Выпуск 23
На этой неделе мы рассмотрим, как Tesla обновляет автопилот для использования радара – алгоритма, имитирующего человеческую речь. и узнайте, как физики объясняют работу нейронных сетей.

Кроме того, мы собираем наши лучшие проекты, которые можно попробовать дома, и любимые статьи за прошедшую неделю.

Не подписчик? Подпишитесь на информационный бюллетень Emergent // Future здесь.

Tesla обновляет автопилот 🚕

Возможно, вы слышали: Tesla обновляет Autopilot, программное обеспечение, на котором работает их беспилотный автомобиль, чтобы использовать радар в качестве основного датчика управления для навигации.

Автомобили больше не будут нуждаться в камере для подтверждения визуального распознавания изображений во время вождения и направлены на предотвращение несчастных случаев, таких как фатальная авария Model S.

Новое программное обеспечение даст автомобилям доступ к шестикратному количеству объектов радара с использованием того же оборудования, которое доступно на всех автомобилях, поставленных после октября 2014 года.

Tesla использует преимущество парка автомобилей, уже находящихся в пути, для динамического изучения положения и расположения дорожных знаков, мостов и других стационарных объектов, чтобы лучше отображать дороги и опасности и практически исключить ложные срабатывания.

Эта система обучения в реальном времени работает всегда, независимо от того, включен ли автопилот. Это означает, что чем больше вы ездите, тем больше учится Тесла.

Знаете ли вы, что автопилот Tesla проехал более 47 миллионов миль за последние шесть месяцев? каждый день они добавляют данные о пробеге более миллиона миль.

И наоборот, самоуправляемый автомобиль Google, хотя и использует совершенно другой подход к автономным транспортным средствам, проехал всего 1,5 миллиона миль за ШЕСТЬ ЛЕТ.

Есть опасения, что автомобильный проект Google проигрывает конкурентам, таким как Tesla и Uber.

Между тем, Apple закрыла часть своего проекта беспилотных автомобилей, уволила десятки сотрудников и переосмысливает свою стратегию.

ПЛЮС:Baidu и Nvidia создадут платформу искусственного интеллекта для беспилотных автомобилей

Говорящие компьютеры 🔊

DeepMind от Google теперь может генерировать звуковые волны, имитирующие человеческие голоса — это улучшение на 50% по сравнению с существующей технологией преобразования текста в речь.

Они называют это WaveNet, который использует нейронные сети для создания убедительной речи и музыки.

Исследователи загружали в DeepMind базовую записанную речь и использовали сверточную нейронную сеть для создания сложного набора правил о том, как одни тона следуют за другими тонами в контексте речи.

DeepMind лихо обыграл лучшего в мире игрока в го в марте, а также используется для более эффективного управления энергопотреблением в центрах обработки данных Google. Они сократили счета за электроэнергию на 15%.

Прочтите объявление полностью и послушайте примеры.

Как работают нейронные сети 🌀

Исследователи из Гарварда и Массачусетского технологического института говорят, что они раскрыли секрет нейронных сетей, спрятанный в законах физики, где небольшое подмножество математических функций описывает то, как работает Вселенная.

Это отличная новость, потому что никто до конца не понимает, почему глубокие нейронные сети так хороши в решении сложных задач.

В физике структуры формируются посредством последовательности простых шагов: частицы образуют атомы, которые формируют молекулы, клетки, организмы, планеты, солнечные системы, галактики и т. д.

Нейронные сети организованы в слои, где каждый слой имеет дело с все более и более высоким уровнем абстракции и сложности.

Прочитайте исследование, чтобы узнать больше о том, почему глубокое обучение работает так хорошо.

Что мы читаем 📚

  • Отчет Стэнфорда за 2016 год: столетнее исследование искусственного интеллекта. Долгосрочное исследование области ИИ и его влияния на людей, их сообщества и общество с учетом науки, техники и развертывания вычислительных систем с поддержкой ИИ. (Стэнфорд.edu)
  • Внимание и расширенные рекуррентные нейронные сети. RNN являются одним из основных элементов глубокого обучения, позволяя нейронным сетям работать с последовательностями данных, такими как текст, аудио и видео. (Дистилл.паб)
  • Ричард Фейнман и машина связи. Для Ричарда сумасшедшая идея была возможностью либо доказать ее ошибочность, либо доказать ее правоту. (Фонд «Долгое время)»
  • Как японский фермер, выращивающий огурцы, использует технологии глубокого обучения и TensorFlow. Не будет преувеличением сказать, что варианты использования машинного и глубокого обучения ограничены только нашим воображением. ("Google")
  • Является ли искусственный интеллект непостижимым навсегда? Несмотря на появление новых биологических инструментов, некоторые настаивают на том, что интерпретация невозможна. (Наутилус)
  • О генеративных алгоритмах. Разработчик и генеративный художник, живущий в Осло, Норвегия, начинает возиться с математикой, алгоритмами и решением задач. (Неконвергентный)

Попробуйте это дома 🛠

Emergent Future – это еженедельный репортаж, посвященный передовым технологиям через призму искусственного интеллекта, науки о данных и будущего. Подпишитесь здесь.

Первоначально опубликовано на сайте blog.algorithmia.com 13 сентября 2016 г.