За последнее десятилетие резкий рост стоимости производства видеоигр класса ААА стал одной из самых серьезных проблем в игровой индустрии. Cтудии постоянно ищут технологии, которые могли бы помочь снизить стоимость разработки игр. Последние достижения в нейронных моделях генерации изображений вселяют надежду, что реализация этой мечты может быть не так уж и далека.
Могут ли компьютеры думать? Могут ли модели искусственного интеллекта (ИИ) быть сознательными? Эти и подобные вопросы часто возникают при обсуждении недавнего прогресса ИИ, достигнутого с помощью моделей естественного языка GPT-3, LAMDA и других преобразователей. Тем не менее они все еще противоречивы и находятся на грани парадокса, потому что обычно существует множество скрытых предположений и ошибочных представлений о том, как работает мозг и что означает мышление. Нет другого пути, кроме как точно сформулировать эти предположения, а затем исследовать, как именно обработка информации человеком может быть воспроизведена машинами.
Сейчас никого не удивишь фильтрами, которые улучшают качество фотографий. Но восстановление старых портретов пока оставляет желать лучшего. Старые фотографии бывают слишком размытыми, поэтому обычные методы повышения четкости изображений на них не работают.
Компания Facebook выложила в открытый доступ проект NLLB (No Language Left Behind). Основной особенностью данной разработки является охват более двухсот языков, включая редкие языки африканских и австралийских народов. Кроме того Facebook применил новый подход к модели машинного обучения, в котором перевод осуществляется напрямую из одного языка на другой, без промежуточного перевода на английский.
Группа учёных используя машинное обучение «переоткрыла» закон Всемирного тяготения.
Анимированные аватары давно уже вошли в нашу жизнь. Но вот реалистичное моделирование анимации одежды, пока оставалось открытой задачей.
С одной стороны современные методы физического моделирования могут генерировать реалистичную геометрию одежды с интерактивной скоростью. С другой, моделирование фотореалистичного внешнего вида обычно требует физического рендеринга, который слишком дорог для интерактивных приложений.
Группа учёных используя машинное обучение «переоткрыла» закон Всемирного тяготения.
Для этого они обучили «графическую нейронную сеть» для моделирования динамики Солнца, планет и больших планет Солнечной системы из 30-летних наблюдений. Затем они использовали символическую регрессию, чтобы обнаружить аналитическое выражение закона силы, неявно изученного нейронной сетью.
