Поиск
Показаны результаты для тегов 'нейронная'.
Найдено: 3 результата
-
Институт информационных технологий (iDST), исследовательское подразделение китайского гиганта Alibaba, разработал модель глубокого обучения, которая сумела обогнать человека в тесте по чтению Stanford Question Answering Dataset (Squad). У нейронной сети показатель составил 82,44, а человек ранее сумел достичь оценки 82,304. Squad состоит более чем из 100 тысяч наборов вопросов и ответов по более чем 500 статьям с «Википедии». Участники должны были создать модели машинного обучения, которые могли бы отвечать на заданные вопросы. Среди участников теста оказались различные университеты, исследовательские учреждения и поставщики технологий, включая Tencent, Google, IBM, Microsoft, Samsung, Тель-Авивский университет и Канвонский национальный университет в Южной Корее. Некоторые из них уже проходили тест в прошлом году. Например, азиатское исследовательское подразделение Microsoft (Microsoft Research Asia) 17 декабря 2017 года получило оценку 82,136. Предыдущий показатель Alibaba, равный 79,199, был зарегистрирован 28 декабря 2017 года. Alibaba заявила, что в тесте по чтению сумела обогнать человека первой. Тем не менее, Squad поставил китайскую компанию на одно место с Microsoft Research Asia, которая заработала 82,65 балла. Ранг редмондского гиганта был зарегистрирован 3 января, а оценка Alibaba — 5 января. Представитель китайского гиганта объяснил, что это даты подачи моделей. Результаты же теста Alibaba были зарегистрированы 11 января — на день раньше, чем у Microsoft. Поэтому Alibaba посчитала, что у неё есть право называть себя первой. Модель компании основана на иерархической нейронной сети, способной выбирать потенциальные ответы из абзацев, предложений и слов. На базе той же технологии работал чат-бот Dian Xiaomi, который использовался во время фестивалей шоппинга и ежедневно обслуживал 3,5 млн пользователей торговых площадок Taobao и Tmall. По словам главного научного сотрудника iDST по обработке естественного языка Си Луо (Si Luo), Alibaba собирается поделиться методологией создания моделей с сообществом и в ближайшем будущем внедрить актуальную технологию в системы обслуживания клиентов компании.
-
На Bandcamp появился вполне неплохой альбом в стиле блэк-метал под названием Coditany of Timeness. Пластинка имеет намеренно ухудшенное качество звучания и дополнена атмосферными интерлюдиями, энергичными барабанами и соответствующим жанру вокалом. Но написан альбом был не живыми музыкантами, а искусственным интеллектом. Двое исследователей из стартапа Dadabots скормили нейронной сети альбом нью-йоркской команды Krallice под названием Diotima, предварительно разбитый на небольшие кусочки. ИИ должен был угадывать форму волны каждого образца аудио. Сперва сеть производила только невнятный шум. «На ранних стадиях тренировки производимые звуки были шумными, гротескными и текстурными», — рассказал Си Джей Карр (CJ Carr), один из разработчиков алгоритма и по совместительству технический директор компании. Но по мере появления новых предположений — всего за три дня их было около пяти миллионов — сеть стала звучать очень похоже на Krallice. Coditany of Timeness звучит как альбом настоящей группы, от которого поклонники жанра вполне могут получить удовольствие. Нейронной сети удалось воссоздать характерные для блэк-метала длинные вступления, дополненные безумными барабанами и искажённым вокалом. Названия песен и обложка пластинки тоже были сгенерированы алгоритмом. Эта работа — часть побочного проекта Карра и его напарника, музыкального продюсера Зака Зуковски (Zack Zukowski). Coditany of Timeness стал первым из трёх альбомов Dadabots. Два других — пластинка в стиле мат-рок Calculating Calculating Infinity на основе работ металкор-группы Dillinger Escape Plan, а также Deep the Beatles! на базе музыки легендарной ливерпульской четвёрки. Исследователи планируют выпускать по одному такому альбому в неделю. Следующие работы нейронной сети могут основываться на композициях других метал-групп вроде Converge и Meshuggah и даже на экспериментальном джазе Джона Зорна (John Zorn).
-
Группа ученых из Стенфордского университета разработала нейронную сеть, которая на основе нескольких рентгеновских снимков может поставить диагноз пневмонии, причем делает это она не хуже, чем практикующие врачи-рентгенологи. Для создания алгоритма ученые создали 121-уровневую нейронную сеть и обучили ее на 112 120 фронтальных флюорографиях грудной клетки, полученных от 30 805 пациентов. Каждый снимок был проиндексирован в соответствии с имеющимися заболеваниями легких. В процессе обучения снимки отсканировали, перевели в цифровой вид, сжали до размеров в 224 × 224 и «скормили» нейронной сети. Затем случайным образом из всей базы было выбрано 80% снимков и проведена четкая настройка алгоритма. Остальные 20% были оставлены для проверки работы системы и ее отладки. На следующем этапе испытаний исследователи из Стенфорда взяли новых 420 снимков, которым дали заключение практикующие специалисты. Врачи имели достаточно приличный стаж работы от 4 до 28 лет. Ни рентгенологи, ни нейросеть не имели доступа к медицинским картам пациентов. В распоряжении были только снимки. Выяснилось, что нейросеть мало чем уступает специалистам с многолетним стажем работы. Кривая ошибок, совершенных врачами и нейросетью. Красными крестиками отмечены врачебные ошибки, зелеными — ошибки нейросети При этом исследователи отмечают, что в ходе теста использовались лишь фронтальные снимки, в то время как в медицинской практике изучаются также боковые снимки и анамнез пациента, что имеет влияние на постановку диагноза. Тем не менее подобные программы помогут диагностировать заболевания в отдаленных регионах с недостатком квалифицированных кадров.