Наша географияЗаявка на членство+7 916 848-78-01info@rusneuro.net
О НейроНетеНаша миссияЧлены союзаНовостиПресс-центрДокументыАрхивКонтакты
Новости / Обзор новостей нейротехнологий 28.07.18 - 03.08.18
Новости
3.08.2018

Обзор новостей нейротехнологий 28.07.18 - 03.08.18

Оптическая нейросеть

Группа исследователей из Калифорнийского университета в Лос-Анджелесе разработала новый тип нейронной сети, которая в работе использует свет вместо электричества. Полностью оптический фреймворк глубокого обучения физически сформирован из множества отражающих или прозрачных поверхностей. Эти поверхности работают сообща, выполняя произвольную функцию, усвоенную в результате обучения.

Исследователи объясняют, что структура оптической нейросети организована по принципу Гюйгенса, в соответствии с которым каждый элемент волнового фронта можно рассматривать как центр вторичного возмущения, порождающего вторичные сферические волны, а результирующее световое поле в каждой точке пространства будет определяться интерференцией этих волн.

Дифракционная глубокая нейронная сеть (Diffractive Deep Neural Network, D²NN)

Учёные подчёркивают, что оптическая нейросеть выполняет функцию со скоростью света и не нуждается в энергии. Для проверки идеи исследователи сделали нейросеть, способную распознавать цифры от нуля до девяти — и сообщать результат. После обучения на 55 000 изображений чисел распечатанная семислойная нейросеть показала точность 93,39%. Таким образом, она представляет собой эффективный и быстрый способ реализации задач машинного обучения.

Подробнее: habr.com/post/418847/

Искусственный интеллект научился «понимать» другие машины

Новая нейросеть от разработчиков компании DeepMind способна определять мотивы искусственного разума и предсказывать его дальнейшие действия. Само название сети – ToMnet – раскрывает основной принцип, которым пользуется искусственный интеллект для понимания других машин, – Theory of Mind, «теория разума» или «теория сознания». Еще ее называют моделью психики.

ToMnet состоит из трех нейронных сетей, каждая из которых представляет собой «набор» небольших вычислительных элементов и соединений. Первая сеть изучает, как поступят другие ИИ – на основе их прошлых действий. Вторая составляет понимание их текущих «убеждений». Третья же пользуется выводами двух других сетей и, в зависимости от ситуации, предвидит следующие шаги ИИ.

Слева направо. Прошлая траектория агента (стрелки). Текущая позиция агента (точка). Далее, запрос и предсказание ToMnet, учитывая наблюдение прошлой траектории.

Работу нейросети разработчики проверили в ходе эксперимента. ToMnet наблюдал за тремя несложными ИИ, представленными в виде компьютерных персонажей. После нескольких тренировок ToMnet научился с помощью машинного обучения определять каждый вид ИИ после пары шагов и, более того, предсказывать следующие действия любого персонажа. Тест также показал, что ToMnet способен понять, когда персонаж придерживается ложного убеждения.

Подробнее: scientificrussia.ru/articles/iskusstvennyj-intellekt-nauchilsya-ponimat-drugie-mashiny

Машинное обучение дало роботу ловкую руку

Инженеры научили роборуку ловко обращаться с предметом при помощи машинного обучения. Сначала система обучалась в виртуальной реальности, а затем перешла к упражнениям с реальными предметами. Перейти от цифрового мира к реальному позволила особая программа виртуального обучения, которая слегка изменяла параметры движений.

Разработчики из компании OpenAI применили методы, которые позволяют алгоритму самому вырабатывать оптимальный режим работы, испытав длительный цикл проб и ошибок. Так как существующие сегодня роботы медленны и во многом ненадежны, то полный цикл обучения в реальности занял бы слишком длительное время. Поэтому инженеры решили обучать программу в виртуальной реальности.

Чтобы впоследствии роборуке было легче перейти к реальному миру, в процессе обучения исследователи варьировали параметры, например, размер манипулируемого кубика или коэффициент трения. Это позволило программе быстро определять размеры куба и другие факторы. Курс обучения, который прошла программа, в реальном мире занял бы 100 лет, но в виртуальном был существенно ускорен.

Подробнее: indicator.ru/news/2018/07/31/robot-lovkaya-ruka/

Искусственный интеллект проанализирует характер по движениям глаз

Исследователи из Германии и Австралии разработали алгоритм, позволяющий с помощью анализа движений глаз оценить многие черты характера. Согласно исследованию, система способна определить, насколько человек общителен, совестлив и склонен к любопытству. Описание разработки опубликовано в журнале Frontiers in Human Neuroscience.

В эксперименте приняли участие 42 студента, они заполнили по три опросника для выявления показателей «Большой пятерки», а также степени любопытства. После этого на добровольцев надели гарнитуры для отслеживания направления взгляда: их попросили прогуляться вокруг университета в течение 10 минут и купить себе напиток в магазине поблизости.

Искусственный интеллект проанализировал частоту моргания и особенности саккад (быстрых движений глаз в одном направлении), а также зафиксировал, часто ли глаза добровольца останавливались на каком-либо объекте. На основе этих данных система строила тепловые карты движений глаз волонтера. Результаты анализа сопоставили с анкетами студентов. Системе удалось относительно успешно оценить степень нейротизма, экстраверсии, готовности к компромиссам, добросовестности и любопытства.

Подробнее: naked-science.ru/article/sci/iskusstvennyy-intellekt-proanaliziruet

Искусственный интеллект может понять нас, читая по губам

Разработчики из DeepMind «накормили» свою систему искусственного интеллекта тысячами часов видеороликов вместе с расшифровкой текста, который произносили люди в кадре, и нейросеть  научилась читать по губам. После этого ученые разработали программу, которая создавала клипы на несколько секунд, в которых было показано, как двигается рот человека для каждой фонемы.

На следующей стадии система изучала эти клипы и представляла список возможных фонем и их вероятности для каждого видеокадра. На последней стадии ИИ составлял все возможные английские слова из последовательности фонем. При этом машина понимала, что, например, звук «т» в английском языке может произноситься по-разному: «t» в слове «boot» (ботинок) и «beet» (свёкла).

Карта для “kind of” и 3 лучших предсказания каждого кадра. Реальная последовательность фонемы -- / k aI n d V v /.

После обучения исследователи протестировали свою систему на 37-минутном видео. ИИ ошибочно определил только 41% слов, сообщается в статье. Может показаться, что его положительный результат не так уж велик, однако новая разработка работает намного лучше, чем прежний компьютерный метод. Предшественник нового метода фокусировался на отдельных буквах, а не на звуках и ошибался на 77%.

Подробнее: scientificrussia.ru/news/iskusstvennyj-intellekt-mozhet-ponyat-nas-chitaya-po-gubam

17.08.2018Обзор новостей нейротехнологий 13.08.18 - 17.08.18

Самые актуальные новости за неделю

Подробнее
17.08.2018Нейроэкономика. Кто принимает решения за нас?

22 августа состоится очередная лекция, в рамках специального проекта Отраслевого союза "Нейронет" NeuroAcademy, на тему "Нейроэкономика". Лектором выступит кандидат биологических наук, директор Института когнитивных нейронаук НИУ ВШЭ, ведущий научный сотрудник Центра нейроэкономики и когнитивных исследований НИУ ВШЭ Василий Ключарев

Подробнее
15.08.2018Российские генетики научились прогнозировать внешность будущих детей

Научные сотрудники медико-генетического центра Genotek разработали метод, который позволяет прогнозировать внешность будущего ребенка по генетическим данным родителей. Он может стать востребованным в случае массового распространения технологий ЭКО или редактирования генома для выбора родителями внешности их детей.

Подробнее
14.08.2018Как машинам научиться понимать нас?

17 августа состоится очередная лекция, в рамках специального проекта Отраслевого союза "Нейронет" NeuroAcademy, на тему "Нейроинформатика на примере анализа текстов". Лектором выступит Профессор Департамента компьютерных наук НИУ ВШЭ, сотрудник Института высшей нервной деятельности и нейрофизиологии РАН, руководитель Microsystems Ltd Александр Харламов

Подробнее
10.08.2018Обзор новостей нейротехнологий 04.08.18 - 10.08.18

Самые актуальные новости за неделю

Подробнее
9.08.2018НейроЧат в числе ста лучших изобретений России по версии Роспатента

Коммуникационная система НейроЧат для людей с серьёзными ограничениями речи и движений, позволяющая общаться силой мысли, была признана одним из лучших изобретений России за прошедший год

Подробнее
7.08.2018Контакт с мозгом: нейроинтерфейсы и искусственный интеллект

14 августа состоится очередная лекция, в рамках специального проекта Отраслевого союза "Нейронет" NeuroAcademy, которая будет посвящена взаимодействию с мозгом. Лектором выступит создатель и руководитель Лаборатории нейрофизиологии и нейрокомпьютерных интерфейсов на базе биологического факультета МГУ им. Ломоносова, Александр Каплан. 

Подробнее
6.08.2018Сбербанк показал, как будет выглядеть его робот «Ника»

Сбербанк показал робота собственной разработки «Ника» с системой искусственного интеллекта iPavlov. 

Подробнее
123242, г. Москва, Малый Конюшковский пер., д. 2, оф. 17