примеры использования нейросети в повседневной жизни
10 лучших примеров искусственного интеллекта в нашей повседневной жизни
Искусственный интеллект (ИИ) стал модным словом во многих технологически связанных дискурсах современности. Автомобили с автоматическим управлением, высококачественная робототехника, управление трафиком на основе ИИ, техническое обслуживание интеллектуальных сетей и т.д.
Все это несколько вещей, на которые мы ссылаемся, когда говорим об ИИ, что звучит футуристично. ИИ уже является настоящим, и мы окружены им в нашей повседневной жизни.
Ниже приведены некоторые примеры из нашей повседневной жизни, где искусственный интеллект находит свое место.
1. Путешествие и навигация
В какой-то момент в нашей жизни мы используем навигаторы, онлайн карты, и другие подобные сервисы. Для многих это часть повседневной жизни. Будь то использование карт для навигации или использование службы проката такси, например, Uber, вы используете службы с поддержкой ИИ для перемещения из одного места в другое.
Google, Apple и многие другие поставщики услуг, связанных с навигацией, используют ИИ для интерпретации показателей получаемой информации и предоставляют вам информацию, которая помогает в навигации, а также позволяет получать обновления трафика в реальном времени, помогая вам более эффективно коммутировать.
2. Приложения для смартфонов
Встроенные умные голоовые помощники в наших телефонах, такие как Алиса, Siri, Alexa и Google Assistant, являются наиболее очевидными примерами ИИ, которые большинство из нас знает и использует.
Все больше мобильных технологических платформ разрабатывают решения, использующие AI для управления различными аспектами устройства, такими как управление батареей, подсказки о событиях и т.д. Одна из стандартных функций, например использование портретного режима на телефоне, также использует ИИ.
Сервисы с поддержкой ИИ теперь составляют значительную часть обновлений на платформах iOS и Android.
3. Новостная лента (фиды) социальных сетях
Будь то Facebook, Twitter, Instagram, Вконтакте или другие платформы, то, что вы видите и делаете в этих приложениях, в значительной степени зависит от машинного обучения. ИИ очень сильно контролирует каналы, которые вы видите, просматривая эти платформы или получая уведомления.
Он принимает во внимание ваши вкусы и предпочтения, вашу историю и т.д., Чтобы подавать информацию для передачи каналов, которые вы находите более актуальными и склонны видеть.
4. Реклама
Сколько раз вы задавались вопросом, глядя на онлайн-рекламу «Я думал о покупке этого продукта»?
Здесь нет магии, когда ИИ читает ваши мысли. Он прото отслеживает то, что вы делаете в Интернете. Продукты, которые вы просматриваете на различных сайтах покупок или в поисковых системах, отслеживаются, и рекламные объявления, связанные с этими продуктами, направляются вам.
ИИ также использует информацию, связанную с демографическими данными, такими как ваш возраст, пол, профессия и т.д., Для определения рекламы продуктов, которые, скорее всего, являются вашими предпочтениями.
5. Умные автомобили
Еще одна область, в которой ИИ увеличивает свое присутствие в нашей повседневной жизни, это умные автомобили.
Не только такие компании, как Tesla, используют технологии автоматизации в транспортных средствах, но и многие производители автомобилей также рассматривают возможность интеграции ИИ с автомобилями для обеспечения бесперебойного обслуживания различных технологий, которые вы используете.
Информация распределяется и передается между автомобилями, чтобы лучше маневрировать в условиях движения. Входные данные о движении транспорта, информация о дорожных заграждениях в режиме реального времени и т.д. Информация моментально передаются для оповещения других транспортных средств в сети, что позволяет перенаправить маршрут.
6. Музыка и потоковое видео
Хотя рекомендации YouTube и предлагаемые списки воспроизведения для музыкальных приложений существуют уже некоторое время, можно увидеть, что эти рекомендации со временем становятся все более релевантными для ваших предпочтений. Это работа ИИ, который отслеживает видео и музыку, которую вы слушаете больше всего, и предлагает предложения, относящиеся к нему.
7. Умный дом
Когда идет речь об использовании ИИ в разработке умных домов, то в голову приходят голосовые помощники Алиса, Alexa, Bixby и т.д. Однако эти приложения искусственного интеллекта не ограничиваются только этими умными помощниками.
Используемый ИИ развивается, и разрабатывается все больше и больше решений, которые понимают наше поведение и функционируют соответственно.
8. Умный ввод
Вы задаетесь вопросом, где ИИ используется во входных данных?
Не нужно смотреть дальше вашего собственного мобильного устройства. Ввод текста стал более удобным благодаря интеграции ИИ, в котором он предсказывает слова, фразы и смайлики на основе вашего регулярного использования и стиля написания. Фразы также могут быть написаны простым движением по экрану.
Лишь немногие почтовые приложения предоставляют предложения по темам, а во многих случаях и тексты, в зависимости от введенного вами содержимого письма.
9. Безопасность и наблюдение
Мысль об искусственном интеллекте дает представление о том, что он используется для более масштабного наблюдения. В то время как этика является предметом споров, это известный факт, что ИИ все чаще используется в этой области. Отслеживание огромного потока, передаваемого с различных камер и других устройств, является не только громоздким занятием, но и имеет свои ограничения.
ИИ использует такие технологии, как распознавание лиц, распознавание объектов и местоположений и т.д., Чтобы отслеживать полученные данные и анализировать их.
10. Финансовые услуги
Банки являются одним из услуг, которые приняли технологические изобретения раньше, чем большинство других областей. Банковское дело теперь перешло от необходимости переходить в физическое пространство для проведения операций со своего мобильного телефона.
Банки используют ИИ во многих областях, включая выявление мошеннических действий, анализ инвестиционных тенденций клиентов, предоставление клиентских услуг и т.д.
Получали ли вы когда-нибудь уведомление от банка при совершении транзакции с нового устройства? Это случай использования ИИ для обнаружения любого потенциального мошенничества. Уведомления, полученные от банков и финансовых учреждений относительно их услуг и продуктов, являются примерами ИИ в понимании ваших предпочтений, требований и финансовой мощи предлагать соответствующие продукты.
Заключение
ИИ помогает людям стать более продуктивными, жить лучше. С каждым днем технологии совершенствуются, ввиду этого ИИ все больше и больше стал влиять на нашу повседневную жизнь.
5 применений ИИ, в которых он конкурирует с человеком
С момента появления искусственного интеллекта прошло почти 70 лет. За эти годы он превратился в доступный рабочий инструмент, которым могут воспользоваться для своих целей даже школьники. Мы сталкиваемся с ИИ буквально на каждом шагу, произнося «окей, гугл» или «слушай, Алиса!», общаясь с чат-ботами банков и получая «письма счастья» со штрафами за нарушение ПДД. И всё чаще раздаются голоса, говорящие, что в скором времени более быстрый и сообразительный, чем человек, ИИ заменит людей, которые останутся без работы и без средств к существованию. Не заменит. Но вот пять сфер, в которых ИИ может серьёзно потеснить людей, — разберёмся, стоит ли нам опасаться конкуренции с «бездушной железякой».
Работа с изображениями
Распознавание образов было одной из самых популярных задач, которую пытались решить с помощью ИИ. Создание компьютерного зрения, как и систем распознавания речи и понимания смысла текстов являются ключевыми направлениями, в которых развиваются связанные с ИИ.
Современные генеративно-состязательные нейросети научились не только распознавать человека на фото. Они вполне успешно делают это на видеороликах, причём даже если человек замотал лицо шарфом или надел медицинскую маску.
Изображения, на которых тренировалась нейросеть DFI. Источник: A. Singh, D. Patil, G Meghana Reddy, SN Omkar (2017). Face Identification (DFI) with Facial Key Points using Spatial Fusion Convolutional Network / arXiv.org
Однако работа над узнаванием людей по фрагментам их лиц началась значительно раньше, чем пандемия. Например, опубликованная в 2017 году работа Disguised Face Identification (DFI) with Facial KeyPoints using Spatial Fusion Convolutional Network («Идентификация маскированных лиц по ключевым точкам с использованием пространственной свёрточной сети») рассказывает о результатах работы нейросети, натренированной на распознавание лиц, скрытых очками, шарфом, накладными усами или бородой.
Для распознавания лиц нейросеть DFI использовала всего 14 ключевых точек на лице, поэтому точность «узнавания» замаскированных лиц была невелика. Современные коммерческие нейросети используют несколько сотен ключевых точек на лице человека, поэтому могут обнаружить соответствие, используя лишь те части лица, которые присутствуют на изображении.
Например, китайская компания SenseTime считывает 240 ключевых точек, расположенных вокруг носа, глаз, рта. Это обеспечивает распознавание частично скрытых лиц с точностью до 90%.
Minvision, ещё один китайский разработчик систем распознавания лиц, с началом пандемии срочно дообучил свою нейросеть на распознавание людей в масках. Источником ключевых точек для опознания были глаза и области вокруг них.
Современные ИИ успешно справляются не только с работой «Большого Брата», но и выступают в роли творцов, создавая, например, фотографии несуществующих людей, котиков, аниме-персонажей или абстрактную живопись.
Изображения, сгенерированные нейросетью StyleGAN. Источник: thispersondoesnotexist.com, thiscatdoesnotexist.com, thiswaifudoesnotexist.net, thisartworkdoesnotexist.com
Свежий известный пример коммерческого использования ИИ в дизайне — нейросеть Николай Иронов, которая создавала фирменный стиль и логотипы по программе «Экспресс-дизайн» в Cтудии Артемия Лебедева.
Логотипы, разработанные нейросетью студии Артемия Лебедева. Источник: https://www.artlebedev.ru/express-design
Несмотря на фантастические возможности, которые демонстрируют нейросети, живым дизайнерам нечего опасаться: ИИ может создать бесконечное количество вариантов логотипа или картины, но выбрать среди них удачные и наиболее соответствующие поставленной задаче может только человек. Да и взаимодействовать заказчики всё-таки предпочитают с живым человеком. Более того, ИИ может повысить продуктивность дизайнера, ведь тому уже не придётся перебирать варианты вручную.
Что касается задач, связанных с распознаванием образов на видео и фото, тут с нейросетями тягаться сложно, да и вряд ли имеет смысл. Эта работа относится к разряду той, которую с радостью перепоручат роботам.
Работа с текстами
Работа с текстами — ещё одна область, в которой ИИ уверенно занимают сильные позиции. Разработанный некоммерческой компанией OpenAI алгоритм генерации текста GPT (Generative Pretrained Transformer) позволяет научить нейросети продолжать начатые человеком фразы, а также писать самостоятельные тексты.
Для обучения первой версии алгоритма использовали 117 млн параметров. Вторую версию алгоритма — GPT-2 —обучали уже на 1,5 млрд параметров, а GPT-3, самая современная версия, обучена на 175 млрд параметров. Это огромный массив данных, содержащий книги, новостные сайты, рецепты, технические руководства, религиозную литературу, путеводители и всю англоязычную Википедию. Не обошлось без довольно спорных материалов, посвящённых НЛО, пришельцам и теориям заговоров.
В результате GPT-3 умеет значительно больше, чем её ранние версии. Например, с её помощью можно пообщаться с историческими личностями или попросить её сочинить диалог между Ньютоном и Эйнштейном, стилизованный под Властелина Колец. GPT-3 также может сделать макет сайта по его описанию.
Успехи GPT в основном связаны с английским языком, однако имеются адаптации нейросети для русского, например, сайт «Порфирьевич», построенный на базе обученной на русской художественной литературе GPT-2, довольно успешно продолжает фразы, написанные человеком.
Результат работы нейросети «Порфирьевич»
Свою нейросеть для генерации заголовков новостей представила компания «ВКонтакте». Чтобы создать нейросеть, разработчики использовали архитектуру Universal Transformer и технику компрессии данных BPE (Byte Pair Encoding). Такой подход обычно применяется в машинном переводе и позволяет ограничиться небольшим словарём для генерации заголовков. Сотрудники «ВКонтакт»е стали первыми, кто использовал BPE для модели суммаризации текста, а также первые, кто обучил такую модель на русскоязычных новостных материалах.
Заголовок новостей, сгенерированный нейросетью «ВКонтакте»
Любопытный эксперимент компании «Яндекс» сочиняет стихи, используя заголовки из «Яндекс.Новостей». Сервис, получивший название «Яндекс.Автопоэт» автоматически определяет стихотворный размер по чередованию ударных и безударных слогов, а затем составляет рифмованные строчки.
Результат работы поэтической нейросети Яндекса
Нейросети на базе GPT-3 научились вести довольно осмысленный диалог на разные темы, но с генерацией полноценного текста дела пока обстоят не лучшим образом. И хотя лучшие образцы всё ещё выглядят довольно странно, но не менее странно выглядят SEO-тексты, написанные копирайтерами-массовиками.
Поэтому редакторам и авторам уже сейчас стоит задуматься над тем, как и для кого они пишут, развиваться профессионально, переходя от написания слов и предложений к решению задач заказчиков, управлению вниманием читателей и донесением пользы. А нейросети помогут не тратить время на бессмысленный улучшайзинг.
Персональные ассистенты
Ещё одна область, в которой применение ИИ обеспечило успех — это персональные ассистенты. Сири, Кортана, Алиса, Алекса, а также голосовой помощник Google стали привычными и уже не вызывают удивления. Они могут проверить почту, заказать такси, прочитать новости, назначить встречу и сделать много другое. И самое приятное: не нужно нажимать кнопки, достаточно обратиться к ним голосом.
Благодаря системе распознавания речи на базе нейросети помощники «понимают» обращённую к ним просьбу и выполняют её. Конечно, на сегодняшний день взаимопонимание далеко от идеала, но прогресс неумолим. Совсем недавно китайские специалисты разработали технологию, с помощью которой ИИ будет распознавать в человеческой речи сарказм — одну из самых нетривиальных форм проявления особенностей характера.
Способность распознавать сарказм считается одним из показателей уровня ИИ. Считается даже, что именно эта функция отражает движение по пути к развитию самостоятельности мышления.
Цифровые персональные ассистенты быстро развиваются. Они уже обзавелись множеством функций, которые раньше выполняли секретари и личные помощники. Учитывая тенденцию, вполне закономерным предположением будет полное вытеснение людей в массовом сегменте и замена их на нейросетевые аналоги. Однако есть вероятность, что, как и в случае с текстами и графикой, цифровизация профессии секретаря приведёт к тому, что процессами по-прежнему будет управлять живой человек, в то время как рутина останется на долю ИИ.
Безопасность
Практически безграничные аналитические возможности ИИ просто не могли не задействовать в сфере обеспечения кибербезопасности. Поручить нейросети разбираться с уведомлениями SIEM-систем, предварительно обучив её распознавать кибератаки — мечта практически любого SOC-аналитика.
Разработчики систем защиты также используют машинное обучение. Они собирают озёра данных об инцидентах и обучают на них нейросети. Благодаря глобальной системе сбора информации такие решения постепенно учатся обнаруживать и блокировать не только старые, но и новые угрозы, выявляя совокупности признаков, которые с большой вероятностью остались бы незамеченными. Нейросети могут даже распознавать атаки, традиционно остающиеся за пределами внимания антивирусных сенсоров — мошеннические письма с элементами социальной инженерии, не содержащие никаких вредоносных компонентов.
Уже сейчас очевидно, что даже лучшие SOC-аналитики не могут напрямую конкурировать с нейросетями, однако это и не требуется. Вместо изучения бесконечных журналов и уведомлений о сработавших алёртах ИБ-эксперты могут сосредоточиться на глубоком обучении нейросетей и формировании стратегии выявления инцидентов безопасности.
Медицина
Ещё одна сфера, в которой обрабатываются гигантские массивы данных — медицина. Анализы крови, МРТ, рентгеновские снимки, наследственные заболевания, мониторинг артериального давления, пульса и множества других параметров, с одной стороны, позволяют достаточно точно производить диагностику, а с другой стороны, порождают врачебные ошибки. Обработка большого количества информации силами одного человеческого мозга создаёт ненулевой риск упустить что-то важное.
Есть и ещё один важный момент: люди редко обращаются к врачам, если у них не случится что-то серьёзное. А ведь многие заболевания проще предупредить на ранних стадиях, чем лечить, когда они уже проявляют себя.
Понимая это, в компании Toshiba решили создать ИИ, который позволил бы врачам анализировать данные медицинских осмотров сотрудников компаний, назначения лекарств и всю сопутствующую информацию. Обработка этой информации с помощью обученной нейросети позволяет выдавать предупреждения до момента, когда у людей начинают развиваться заболевания, связанные с образом жизни.
Для прогнозирования риска заболеваний, связанных с образом жизни, ИИ считывает базовые характеристики пациента — артериальное давление, состав крови, окружность живота, частота употребления алкоголя и многое другое. Используя эти сведения, он выдаёт прогноз, через сколько лет состояние здоровья человека достигнет опасного порога, и он получит в качестве диагноза одно из шести заболеваний: диабет, болезни почек, печени, гипертонию, гиперлипидемию или метаболический синдром.
Схема работы медицинского ИИ Toshiba. Источник: Toshiba
Вместе с прогнозом развития заболеваний пациенты получают рекомендации по изменению образа жизни, например, по ежедневному выполнению физических упражнений или снижению количества алкоголя. В рекомендации также указано, как изменения в поведении отразятся на риске развития опасных заболеваний.
В настоящее время точность прогнозов медицинского ИИ, разработанного Toshiba, составляет 96%. Добавление в анализ большего количества данных, таких как информация о ДНК пациента и семейная история болезни, позволит ещё больше повысит точность прогнозирования. Использование информации о ДНК и учёт семейного анамнеза позволяют всерьёз говорить об индивидуальном медицинском обслуживании.
Медицина — ещё одна отрасль, в которой применение ИИ даёт огромные преимущества. Однако, как и в других сферах, «роботы» не отнимут работу у человека, а будут делать то, что у них получается значительно лучше — анализировать и сопоставлять данные, выдавая варианты живому врачу предупреждения о возможности заболевания на самых ранних стадиях, варианты диагноза и стандартные рекомендации по лечению в соответствии с протоколами. А врач, которому уже не нужно вручную вести журнал приёма и выписывать рекомендации, может сосредоточиться на пациенте, чтобы удостовериться, что ИИ-коллега не ошибся.
Оправданы ли опасения
Успех ИИ во многих сферах человеческой деятельности вызывает опасения, связанные с тем, что машины заменят людей, но в действительности бояться нечего. Несмотря на все преимущества искусственного интеллекта нельзя забывать, что это всё ещё компьютерная программа, которая может ошибаться по разным причинам от ошибок в коде до некорректных данных, использованных для обучения. Ценой такой ошибки может стать человеческая жизнь, как едва не произошло при использовании ИИ-решения на базе суперкомпьютера IBM Watson Health в онкологическом центре Memorial Sloan Kettering: лечение, которое назначала нейросеть, было, по словам врачей, смертельно опасно для некоторых больных.
Таким образом, несмотря на все опасения, внедрении любой новой технологии скорее меняет характер работы людей, а не вытесняет их из профессии. Взяв на себя рутину, ИИ обеспечит людям условия для профессионального роста и развития.
Что умеют нейросети: 10 крутых примеров из недавних новостей
Мы погуляли по телеграм-каналам и насобирали кучу всего интересного о нейросетях. Вот наши основные источники:
Под каждым примером дали ссылку на источник.
«Удаление» человека с видеоизображения в режиме реального времени
Вы помните, как в кино на камеры подавали статическое изображение, чтобы не было видно злоумышленников? Так вот, им даже не снилось, что когда-то можно будет просто вставить в код камеры алгоритм, который стирает вас с видео, все остальное будет реальным.
Редкий случай, когда до такого не додумались даже в фантастических фильмах. Обратите внимание, система работает прямо в браузере, на клиентской стороне.
Поиск людей, похожих на художественный портрет
Что будет, если дать немного модернизированной нейронке StyleGAN2 на вход лицо с классической картины и попросить сгенерировать лица людей, которые по мнению нейронки максимально подходят под эти картины?
Получится что-то вроде такого, как ниже.
Шахматная партия с программой, пишущей тексты
Недавно была сыграна удивительная шахматная партия. Играла компьютерная программа против человека. Но удивителен не результат партии (шахматные программы сегодня легко обыгрывают даже чемпионов мира, хотя в этот раз победил человек), а то, что это была за программа. Это GPT-2, нейросеть, которая продолжает за тебя написанный текст.
GPT-2 успешно сопротивлялась в партии против человека … даже не зная о том, что играет в шахматы. Нейроcети дали тексты шахматной нотации (записи ходов латиницей, т.е. e2-e4 и т.д.) – базу из нескольких миллионов сыгранных шахматных партий. При этом программу не учили правилам шахмат, для неё все эти записи партий были просто текстом.
Вот инструкция для тех, кто хочет тоже сыграть партию с GPT.
«Пересадка» лиц актёров
DeepFake-ролики становятся всё более правдоподобными – вот, например, Роберт Дауни младший и Том Холланд в «Назад в будущее».
Можете потом сказать внукам, что это вырезанная сцена из «Мстителей: Финал». Но лучше, конечно, покажите оригинал.
Если хотите сами попробовать сделать DeepFake, вот туториал.
Один из главных популяризаторов Deepfake – Hao Li, у него миллион разных регалий, в том числе он сыграл ключевую роль в появлении анимоджи на IphoneX, бывший научный руководитель ILM и много чего еще.
На этом видео он тизерит своё приложение Pinscreen и алгоритмы, используемые в нем, в контексте вреда Deepfake для человечества на всемирном экономическом форуме в Давосе.
Массовое распространение дезинформации
Пример не из радостных, но хорошо, что такое пока умеют распознавать.
Facebook отчитался, что заблокировал 610 FB аккаунтов, 89 страниц, 156 групп (с названиями вроде «America Needs President Trump, TRUMP MAGA 2020, WE STAND WITH TRUMP & PENCE!») и 72 Instagram аккаунта из единого ботнета, у всех у них были аватарки, сгенерированные нейронной сетью. Владельцы ботнета потратили 9 миллионов долларов на рекламу «За-Трамповых взглядов» и «Анти-китайской пропаганды».
В Facebook сказали, что вычислили их по «фону», потому что на нем видны артефакты и следы алгоритмического шума. Вопрос времени, когда фон станет нормальным и придется искать новые способы выявления таких фотографий.
Колоризация фотографий
С каждым годом качество колоризации становится лучше, на фото ниже новая версия алгоритма DeOldify, пока не выложенная в паблик, но которая уже сейчас выглядит лучше, чем все, что было до этого.
Вы можете скинуть автору алгоритма ЧБ фото, и он вышлет вам, что получилось, кроме того можно посмотреть другие примеры:
Оптимизация поиска новых лекарств
Проблема современной фармакологии в том, что для разработки новых лекарств приходится создавать и тестировать очень сложные молекулы. Молекулы могут иметь много разных параметров.
Чтобы синтезировать и протестировать все потенциально эффективные формулы, фармацевтам элементарно не хватает времени и ресурсов. Цикл создания нового лекарственного препарата может составлять до пяти лет. Но вот это моделирование разных молекул и прогнозирование свойств вещества исходя из устройства молекулы – отличная задача для искусственного интеллекта.
Так вот, британский стартап совместно с японской фармацевтической компанией нашёл с помощью ИИ формулу потенциально нового средства от обсессивно-компульсивного расстройства. Скоро в Японии пройдёт первый этап его клинического тестирования.
Вы могли видеть об этом заголовки вроде «ИИ создал новое лекарство», но всё немного сложнее. Новое вещество может стать лекарством только после нескольких этапов клинических испытаний – оно должно оказаться эффективным, не токсичным и так далее.
То, что удалось сделать с помощью ИИ – по сути, дотестовая оптимизация, то есть лишь начальный этап разработки лекарства. Без ИИ формулы таких лекарств подбирают 2-3 года. Здесь же ИИ справился с перебором разных комбинаций и параметров молекулы всего за год.
В общем, всё как в большинстве новостей про ИИ – машины пока не дают таких фантастических результатов, как хотелось бы (т.е. до «нажали кнопку – получили новое лекарство» ещё очень далеко), но позволяют заметно оптимизировать рутинные процессы.
Создание анимаций с большими значениями FPS
Следующий пример искусственного интеллекта позволяет создавать новые кадры в видео и анимациях, делая движение объектов более гладким.
Вот пример с Чебурашкой. Чтобы почувствовать более гладкое движение, нужно поставить на YouTube 720p50.
Распознавание дорожных знаков для ограничения скорости автомобиля
В автомобилях Tesla есть опция Speed Assist – камера распознаёт дорожные знаки с ограничением скорости и передаёт данные системе круиз-контроля. Удобная фича – водителю не надо лишний раз обращать внимание на дорожные знаки, машина сама их видит и разгоняется только до разрешенной скорости.
Но в лаборатории McAfee нашли занятный баг – наклеив на дорожный знак всего одну наклейку, систему распознавания можно обмануть и заставить машину разгоняться до 85 миль в час вместо 35. Баг не работает в новых моделях Driver Assistant, но много машин используют старую версию. Побыстрее бы его пофиксили, а то ведь такую наклейку могут наклеить на знак не только исследователи в рамках эксперимента.
Оценка привлекательности
Есть такой краудсорсинговый сервис Photofeeler для отбора фотографий (для резюме, тиндера и т.п.), куда можно загрузить свою фотографию и получить оценок по разным шкалам (ум, привлекательность, благонадежность) от сообщества – это условно бесплатно, но чтобы получить оценки, надо самому оценить сколько-то чужих фотографий.
Так вот они подсобрали данных и обучили на них сетку Photofeeler-D3, неплохо предсказывающую человеческие оценки, в т. ч. по видеопотоку. Выше – пример видео из поста, где автор кривляется перед камерой, а сетка оценивает результат в реальном времени. Очки добавляют ума, но крадут привлекательность 😉
Бонус: пара ссылок позалипать
Думаете, что уж вас-то нейросети не обманут? Держите ссылку на наш клевый тест об успехах ИИ.
Если знаете ещё классные примеры, скидывайте в комментарии.
Хотите узнать больше – подписывайтесь на вышеперечисленные каналы и читайте наши статьи:
У нас тоже есть канал в телеграм (@proglibrary), учитесь вместе с нами.