Обширный подраздел искусственного интеллекта, изучающий методы построения алгоритмов, способных обучаться. Машинное обучение осуществляют либо с помощью набора данных, как обычно это и бывает, например, показывают много предметов, и потом просят сравнить их. А еще бывает другой тип машинного обучения, который подразумевает сбор знаний экспертов и их перенос в компьютер в виде базы знаний. С помощью машинного обучения нейросети становятся умнее и могут нарисовать картину или даже написать пьесу. Машинное обучение является важным шагом на пути к созданию настоящего искусственного интеллекта.
Считается, что каждый год на поверхность Земли падает до 2 тысяч тонн метеоритов. Так принято называть космические объекты, которые не смогли полностью сгореть в атмосфере нашей планеты и упали в случайном месте. Большая часть метеоритов во время полета раскалывается на части, из-за чего рассчитать их точное место падения практически невозможно. Но недавно ученые из американского штата Калифорния разработали систему поиска даже мельчайших космических камней. В технологии задействованы летающие на большой высоте дроны и искусственный интеллект, который необходим для распознавания упавших метеоритов на фотографиях. В рамках данной статьи мы разберемся, какими бывают метеориты, в какие необычные места они падали и каким образом ученые хотят заниматься их поисками.
Компания Google осуществила детскую мечту многих людей и создала конструктор, из которого можно самостоятельно собрать робота. Причем речь идет не о безделушке с мотором и парой лампочек, потому что при должном старании конструктор будет обладать чем-то вроде искусственного интеллекта. Корпус робота можно сделать из бумаги, причем схема доступна бесплатно и ее нужно просто распечатать, вырезать и собрать. На начальном этапе программировать тоже не нужно, потому что исходный код тоже можно скачать. Правда для робота нужно будет купить «мозг» и специальное устройство, чтобы он мог обучаться новым командам. Выглядит так, что сборка робота займет много времени, но компания позиционирует свой конструктор как нечто простое и быстрое в освоении. Давайте изучим новую идею Google и выясним, насколько это правда?
Когда заходит речь о работе с большими данными, многие сразу представляют себе академиков в каком-нибудь научно-исследовательском институте или программистов, которые сидят за компьютером и пишут код 24/7. Поэтому сложилось мнение, что освоить профессию дата-сайентиста непросто (не просто так ведь ее называют одной из самых востребованных!). Но на самом деле большая часть того, что вы знаете о Data Science — это миф. Разберем самые популярные из них.
За последние несколько лет глубинное обучение (Deep Learning) шагнуло далеко вперед. Некоторые системы машинного зрения, голосового восприятия и некоторые другие работают настолько эффективно, что даже порой превосходят возможности человека. Но там, где есть новая перспективная технология, обязательно найдутся те, кто попробуют использовать ее в других целях. Так появились Deepfake — нейросети, которые способны заменить лицо человека на фотографии или видео. То есть любой человек сможет сесть перед камерой, сказать что-то, а его лицо будет заменено на другого человека. А что если я скажу вам, что уже сейчас Deepfake может заменить не только лицо, но и даже волосы, цвет кожи и фигуру?
Нейросетям постоянно находят новые применения. Мы уже видели, как одна нейросеть смогла написать симфонию для оркестра, а другая — нарисовала портрет, который затем ушел на аукционе за миллионы долларов. Также нейронные сети используют для обработки фотографий и развлечения: именно они, например, легли в основу приложения FaceApp, которое за считанные дни завоевало популярность во всем мире, штурмуя магазины App Store и Google Play. Это приложение позволяет состарить лицо на фото за пару секунд. Но что если стареть мы не хотим, а посмотреть… например, на свою копию из фильма Disney?
Десять лет назад мы даже не могли себе представить, что искусственный интеллект станет чем-то настолько распространенным и обыденным. Сегодня он умеет поистине фантастические вещи: предлагать людям новую музыку на основе их предпочтений, копировать стили рисования знаменитых художников, заменять лица на фотографиях и видео, а также многое другое. И разработать собственный искусственный интеллект может каждый, кто хорошо владеет языками программирования. Недавно специалист по обработке данных из компании Square Итан Розенталь (Ethan Rosenthal) придумал компьютерный алгоритм, который помогает приготовить идеальные бутерброды. Разумеется, идея столь странного и, по сути, бесполезного проекта пришла в его голову во время коронавирусного карантина. Но это не отменяет того, что проект интересный — вот знаете ли вы, как готовить бутерброд? Причем не обычный, а по рецепту дедушки разработчика.
На карантине многие начали осваивать новые профессии. Большинство офлайн-бизнесов вряд ли переживут пандемию, и нет ничего удивительного в том, что люди стали активно интересоваться программированием, машинным обучением и другими специальностями, которые не только будут наиболее востребованы в ближайшие несколько лет, но и также подразумевают работу онлайн из любой точки мира. Например, количество вакансий по профессии Data Scientist за 3 года выросло больше, чем в 4 раза! Сейчас такие специалисты пользуются наибольшим спросом на рынке труда, ведь работают они в самых разных сферах.
За последние несколько лет технологии интегрировались с многими бизнесами, что сформировало новые профессии, которые стали очень востребованными на рынке. Одним из таких направлений стало Data Science: специалисты в этой области сейчас нарасхват, и не зря, ведь они каждый день решают задачи, направленные на улучшение бизнеса и, как следствие, повышение его прибыли. А такие умельцы всегда нужны. Но чем конкретно занимаются специалисты по Data Science, и какими умениями они должны обладать?
Нейросети уже дошли до такого уровня, что могут обыгрывать в шахматы или го профессиональных игроков. С помощью машинного обучения ученые обучают нейросеть, создают реалистичный симулятор, а затем реальный игрок пытается сразиться с мощью алгоритма на компьютере. Однако пока никому не приходило в голову использовать нейросети в активном спорте — например, при игре в настольный теннис. Причем речь идет не о какой-то там компьютерной симуляции, а настоящей игре с реальным соперником.