Поиск

Twitter сообщила, что станет использовать новые «поведенческие сигналы» для борьбы с твитами, не имеющими прямого отношения к перепискам и искажающими их суть. Если раньше компания полагалась на специализированных сотрудников и системы машинного обучения, то теперь начнёт учитывать тысячи различных факторов поведения. Сервис, например, станет определять, подтвердил ли владелец аккаунта, с которого было отправлено сообщение, свой почтовый адрес, или как часто он упоминает пользователей, которые на него не подписаны. Всё это, а также многое другое, будет определять расположение твитов в лентах обсуждений и результатах поиска. Представьте, что смотрите какой-нибудь сериал и решили найти что-то о нём в Twitter по соответствующему хештегу. Но всегда найдутся пользователи, которые используют популярные хештеги не по назначению — например, продвигают с помощью них какой-то продукт. Новая система будет опускать такие результаты ниже. Среди других сигналов, которые Twitter планирует использовать — входил ли один и тот же человек в сервис одновременно с разных аккаунтов и публиковался ли в обсуждении с разных учётных записей один и тот же хештег. Такие твиты не будут скрываться или удаляться, поскольку они не нарушают правила Twitter. Их можно будет увидеть, нажав на кнопку просмотра остальных ответов. В рамках раннего тестирования функции число жалоб на оскорбления в поисковых результатах снизилось на 4 %, в обсуждениях — на 8 %. Компания предполагает, что сперва система будет ошибаться, однако со временем число ошибок снизится.

Мобильное приложение Skype для Android-устройств никогда не славилось выдающимся быстродействием, заставляя некоторых пользователей вспоминать Microsoft не в лучшем свете. Однако в следующей сборке Skype ситуация изменится кардинальным образом. Подготовленный специалистами Microsoft апдейт, ориентированный на пользователей смартфонов/планшетов под управлением ОС Android версии 4.0.3–5.1, снизит аппетиты фирменного ПО к системным ресурсам. Обновлённый Skype примется расходовать оперативную память в щадящем режиме, оставляя драгоценные мегабайты для веб-сёрфинга и стороннего софта, а также предложит более экономный подход при использовании пространства на флеш-накопителе. Кроме того, свежая версия Skype для гаджетов с Android сможет похвастаться доработанным инструментарием аудиовизуального обеспечения. Увеличится в мобильном ПО и скорость ответной реакции на команды пользователя, а в случае нестабильного интернет-подключения программа будет вести намного корректнее. Актуальная сборка Skype пока доступа лишь участникам программы тестирования Skype Insiders Program. Полноценный релиз приложения ожидается в ближайшие недели. По данным на февраль 2018 года, на долю Android 4.x–5.x приходится около 44 % устройств, использующих Google-платформу. В развивающихся странах люди не могут позволить себе менять смартфоны каждые два–три года, поэтому старые версии Android по-прежнему популярны.

Подразделение компании Google, занимающееся разработками искусственного интеллекта, сообщило о создании нового метода обучения нейронных сетей, сочетающего использование передовых алгоритмов и старых видеоигр. В качестве среды обучения используются старые видеоигры Atari. Разработчики DeepMind (напомним, что эти люди создали нейросеть AlphaGo, неоднократно победившую лучших игроков в логическую игру го) считают, что машины способны обучаться так же, как люди. С помощью тренировочной системы DMLab-30, созданной на базе шутера Quake III и аркадных игр Atari (используются 57 различных игр), инженеры разработали новый алгоритм машинного обучения IMPALA (Importance Weighted Actor-Learner Architectures). Он позволяет отдельным частям обучаться выполнению сразу нескольких задач, а потом обмениваться знаниями между собой. Во многом новая система была основана на более ранней архитектурной системе A3C (Asynchronous Actor-Critic Agents), в которой отдельные агенты исследуют среду, затем процесс приостанавливается, и они обмениваются знаниями с центральным компонентом, «учеником». Что касается IMPALA, то у нее агентов может быть больше, а сам процесс обучения происходит несколько по-другому. В ней агенты посылают информацию сразу двум «ученикам», которые после этого еще и обмениваются данными между собой. Кроме того, если в A3C вычислением градиента функции потерь (другими словами, несоответствия предсказанных и полученных значений параметров) занимаются сами агенты, которые отправляют информацию к центральному ядру, то в системе IMPALA этой задачей занимаются «ученики». Одной из основных проблем при разработке ИИ является время и необходимость в высокой вычислительной мощности. Даже в условиях автономности машинам нужны правила, которым они могли бы следовать в ходе собственных экспериментов и поиска путей решения задач. Так как мы не можем просто построить роботов и выпустить их на волю учиться, разработчики используют симуляции и методы глубокого обучения. Для того чтобы современные нейронные сети могли чему-то научиться, им приходится обрабатывать огромный объем информации, в данном случае — миллиарды кадров. И чем быстрее они это делают, тем меньше времени уходит на обучение. По словам представителей DeepMind, при наличии достаточного числа процессоров IMPALA достигает производительности в 250 000 кадров/с, или 21 миллиард кадров в день. Это абсолютный рекорд для задач такого рода, сообщает портал The Next Web. Сами же разработчики комментируют, что их система ИИ справляется с задачей лучше, чем аналогичные машины и люди. В будущем подобные алгоритмы ИИ можно будет использовать в робототехнике. Благодаря оптимизации систем машинного обучения роботы будут быстрее адаптироваться к окружающей среде и работать эффективнее.

Исследователи из Университета Аалто, работающие совместно со своими коллегами из Университета Тампере и сотрудниками лаборатории Nokia Bell Labs, разработали радиопередатчик для небольших базовых станций 5G, эффективность работы которого, по их словам, должна в 20 раз превысить эффективность предыдущих моделей. «При создании передатчика была разработана совершенно новая интегрированная электронная схема, которая должна значительно увеличить ширину полосы используемых частот. Это примерно в 20 раз увеличивает ёмкость базовой станции, – говорит профессор Университета Аалто Юсси Рыынэнен. Ширина полосы для передачи данных 4G передатчиков составляет примерно 20 МГц, в то время как наш цифровой 5G передатчик работает с полосой шириной до 400 МГц». Идея заключается в том, чтобы сделать передатчик максимально цифровым; сигнал преобразуется в аналог лишь на финальной стадии усиления. Схема позволяет также гибко модифицировать передаваемый сигнал. В прошлом, говорят члены команды, гибкость достигалась путём использования параллельных передатчиков, которые могли включаться и выключаться в зависимости от размещения базовой станции и требуемой полосы частот. «Разработанный нами передатчик базовой 5G-станции открывает новые возможности для изменения и программирования передаваемого сигнала, – говорит профессор Университета Тампере Микко Валкама. Качество передаваемого сигнала может повышаться, мы также можем свободно выбирать частоты, используемые передатчиком, без необходимости задействовать параллельные передатчики».