Наверное, в этом тексте для многих не будет новизны. Наверное, другие скажут что такого не бывает в реальной жизни. Но, уже не первое апреля, а всё написанное тут — чистая правда, которая случалась со мной или с людьми вокруг. Возможно что-то из сказанного заставит вас переосмыслить окружающие вас феномены.
Если подходить к этим историям формально, то можно сказать что все они порождены тем что люди не учитывают ошибку второго рода. У Юдковского, с коим знакома четверть Хабра — эта ошибка обычно зовётся «Подтверждающее искажение»
Что это такое? В двух словах — «человек ищет подтверждение своей модели, а не её опровержение». Единственный шанс объяснить лучше, это примеры-примеры-примеры и опыт. Лишь так можно развить чувство что «что-то тут не так».
Мне кажется, что этот короткий рассказ позволят вам посмотреть на ошибки второго рода с совсем другой стороны. Со стороны того, как они уже вошли в нашу жизни, влияют на практически каждое решение. И помогают нам делать богов из окружающих технологий. В машинном обучении я наталкиваюсь на это каждый день.
Читать полностью »
Рубрика «распознавание изображений» - 3
Краткий гайд по созданию оракулов, богов из машины и ошибкам второго рода
2019-04-02 в 12:39, admin, рубрики: Алгоритмы, Блог компании Recognitor, бог из машины, машинное обучение, обработка изображений, ошибки второго рода, распознавание изображенийРаспознавание танков в видеопотоке методами машинного обучения (+2 видео на платформах Эльбрус и Байкал)
2019-04-01 в 7:06, admin, рубрики: AstraLinux, c++, hieroglyph, ocr, smart idreader, smart tank reader, Атликс, байкал, Блог компании Smart Engines, искусственный интеллект, Комдив, М1А2 Абрамс, машинное обучение, Меркава III, обработка изображений, распознавание, распознавание изображений, распознавание объектов, распознавание танков, Т-14, Т-90, танки, Чулан, ЭльбрусВ процессе своей деятельности мы ежедневно сталкиваемся с проблемой определения приоритетов развития. Учитывая высокую динамику развития IT индустрии, постоянно возрастающую востребованность со стороны бизнеса и государства к новым технологиям, каждый раз, определяя вектор развития и инвестируя собственные силы и средства в научный потенциал нашей компании, мы следим за тем, чтобы все наши исследования и проекты носили фундаментальный и междисциплинарный характер.
Китай вводит экспериментальную систему распознавания лиц при оплате проезда в метро
2019-03-14 в 18:47, admin, рубрики: Блог компании Madrobots, будущее здесь, китай, обработка изображений, платежи, распознавание изображений, финансы в ITПоднебесная — весьма высокотехнологичное государство. Да, страну ругают за наплевательское отношение к неприкосновенности частной информации, которая собирается самыми разными методами. Но с этим вряд ли можно что-то поделать в ближайшем обозримом будущем.
Пока же Китай вводит самые разные системы идентификации граждан. Какие-то из них объединены в единую сеть, какие-то — пока нет. Среди прочих систем можно вспомнить видеонаблюдение за учениками в школах с привлечением ИИ к анализу поведения детей и подростков, распознавание лиц для обнаружения нарушителей ПДД, распознавание лиц полицией, систему социального рейтинга и многое другое. Сейчас добавилась еще одна система — распознавание лиц в метро. Технология используется для быстрого проведения платежа за проезд.
Читать полностью »
Как мы научили нейросеть определять документы
2018-10-19 в 14:48, admin, рубрики: big data, machine learning, Алгоритмы, Блог компании ВКонтакте, Вконтакте, детекторы лиц, машинное обучение, нейросети, распознавание документов, распознавание изображенийЭтим летом мы научили нейронную сеть определять, присутствует ли на изображении документ, и если да — то какой именно.
Для чего это понадобилось
Чтобы разгрузить сотрудников и обезопасить людей от мошенников. Мы применяем новую нейросеть в двух сферах: когда пользователь восстанавливает доступ к странице и для скрытия личных документов из общего поиска.
Машинное обучение: схватка с комнатным слоном
2018-10-02 в 15:05, admin, рубрики: Wirex, Блог компании Wirex, глубокое обучение, искусственные нейронные сети, Исследования и прогнозы в IT, машинное обучение, распознавание изображений
Один — ноль в пользу человеческого мозга. В новом исследовании ученые-информатики выяснили, что системам искусственного интеллекта не удается пройти тест на зрительное распознавание объектов, с которым легко справится любой ребенок.
«Это качественное и важное исследование напоминает нам, что „глубокое обучение" на самом не может похвастаться той глубиной, которая ему приписывается», — говорит Гэри Маркус, нейробиолог из Нью-Йоркского университета, не связанный с этой работой.
Результаты исследования касаются сферы компьютерного зрения, когда системы искусственного интеллекта пытаются обнаружить и категоризировать объекты. Например, их могут попросить найти всех пешеходов в уличной сцене или просто отличить птицу от велосипеда — задание, которое уже успело прославиться своей сложностью.
Ставки высоки: компьютеры постепенно начинают выполнять за людей важные операции, такие как автоматическое видеонаблюдение и автономное вождение. И для успешной работы необходимо, чтобы способности ИИ к зрительной обработке как минимум не уступали человеческим.
Задача не из легких.Читать полностью »
QIWI-терминалы. Как взять максимум из простых технологий
2018-09-10 в 11:43, admin, рубрики: Qiwi, QR-коды, Блог компании QIWI, микросервисы, обработка изображений, платежные системы, распознавание изображений, управление разработкой В начале 2017 года мы, команда разработки ПО для QIWI Терминалов, собирали пожелания подразделений компании — узнавали, какие глобальные задачи коллеги хотели бы решить с нашей помощью, чтобы жизнь стала проще.
Больше всего порадовал запрос клиентского сервиса, работающего со звонками и претензионкой от плательщиков:
“Есть проблема: клиент совершает платеж на терминале, но до процессинга он так и не доходит — или терминал мог зависнуть, или интернет, работающий через gsm-модем, отвалился. И получается, что чек у клиента есть, а платежа в системе нет. Хорошо было бы в таких случаях научиться доставлять платежи в QIWI.
Есть также группа тревожных клиентов, которые сразу после совершения платежа набирают номер колл-центра с целью удостовериться, все ли с ним хорошо. Было бы здорово срезать косты на такие звонки.”
Так у нас появилась комплексная задача: научиться создавать платеж в случае сбоя связи с терминалом и снизить количество входящих звонков от клиентов, придумав инструмент самообслуживания для проверки статуса платежа. Кейс понятен. Стали искать решение, удобное для клиента и без рисков для безопасности.
Читать полностью »
Сегментация спутниковых снимков на примере распознавания деревьев
2018-08-26 в 8:28, admin, рубрики: u-net, Геоинформационные сервисы, машинное обучение, распознавание изображений, спутниковые снимкиАвтоматическое распознавание спутниковых или аэро-снимков — это наиболее перспективный способ получения информации о расположении различных объектов на местности. Отказ от ручной сегментации снимков особенно актуален, когда речь заходит о обработке больших участков земной поверхности в сжатые сроки.
Недавно у меня появилась возможность применить теоретические навыки и попробовать себя в области машинного обучения на реальном проекте сегментации изображений. Цель проекта — распознавание лесных насаждений, а именно крон деревьев на спутниковых снимках высокого разрешения. Под катом я поделюсь полученным опытом и результатами.
Читать полностью »
Почему хватит считать нейронные сети черным ящиком?
2018-08-16 в 11:07, admin, рубрики: keras, lime, python, visualisation, виртуализация, искусственный интеллект, Компьютерное зрение, машинное обучение, распознавание изображенийЕсли вы достаточно долго увлекаетесь нейросетевыми технологиями, то наверняка встречались с мнением, кратко заключенным в риторическом вопросе: «Как ты объяснишь человеку, когда нейросеть считает, что у него рак?». И если в лучшем случае такие мысли заставят тебя сомневаться в использовании нейросетей в достаточно ответственных сферах, то в худшем случае ты можешь и потерять весь свой интерес.
Новая система распознавания лиц, установленная полицией Лондона, не может никого узнать
2018-07-09 в 15:29, admin, рубрики: будущее здесь, Киберпанк, полиция, преступление и наказание, распознавание изображенийВ некоторых крупнейших городах мира (Нью-Йорк, Париж, Лондон, Пекин) полиция тестирует системы распознавания лиц. Делается это, в частности, для того, чтобы иметь возможность «выхватывать» из толпы лица преступников и подозреваемых в совершении различных преступлений, проверять человека и если подозрения подтвердятся, арестовывать. Обычно анализ идет в режиме реального времени и, если есть совпадение по базе изображений, полицейские получают уведомление об обнаружении человека, которого необходимо задержать.
В Китае благодаря такой системе в апреле этого года поймали подозреваемого в совершении экономических преступлений на концерте с 50 тысячами зрителей. Он отправился туда за 90 км от города, в котором скрывался. После ареста китаец сознался, что если бы знал что-то о текущих возможностях полиции, никогда не поехал бы на концерт. Он рассчитывал на то, что сможет скрыться среди огромного количества людей. Но не получилось — система его все же обнаружила, правоохранители вовремя среагировали и задержали этого человека. Что касается систем обнаружения лиц, которые используются в других странах, то с ними, похоже, проблемы.
Читать полностью »
Распознавание товаров на полках с помощью нейронных сетей на технологиях Keras и Tensorflow Object Detection API
2018-07-04 в 7:47, admin, рубрики: computer vision, detection, keras, python, recognition, TensorFlow, Блог компании EastBanc Technologies, искусственный интеллект, машинное обучение, нейронные сети, обработка изображений, распознавание изображенийВ статье мы расскажем о применении свёрточных нейронных сетей для решения практической бизнес-задачи восстановления реалограммы по фотографии полок с товарами. С помощью Tensorflow Object Detection API мы натренируем модель поиска/локализации. Улучшим качество поиска мелких товаров на фотографиях с большим разрешением с помощью плавающего окна и алгоритма подавления немаксимумов. На Keras реализуем классификатор товаров по брендам. Параллельно будем сравнивать подходы и результаты с решениями 4 летней давности. Все данные, использованные в статье, доступны для скачивания, а полностью рабочий код есть на GitHub и оформлен в виде tutorial.
Читать полностью »