80002
Личный блог Дениса Ширяева (🤍🇺🇦), про технологии, интересное или актуальное. В основном я по нейронкам. Связь и реклама: @thenbot
Нашёл забавную игрушку в браузере, которая наглядно показывает работу AI в самоуправляемых автомобилях. Это 2D пространство с двумя машинками и блоками, которые они успешно (или нет) объезжают. Машинками управляет нейросеть и правила, что движение вперёд это хорошо, а врезаться в стены — плохо. Для навигации используются 19 сенсоров, имитирующих технологию LIDAR, которую гугл и убер используют для своих беспилотных автомобилей, только сенсоров у них побольше. А ещё там можно дорисовывать блоки прямо на дороге машинки, и создавать им ощутимые проблемы :) Попробуйте, выглядит интересно. Самое главное, народ начинает привыкать к тому, что этого не избежать и вопрос "если" касательно self-driving cars уже превратился в "когда".
http://janhuenermann.com/projects/learning-to-drive
Я когда-то давно писал про Direct Sparse Odometry (DSO) – о технологии которая позволяет строить 3D сцену используя только изображение. Так вот, та же команда опубликовала видео подобного алгоритма, установленного уже на дрона. В видео дрон анализируя в режиме реального времени объекты вокруг себя избегает столкновений с объектами строя 3D сцену и пытаясь найти оптимальный маршрут "вокруг":
https://youtu.be/jh6tMHjxHSY
Мне кажется войну с машинами мы уже проиграли, этот то хоть без огнемета пока 🙈
Старый пост о DSO – http://bit.ly/2lmVsDr
Существует такой процесс у звукорежиссеров – разметка звуковой дорожки. Это муторный процесс, когда оператор прослушивает длинный аудиофайл и помечает на нем все сторонние шумы – кашель, мат, дефекты речи и тп. Процесс этот довольно сложный, а еще не очень надежный – так как работу делает человек и всегда может что-то пойти не так. На помощь, как всегда, приходят алгоритмы машинного обучения – по ссылке описание проекта который предлагает связку для разметки – работу алгоритма и человека:
Оператор выбирает один звук по шаблону (с текущей дорожки или из отдельного файла), после чего алгоритм предлагает ему свои варианты разметки, а человек "лайкая" решения алгоритма делают эту выборку точнее.
Вот видео (Смотреть с 1:20), где показано как это работает.
А вот интерактивное демо которое долго грузится и работает только с компьютера.
Это конечно не так впечатляет как разбивка аудио на дорожки с помощью машинного обучения, но во всяком случае уже сейчас работающий софт.
А еще такой алгоритм скорее всего уже есть у некоторых служб всякой там безопасности ¯\_(ツ)_/¯
Цитата: "Google закроет групповой мессенджер Spaces, не проработавший и года" ¯\_(ツ)_/¯
Этот прекрасный сериал про гугл и его мессенджеры:
http://bit.ly/2lPEFvK
Наконец-то можно не ставить себе приложение чтобы добавить машинными алгоритмами немного улыбки на фото – кто-то запилил бота для телеграма @ulybochkabot
Вы отправляете ему фото и получаете улыбку 🎉
P.S. Все в боте прекрасно, но более отвратительного названия нельзя было придумать :/
Давно я о железе не писал 🔌
Ничего необычного, просто два синтезатора речи – Votrax SC-01A 1980 года выпуска и Dectalk Express 1984 года выпуска разыгрывают сцену из Монти Пайтона (one love 💖) на английском языке.
Видео:
https://youtu.be/WjMwGWdqHVQ
А вот этот же момент на русском:
https://youtu.be/ZBFGFwdQVOA?t=93
О чем этот пост? А не о чем, просто о любви к железу которому уже 30+ лет ¯\_(ツ)_/¯
Не пишите постов когда идете в метро – писал пост выше, врезался в тётю, тётя ругается и злая, теперь смотрит на меня строго, а я во всем виню свою зависимость от смартфона, не объяснить же ей что я ради науки и мол нейронка просто утром вышла клевая 💁🏻ФИОЛЕТОВЫЕ КВАДРАТЫ дорисовывает, тётя!
Читать полностью…
По поводу вчерашнего поста и pix2pix, скинул котика подписчик канала
Читать полностью…
Я уже много раз писал про нейронную сеть pix2pix (это та которая текстуры может переносить и визуально адаптировать образы) и наконец-то кто-то запилил веб версию чтобы поиграться на разных датасетах – вот видео где я делаю котика которому больно а потом все зависает:
http://shir-man.com/static/tg/cat_kill_me.mp4
Вот тут можно поиграться самому:
http://affinelayer.com/pixsrv/index.html
Оно иногда виснет и работает только с компьютера
¯\_(ツ)_/¯
Если есть 15 минут и английский язык не смущает – то ниже самое актуальное из мира AI от Darpa. В видео идет речь о трех видах искусственного интеллекта и их различиях. Два вида ИИ нам уже знакомы – первый вид это "Handcrafted knowledge", такие системы как автоматизация логистики, 1С или компьютер играющий в шахматы. Второй вид ИИ – это "Statistical learning" – распознавание лиц, распознавание голоса, нейронные сети, все что требует гигабайты данных для анализа и тп.
Третий вид ИИ о котором идет речь в видео пока все еще не существует – "Contextual Adaptation". Это система в подходе которой не требуется "датасета" – большого объема данных для того, чтобы узнать, например, кошку, ИИ третьего поколения нужно будет знать, что у кошки есть лапы, мех, милая мордашка, урчание и тп, тогда он сможет без датасета сказать что это – кошка.
В общем, "Contextual Adaptation" это тот термин за которым я начну наблюдать внимательнее.
https://www.youtube.com/watch?v=-O01G3tSYpU
Генеративный дизайн то, генеративный дизайн сё, а я вот лопату через подобный алгоритм прогнал – ей же совершенно невозможно копать, что эти компьютеры вообще понимают 🎉
Читать полностью…
Энергетические компании Китая планируют чистить ЛЭП от мусора с помощью дронов-огнемётчиков, ниже пару фото
¯\_(ツ)_/¯
Ссылка:
http://gizmodo.com/power-company-sends-fire-spewing-drone-to-burn-trash-of-1792482517
Любопытный пост, о том как автор используя старенький gameboy и камеру к нему, снимал чб снимки в 256×224 пикселей (0.05 мегапикселя, 4 оттенка серого), чтобы попробовать их превратить в нормальные цветные фотографии без артефактов. Более того, у него это (более-менее) получилось.
http://www.pinchofintelligence.com/photorealistic-neural-network-gameboy/
Очень жду нейронную сеть которая будет снимать фильтры в инстаграме и улучшать качество старых фотографий, вообще серьезно, почему нет?
Исходный код открыт 💖
https://github.com/rmeertens/GameboyCameraPhotorealistic/
Ниже пару примеров того, что вышло.
Я не умею играть на пианино, поэтому я не могу понять удачный это эксперимент или нет – но вот тут по ссылке алгоритм аккомпанирует вашему стилю игры с помощью машинного обучения. 5 нот играете вы – 5 нот играет алгоритм.
https://aiexperiments.withgoogle.com/ai-duet/view/
В моем случае одинаково плохо играем мы оба 🙉
Поскольку мы живем в эпоху где big data повсюду, машинное обучение только и ждет чтобы что-то еще спрогнозировать или проанализировать, то ничего удивительного, что люди ради науки готовы тратить свои силы и энергию, не жалея себя, так сказать, отдаваясь ей полностью.
Вчера я наткнулся на пост с заголовком 📝 "Кто-то на Reddit проанализировал все свои случаи мастурбации за четыре года и внес в табличку" (https://tjournal.ru/41411) – и сразу понял, это та самая big data которую мы заслужили и принялся прогонять эти данные (http://bit.ly/2lmXhAn) через нейронную сеть.
В итоге у меня получилось, что в 2017 году, 28 декабря в воскресенье, автору этой таблички будет скучно и он скорее то самое то сделает, минут на 28. А самое главное, удалось сделать карту секса этого чувака – секс у него будет только 44 раза (фиксируем падение на 11 пунктов). Там еще есть данные "аномально длинных сессий автора" – но я решил в них не слишком то углубляться ¯\_(ツ)_/¯
Я не самая яркая звездочка машинного обучения, поэтому скорее всего что-то напутал (я даже уверен, что напутал), но если вам нечего делать и вы хотите поковырять нейронку на основе данных, то вот ссылка на сервис где я все это делал:
https://bigml.com
(После импорта файла, сделайте датасет и уже на его основе стройте модельку, расставляя там веса и запуская тренировку)
Слава науке! 🎉
Наконец-то любопытный алгоритм улучшения качества low-res картинок (Super-Resolution), да еще и без требований к датасету (кроме картинки маленького разрешения), да еще и с открытым исходным кодом 💖:
http://liviu.me/blog/super-resolution-using-coordinates-networks
Ниже примеры работы
🎉 О, я вам отменный тупак принес, после которого я понимаю, что станет скорее всего так.
Но поскольку ботов стало довольно много – теперь можно не выходя из телеграма сделать такой ужас что ниже, слава роботам!
Цепочка ботов:
@beard_bot –> @MagicSmileBot –> @Icon8bot –> @EffectBot –> @PrismaBot –> @MeduzaEyesBot –> @EffectBot
Если Улыбашкин у вас лежит, и не отвечает, есть еще @MagicSmileBot – аналогичный бот (Спасибо Викентию, подписчику канала) 🐙
Читать полностью…
Любопытный документ на arxivorg – нейронные сети постепенно решают множество задач анализа информации – видео, фото, аудио, просто кода, в общем вся информация вокруг нас будет рано или поздно проанализирована, каталогизирована и внесена в базы данных, что клево и удобно, и немного пугает.
Так вот, pdf документ по ссылке – это алгоритм (GNA-RNN) который преобразует человеческий текстовый запрос (NLP) вида: "Женщина одетая в длинное, яркое оранжевое платье с белым ремнем на её талии. Волосы её зажаты в пучок или хвостик" в реальные картинки на основе огромной выборки картинок.
Мне кажется Google image так и будет работать в будущем, и наконец-то можно будет увидеть своими глазами героев книг, целые сцены, достаточно будет просто копипастнуть описание.
Или для дизайнера – попросил устно Siri / Google now найти тебе "Мужчину в возрасте, с седыми волосами, в светлой одежде и видом будто он скрывает боль" и вот тебе png готовый и обтравленный для проекта. Или для выбора одежды – просишь что любишь, оно тебе корзину для примерки набивает, в общем вы поняли.
Но что-то мне подсказывает, что такое алгоритм не показал бы: "Девушка прошумела мимо меня, как ветвь, полная цветов и листьев".
В общем ждем исходный код ¯\_(ツ)_/¯
Ссылка:
https://arxiv.org/abs/1702.05729
По ссылке прекрасный и очень доступный текст унесенный с лепрозория о том как работает технология блокчейн:
https://tjournal.ru/41306-samoe-ponyatnoe-obyasnenie-principa-raboti-blokcheina
Очень рекомендую, если все еще остались вопросы 🎈
Эти мои обороты в стиле "я уже выше писал о чем-то" порядком всех утомили, поэтому просто новая интересная нейронка:
Алгоритм обученный на определённом наборе данных дорисовывает те сегменты которые закрашены фиолетовым (на фото ниже). Дорисовывает он их в хорошем разрешении и в "контексте" определённого фото.
Вот тут по ссылке исходный код и описание работы алгоритма 💖:
https://github.com/leehomyc/High-Res-Neural-Inpainting
А ниже пример 🎈
Вообще любопытный вопрос какие планы у музыкальной индустрии на все эти алгоритмы машинного обучения. К примеру по ссылке – нейронная сеть которая делит музыкальный трек на дорожки, причем в примере по ссылке можно отдельно послушать:
Гитару
Басс гитару
Барабаны
Вокал (!)
Прочее
Причем, качество всего этого довольно неплохое:
http://www.sisec17.audiolabs-erlangen.de/#/listen/30/UHL2
(На телефоне не работает скорее всего)
То есть в будущем мы сможем минус получить мгновенно и у любой песни, и не только минус, а одну дорожку которую потом сможем использовать где-то еще, ведь формально – это уже не нарушение копирайта, ведь так? (Я не знаю ответа, это просто красивый вопрос 🐙)
P.S. Нажмите "Solo" на любой дорожке и услышите как она звучит отдельно. А еще там справа можно выбрать несколько песен.
P.S.S. Исходный код пока недоступен, но если вдруг так случится что его опубликуют, то я обязательно пройдусь по отечественному шансону, отыграюсь так сказать, за нейронного круга (/channel/denissexy/242).
О, наконец-то полезный сервис.
Знаете что это за ужас?
http://🐴🗼🤢🚀🏀🎻🐩🕶.🍕💩.ws
Это ссылка на этот телеграм канал в виде emoji – вы можете сделать себе такую же вот тут: http://www.linkmoji.co
Рад быть полезным 🤦🏻♂️
А вот и видео – это, конечно, сюр
https://www.youtube.com/watch?v=78jCq-PY2oQ
Новость мельком (ей пару дней уже, но я пропустил):
браузер Амиго перестал работать из-за какого-то сбоя и толпы пользователей пошли на форум поддержки гуглхрома просить помощи и жаловаться на то что "не могу зайти в однокласники и не открываетс амиго" и "Я и Хром ваш не хочу. И страницу в гугле удалю и никогда больше туда не войду!"
https://m.roem.ru/16-02-2017/243183/chromigo/
Канал же называется не только Секси, ИТ, но "Денис", так что вот мои новости – я хотел поделиться радостью, что с этой недели я перешел работать в ИД "Комитет", на vc есть даже анонс: https://vc.ru/n/devnow-cmtt
(А еще vc.ru – один из проектов комитета)
Успехов мне и спасибо всем кто со мной работал до этого 💖
И чтобы вам было не пусто, от этой важной только для меня (и ИД "Комитет") новости, то вот шутка которая не сделает вам смешно 🤖
Есть два типа людей практикующих машинное обучение:
1) Те, которые могут обобщить ограниченный набор данных.
Я не так давно писал о том, что написать свой автопилот не так уж и сложно – достаточно поставить GTA V, специальный мод и потратить лет 10 на программирование, чтобы сейчас спокойно начать понимать TensorFlow (окей, сложно).
И одним из заключений того поста, было то, что научив алгоритм водить в мире GTA V его в теории можно выпускать водить "в мир". Так вот, новый проект от Microsoft – AirSim позволяет делать примерно тоже самое, но для дронов (а в будущем и для машин).
Это симуляция которая на выходе дает всевозможные данные – включая и "глубину резкости", симуляцию показателей устройств, вид от первого лица, причем AirSim требует подключения реального джойстика дрона по USB и тп., то есть этих данных уже сейчас хватит чтобы писать свой автопилот для дрона. Или алгоритм доставки пиццы с помощью дрона. Или алгоритм для дрона который автономно воровал бы мелочь и привозил к вам, в общем вы поняли.
https://www.youtube.com/watch?v=-WfTr1-OBGQ
Исходный код AirSim открыт 💖:
https://github.com/Microsoft/AirSim
Все это работает на Unreal Engine
