Forwarded from Цифровой геноцид
Robert_Munro_Monarch_Human_in_the_Loop_Machine_Learning_Active_learning.pdf
19.8 MB
Итак, сегодня у нас в меню:
Robert (Munro) Monarch
Human-in-the-Loop Machine Learning
Active learning and annotation for human-centered AI
Manning Publications (2021)
Robert (Munro) Monarch
Human-in-the-Loop Machine Learning
Active learning and annotation for human-centered AI
Manning Publications (2021)
Forwarded from Цифровой геноцид
NLP и диалог Жижека и Вернера Херцога
https://www.openculture.com/2022/11/an-ai-generated-never-ending-discussion-between-werner-herzog-and-slavoj-zizek.html?fbclid=IwAR3edp8pAFsCE2zaOe769s4Lm1gIqtoacSiih7ysOt-5Kd1BVWHT38mdHO8
Пожалуй, очень удачная реализация диалоговой системы, которая эмулирует диалог Славоя Жижека и Вернера Херцога.
Подобного рода решения ярко демонстрируют пространство digital humanities, а еще служат важным примером использования диалоговых систем в будущем: бесконечные диалоги фигур интеллектуального пантеона само по себе может быть «Кругом Первым» в преисподней Данте(последний поместил всех античных философов в ад и заставил целую вечность вести беседы)
А если без шуток: хороший и интересный пример навыка для Алисы или другой умной колонки.
Пример с сайта: https://infiniteconversation.com/
Сайт-визитка создателя https://www.jamez.it/
https://www.openculture.com/2022/11/an-ai-generated-never-ending-discussion-between-werner-herzog-and-slavoj-zizek.html?fbclid=IwAR3edp8pAFsCE2zaOe769s4Lm1gIqtoacSiih7ysOt-5Kd1BVWHT38mdHO8
Пожалуй, очень удачная реализация диалоговой системы, которая эмулирует диалог Славоя Жижека и Вернера Херцога.
Подобного рода решения ярко демонстрируют пространство digital humanities, а еще служат важным примером использования диалоговых систем в будущем: бесконечные диалоги фигур интеллектуального пантеона само по себе может быть «Кругом Первым» в преисподней Данте(последний поместил всех античных философов в ад и заставил целую вечность вести беседы)
А если без шуток: хороший и интересный пример навыка для Алисы или другой умной колонки.
Пример с сайта: https://infiniteconversation.com/
Сайт-визитка создателя https://www.jamez.it/
Open Culture
An AI Generated, Never-Ending Discussion Between Werner Herzog and Slavoj Žižek
From the site Infinite Conversation comes an AI generated, never-ending discussion between Werner Herzog and Slavoj Žižek. What's the point of this AI generated conversation? The creator explains:
Forwarded from Цифровой геноцид
А что в СССР? Советские интерфейсы
Советский проект домашнего персонального компьютера СФИНКС. Создан по заказу Государственного комитета по науке и технологиям и разработанным Дмитрием Азриканом в сотрудничестве с А. Колотушкиным и В. Гессеном.
В Москве выставлялся в новом здании Третьяковки в прошлом году
Советский проект домашнего персонального компьютера СФИНКС. Создан по заказу Государственного комитета по науке и технологиям и разработанным Дмитрием Азриканом в сотрудничестве с А. Колотушкиным и В. Гессеном.
В Москве выставлялся в новом здании Третьяковки в прошлом году
Forwarded from Цифровой геноцид
Алгоритмоцентрический дизайн. UX для дата-сцайнтистов
Разметка данных — это процесс маркировки необработанных данных, чтобы они стали учебными данными для машинного обучения. Большинство специалистов по данным скажут вам, что они тратят гораздо больше времени на курирование разметки и разметчиков данных, чем на создание моделей машинного обучения.
В отличие от академического исследования в промышленности более распространено улучшение производительности модели путем разметки большего количества данных. Особенно когда природа данных меняется со временем и использование нескольких новых наборов/критериев разметки может быть гораздо более эффективным, чем попытка адаптировать существующую модель или алгоритм к новой области данных.
Разметка данных — это процесс маркировки необработанных данных, чтобы они стали учебными данными для машинного обучения. Большинство специалистов по данным скажут вам, что они тратят гораздо больше времени на курирование разметки и разметчиков данных, чем на создание моделей машинного обучения.
В отличие от академического исследования в промышленности более распространено улучшение производительности модели путем разметки большего количества данных. Особенно когда природа данных меняется со временем и использование нескольких новых наборов/критериев разметки может быть гораздо более эффективным, чем попытка адаптировать существующую модель или алгоритм к новой области данных.
Forwarded from Цифровой геноцид
Словарь юного HCI и одна свежая книжка
И бездушные вещи, издающие звук, свирель или гусли, если не производят раздельных тонов, как распознать то, что играют на свирели или на гуслях?
1-е послание Коринфянам
У умных колонок типа Алисы или Маруси есть любопытный пользовательский сценарий о котором продакт-менеджеры нехотя признаются в кулуарных разговорах. Пользователи часто просят поставить звук, шум леса или плеск воды — такой вот странный сценарий становится понятным, если учесть, что взрослые часто рассказывают детям сказки и просят умную колонку создать аккомпанемент истории.
«Пошел Иван-царевич в лес и уууу лес завыл». Этот сценарий хорошо известен и некоторым сотрудникам рекламных агентств, я видел такие креативные спецпроекты, имулировавшие советские диапозитивы и пластинки со сказками для детей. О чем идет речь?
Сонификация — это использование неречевого звука для передачи информации или восприятия данных. При этом есть тонкие различия от обычных аудиосистем, сонификация предполагает некоторый уровень абстракции наших данных.
Свежая книга 2020 года Sonification Design: From Data to Intelligible Soundfields полна умных и интересных замечаний о истории использования звуков, начиная с древнего Египта и средневековых органов, и сложных отсылок к кантианству и теории игр. Для более практичных товарищей — модель озвучивания Python для программирования не в графическом интерфейсе пользователя. The Sonipy Framework предлагает не только воспринимать отображение компилятора на слух, но и использовать своеобразную аудиостанцию для программирования.
А еще это социалочка и включение слепых людей в новую цифровую экономику. Книжка в следующем посте
И бездушные вещи, издающие звук, свирель или гусли, если не производят раздельных тонов, как распознать то, что играют на свирели или на гуслях?
1-е послание Коринфянам
У умных колонок типа Алисы или Маруси есть любопытный пользовательский сценарий о котором продакт-менеджеры нехотя признаются в кулуарных разговорах. Пользователи часто просят поставить звук, шум леса или плеск воды — такой вот странный сценарий становится понятным, если учесть, что взрослые часто рассказывают детям сказки и просят умную колонку создать аккомпанемент истории.
«Пошел Иван-царевич в лес и уууу лес завыл». Этот сценарий хорошо известен и некоторым сотрудникам рекламных агентств, я видел такие креативные спецпроекты, имулировавшие советские диапозитивы и пластинки со сказками для детей. О чем идет речь?
Сонификация — это использование неречевого звука для передачи информации или восприятия данных. При этом есть тонкие различия от обычных аудиосистем, сонификация предполагает некоторый уровень абстракции наших данных.
Свежая книга 2020 года Sonification Design: From Data to Intelligible Soundfields полна умных и интересных замечаний о истории использования звуков, начиная с древнего Египта и средневековых органов, и сложных отсылок к кантианству и теории игр. Для более практичных товарищей — модель озвучивания Python для программирования не в графическом интерфейсе пользователя. The Sonipy Framework предлагает не только воспринимать отображение компилятора на слух, но и использовать своеобразную аудиостанцию для программирования.
А еще это социалочка и включение слепых людей в новую цифровую экономику. Книжка в следующем посте
Forwarded from Цифровой геноцид
Книги: Designing Obama
Ого, а что я тут нашел — пособие по визуальным решениям в Government Relations, книга дизайнеров Барака Обамы с айдентикой и гайдлайном всех креативов для выборов кандидата в президенты США.
Вообще, это очень идеологический проект, конечно. Важно было показать как изменяются креативы и решения плакатов на местах, от штата к штату, показать эволюцию рекламных буклетов в ходе предвыборной гонки.
Президентская кампания Обамы в 2008 году была новшеством в американской политике и американском дизайне. Впервые кандидат использовал искусство и дизайн, чтобы объединить американский народ - запечатлеть его выборы визуально. Идеи и изображения изменялись,
тестировались и появлялись на каком-то определенном этапе выборов.
Ну и да, афроамериканский кандидат использовал уличное искусство для целей агитации.
Рубрика зацепился взгляд: впервые в политических целях попробовали использовать изображение кандидата в стилистике Minecraft (она вышла как раз в 2009).
Ого, а что я тут нашел — пособие по визуальным решениям в Government Relations, книга дизайнеров Барака Обамы с айдентикой и гайдлайном всех креативов для выборов кандидата в президенты США.
Вообще, это очень идеологический проект, конечно. Важно было показать как изменяются креативы и решения плакатов на местах, от штата к штату, показать эволюцию рекламных буклетов в ходе предвыборной гонки.
Президентская кампания Обамы в 2008 году была новшеством в американской политике и американском дизайне. Впервые кандидат использовал искусство и дизайн, чтобы объединить американский народ - запечатлеть его выборы визуально. Идеи и изображения изменялись,
тестировались и появлялись на каком-то определенном этапе выборов.
Ну и да, афроамериканский кандидат использовал уличное искусство для целей агитации.
Рубрика зацепился взгляд: впервые в политических целях попробовали использовать изображение кандидата в стилистике Minecraft (она вышла как раз в 2009).
Forwarded from Цифровой геноцид
Странные интерфейсы. Пятничное
Sidekick — это проект, разработанный творческим союзом НАСА и Microsoft для виртуальной помощи астронавтам с использованием гарнитуры дополненной реальности Microsoft HoloLens. Сейчас используется на международней космической станции.
Главной особенностью такого космического гаджета был режим, когда анимированные иллюстрации отображаются поверх объектов при взаимодействии с ними члена экипажа. Это позволяло и обучать членов экипажа, и всегда иметь визуальную инструкцию по взаимодействию с инструментами. Куда удобнее бумажных мануалов.
Пишут, что попасть на орбиту гаджеты не могли очень долго — у Илона Маска взрывались ракеты Falcon 9 и уничтожали весь груз для станции.
Sidekick — это проект, разработанный творческим союзом НАСА и Microsoft для виртуальной помощи астронавтам с использованием гарнитуры дополненной реальности Microsoft HoloLens. Сейчас используется на международней космической станции.
Главной особенностью такого космического гаджета был режим, когда анимированные иллюстрации отображаются поверх объектов при взаимодействии с ними члена экипажа. Это позволяло и обучать членов экипажа, и всегда иметь визуальную инструкцию по взаимодействию с инструментами. Куда удобнее бумажных мануалов.
Пишут, что попасть на орбиту гаджеты не могли очень долго — у Илона Маска взрывались ракеты Falcon 9 и уничтожали весь груз для станции.
Forwarded from Цифровой геноцид
Алгоритмоцентрический дизайн. UX для дата-сцайнтистов. Ч.3
Человеческие ошибки в обучающих данных могут быть более или менее важными, в зависимости от варианта использования. Если модель машинного обучения используется только для выявления трендов в поведении потребителей, вероятно, ошибки не будет иметь значения критического значения. Но если алгоритм, на котором работает Тесла не видит 1% пешеходов из-за ошибок, полученных из плохих обучающих данных, результат будет катастрофическим. Некоторые алгоритмы могут обрабатывать небольшой шум в обучающих данных, а случайный шум даже помогает некоторым алгоритмам стать более точными, избегая переобучения. Но человеческие ошибки, как правило, не являются случайным шумом; следовательно, они, как правило, вносят непоправимую погрешность в обучающие данные. Ни один алгоритм не может пережить действительно плохие обучающие данные.
Для простых задач, таких как бинарные метки для объективных задач, статистика довольно простая для решения. Но для субъективных задач или даже объективных задач с непрерывными данными не существует простой эвристики для выбора правильной метки. Подумайте о критической задаче создания обучающих данных, поместив ограничивающую рамку вокруг каждого пешехода, распознанного беспилотным автомобилем. Что, если у двух аннотаторов немного разные поля? Какая рамка правильная? Ответ не обязательно либо эта рамка, либо среднее значение двух коробок.
Ключевым фактором является квалификационная рабочая сила: обучение и специализация разметчиков повышают качество алгоритмов, а информация, полученная от опытной рабочей силы, может помочь в разработке модели совместно с экспертами в предметной области. Лучшие модели создаются в результате конструктивного постоянного сотрудничества между машиной и человеческим интеллектом. Так, некоторые разметчики медицинских данных работают под руководством профессиональных медиков, анатомов и хирургов. Например, https://imerit.net/industries/medical-ai/
Человеческие ошибки в обучающих данных могут быть более или менее важными, в зависимости от варианта использования. Если модель машинного обучения используется только для выявления трендов в поведении потребителей, вероятно, ошибки не будет иметь значения критического значения. Но если алгоритм, на котором работает Тесла не видит 1% пешеходов из-за ошибок, полученных из плохих обучающих данных, результат будет катастрофическим. Некоторые алгоритмы могут обрабатывать небольшой шум в обучающих данных, а случайный шум даже помогает некоторым алгоритмам стать более точными, избегая переобучения. Но человеческие ошибки, как правило, не являются случайным шумом; следовательно, они, как правило, вносят непоправимую погрешность в обучающие данные. Ни один алгоритм не может пережить действительно плохие обучающие данные.
Для простых задач, таких как бинарные метки для объективных задач, статистика довольно простая для решения. Но для субъективных задач или даже объективных задач с непрерывными данными не существует простой эвристики для выбора правильной метки. Подумайте о критической задаче создания обучающих данных, поместив ограничивающую рамку вокруг каждого пешехода, распознанного беспилотным автомобилем. Что, если у двух аннотаторов немного разные поля? Какая рамка правильная? Ответ не обязательно либо эта рамка, либо среднее значение двух коробок.
Ключевым фактором является квалификационная рабочая сила: обучение и специализация разметчиков повышают качество алгоритмов, а информация, полученная от опытной рабочей силы, может помочь в разработке модели совместно с экспертами в предметной области. Лучшие модели создаются в результате конструктивного постоянного сотрудничества между машиной и человеческим интеллектом. Так, некоторые разметчики медицинских данных работают под руководством профессиональных медиков, анатомов и хирургов. Например, https://imerit.net/industries/medical-ai/
iMerit
Medical AI
iMerit’s specialized medical AI data enrichment team has a broad and deep knowledge base which enables it to produce quality work with nuanced use cases.
Forwarded from Оди