Главная страница > Новости > ОБЗОР НОВОСТЕЙ НЕЙРОТЕХНОЛОГИЙ 21.12.2020-27.12.2020

ОБЗОР НОВОСТЕЙ НЕЙРОТЕХНОЛОГИЙ 21.12.2020-27.12.2020

28 декабря 2020

Новое электронное устройство определяет 21 жест

Инженеры из Калифорнийского университета в Беркли разработали устройство, которое может распознавать жесты рук по электрическим сигналам, обнаруженным в предплечье. Гибкая повязка – манжет – может считывать электрические сигналы в 64 различных точках предплечья. Затем электрические сигналы поступают в электрический чип, который запрограммирован с помощью алгоритма искусственного интеллекта, способного связывать эти шаблоны сигналов с конкретными жестами рук.

Программа должна сначала «изучить», как электрические сигналы в руке соотносятся с отдельными жестами руки. Для этого пользователь делает жесты рукой один за другим.

Команде удалось научить алгоритм распознавать 21 отдельный жест руки: когда поднимается большой палец вверх, ладонь сжимается в кулак, ладонь выпрямляется, когда поднимаются отдельные пальцы и пальцы по очереди (при подсчете чисел). Мозг посылает электрические сигналы через нейроны шеи и плеч к мышечным волокнам рук и кистей. По сути, электроды в манжете воспринимают это электрическое поле. С высокой плотностью электродов ИИ может научиться распознавать определенные шаблоны.

Новое устройство использует разновидность продвинутого ИИ – алгоритм гиперпространственных вычислений, который способен обновлять себя новой информацией. Например, если электрические сигналы, связанные с определенным жестом руки, изменяются из-за того, что рука пользователя вспотела или он поднимает руку над головой, алгоритм может включить эту новую информацию в свою модель. Еще одно преимущество нового устройства заключается в том, что все вычисления происходят локально на чипе: никакие личные данные не передаются на ближайший компьютер или устройство. 

Для виртуальной реальности разработали подвесной экзоскелет

Немецкая компания Holotron представила прототип экзоскелета для виртуальной реальности. Он подвешен на стене и может наклоняться вместе с человеком в разные стороны, а также способен воспроизводить усилия, действующие на тело во время контакта с объектами виртуального мира. Максимальное усилие составляет 150 ньютон-метров, но оно может быть программно ограничено для безопасности работы.

В нынешнем виде экзоскелет — это ранний прототип, собранный из простых компонентов

Экзоскелет состоит из двух массивных рам для ног и поддерживающей рамы за спиной. В каждой ноге есть по два мотора: один отвечает за сгибание и разгибание колена, а второй предназначен для бедра. При обычной ходьбе человек может свободно двигать ногами, однако при контакте с предметами, например, с большим мячом, использованным в демонстрационной программе, моторы передают на ногу усилие. 

Главная особенность экзоскелета заключается в том, что он не стоит на полу, а подвешен на стене, причем он не зафиксирован на ней, а закреплен через платформу Стюарта. В исходном положении экзоскелет располагается параллельно стене, но за счет раздвигаемых ног платформы его можно наклонять в нужную сторону. Разработчики использовали это для нескольких применений, в том числе имитации пониженной силы тяжести и для более реалистичной езды на виртуальном лонгборде.

Алгоритмы Deepdub переводят видео на шесть языков, сохраняя голос оригинала

Израильский стартап Deepdub представил платформу для автоматизированного перевода видеороликов с помощью искусственного интеллекта и алгоритмов на базе глубокого обучения. Цель стартапа — поставить перевод развлекательного контента на поток, чтобы зрители и слушатели могли ознакомиться с талантом актеров, а продакшн-компании — сэкономить деньги и время на актерах дубляжа.

Алгоритмы Deepdub самостоятельно считывают речь и голос по предоставленным видеороликам или аудиозаписям. Нейронные сети отделяют и изолируют голоса от фоновых шумов и музыки, а затем создают новую звуковую дорожку для перевода. ИИ обращает внимание не только на звук, но и на изображение — Deepdub сопоставляет речь с движениями губ и соответствующим образом генерирует новые предложения.

Deepdub дублирует голоса на стадии пост-продакшена и одновременно работает с шестью языками. В ближайшее время стартап планирует расширить поддержку до 12 языков. Точная скорость перевода алгоритмами стартапа неизвестна, но, она радикально ускоряет обычные сроки дубляжа полнометражного фильма на все поддерживаемые языки, которая сегодня в среднем занимает у пост-продакшен компаний два месяца.

Биоразлагаемый имплант помог восстановить поврежденные нервы

Китайские нейроинженеры разработали биосовместимый имплант, который восстанавливает поврежденные нервы при помощи электростимуляции, а затем самостоятельно разлагается. Имплант сам по себе является простейшим гальваническим элементом, электролитом в котором выступают биологические жидкости организма, поначалу генерируя напряжение немногим меньшее, чем в обычной пальчиковой батарейке.

Имплант, восстанавливающий поврежденный нерв у крысы

Устройство представляет собой микротрубку толщиной 350 мкм из полимерных материалов, покрытых тонким слоем магния и железо-марганцевого сплава. Полимерный материал, благодаря пористой структуре, проницаем для факторов роста нейронов, необходимых для восстановления. Металлы же, служа электродами, совместно с биологическими жидкостями организма, образуют гальванический элемент. Он создает электрический ток, который ускоряет восстановление нервной ткани. 

Имплант в виде микротрубки также выступает в качестве каркаса, соединяющего поврежденные части нерва. Устройство отлично совместимо не только организмом, но и с аппаратом МРТ – имплант не станет препятствием для проведения магнитно-резонансной томографии. Помимо того, устройство не нужно извлекать – оно самостоятельно разрушается примерно через 56 дней, уступая место растущим нервным клеткам.

Новый алгоритм DeepMind самостоятельно освоил игры Atari

Разработчики DeepMind представили MuZero — алгоритм, который может справиться с любой игрой, не зная правил на начальном этапе. Вместо построения модели игровой среды MuZero использует информацию о текущем и предыдущем шаге, а также о возможном исходе одного из следующих шагов, в результате чего обучается играть самостоятельно. Алгоритм научили играть не только в классические для алгоритмов DeepMind го, сёги и шахматы, на также 57 игр для приставки Atari.

На каждом шаге MuZero проводит поиск по дереву методом Монте-Карло: на каждом шаге у алгоритма есть информация о его текущем состоянии и предыдущем состоянии, а также об исходе только что предпринятого действия. На основании этого глубокая нейросеть учится оценивать возможные исходы следующего шага, пользуясь уже полученной и сохраненной информацией, и предпринимать его, исходя из возможного исхода действия (например, полученной награды или ответного шага противника).

Схематичное изображение дерева решений и работы алгоритма на примере игры в го. Синим обозначено текущее состояние алгоритма, зеленым — возможный следующий шаг, розовым — исход шага.

MuZero обучили играть в классические для алгоритмов DeepMind настольные игры — шахматы, cёги и го — изначально дав ей всего пять возможных шагов. Производительность алгоритма оказалась сравнима с AlphaZero, а в го MuZero даже удалось научиться играть лучше предшественника. Также MuZero опробовали в 57 играх на платформе для машинного обучения Atari (например, Ms. Pac-Man) — и ему удалось научиться качественно играть и в них, даже имея шесть-семь возможных шагов.