Привет, Хабравчане! Отфильтровав для вас большое количество источников и подписок — собрал все наиболее значимые новости из мира машинного обучения и искусственного интеллекта за сентябрь. Не забудьте поделиться с коллегами, или просто с теми, кому интересны такие новости.
Для тех, кто не читал дайджест за август, можете прочесть его здесь.
Итак, а теперь дайджест за сентябрь:
1. Ученые EPFL разработали мягкую искусственную кожу, которая обеспечивает тактильную обратную связь и — благодаря сложному механизму самочувствия — потенциально способна мгновенно адаптироваться к движениям пользователя.
2. Протезы конечностей улучшаются с каждым годом, но сила и точность, которые они приобретают, не всегда приводят к более эффективному использованию. Ведь люди с ампутированными конечностями имеют только базовый уровень контроля над ними. Швейцарские исследователи нашли способ улучшить управление протезами с помощью ИИ.
3. Разработчики из Google опубликовали описание end-to-end рекомендательной системы в YouTube. Система использует несколько целевых функций для ранжирования и учитывает личные предпочтения пользователя. Чтобы оптимизировать модель на несколько целевых функций разработчики использовали Multi-gate Mixture-of-Experts.
4. Проект generated.photos опубликовал датасет с 100К лиц в высоком разрешении. Изображения лиц были сгенерированы с помощью StyleGAN. Опубликованные изображения можно свободно использовать в коммерческих целях с указанием ссылки на разработчиков. Подобная услуга может интересовать редакторов журналов, специалистов по рекламе, веб-дизайнеров и т.п. Использование синтетических изображений сокращает траты медиа-специалистов на кастинги и фотосъемки.
5. В Австралии искусственный интеллект поможет ловить водителей, отвлекающихся на смартфон.
6. Несколько лет назад Google определили прогнозы наводнений как уникальную возможность улучшить жизнь людей и начали изучать, как инфраструктура Google и опыт машинного обучения могут помочь в этой области.
7. Изучение многоязычного нейронного машинного перевода. За последние несколько лет системы машинного перевода (МТ) значительно улучшились благодаря разработкам в области нейронного машинного перевода (NMT). Однако успех NMT во многом обусловлен большим количеством данных для обучения. Но как насчет языков, по которым данных мало или они вообще отсутствуют? Многоязычный NMT, где обучающий сигнал с одного языка должен улучшать качество перевода на другие языки, является потенциальным выходом из положения.
8. Исследователи ETH используют искусственный интеллект для улучшения качества изображений, записанных относительно новым методом биомедицинской визуализации. Это прокладывает путь к более точной диагностике и экономически эффективным устройствам.
9. Ученые из Оксфордского университета разработали новое программное обеспечение искусственного интеллекта для распознавания и отслеживания лиц отдельных шимпанзе в дикой природе.
10. Исследователи из института ATLAS Университета Колорадо недавно разработали группу маленьких изменяющих форму роботов, называемых ShapeBots. Эти самопреобразующиеся роботы могут изменять как индивидуальную, так и коллективную конфигурацию, чтобы отображать и визуализировать информацию в различных настройках.
11. Новый синтетический материал, который создает связанную сенсорную сеть, похожую на биологическую нервную систему, может позволить мягким роботам почувствовать, как они взаимодействуют с окружающей средой, и соответствующим образом скорректировать свои действия.
12. Машинное обучение и его радикальное применение в прогнозировании суровой погоды.
13. Исследователи разработали алгоритм машинного обучения, который предсказывает результаты химических реакций с гораздо более высокой точностью, чем обученные химики, и предлагает способы получения сложных молекул, устраняя существенное препятствие на пути открытия лекарств.
14. Команда итальянских математиков, в том числе нейробиолог из Центра неизвестных (CCU) в Лиссабоне, Португалия, продемонстрировала, что машины с искусственным зрением могут научиться быстрее распознавать сложные изображения с помощью математической теории, разработанной 25 лет назад.
На этом наш короткий дайджест подошел к концу. Делайте выводы и работайте продуктивно. Не забудьте поделиться статьёй с коллегами. Не пропускать статьи и новостные дайджесты, вам поможет подписка на мой Телеграм-канал Нейрон (@neurondata), а также подписка на мой аккаунт на Хабре, не пропускайте следующих дайджестов.
Всем знаний!
Для тех, кто не читал дайджест за август, можете прочесть его здесь.
Итак, а теперь дайджест за сентябрь:
1. Ученые EPFL разработали мягкую искусственную кожу, которая обеспечивает тактильную обратную связь и — благодаря сложному механизму самочувствия — потенциально способна мгновенно адаптироваться к движениям пользователя.
2. Протезы конечностей улучшаются с каждым годом, но сила и точность, которые они приобретают, не всегда приводят к более эффективному использованию. Ведь люди с ампутированными конечностями имеют только базовый уровень контроля над ними. Швейцарские исследователи нашли способ улучшить управление протезами с помощью ИИ.
3. Разработчики из Google опубликовали описание end-to-end рекомендательной системы в YouTube. Система использует несколько целевых функций для ранжирования и учитывает личные предпочтения пользователя. Чтобы оптимизировать модель на несколько целевых функций разработчики использовали Multi-gate Mixture-of-Experts.
4. Проект generated.photos опубликовал датасет с 100К лиц в высоком разрешении. Изображения лиц были сгенерированы с помощью StyleGAN. Опубликованные изображения можно свободно использовать в коммерческих целях с указанием ссылки на разработчиков. Подобная услуга может интересовать редакторов журналов, специалистов по рекламе, веб-дизайнеров и т.п. Использование синтетических изображений сокращает траты медиа-специалистов на кастинги и фотосъемки.
5. В Австралии искусственный интеллект поможет ловить водителей, отвлекающихся на смартфон.
6. Несколько лет назад Google определили прогнозы наводнений как уникальную возможность улучшить жизнь людей и начали изучать, как инфраструктура Google и опыт машинного обучения могут помочь в этой области.
7. Изучение многоязычного нейронного машинного перевода. За последние несколько лет системы машинного перевода (МТ) значительно улучшились благодаря разработкам в области нейронного машинного перевода (NMT). Однако успех NMT во многом обусловлен большим количеством данных для обучения. Но как насчет языков, по которым данных мало или они вообще отсутствуют? Многоязычный NMT, где обучающий сигнал с одного языка должен улучшать качество перевода на другие языки, является потенциальным выходом из положения.
8. Исследователи ETH используют искусственный интеллект для улучшения качества изображений, записанных относительно новым методом биомедицинской визуализации. Это прокладывает путь к более точной диагностике и экономически эффективным устройствам.
9. Ученые из Оксфордского университета разработали новое программное обеспечение искусственного интеллекта для распознавания и отслеживания лиц отдельных шимпанзе в дикой природе.
10. Исследователи из института ATLAS Университета Колорадо недавно разработали группу маленьких изменяющих форму роботов, называемых ShapeBots. Эти самопреобразующиеся роботы могут изменять как индивидуальную, так и коллективную конфигурацию, чтобы отображать и визуализировать информацию в различных настройках.
11. Новый синтетический материал, который создает связанную сенсорную сеть, похожую на биологическую нервную систему, может позволить мягким роботам почувствовать, как они взаимодействуют с окружающей средой, и соответствующим образом скорректировать свои действия.
12. Машинное обучение и его радикальное применение в прогнозировании суровой погоды.
13. Исследователи разработали алгоритм машинного обучения, который предсказывает результаты химических реакций с гораздо более высокой точностью, чем обученные химики, и предлагает способы получения сложных молекул, устраняя существенное препятствие на пути открытия лекарств.
14. Команда итальянских математиков, в том числе нейробиолог из Центра неизвестных (CCU) в Лиссабоне, Португалия, продемонстрировала, что машины с искусственным зрением могут научиться быстрее распознавать сложные изображения с помощью математической теории, разработанной 25 лет назад.
На этом наш короткий дайджест подошел к концу. Делайте выводы и работайте продуктивно. Не забудьте поделиться статьёй с коллегами. Не пропускать статьи и новостные дайджесты, вам поможет подписка на мой Телеграм-канал Нейрон (@neurondata), а также подписка на мой аккаунт на Хабре, не пропускайте следующих дайджестов.
Всем знаний!
Комментарии (2)
morozovsk
16.10.2019 22:34Проект generated.photos опубликовал датасет с 100К лиц в высоком разрешении. Изображения лиц были сгенерированы с помощью StyleGAN. Опубликованные изображения можно свободно использовать в коммерческих целях с указанием ссылки на разработчиков.
А в FAQ у них написано:
Currently, these faces are available for non-commercial use only.
Либо я что-то неправильно понимаю, либо свободно использовать в коммерческих целях нельзя.
Nikolai46
Автор случайно не zhabinskiy?