Nevrale nettverk leser lepper, tegner og slår profesjonelle go-spillere. Og viktigst av alt, de vet hvordan de skal lære. De fem mest uventede fremskrittene innen kunstig intelligens.
Musetunge
I 2017 la østerrikske zoologer, som studerer oppførselen til husmus (Mus musculus), merke til at gnagere endrer stemmen avhengig av hvilken av deres slektninger de kommuniserer med - en hann eller en kvinne. Spektrografisk analyse av "talen" til førti forsøksdyr viste at mus byttet til lyd med høyere frekvens når de så et individ av det motsatte kjønn.
Ved å bruke denne funksjonen bestemte forskere fra Russland, Nederland og Tyskland seg for å trene nevrale nettverk for å gjenkjenne kjønn på mus ved lydene de lager, og også for å bestemme hvem meldingen er adressert til: mann eller kvinne.
Dyrene ble delt i par, hver med en gnager under generell anestesi, og den andre beveget seg fritt rundt buret. Musens skrik ble spilt inn og behandlet ved hjelp av nevrale nettverk, som lærte av lydens høyde, amplitude, varighet for å forstå hvem som ga den ut og hvem den var beregnet på.
Etter trening bestemte nevrale nettverk kjønnet på mus som lager lyder og mottakerne deres i 84 prosent av tilfellene. Forfatterne av arbeidet bemerker imidlertid at algoritmen sannsynligvis ikke vil fungere med dyr av andre linjer (studien involverte gnagere av C57BL / 6NCr-linjen). Mus har sannsynligvis forskjellige "dialekter", og squeak vil ha forskjellige spektrale egenskaper.
Salgsfremmende video:
Nevrale nettverksgrafologer
Russiske forskere har lært nevrale nettverk å gjenkjenne kjønn av en person ved håndskrift. Programmet, utviklet i fellesskap av MEPhI, Kurchatov Institute og Voronezh State University, bestemte i 80 prosent av tilfellene riktig hvem som skrev teksten - en mann eller en kvinne. Forskere har brukt ultra-presise nevrale nettverk og dype læringsmetoder.
Ifølge en av forfatterne av verket, førsteamanuensis ved NRNU MEPhI Alexander Sboev, ble slike høye resultater oppnådd takket være avanserte nevrale nettverksmodeller og det faktum at forfatteren ikke skjulte sitt kjønn. Nå løses problemet med å bestemme kjønn i en situasjon der en person later til å være en annen: for eksempel skriver en kvinne en tekst på vegne av en mann. Snart læres kunstig intelligens til å bestemme alderen til forfatteren av en skrevet tekst.
Lasagna blir til sushi
Japanske og franske eksperter har laget et program som tilpasser kjente retter til de kulinariske tradisjonene i forskjellige land. La oss si at den gjør lasagne til sushilasagne, og lager japansk sukiyaki-suppe i fransk stil. Det vil si at programmet lager en oppskrift der calvados er indikert i stedet for mirin (risvin), og grønn løk erstattes av estragon.
Kunstig intelligens opererer i to faser. Først etter å ha analysert ingrediensene som utgjør en bestemt rett, finner han ut hvilket nasjonalt kjøkken det hører til. Så bestemmer han hvilke ingredienser og hva som skal erstattes, slik at maten tar på seg funksjonene i en annen kulinarisk tradisjon. For dette brukes vektormodellen word2vec, som angir korrespondansen mellom ingrediensene. Så når du tilpasser japanske retter til fransk mat, foreslår programmet å ta en blanding av aromatiske urter i stedet for soyasaus.
Nevralt nettverk forstår ennå ikke hvor godt de nye ingrediensene kombineres med hverandre, og tar ikke hensyn til metoden for tilberedning. De lover å fullføre det.
I en ny kapasitet
Nevrale nettverk er flinke til å gjenopprette lysstyrke og farge på gamle tegneserier og filmer, og tilpasse dem til moderne skjermer med høy oppløsning. I september presenterte to store selskaper - Disney og Yandex - lignende algoritmer.
Disney Research har utviklet et program som lar deg oppnå mer realistisk fargelegging av videoer ved å matche tilstøtende rammer bedre. Nevrale nettverk av russiske spesialister (DeepHD-teknologi) klarer å øke oppløsningen uten å miste skarphet og kvalitet.
Algoritmen ble testet på gamle sovjetiske tegneserier. På "Yandex" kan du se i forbedret kvalitet "Golden Antelope", "Snow Queen", "The Bremen Town Musicians" og andre kjente filmer av "Soyuzmultfilm". Som pressetjenesten til selskapet bemerker, er forskjellen spesielt for krevende seere merkbar: bildet er blitt skarpere, fine detaljer som blader på trær, snøfnugg, stjerner på nattehimmelen er bedre synlige.
Ser du etter brødre i tankene
Forskere fra University of California i Berkeley (USA) bruker nevrale nettverk for å søke etter romvesener, deltar i SETI-samarbeidet, et prosjekt for å søke etter utenomjordiske sivilisasjoner og muligens komme i kontakt med dem. For å gjøre dette har forskere opprettet et nevralt nettverk som uavhengig kan identifisere og registrere lavfrekvente signaler av kunstig opprinnelse.
Forskere mener at en avansert utenomjordisk sivilisasjon absolutt burde prøve å komme i kontakt med oss. Hovedproblemet er å skille elektromagnetiske signaler fra Jorden, som allerede har spredd seg i alle retninger over store avstander, fra de som sannsynligvis er fra et annet stjernesystem eller galakse. Så langt har en person ikke klart å skille fremmede signaler rettet mot planeten vår.
Nå gjør nevrale nettverk dette. Kunstig intelligens har allerede oppdaget 72 signaler, hvis kilder kan være himmellegemer tre milliarder lysår fra Jorden. De første innspilte radiobristene ble spilt inn i objektet FRB 121102. Som forfatterne av arbeidsnotatet, selv om programmet ikke finner spor etter fremmede sivilisasjoner, vil det bidra til å lære mye om universet.
Alfiya Enikeeva
