Sieci neuronowe czytają usta, rysują szkice i pokonują profesjonalnych graczy go. A co najważniejsze, wiedzą, jak się uczyć. Pięć najbardziej nieoczekiwanych postępów w sztucznej inteligencji.
Język myszy
W 2017 roku austriaccy zoolodzy badając zachowanie myszy domowych (Mus musculus) zauważyli, że gryzonie zmieniają głos w zależności od tego, z kim się komunikują - samcem czy samicą. Analiza spektrograficzna „mowy” czterdziestu zwierząt doświadczalnych wykazała, że myszy przełączają się na dźwięki o wyższej częstotliwości po zobaczeniu osobnika przeciwnej płci.
Korzystając z tej funkcji, naukowcy z Rosji, Holandii i Niemiec postanowili wyszkolić sieci neuronowe, aby rozpoznawać płeć myszy na podstawie wydawanych przez nie dźwięków, a także określić, do kogo kierowany jest przekaz: mężczyzna czy kobieta.
Zwierzęta podzielono na pary, każda z jednym gryzoniem w znieczuleniu ogólnym, a druga swobodnie poruszająca się po klatce. Pisk myszy był rejestrowany i przetwarzany za pomocą sieci neuronowych, które na podstawie wysokości, amplitudy i czasu trwania dźwięku uczyły się, kto go emitował i do kogo był przeznaczony.
Po treningu sieci neuronowe prawidłowo określały płeć myszy wydających dźwięki i ich odbiorców w 84 procentach przypadków. Jednak autorzy pracy zwracają uwagę, że w przypadku zwierząt innych linii (w badaniu uczestniczyły gryzonie z linii C57BL / 6NCr) algorytm prawdopodobnie nie zadziała. Myszy mogą mieć różne „dialekty”, a pisk będzie miał różne charakterystyki widmowe.
Film promocyjny:
Grafolodzy sieci neuronowych
Rosyjscy naukowcy nauczyli sieci neuronowe rozpoznawania płci osoby na podstawie pisma odręcznego. Program, opracowany wspólnie przez MEPhI, Instytut Kurczatowa i Uniwersytet Państwowy w Woroneżu, w 80 procentach przypadków prawidłowo określał, kto napisał tekst - mężczyzna czy kobieta. Naukowcy zastosowali ultraprecyzyjne sieci neuronowe i metody głębokiego uczenia się.
Zdaniem jednego z autorów pracy, profesora nadzwyczajnego NRNU MEPhI Aleksandra Sbojewa, tak wysokie wyniki zostały osiągnięte dzięki zaawansowanym modelom sieci neuronowych oraz faktowi, że autor nie ukrywał swojej płci. Teraz problem określenia płci rozwiązuje się w sytuacji, gdy osoba udaje inną: na przykład kobieta pisze tekst w imieniu mężczyzny. Wkrótce sztuczna inteligencja będzie się uczyć, jak określać wiek autora tekstu pisanego.
Lasagna zamienia się w sushi
Eksperci z Japonii i Francji stworzyli program, który dostosowuje słynne dania do tradycji kulinarnych różnych krajów. Powiedzmy, że zamienia lasagne w lasagne sushi i robi japońską zupę sukiyaki w stylu francuskim. Oznacza to, że program tworzy przepis, w którym zamiast mirin (wino ryżowe) wskazany jest calvados, a zieloną cebulę zastępuje estragon.
Sztuczna inteligencja działa dwuetapowo. Najpierw, po przeanalizowaniu składników, z których składa się danie, dowiaduje się, do jakiej kuchni narodowej należy. Następnie decyduje, jakie składniki i co wymienić, aby potrawa nabrała cech innej tradycji kulinarnej. W tym celu używany jest model wektorowy word2vec, który ustala zgodność między składnikami. Dlatego dostosowując japońskie potrawy do kuchni francuskiej, program sugeruje spożywanie mieszanki aromatycznych ziół zamiast sosu sojowego.
Sieć neuronowa nie rozumie jeszcze, jak dobrze nowe składniki łączą się ze sobą i nie bierze pod uwagę sposobu przygotowania. Obiecują sfinalizować to.
W nowej roli
Sieci neuronowe dobrze przywracają jasność i kolor starych kreskówek i filmów, dostosowując je do nowoczesnych ekranów o wysokiej rozdzielczości. We wrześniu dwie duże firmy - Disney i Yandex - przedstawiły podobne algorytmy.
Disney Research opracował program, który umożliwia osiągnięcie bardziej realistycznej kolorystyki filmów poprzez lepsze dopasowanie sąsiednich klatek. Sieci neuronowe rosyjskich specjalistów (technologia DeepHD) są w stanie zwiększyć rozdzielczość bez utraty ostrości i jakości.
Algorytm został przetestowany na starych radzieckich kreskówkach. Na Yandex można oglądać w lepszej jakości „Złotą antylopę”, „Królową Śniegu”, „Muzycy z Bremy” i inne znane filmy z „Soyuzmultfilm”. Jak zauważa służba prasowa firmy, dla wymagających widzów różnica jest szczególnie zauważalna: obraz stał się ostrzejszy, lepiej widoczne są drobne szczegóły, takie jak liście na drzewach, płatki śniegu, gwiazdy na nocnym niebie.
Z myślą o braciach
Naukowcy z Uniwersytetu Kalifornijskiego w Berkeley (USA) używają sieci neuronowych do poszukiwania kosmitów, uczestnicząc we współpracy SETI, projekcie mającym na celu poszukiwanie pozaziemskich cywilizacji i prawdopodobnie nawiązanie z nimi kontaktu. Aby to zrobić, naukowcy stworzyli sieć neuronową, która może niezależnie identyfikować i rejestrować sygnały o niskiej częstotliwości sztucznego pochodzenia.
Badacze uważają, że zaawansowana cywilizacja pozaziemska zdecydowanie powinna próbować nawiązać z nami kontakt. Głównym problemem jest oddzielenie sygnałów elektromagnetycznych z Ziemi, które już rozprzestrzeniły się we wszystkich kierunkach na duże odległości, od tych, które prawdopodobnie pochodzą z innego systemu gwiezdnego lub galaktyki. Jak dotąd człowiek nie był w stanie rozróżnić obcych sygnałów kierowanych na naszą planetę.
Teraz sieć neuronowa to robi. Sztuczna inteligencja wykryła już 72 sygnały, których źródłem mogą być ciała niebieskie znajdujące się trzy miliardy lat świetlnych od Ziemi. Pierwsze zarejestrowane rozbłyski radiowe zarejestrowano w obiekcie FRB 121102. Jak zauważają autorzy pracy, nawet jeśli program nie znajdzie śladów obcych cywilizacji, pomoże to wiele dowiedzieć się o Wszechświecie.
Alfiya Enikeeva
