Один из крупнейших порносайтов PornHub натренировал алгоритм с машинным обучением на тысячах часов роликов, чтобы научить его распознавать актрис и ставить теги. Сейчас этим занимается команда модераторов.

Руководство порносайта подключило алгоритм к базе данных из фото, имён, характеристик и часто используемых тегов. Система будет просматривать популярные ролики и автоматически указывать порноактрис, а в перспективе — жанр и категорию.

В PornHub заявили, что ИИ сможет «понять», что происходит в кадре, и указать нужный тег. К примеру, видео с участием двух мужчин получит тег «гомосексуальное», а ролик с бондажом снабдят тегом «БДСМ». Система также сможет отличить цвет волос, форму тела и цвет кожи актёров.

https://tjournal.ru/60478-pornhub-ai
https://www.engadget.com/2017/10/11/pornhub-computer-vision-ai-database/

Продолжаем тему искуственного интеллекта и морали. Из примера со скрепками мы поняли, что умные машины должны быть запрограммированы не только на эффективное выполнение задач, но и на гуманное поведение. Но как запрограммировать мораль? С очевидными правилами вроде "Нельзя убивать людей" всё понятно. Но реальные жизненные дилеммы намного сложнее. К тому же, у разных людей разные понятия о том, что такое хорошо, а что такое плохо. Так какие принципы поведения тогда зашивать в машину?

В июле прошлого года MIT Media Lab запустила интересный тест. В нём вы должны принять решение за беспилотную машину, которая несётся со сломанными тормозами. Ехать прямо и сбить маму с ребенком или свернуть влево и сбить мужчину? Врезаться в бетонную преграду и убить пассажира или свернуть и убить пешехода? Классическая "дилемма вагонетки", примененная к действительно актуальной проблеме. Этот тест прошли 1,3 миллиона человек, а его создатели получили 18 миллионов ответов на моральные дилеммы - неплохой материал для моделирования "коллективной морали". На основе этих данных учёные из MIT и Карнеги-Мелон разработали систему для принятия этических решений. Неплохая идея, но полученная система в итоге этична настолько же, насколько и полтора миллиона случайных людей из интернета, желающих поиграться в машину-убийцу. Её решения отображают стереотипы общества: к примеру, она скорее убьет бездомного или преступника, чем обычного человека.

https://theoutline.com/post/2401/what-would-the-average-human-do

А вот сам тест, если не видели - покликайте, забавная штука: http://moralmachine.mit.edu. Когда я проходил его год назад, я долго мучился на некоторых вопросах, оценивая, чьи жизни важнее. А теперь решил пройти ещё раз и только сейчас заметил, что почти в каждом примере приходится выбирать между убийством людей, которые нарушают правила дорожного движения (переходят на красный), и тех, кто не нарушает правила. Это сильно упростило задачу - я просто каждый раз выбирал убивать тех, кто нарушает правила. Действительно, мораль уже вшита в формальные правила поведения на дороге. Нарушаешь ПДД - рискуешь жизнью. Исходя из того же принципа, я легко сделал выбор между "врезаться в отбойник, убив пассажира" и "свернуть, спасти пассажира, убить пешехода". Пешеход ни в чем не виноват. Если он не нарушает правила движения, он не должен страдать от неполадок беспилотной машины. А вот её пассажиры, садясь в машину, принимают на себя риски, в том числе и связанные с отказом тормозов. Логично?

Awni Hannun написал великолепный пост, под которым я готов подписаться во всех местах: нет, распознавание голоса это не решенная задача! Да, мы уже научились делать интерфейсы с голосом, которые примерно понимают человека. Графики майкрософта, гугла, байду показывают, что распознавание речи теперь работает лучше, чем у человека. Но как только нужна точность - начинаются проблемы.

Я набираю голосом примерно 4-5 килобайт текста в день, и не вижу особого прогресса в снижении ошибок последние полтора года. Я бы сказал, что есть три основных проблемы, с которыми еще только предстоит разобраться: 1. шумная обстановка, 2. ошибки семантики и работа с языком 3. путаность речи. Про шум (как мне наивно кажется) все примерно понятно - надо брать большую базу записей и строить фильтры, выкидывающие из звука те гармоники, которые не меняют распознанный текст. Скорее всего на тех же самых нейронных сетях. С семантикой все не просто, сейчас все просто используют вероятностные модели, подсказывающие что “как погодка” люди говорят, а “каппадокия” - редко, скорее всего этот наивный подход предстоит изжить. Так же, как предстоит научить машины не просто игнорировать наши “мммм”, “эээээ”, “нууууу”, а извлекать из них смысл, помогающий определить суть содержащей их фразы.

В общем простите за такое пространное сообщение, но мораль тут одна - когда маркетинговые графики показывают, что “проблема решена”, обычно вы достигли где-то 20% решения, остались жалкие 80. Тем не менее, прогресс не остановить.

https://awni.github.io/speech-recognition/

Если вы интересуетесь искусственным интеллектом и темой компьютерного зрения в частности - вот вам отличная обзорная статья о достижениях в этой области за год. Если коротко: никаких резких революций не произошло, но прогресс идет очень приличным темпом, особенно во всем что касается роста качества.

В последнее время очень раздражает, что люди недооценивают важность темы компьютерного зрения. А ведь CV это единственный настоящий способ оцифровать мир вокруг. Без этого невозможно применить весь тот математический аппарат, который создало человечество, к реальному миру.

http://www.themtank.org/a-year-in-computer-vision

Надо же отметиться формальными итогами года, как того требуют приличия и традиция ;)
Отметился:
https://vc.ru/31107-mashinnoe-obuchenie-iskusstvennyy-intellekt-i-prochaya-avtomatizaciya-umstvennogo-truda-trendy-2017-goda-ot-andreya-sebranta

Что общего между Илоном Маском и Сергеем Неверовым? Оба настаивают на жестком регулировании искусственного интеллекта. И глава думской фракции «Единой России», в отличие от Маска, может — и собирается — принять соответствующий закон. Что в нем будет — пока неизвестно, но шутки робота Софии о захвате мира уже напугали единоросса.

#чтомнесэтого На самом деле ИИ, конечно, нужно регулировать — кто, например, сядет в тюрьму за сбитого беспилотником пешехода? Но веры в то, что закон, разработанный «Единой Россией», будет разумным, немного.

https://thebell.io/edinaya-rossiya-primet-zakony-o-regulirovanii-iskusstvennogo-intellekta/

Интересная заметка в Harward Business Review: если хотите, чтобы ваши сотрудники перестали сопротивляться внедрению машинного интеллекта, обеспечьте их информацией о том, как и почему решения машины лучше решений человека. Приводят простой пример: ИИ, взявший на себя функцию медиапланирования в компании детских товаров, начал показывать рекламу женщинам 55+ - это вызвало ругань белкового медиапланера, в его сегментации эти люди были бесперспективны. Но ИИ выловил тех, кто покупает подарки своим внукам - и продажи, как оказалось, выросли. Остальные примеры примерно про такие же ситуации.
Вот мне интересно: почему человек, осознавший, что он глупил, а его глупости очень быстро исправляет машина, должен ей обрадоваться? Во всех описанных сценариях в интересах компании не пускать больше человека не очень умного чем-нибудь операционно рулить. И неужели для них всех найдется новая, более выскооплачиваемая работа -- за которую они полюбят ИИ? ;)
https://hbr.org/2018/01/how-to-get-employees-to-stop-worrying-and-love-ai

Большой, многостраничный документ о том, как выглядит план доминирования Китая в области ИИ. Много вещей сомнительны, но бОльшая часть безусловная правда. Начиная от того, что прямо сейчас Китай еще не победитель, заканчивая выводами о том, что будет если Китай победит в этой гонке. Обратите внимание, вопрос «а нужен ли человечеству ИИ и что мы с ним будем делать» давно не обсуждается - все понимают что это главная технология следующих 10 лет.

Осторожно, .pdf https://www.fhi.ox.ac.uk/wp-content/uploads/Deciphering_Chinas_AI-Dream.pdf

День Победы — повод пересмотреть старые фильмы о Великой Отечественной войне. Снятые в доцифровую эпоху, они доступны в интернете, но зачастую лишь в невысоком разрешении. Смотреть можно, но качество оставляет желать лучшего.

Мы задумались, можно ли исправить ситуацию, и решили провести эксперимент: взяли несколько фильмов и применили к ним технологию, которая повышает разрешение изображения с помощью нейронных сетей.

https://yandex.ru/blog/company/oldfilms

Кажется это самая любопытная научная работа в области ИИ и игр за последний год. Разработчики из Беркли попробовали обучить сеть базируясь на любопытстве, т.е. компьютер играет в игру (в данном случае Марио) не просто максимизируя вероятность дохождения до цели (прохождения уровня). Они заставляют ИИ выполнять действия, результат которых наименее предсказуем. По сути примерно так и работает любопытство: а что если я попробую сделать вот так?

Понятно, что как нейронная сеть мало похожа на реальную работу мозга, так и любопытство в данном случае далеко от человеческого. Но идея очень красивая и результаты показывает очень хорошие, по крайней мере на опробованных играх https://pathak22.github.io/noreward-rl/

Немного магии и машинного обучения. В MIT показали нейросети 60 часов видео игры на разных инструментах и научили её по видео распознавать аудиодорожки разных инструментов.

То есть вы показываете нейросети видео, на котором люди играют, скажем, на гитаре и кларнете, и нейросеть сама раскладывает звук на две дорожки. Можно отдельно менять громкость каждой и так далее. Понятное демо: https://youtu.be/2eVDLEQlKD0, здесь больше интерактивных примеров: http://sound-of-pixels.csail.mit.edu/

Легко придумать кейсы применения такого инструмента: редактирование музыкальных видео, реставрация архивных записей. Но мне просто нравится сам подход - в этом действительно есть что-то магическое 💖

Magenta запилила сервис, который позволяет прослушивать в режиме онлайн мелодии сгенерированные нейронкой.
Зашёл посмотреть послушать и залип минут на двадцать.

Что такое нейронные сети и как их обучают: хорошее видео от @teplitsa, информативное и в тоже время доступное