронные сети, что позволит не просто приблизиться по качеству к существующим алгоритмам, а даже значительно их превзойти.

Нейросетевой синтез речи своими руками - 1

Я решил попробовать сделать полностью нейросетевой синтез своими руками, а заодно и поделиться с сообществом своим опытом. Что из этого получилось, можно узнать, заглянув под кат.
Читать полностью »

в 12:59, , рубрики: алиса, Блог компании Нетология, голосовой помощник, интернет-маркетинг, машинное обучение, нейросети, повышение продаж, создание навыка

Алексей Важеркин, руководитель проектов в студии NIRIS, специально для блога Нетологии написал статью о новых возможностях голосового помощника Алиса. Теперь на её основе можно написать собственную программу (навык), например, игру, систему консультирования или чат-бота для продаж ваших товаров и услуг.

В марте Яндекс запустил платформу Яндекс.Диалоги. Теперь на её основе можно создать собственный «навык» для голосового помощника Алисы.

Навык — это специальная программа, которая может общаться с пользователем. Например, сыграть с ним в текстовую игру или подобрать для него подходящий товар из вашего каталога.

Пользователь произносит фразу, Алиса переводит голос в текст и отправляет на ваш сервер, где программа обрабатывает информацию и отправляет Алисе ответ, который она передаёт пользователю — голосом, текстом или в виде изображения.
Читать полностью »

в 10:19, , рубрики: deep learning, java, искусственный интеллект, машинное обучение, Программирование, Тестирование IT-систем, управление разработкой

image

В последние годы использование технологий Deep Learning позволило достичь значительного прогресса в таких областях, как распознавание образов, автоматический перевод и др. Этот успех, а также разработки в области беспилотных автомобилей и достижения компьютера в игре GO, позволили фантазировать о том, что Искусственный Интеллект скоро будет делать ту работу, которую сейчас выполняют люди, и будет претендовать на их рабочие места.
Читать полностью »

в 8:01, , рубрики: big data, data mining, Блог компании ГК ЛАНИТ, Ланит, машинное обучение, нейронные сети

Взлет интереса к машинному обучению во многом связан с тем, что модели способны дать ощутимый прирост прибыли в областях, связанных с предсказанием поведения сложных систем. В частности, той сложной системой, чье поведение предсказывать выгодно, является человек. Обнаружить мошенничество на ранней стадии, выявить склонность клиентов к оттоку – эти задачи возникают регулярно и уже стали классическими в Data Science. Безусловно, их можно решать различными методами, в зависимости от пристрастий конкретного специалиста и от требований бизнеса.

У нас была возможность использовать нейронные сети для решения задачи по предсказанию поведения людей, а специфика области применения была связана с индустрией красоты. Основной аудиторией для “опытов” стали женщины. Мы по сути пришли к вопросу: может ли искусственная нейронная сеть понять настоящую нейронную сеть (человека) в той области, в которой даже сам человек еще не осознал своего поведения. Как мы ответили на этот вопрос и что у нас получилось в итоге, можно узнать далее.

Женские сети: кто делает за нас выбор? - 1

Читать полностью »

в 6:26, , рубрики: AI, CNTK, microsoft, ml, OpenHack, TensorFlow, Блог компании Microsoft, искусственный интеллект, конференции, машинное обучение, Мероприятия, события

Через две недели мы организуем OpenHack, который посвящен машинному обучению и искусственному интеллекту. Хотим пригласить вас поработать с данными и когнитивными сервисами, а также послушать экспертов из многих стран. Программу, список экспертов и ссылки, в том числе и на бесплатную регистрацию, вы найдете под катом. Это, конечно, работа, но она точно не даст вам заскучать. Приходите!

Событие: AI/Machine Learning OpenHack
Дата: 4-6 июня 2018
Место: Москва, офис Microsoft

О чем вы, какая работа, скоро лето — скоро наш OpenHack - 1Читать полностью »

в 19:33, , рубрики: AGI, algorithms, artificial intelligence, big data, c++, expert systems, machine learning, open source, Алгоритмы, машинное обучение

Машинное обучение как оно есть сейчас

В популярных методах машинного обучения программа не выучивает алгоритм. Классификатор, нейронная сеть или, для большей очевидности, методы регрессии выучивают в лучшем случае функцию (в математическом, а не программистском смысле): имея входные данные, выдать выходные данные. Это может быть в лучшем случае единственным шагом алгоритма и не понятно, как масштабировать такое решение на целый алгоритм вместо одного шага. Без возможности выучивать алгоритмы, эти методы далеки от AGI (общего искусственного интеллекта — Artificial General Intelligence). На пути к AGI неплохо бы найти способ, чтобы программы выучивали алгоритмы с ветвлением, циклами и подпрограммами. Далее следует научить программы понимать другие программы. Далее понимать и улучшать саму себя. Не настаиваю что именно этим путём люди пройдут к AGI, но это моё скромное виденье.

Программа как прикладной искусственный интеллект

В отличие от других методов машинного обучения, в своё свободное время я сделал интерактивную систему, которая задаёт пользователю вопросы и после каждого ответа выдаёт список возможных целей — что может прийтись пользователю по вкусу, будь то новая игра, фильм, книга, товар или услуга. Смысл нового поисковика в том, что пользователь может не иметь представления о том, что именно он(а) ищет, поэтому не может сформировать ключевых слов чтобы вбить в существующие поисковики. А вот ответить на вопросы программы может, и всегда есть вариант «не знаю/затрудняюсь ответить».
Читать полностью »

в 19:31, , рубрики: firebase, Google Cloud Vision API, iphone development, machine learning, swift, машинное обучение, облачные сервисы, разработка мобильных приложений, разработка под iOS
Мысли про порог входа в технологии в 2018, пример простого мобильного приложения и не только - 1

Когда-то я учился в 5-ом классе и сейчас мне почему-то кажется, что между мной тогдашним и ребятами, которые сейчас ходят в 5-ый класс, огромная пропасть с точки зрения доступа к технологиям. А так как технологии развиваются все быстрее и быстрее, интересно, что будет происходить, когда ребята, которые сейчас ходят в 5-ый класс, станут моими ровесниками.

В этой короткой статье я на примере простого мобильного приложения для iPhone хочу показать, насколько доступны технологии.
Читать полностью »

в 16:28, , рубрики: Marvin Minsky, philtech, Блог компании Philtech-акселератор, боль, искуственный интеллект, Исследования и прогнозы в IT, машинное обучение, Профессиональная литература, филтех, человечность, Читальный зал

Отец искусственного интеллекта размышляет о том, как сделать машину, которая бы гордилась нами. Марвин Мински был довольно жестким ученым и то, что он своим «скальпелем познания» исследует тему чувств и эмоций, что же делает нас людьми, довольно интересно и полезно. Книга — отличный образец того, как «ИТишным подходом» попробовать осмыслить «человеческое»: ценности, идеалы, любовь, боль, здравый смысл.

image

§3-5 Корректоры, Супрессоры и Цензоры

«Не обращайте внимание на критиков. И даже не пытайтесь игнорировать их»
— Сэм Голдуин.

Было бы замечательно никогда не ошибаться и никогда не иметь ложных представлений. Но совершенство всегда будет недостижимо: мы постоянно делаем ошибки и недочёты.

Боль в колене Джоан стала ухудшаться. Сегодня ей было больно весь день, даже когда она не трогала больное место. Она думает: «Я не должна была поворачиваться, когда поднимала эту коробку. И я наконец-то должна приложить лёд к моему колену»

Нам нравится думать о ситуации в позитивном ключе: «Эксперт – это человек, который знает что он делает». И вы знаете, как хорошо делать большинство вещей, что вы едва ли задумываетесь о том как их нужно делать. Вы вспоминаете большинство вещей, которые вы видите, а также вы общаетесь не задаваясь вопросом о том, как вы это делаете. Тем не менее, опыт также имеет и негативную сторону: «Эксперт – это тот, кто редко терпит неудачу из-за того, что он знает, что делать не надо». Именно из-за этого мы обычно не сталкиваемся со стеной. Мы редко пытаемся вставить какие-либо вещи в наши глаза. Мы никогда не говорим незнакомцам, насколько они страшные.
Читать полностью »

в 9:53, , рубрики: big data, искусственный интеллект, машинное обучение

Полвека назад, основоположники теории хаоса обнаружили, что «эффект бабочки» делает невозможным долгосрочное предсказание поведения хаотической системы. Даже минимальное возмущение сложной системы (такой как погода, экономика и т.п.) может запустить цепь событий, которые сделают будущее непредсказуемым. Будучи не в состоянии точно определить текущее состояние таких систем, мы не можем предсказать, как они будут эволюционировать в будущем. Но теперь нам на помощь приходит машинное обучение.

По результатам серии экспериментов, опубликованным в журналах Physical Review Letters и Chaos, ученые использовали машинное обучение (тот же метод, который стоит за последними успехами искусственного интеллекта) для предсказывания будущего — прогнозирования эволюции хаотических систем до отдаленных горизонтов, потрясающих воображение. *Данный подход признается сторонними экспертами в качестве новаторского и, вероятно, скоро станет доступным для широкого применения.

Читать полностью »

1...1020...154155156...160170...259
Главная   |  Архив новостей  |   Android  |   Google  |   Apple  |   Microsoft  |   Информационная безопасность  |   Веб – разработка
Публикации RSS  |  Комментарии RSS
https://ajax.googleapis.com/ajax/libs/jquery/3.4.1/jquery.min.js