Поиск

Одна из самых неприятных особенностей Windows 10 — это то, что операционная система может начать устанавливать обновления прямо тогда, когда вы активно ей пользуетесь. Microsoft однажды уже попыталась решить эту проблему, добавив возможность откладывать установку обновлений. Но многие пользователи продолжают жаловаться на перезагрузки компьютера прямо во время работы. Редмондский гигант отреагировал на жалобы. «Мы услышали вас и, чтобы облегчить вашу боль, обновили систему перезагрузки при ожидании установки обновлений, сделав её более адаптивной и упреждающей», — рассказала руководитель программы предварительной оценки Windows Дона Саркар (Dona Sarkar). Microsoft создала «предиктивную модель», которая с помощью машинного обучения выбирает максимально комфортное для пользователя время перезагрузки. «Мы не только будем проверять, пользуетесь ли вы устройством в данный момент, прежде чем перезагрузить его, но и будем пытаться определить, могли ли вы отойти от устройства, только чтобы налить кофе и тут же вернуться», — объяснила Саркар. Компания некоторое время тестировала систему среди своих сотрудников, и результаты, по её словам, многообещающие. Теперь технологию могут опробовать пользователи программы предварительной оценки Windows — она доступна в обновлениях Redstone 5 и 19H1.

Apple объединила различные подразделения, занимающиеся искусственным интеллектом, в единую структуру. Её руководителем стал недавно нанятый компанией Джон Джайаннандреа (John Giannandrea), бывший глава Google по поиску и ИИ. Сперва о реструктуризации сообщил TechCrunch, после чего Apple подтвердила изменение, добавив соответствующую информацию на страницу с топ-менеджерами. Джайаннандреа будет отвечать за команды, которые занимаются машинным обучением, голосовым помощником Siri и фреймворком Core ML. Последний представляет собой API, который помогает разработчикам сторонних приложений оптимизировать ИИ-задачи в приложениях для iOS. Джайаннандреа получил должность руководителя отдела машинного обучения и стратегии ИИ. Очевидно, что Apple возлагает на новую структуру большие надежды. Она сильно отстаёт в ключевых сферах искусственного интеллекта — например, обработки естественного языка и компьютерного зрения. Обе важны как для Siri, так и для более продвинутых технологий вроде дополненной реальности, в которой активно используется распознавание объектов. Из-за приверженности конфиденциальности пользователей и невысокой активности в сообществе исследователей искусственного интеллекта Apple не может похвастаться объёмными базами данных для тренировки новых алгоритмов и не имеет возможности привлечь талантливых сотрудников. Последние обычно уходят к Facebook, Google и другим гигантам Кремниевой долины. Поэтому в новых, прибыльных сферах у Apple не самое выгодное положение. С созданием новой структуры компания надеется, что универсальное видение, объединение ресурсов и тесное сотрудничество помогут ей наверстать упущенное.

Компания Amazon начала продажи видеокамеры AWS DeepLens по цене $250, представленной в ноябре прошлого года и призванной помочь разработчикам в использовании алгоритмов глубокого обучения благодаря одноимённому сервису. Видеокамера оснащена 4-Мп сенсором с поддержкой записи видео с разрешением 1080p, процессором Intel Atom X5, микрофонами, портами ввода-вывода, включая micro-HDMI, USB 2.0. На борту имеется 8 Гбайт флеш-памяти и двухдиапазонный модуль Wi-Fi. Заявлена поддержка Ubuntu 16.04. Производительности процессора в размере 106 гигафлопс достаточно для запуска визуальных моделей искусственного интеллекта в автономном режиме. Amazon заявила, что пользователю видеокамеры не обязательно иметь опыт работы в сфере машинного обучения или компьютерного зрения, и доказала это, запустив хакатон с её использованием, большинство состава команд-участниц которого никогда не занималось программированием ИИ. Камера AWS DeepLens поддерживает ряд сервисов ИИ Amazon, включая Greengrass, TensorFlow и SageMaker, новейший инструмент для машинного обучения моделей. Кроме того, сервис AWS DeepLens интегрирован с Amazon Rekognition для анализа изображений и с Amazon Polly для разработки проектов с использованием речи. Камера поставляется с образцами проектов с прикладными примерами, имеет модуль распознавания лиц и ещё один модуль, способный распознать около 30 действий, таких как игра на гитаре (у Amazon есть удобное руководство для работы с функциями камеры). С помощью нескольких щелчков мышью в Консоли управления AWS модели, обученные с помощью сервиса SageMaker, можно отправить в сервис AWS DeepLens.

Facebook сообщила на конференции F8 2018, что использует фотографии из Instagram для обучения алгоритмов искусственного интеллекта лучшему пониманию того, что изображено на картинке. Так сотрудникам компании не приходится вручную анализировать и подписывать данные — компьютерные системы просто ищут контент по публичным хештегам и изучают его. «Мы практически целиком полагаемся на наборы данных, отобранные вручную и подписанные человеком, — заявил Майк Шрепфер (Mike Schroepfer), главный технический директор Facebook. — Если человек не потрудился отметить что-то на фотографии, то даже самые продвинутые системы компьютерного зрения не смогут определить этот объект». Но благодаря хештегам Facebook имеет возможность собирать полезные данные и с помощью них обучать модели компьютерного зрения и распознавания объектов. Результаты на 1–2 % превосходят показатели других систем в бенчмарке ImageNet. По большей части всё это предназначено для более эффективного модерирования контента, которым сегодня занимается не только 20 тысяч сотрудников, но и ИИ-алгоритмы. «До недавнего времени нам зачастую приходилось полагаться на реактивные отчёты, — рассказал Шрепфер. — Мы были вынуждены ждать, пока кто-то не заметит что-то плохое, а уже затем принимать меры». Теперь в этом Facebook помогает искусственный интеллект — он достаточно эффективно ищет пропаганду терроризма, наготу, насилие, спам и ненавистную речь. Но также компания, вполне возможно, видит потенциал в возможности знать, где находятся пользователи социальной сети и с кем. И в этом ей тоже могут помочь описанные выше алгоритмы.

В конце прошлого года была представлена торговая марка ThinQ, выбранная компанией LG Electronics для обозначения продукции, в которой используется искусственный интеллект. Однако технологии искусственного интеллекта могут быть использованы не только в готовых изделиях, но и на этапе их проектирования. По сообщению компании LG, она разрабатывает собственную технологию искусственного интеллекта на основе методов глубинного обучения. Соответствующий инструментарий будет предоставлен всем подразделениям, чтобы ускорить выпуск продукции, в которых используются новейшие разработки. Речь идет о платформе DeepThinQ 1.0, созданной в прошлом году после открытия в Южной Корее лаборатории искусственного интеллекта LG. В DeepThinQ 1.0 входят такие функции ИИ, как распознавание голосовых команд, видео и показаний датчиков, определение местонахождения человека и ориентация в пространстве. Как утверждается, все они были разработаны на основе данных, собранных за долгие годы изучения привычек пользователей устройств LG. Платформа основана на принципах открытости и многообразия, предполагающих поддержку разных операционных систем, включая Android, Linux и webOS. По словам производителя, устройства, созданные на платформе DeepThinQ, смогут обучаться, используя облачные серверы. Эта возможность, заложенная в DeepThinQ, позволяет продукции LG анализировать окружающую обстановку и модели поведения пользователей. Так, кондиционер LG ThinQ сможет изучить образ жизни владельцев и станет автоматически охлаждать воздух в помещении до предпочитаемой ими температуры. Средства мониторинга салона автомобиля по выражению лица и жестам водителя смогут определить момент, когда он начинает засыпать за рулем. На определенном этапе устройства ThinQ будут автоматически выбирать музыкальные композиции, настраивать освещение и климат в салоне, учитывая привычки постоянных пассажиров.

Технология виртуальной реальности (VR) активно используется в видеоиграх и для развлекательных целей. Однако специалисты команды Daydream Labs компании Google считают, что возможности технологии виртуальной реальности гораздо шире. Например, сейчас в Daydream Labs тестируют возможность использования VR в качестве учебной платформы для обучения различным навыкам. Чтобы проверить это, в Daydream Labs провели эксперимент, попытавшись научить его участников приготовлению кофе с помощью эспрессо-машины. Первую группу обучали как приготовить чашку кофе на практике с помощью 3D-модели эспрессо-машины, которая реагирует аналогично аппарату в реальной жизни, предоставив также подробное руководство по её использованию. Другой группе просто предложили посмотреть видео на YouTube, чтобы узнать, как приготовить кофе. Обеим группам было предоставлено столько времени, сколько необходимо для обучения и ознакомления с процессом до фактического приготовления кофе. В итоге оказалось, что группа, прошедшая обучение с использованием технологии виртуальной реальности, потратила меньше времени на получение навыков приготовления кофе, чем группа, смотревшая видеоролик YouTube. Участникам эксперимента, обучавшимся с помощью технологии виртуальной реальности, достаточно было двух повторений, что научиться приготовлению кофе, тогда как использовавшим в качестве пособия видеоролик на YouTube потребовалось повторить процесс приготовления три раза. Когда дело дошло до фактического теста, Google обнаружила, что те, кто прошёл обучение в виртуальной реальности, сделали меньше ошибок и затратили меньше времени, чтобы приготовить чашку эспрессо. Google отметила, что невозможно сделать полноценные выводы, исходя только из одного эксперимента, но, похоже, потенциал у технологии VR для образовательных целей всё же есть.