Новини

Про Машинне Навчання та Штучний Інтелект

Відновлення старих фотопортретів за допомогою нейронних мереж

Зараз вже нікого не здивувати фільтрами, які покращують якість фотографій. Але реставрація старих портретів поки що залишає бажати кращого. Старі фотографії бувають надто розмитими, тому звичайні методи підвищення чіткості зображень на них не працюють.

Жодна мова не буде забута

Компанія Facebook виклала у відкритий доступ проєкт NLLB (No Language Left Behind). Головною особливістю цієї розробки є охоплення понад двохсот мов, у тому числі рідкісних мов африканських та австралійських народів. Крім того, Facebook застосував новий підхід до моделі машинного навчання, де переклад здійснюється безпосередньо з однієї мови на іншу, без перехідного перекладу англійською мовою.

Фотореалістична анімація одягу для аватарів

Анімовані аватари вже давно стали частиною нашого життя. А ось реалістичне моделювання анімації одягу досі залишалося невирішеним завданням.

З одного боку, сучасні методи фізичного моделювання можуть генерувати реалістичну геометрію одягу з інтерактивною швидкістю. З іншого, моделювання фотореалістичного зовнішнього вигляду зазвичай потребує фізичного рендерингу, який занадто дорогий для інтерактивних програм.

Перевідкриття небесної механіки за допомогою МН

Група вчених, що використовують машинне навчання, «заново відкрила» закон Всесвітнього тяжіння.

Для цього вони навчили «графічну нейронну мережу» моделювати динаміку Сонця, планет і великих планет Сонячної системи з 30 років спостережень. Потім вони використали символічну регресію, щоб виявити аналітичне вираження закону сили, неявно вивченого нейронною мережею.

Україна використовує Clearview AI для виявлення загиблих громадян та вбитих російських солдатів

Україна почала використовувати програмне забезпечення для розпізнавання облич Clearview AI для виявлення загиблих російських солдатів та українців, загиблих у конфлікті. Хоан Тон-То, виконавчий директор Clearview, повідомив Reuters, що Міністерство оборони України почало використовувати цю технологію в березні.

Захист планети: як аналітика підтримує сталий розвиток

За допомогою SAS Customer Intelligence 360, Nature Conservancy переосмислила свою маркетингову стратегію за допомогою цифрової трансформації. В результаті міжнародна екологічна некомерційна організація опублікувала свій найкращий рік з точки зору доходів від членства. Показник, як ніщо інше, просуває свою місію створити більш стійке майбутнє.

Новоявлена творчість ШІ: що потрібно знати про фундаментальні моделі і як вони допомагають роботам жартувати

Ви коли-небудь бачили фото чайника у формі авокадо або читали цікаву статтю, ідеї якої дивно відхиляються від заданої теми? Якщо так, то, можливо, ви стикалися з останніми тенденціями штучного інтелекту (ШІ).

Нове дослідження поєднує рекурентні нейронні мережі (RNN) з концепцією відпалу для вирішення реальних задач оптимізації

Оптимізаційні завдання передбачають визначення найбільш оптимальної реакції з безлічі варіантів, які часто можна побачити як в реальних ситуаціях, так і в більшості областей наукових досліджень. Однак багато складних завдань не можуть бути вирішені простими обчислювальними методами або вимагають багато часу.

W2V-BERT: Поєднання контрастного навчання та моделювання мови з маскою для самостійного навчання мовлення

Мотивовані успіхом маскового мовного моделювання (МЛМ) в допідготовлених моделях обробки природної мови перед навчанням, автори пропонують модель w2v-BERT, яка досліджує МЛМ для самонавчального мовного представлення.

Остання нейронна мережа OpenAI створює зображення з текстового опису

"Ми виявили, що DALL· Е має можливість створювати правдоподібні фотографії для фантастичного діапазону речень, які розкривають композиційну структуру мови", - пояснює OpenAI. Отримані зображення можуть варіюватися від ілюстрацій до об'єктів, а також виправлених реальних зображень. Нижче наведено кілька прикладів кожного з них, що поставляється OpenAI.

Автоматизація може замінити понад 1,4 мільйона робочих місць

Роботодавцям і працівникам необхідно змінити свою думку. Майбутнє вже настало, а впровадження сучасних технологій по-різному впливає на розподіл трудових ресурсів. Ми повинні розуміти, наскільки технологія доповнює людську працю, і цілеспрямовано вкладати кошти в розвиток нових навичок, виявляти нові функції, створені сучасними технологіями з метою оптимізації спільної роботи машини і людини.

Практика побудови двигунів на основі ШІ

Рушії на основі штучного інтелекту оцінюють та інтерпретують дані в базі знань, розгортання моделі процесів та моніторингу продуктивності. Вони являють собою абсолютно новий світ, в якому додатки зможуть використовувати технології штучного інтелекту для підвищення операційної ефективності і вирішення важливих виробничих завдань.

Використання ШІ для оцінки пасажирів та транспортних засобів

“Наше патентне портфоліо відображає нашу прихильність до розширення меж комп'ютерного зору, машинного навчання, глибокого навчання та штучного інтелекту, що свідчить про лідерство нашої компанії у визначенні багатьох творчих застосувань штучного інтелекту людського сприйняття, які формують різні галузі сьогодні та в майбутньому».

Як штучний інтелект може захистити вас онлайн

Зі збільшенням використання соціальних мереж все більше і більше нашого життя витрачається в Інтернеті, тому ми повинні намагатися знайти способи зменшити загрози, захистити нашу безпеку та усунути взаємодію, яка викликає занепокоєння. Штучний інтелект (ШІ) – це прогресивна технологія машинного навчання, яка відіграє важливу роль у сучасному житті та у функціонуванні сучасних соціальних мереж зокрема.

Розвиток штучного інтелекту

Можливості сучасних комп'ютерних систем вражають. На ранній стадії комп'ютери не тільки допомагали людям вирішувати складні математичні завдання, а й зберігали великі обсяги інформації. Сьогодні машини експлуатують складне обладнання і системи для запобігання людських помилок.

Алгоритми ШІ для м'якої робототехніки

Вчені Массачусетського технологічного інституту створили алгоритм, який допомагає інженерам розробляти м'яку робототехніку, яка збирає більше корисної інформації про навколишнє середовище. Алгоритм глибокого навчання передбачає поліпшене позиціонування датчиків всередині тіла робота, що дозволяє йому успішно взаємодіяти з навколишнім середовищем і виконувати поставлені завдання. Розробка є кроком до автоматизації роботизованого проектування.