Это перепечатка (более или менее) пятничного информационного бюллетеня ARCHITECHT Daily. Зарегистрируйтесь здесь, чтобы получать его в свой почтовый ящик каждое утро.
… сделайте это анализ системы Google DeepMind AlphaGo Андрея Карпати из OpenAI. (Бонус: удивительно легко читать статью о моделях глубокого обучения.) (Кроме того, отказ от ответственности: OpenAI тоже проводит исследования, и Карпати признает предвзятость.)
Помимо последнего, я думаю, что это справедливая оценка некоторых недостатков AlphaGo в качестве центрального элемента для обсуждения того, насколько далеко продвинулся ИИ. Как он отмечает, это все еще очень узко применимая система, которая может играть в го и, по-видимому, очень мало что еще. В недавнем подкасте ARCHITECHT Show гость Брэдфорд Кросс предсказал, что AlphaGo может постичь та же участь, что и IBM Watson — много внимания и ажиотажа, а затем шквал критики, когда он не может работать в реальном мире.
Однако, как также объясняет Карпати, Google — это не IBM, а AlphaGo — это не Watson:
«AlphaGo не обобщает ни одну проблему за пределами Go, но люди и лежащие в основе компоненты нейронной сети делают это, и делают это гораздо эффективнее, чем во времена старого ИИ, когда для каждой демонстрации требовались репозитории специализированного явного кода».
Таким образом, даже если AlphaGo сама по себе была исследовательским экспериментом, который превратился в PR-возможность, это предполагает, что DeepMind имеет в своем распоряжении людей и технологии для решения еще более крупных задач, не изобретая велосипед. Конечно, DeepMind работает над множеством других исследовательских проектов, включая свои знаменитые системы обучения в играх, которые могут быть даже интереснее, чем AlphaGo.
К слову о Watson: DeepMind также пытается внедрить свои технологии в реальный мир, в частности, в National Grid и National Health Service в Соединенном Королевстве. Последнее поставило DeepMind в тупик в отношении того, как она собирала данные о пациентах и для чего планировала использовать эти данные. Как я уже несколько раз отмечал здесь, юридические и нормативные вопросы особым образом усложняют реальные приложения — к лучшему или к худшему — поэтому в какой-то момент Google и DeepMind должны будут доказать, что они могут справиться с этой игрой, поскольку Что ж.
Искусственный интеллект
5 причин, почему вы должны владеть хотя бы 1 акцией искусственного интеллекта
Я не удержался и оставил оригинальный кликбейтный заголовок. На самом деле, хорошая новость заключается в том, что акций чистых ИИ-компаний практически нет, так что вы на самом деле не инвестируете в компанию, занимающуюся ИИ. Гугл, Эппл, Амазон, Фейсбук, Майкрософт…
Mitsubishi разработала искусственный интеллект, способный идентифицировать отдельных говорящих
Это не идеально, но это и не нужно. Mitsubishi хочет применить его к автомобилям, лифтам и другим вещам, которые она производит, где, по-видимому, Шаг 1 выясняет, кто разговаривает с системой.
Исследователи Google создают систему, которая может распознавать голоса и лица, говорящие на них, в видео
В связи с этим… Они достигли примерно 71-процентной точности с подходом, который не включает обучающие данные. Я могу себе представить, что что-то подобное будет полезно для скрытых субтитров для прямых трансляций.
Джефф Хокинс все еще продвигает Numenta и ее стремление построить искусственный неокортекс
Некоторые из этих идей кажутся довольно широко принятыми среди других в области ИИ, но на данный момент трудно представить, что Numenta взламывает код.
Как Sophos использует глубокое обучение для защиты вашей машины
Антивирусные программы на самом деле кажутся хорошим вариантом использования для глубокого обучения. Вот некоторые идеи о том, как Sophos применяет его и почему.
IBM создала инструмент разработки функций, который автоматически объединяет таблицы базы данных
Он называется OneBM, и исследователи компании утверждают, что он может конкурировать с ведущими конкурентами Kaggle с точки зрения получения точных прогнозов.
Облако и инфраструктура
British Airways винит в отключении питания UPS из-за отказа дата-центра
Где-то улыбаются инженеры центров обработки данных в Google, Amazon и Microsoft. Конечно, если бы что-то произошло в их центрах обработки данных (а это произошло), BA пришлось бы отвечать на вопросы об этом.
Как Cloud Native Computing Foundation влияет на разработку программного обеспечения
Это хороший отчет о том, как CNCF пытается навести порядок и некоторое подобие единообразия в Kubernetes, но уклоняется от попыток создать настоящие стандарты.
Опрос GitHub с открытым исходным кодом
GitHub опубликовал опрос разработчиков программного обеспечения с открытым исходным кодом, в котором есть некоторые интересные результаты. Есть хорошие данные о сомнительном поведении и желаниях, а также о мнениях о качестве OSS. Безопасность — это единственное место, где у него явно есть преимущество.
IBM переносит World Community Grid в IBM Cloud
Если вы не занимаетесь собачьим кормлением, вы не пытаетесь. Я думаю, что когда-то был частью World Community Grid, но я не был уверен, что он все еще работает, учитывая, среди прочего, все бесплатные ресурсы, которые облачные провайдеры предлагают ученым.
Автонастройка вашей базы данных может дать вам небольшое преимущество
Исследователи из Университета Карнеги-Меллона разработали систему машинного обучения для автоматической настройки баз данных для достижения максимальной производительности. Пока это работает так же хорошо, как если бы это делал администратор базы данных.
Все данные
SQL для науки о данных от IBM теперь является проектом Apache высшего уровня.
Названный SystemML, это, по сути, язык высокого уровня и компилятор. Если задание слишком интенсивно для выполнения на компьютере пользователя, SystemML перенесет его в кластер Spark. По теме: Apache все еще нужны деньги!
Основатель Shodan говорит, что магазины Hadoop раскрывают много данных
На самом деле более 5 петабайт. «Эксперт говорит, что он обнаружил 4487 экземпляров серверов на базе HDFS, доступных через общедоступные IP-адреса и без аутентификации, которые в общей сложности раскрыли более 5120 ТБ данных». Защитите свои системы, люди!
Даг Каттинг о кибербезопасности и эволюции Hadoop
Говоря о Hadoop и безопасности (на самом деле пост выше — это ошибка пользователя, а не ошибка Hadoop), здесь создатель Hadoop рассказывает об Apache Spot и о том, как компании используют различные части стека Hadoop.
Можем ли мы уже остановиться на «больших данных для HR?»
Я склонен согласиться с этим анализом относительно того, следует ли нам применять большие данные или ИИ, если уж на то пошло, к человеческим ресурсам. На самом деле кажется, что слишком много полагаться на данные может привести к дискриминации.
