Теги → алгоритмы
Быстрый переход

Facebook* вынудила AlgorithmWatch прекратить исследование алгоритмов формирования ленты Instagram*

Специалисты из некоммерческой организации AlgorithmWatch были вынуждены закрыть проект по исследованию алгоритмов Instagram* после того, как представители Facebook* пригрозили им юридическими последствиями. Проект AlgorithmWatch был запущен в марте прошлого года. В рамках исследовательской программы был выпущен браузерный плагин, который помогал пользователям собирать информацию об особенностях формирования ленты Instagram*, в частности, о критериях, по которым фото и видео оказываются выше в ленте.

 Источник: theverge.com

Источник: theverge.com

Исследователи регулярно публиковали информацию о своих находках. Например, стало известно, что фотографии с обнажёнными частями тела и открытыми лицами ранжируются выше, чем скриншоты с текстом. Facebook* оспаривал используемые исследователями методы, однако в первый год существования проекта не предпринимала никаких действий.

В мае 2021 года представители Facebook* попросили о встрече с руководителями проекта и обвинили их в нарушении условий использования сервиса. Кроме того, исследователей обвинили в нарушении действующего в Евросоюзе Общего регламента по защите персональных данных (GDPR), поскольку в рамках проекта собирались данные пользователей, которые не давали согласия на участие в исследовании.

«Мы собирали только данные, связанные с контентом, который Facebook* показывал пользователям, установившим плагин. Иными словами, пользователи плагина имели доступ только к своим собственным лентам, а информацией они делились с нами только для исследовательских целей», — заявили в свою защиту авторы AlgorithmWatch.

Facebook* также прокомментировала данный инцидент. Представитель сервиса подтвердил факт встречи, однако отверг обвинения в угрозе судебным преследованием и заявил, что компания была открыта к поиску возможностей продолжить исследования, сохранив при этом конфиденциальность всех пользователей.

Администрация Facebook* с большой осторожностью относится к исследовательским программам после скандала с Cambridge Analytica, которая также изначально вела научную работу, однако впоследствии её результаты использовались для коммерческих и политических манипуляций. Примечательно, что подобные аргументы сервис приводил, когда предпринял меры репрессивного характера в отношении исследователей Ad Observatory из Нью-Йоркского университета. Однако впоследствии и эти меры были раскритикованы Федеральной торговой комиссией США.


* Внесена в перечень общественных объединений и религиозных организаций, в отношении которых судом принято вступившее в законную силу решение о ликвидации или запрете деятельности по основаниям, предусмотренным Федеральным законом от 25.07.2002 № 114-ФЗ «О противодействии экстремистской деятельности».

Apple собирается искать запрещённые фото на iPhone пользователей

Как сообщило издание 9to5mac.com, компания Apple планирует в скором времени анонсировать систему сканирования фотографий, сохранённых в памяти смартфона. Система предназначена для обнаружения изображений жестокого обращения с детьми. В основе решения лежит алгоритм хеширования.

 Источник: 9to5mac.com

Источник: 9to5mac.com

С целью сохранности личных данных сканирование изображений будет производится локально, то есть средствами самого пользовательского устройства, без передачи данных в облако. В процессе сканирования система сравнивает фото на телефоне с данными известных Apple изображений незаконного содержания. При возникновении совпадений с образцами система предположительно будет обращаться к администратору, который проведёт дальнейшую работу.

В основе решения лежат алгоритмы хеширования, которые уже используются в облачном хранилище iCloud при выгрузке фото. В общих чертах подобным образом работает система машинного обучения, которая позволяет Apple Photo распознавать объекты. Впрочем, Мэтью Грин (Matthew Green), эксперт по вопросам криптографии и безопасности, отозвался о вероятном нововведении с долей скептицизма. Он отметил, что хеширующие алгоритмы несовершенны, они могут приводить к ложным положительным срабатываниям. А если подобная функция внедряется по настоянию властей, то, уверен эксперт, она сможет использоваться не только для обнаружения фактов жестокого обращения с детьми, но и в других целях. Например, для борьбы с инакомыслящими.

Кроме того, фотографии в iCloud не защищены сквозным шифрованием. На серверах Apple они действительно хранятся в зашифрованном виде, однако ключи для расшифровки данных есть у самой Apple. А значит, при необходимости они могут появиться и у правоохранительных органов. Появление подобной системы «локального досмотра» может также означать, что в перспективе данные на серверах Apple всё-таки получат сквозное шифрование, в противном случае, заключил господин Грин, компания вообще не стала бы вкладываться в подобное решение.

«Яндекс» опубликовал крупнейший массив данных для обучения беспилотных автомобилей

«Яндекс» опубликовал набор данных для беспилотных автомобилей, предназначенный для исследований в области машинного обучения и автономного транспорта, который является самым большим в мире открытым всем желающим массивом подобных данных. В нём содержатся данные о более 1600 часов движения, включая 600 тыс. размеченных фрагментов поездок на дорогах России, Израиля и США при различных метеоусловиях — в хорошую погоду, в снег и в дождь.

 habr.com

habr.com

Данные были опубликованы для конкурса Shifts Challenge, который «Яндекс» проведёт в рамках международной конференции NeurIPS 2021 совместно с учёными из Оксфорда и Кембриджа. Главной целью конкурса является привлечь внимание к проблеме «сдвига данных» в машинном обучении.

«Если вы привыкли водить машину в небольшом городе, то в Москве вы не сразу адаптируетесь к трафику и, скорее всего, поначалу будете более осторожны на дороге. Это и есть сдвиг данных. Вы можете оценить его масштаб и скорректировать свои действия. Машинно обученные модели должны уметь делать то же самое — оценивать величину сдвига и эффективно действовать в новых условиях. От того, насколько хорошо алгоритм может работать при сдвиге данных, будет зависеть широта его применения», — рассказал старший исследователь Yandex Research Андрей Малинин.

Сдвиг данных встречается в случае, когда модели машинного обучения сталкиваются с незнакомыми ситуациями и неизвестными данными, то есть — с неопределённостью. Для будущего конкурса «Яндекс» выбрал три области: предсказание траектории движения транспорта и пешеходов на дороге, прогнозирование погоды и машинный перевод текстов.

Чтобы победить, участникам конкурса будет необходимо создать устойчивые к сдвигу модели. То есть модель машинного перевода, прошедшая обучение на художественной литературе, должна будет также качественно переводить и твиты, и ролики на YouTube.

Конкурс также обеспечит учёным доступ к уникальным данным, позволяющим оценить качество работы моделей машинного обучения в реальных условиях. Исследователи «Яндекса» вместе с командами Яндекс.Погоды, Яндекс.Переводчика и беспилотных технологий предоставили для участников конкурса данные сервисов, решающих практические задачи и часто сталкивающихся со сдвигом. Столь разнородные данные помогут ускорить разработку алгоритмов, которые будут гораздо быстрее адаптироваться к новым условиям.

Все представленные в наборе данные обезличены. Датасет по беспилотным автомобилям содержит высокоточные карты маршрутов и треки всех окружающих машин и пешеходов (их положение, скорость, ускорение и пр.), но не имеет видео, где можно распознать номера машин или лица прохожих.

Используя эти данные, исследователи должны будут обучить алгоритмы, после чего проверить качество их работы в условиях сдвига. Для создателей лучших алгоритмов организаторы конкурса приготовили денежные призы. Более подробно о конкурсе можно узнать в блоге компании на Хабре.

Новый алгоритм автопилотирования дронов оказался эффективнее человека

Группа учёных Цюрихского университета разработала алгоритм автоматического управления беспилотными летательными аппаратами, который обеспечивает дронам максимальную скорость и эффективность, недостижимую при управлении живыми операторами.

 Источник: scitechdaily.com

Источник: scitechdaily.com

Чтобы приносить практическую пользу, небольшие беспилотники должны действовать очень быстро. Учитывая ограниченный ресурс батарей, им необходимо завершать возложенные на них задачи с минимальными временными затратами вне зависимости от рода миссии: поиск пострадавших на местах катастроф, обследование зданий или даже доставка товаров. В классическом варианте дроны перемещаются от одной ключевой точки до следующей: окна, помещения, точки на местности — и им при этом следует выбирать оптимальную траекторию, оптимальное ускорение или, напротив, замедление.

Обычно для оптимального выполнения поставленной задачи привлекают операторов, поскольку живой человек на практике оказывается эффективнее любой системы автоматической навигации. Изменить ситуацию решила команда учёных Цюрихского университета, разработавшая алгоритм автопилотирования для дронов с четырьмя винтами. Технология уже показала себя эффективнее управления живыми операторами. «Новизна алгоритма в том, что он впервые строит оптимальные по времени траектории, полностью учитывая ограничения дронов», — прокомментировал работу глава группы Давид Скарамуцца (Davide Scaramuzza). Предыдущие системы допускали упрощения либо в технической части самого дрона, либо в траектории его движения, поэтому оптимальными они не были.

Для проверки работоспособности новой системы было проведено небольшое состязание, в рамках которого дрон должен был пролететь по установленному маршруту. В первом случае машиной управлял человек, во втором был задействован алгоритм автопилотирования. Для контроля использовались внешние камеры, которые транслировали точное положение дронов как человеку, так и компьютеру с запущенным на нем алгоритмом. Для чистоты эксперимента человеку позволили сделать несколько пробных пролётов. Победителем вышел алгоритм, он показал меньшее время и большую эффективность. Сюрпризом это не стало, потому что компьютер может повторять одну оптимальную последовательность действий неограниченное число раз. А человек не может.

Перед выводом технологии на рынок предстоит проделать немало работы. В частности, системе пока необходимы серьёзные компьютерные ресурсы, просчёт траектории занимает порядка одного часа. И внешние камеры, которые используются системой, потребуется заменить на камеры, установленные на самом дроне.

Эксперты изучили алгоритм рекомендаций TikTok — основным критерием оказалось время просмотра видео

Специалисты издания Wall Street Journal провели подробный экспериментальный анализ алгоритма рекомендаций, используемого сервисом коротких видео TikTok. Основным критерием алгоритма оказалась длительность просмотра роликов пользователями.

 Источник: theverge.com

Источник: theverge.com

Руководство экспериментальным проектом было возложено на Гийома Часло (Guillaume Chaslot), этот специалист по алгоритмам прежде работал в YouTube. В рамках проекта были созданы несколько пользовательских аккаунтов TikTok, управлявшихся ботами с фиксированным набором интересов. Они «смотрели» видео, ставя на паузу или повторно проигрывая ролики, отмеченные соответствующими хештегами или содержащие соответствующие интересам изображения.

Как выяснилось, лента персональных рекомендаций формируется на основе того, с какими видео взаимодействует пользователь, как он с ними взаимодействует, в расчёт принимаются свойства самого видео, а также язык учётной записи и местоположение пользователя. Так, если какие-то странное видео застаёт пользователя врасплох, но он продолжает смотреть ролик, то алгоритм считает, что видео ему понравилось. Достаточно совершить совсем немного подобных «ошибок», чтобы лента рекомендаций наполнилась тем, что человеку совершенно неинтересно.

У человека, конечно, больше нюансов в предпочтениях, чем у бота, но в данном эксперименте этими различиями можно пренебречь, чтобы понять, насколько быстро в рекомендациях может появиться неподходящий контент. В опыте Wall Street Journal на это ушло всего 40 минут. Один из ботов погрузился в пучину тяжёлых, депрессивных видео, а второй оказался заложником теории заговора во время выборов. Впрочем, некоторым из них повезло, и подобранный алгоритмом контент оказался преимущественно позитивным.

Facebook* создала инструмент для распознавания дипфейков, позволяющий вычислить автора подделки

Для Facebook* дипфейки (поддельные изображения, созданные ИИ) в настоящий момент не являются большой проблемой, однако компания продолжает финансировать исследования, связанные с этой технологией, чтобы иметь возможность защититься от потенциальных угроз в будущем. Одна из последних работ в этом направлении была проведена вместе с учёными из Университета штата Мичиган. Команда специалистов разработала метод декомпиляции дипфейков.

Специалисты объясняют, что их технология позволяет проводить анализ изображений, созданных алгоритмами ИИ, и выявлять идентифицирующие характеристики модели машинного обучения, с помощью которой была создана конкретная подделка.

Программа полезна тем, что в перспективе сможет помочь Facebook* отслеживать злоумышленников, распространяющих дипфейки с различными преступными целями. Например, пользователей могут шантажировать с помощью поддельных интимных фото или видео. Отмечается, что разработка декомпилятора дипфейков ещё не завершена, поэтому программа пока не готова к развёртыванию.

Предыдущие исследования в этой области позволили определить, какая из известных моделей ИИ сгенерировала тот или иной дипфейк, однако новая разработка специалистов из Facebook* и Университета штата Мичиган лучше подойдёт для практического применения. Она позволяет определять архитектурные особенности систем для создания дипфейков, основанные на неизвестных моделях. Эти характеристики, известные как гиперпараметры, присутствуют в каждой модели машинного обучения. В совокупности они создают уникальный отпечаток на готовом изображении, который затем можно использовать для определения источника дипфейка.

По словам ведущего специалиста Facebook* Тала Хасснера (Tal Hassner), участвующего в проекте разработки декомпилятора дипфейков, возможность выявления особенностей неизвестных моделей очень важна, поскольку ПО для дипфейков очень легко изменять, что позволяет злоумышленникам эффективно заметать следы.

 Несуществующие люди, созданные программой для генерации дипфейков (Изображение: The Verge)

Несуществующие люди, созданные программой для генерации дипфейков (Изображение: The Verge)

«Предположим, злоумышленник создаёт множество разных дипфейков и загружает их на разные платформы под видом разных пользователей. Если для создания дипфейков применялась новая модель ИИ, которую никто раньше не видел, то выяснить все детали, связанные с созданием изображения будет невозможно. С новой технологией мы можем определить, что загруженное на разные платформы изображение было создано одной и той же моделью машинного обучения. А получив доступ к ПК, на котором это изображение было создано, мы сможем уверенно указать на виновника», — объяснил Хасснер.

Хасснер сравнивает свою разработку с методом экспертно-криминалистического анализа, использующегося для определения модели фотоаппарата, с помощью которого были произведены снимки. Суть анализа заключается в поиске на этих снимках определённых закономерностей или оптических дефектов, создаваемых только конкретной моделью камеры.

«Не каждый может создать свою собственную камеру, но любой, кто обладает достаточным опытом и доступом к обычному ПК, может создать свою собственную модель для генерации дипфейков», — добавляет Хасснер.

Созданный учёными из Университета штата Мичиган и Facebook* алгоритм способен не только определять черты той или иной генеративной модели, но также выяснять, какая из известных моделей могла применяться в создании дипфейка и является ли вообще представленное изображение подделкой. По словам Хасснера, система обладает весьма высоким показателем эффективности. Однако точных значений не приводит.

Следует указать, что даже самые современные алгоритмы определения дипфейков в настоящий момент далеки от совершенства. И сами специалисты, занимающиеся этим вопросом, прекрасно это осознают. Когда в прошлом году Facebook* проводила конкурс, посвящённый поиску дипфейков, победителем оказался алгоритм, который мог определять недостоверность изображений только в 65,18 % случаев. Частично это объясняется тем, что область разработки генеративного ИИ очень активно развивается. Новые методы публикуются практически каждый день и фильтры распознавания попросту за ними не поспевают.


* Внесена в перечень общественных объединений и религиозных организаций, в отношении которых судом принято вступившее в законную силу решение о ликвидации или запрете деятельности по основаниям, предусмотренным Федеральным законом от 25.07.2002 № 114-ФЗ «О противодействии экстремистской деятельности».

Разработчики TikTok откроют доступ к своему мощному алгоритму рекомендаций сторонним компаниям

Десятого июня компания ByteDance, владеющая TikTok, запустила бренд Volcano Engine, под которым будет предлагать сторонним компаниям свой алгоритм персонализированных рекомендаций. Таким шагом китайская компания продемонстрировала своё стремление выйти за рамки потребительского бизнеса.

 Screen Shot

Screen Shot

Система рекомендаций, используемая в приложении TikTok, считается одним из главных секретов его успеха. Этот алгоритм стал одной из причин беспокойства администрации бывшего президента США Трампа, которая не могла отрицать, что TikTok оказывает сильное влияние на жителей Соединённых Штатов. После того, как в должность президента США вступил Джо Байден, его команда пересмотрела отношение к TikTok, WeChat и другим популярным китайским сервисам. Одним из условий продолжения присутствия ByteDance на рынке США стало требование открыть доступ к ключевым компонентам ПО. Китайская компания решила извлечь из этого выгоду, и теперь будет предлагать свой мощный алгоритм корпоративным клиентам.

До сих пор основной доход ByteDance приходился на потребительские продукты, такие как TikTok. Теперь компания нацелилась на корпоративный рынок. Volcano Engine, позиционируемый как интеллектуальная технологическая платформа, предоставляет обширный список вспомогательных инструментов, к которым могут получить доступ корпоративные клиенты. С их помощью компании смогут оптимизировать внутренние базы данных, производить сегментацию клиентов и тестировать продукты, и это далеко не все возможности алгоритма. К сожалению, в условиях высокой конкуренции на рынке IT, потенциал такого мощного продукта, как Volcano Engine, не может не вызывать опасений.

 Screen Shot

Screen Shot

Сама ByteDance отмечает, что Volcano Engine фактически уже применяется сторонними компаниям около года. Алгоритмом успели воспользоваться торговая площадка JD.com, производитель смартфонов Vivo и автомобильная компания Geely. Теперь компания планирует расширить своё портфолио рядом общедоступных облачных вычислительных услуг, как сообщает Reuters. Сама ByteDance пока не прокомментировала свои планы касаемо облачных сервисов.

В России создан математический аппарат для распознавания кибератаки в электронном шуме

Группа ученых из Московского физико-технического института и Казанского национального исследовательского технологического университета им. А. Н. Туполева разработала математический аппарат, который может привести к прорыву в области сетевой безопасности. Математики помогли распознать злоумышленника при анализе электронного шума в линии передачи данных. Технология может работать на слабом оборудовании и предупреждать атаки, что раньше было невозможно.

 Источник изображения: МФТИ

Источник изображения: МФТИ

Результаты работы опубликованы в журнале Mathematics. Учёные обобщили показатель Хёрста, добавив в него намного больше коэффициентов для более полного описания динамики анализируемого трафика. Подобный шаг позволяет анализировать и находить закономерности там, где их нет по определению из-за множества случайных факторов.

Фактически представлен математический аппарат для анализа электронного шума на линии, куда входит как полезный трафик, так и тепловой шум передатчика. Это как узнавать радиста по почерку. Благодаря этой технологии можно даже выстраивать криптозащиту, научив систему подтверждать доверенный источник передачи по тепловому шуму передатчика.

«Таким образом удается производить «на лету» выделение значимых признаков и применять элементарные методы машинного обучения для поиска сетевых атак. В совокупности получается точнее тяжелых нейронных сетей, и такой подход можно разворачивать на маломощных промежуточных устройствах», — сказано в пресс-релизе на сайте МФТИ.

Представленное российскими математиками решение позволяет задать параметры для анализа и провести анализ процессов, для которых нет точного математического описания. Это открывает серьёзные перспективы не только в области сетевой безопасности, но также в сфере прогнозирования и анализа сложных систем и не обязательно электронных. Развитие живых и, в том числе, наших организмов тоже не поддаётся точной математике, а понимать, что с ними происходит в динамике и к чему это приведёт — это заветная мечта каждого здравомыслящего человека.

NASA занялось картографированием воздушных течений в атмосфере Земли, что повысит точность прогнозов погоды

До сих пор при моделировании прогнозов погоды на Земле не учитывались такие глобальные явления, как перенос аэрозолей и легчайших частиц атмосферными течениями. Между тем, многие из воздушных «рек» имеют стабильные маршруты и переносят более-менее одинаковые аэрозоли из одних и тех же географических мест. Специалисты из NASA решили внести ясность в вопрос формирования погодных явлений атмосферными течениями и обещают повысить точность прогнозов.

 Спутниковый снимок по переносу песка из Сахары на территорию США. Источник изображения: NASA

Спутниковый снимок по переносу песка из Сахары на территорию США. Источник изображения: NASA

В своём исследовании учёные использовали наблюдения за воздушными течениями с 1997 по 2014 год. В процессе изучения воздушных течений и перенесённых ими аэрозолей — пыли, сажи, пепла, морской соли и других частиц и водных соединений — был разработан алгоритм для оценки распространения взвешенных частиц в масштабах планеты.

За основу оценки распространения был взят алгоритм оценки движения водяного пара в атмосфере и изменён для слежения за частицами из жерл действующих вулканов (сульфитами), за сажей и пеплом от лесных пожаров и от сжигания ископаемого топлива, за распространением песка из пустынь и даже за переносом растительных патогенов, что может навредить фермерству. Затем алгоритм движения воздушных аэрозолей был наложен на цифровую погодную модель Земли, и исследователи впервые смогли оценить воздушные течения и перенос аэрозолей на глобальный климат нашей планеты.

Выяснилось, что от 40 % до 100 % аэрозолей воздушными атмосферными потоками переносятся в ходе не очень частых экстремальных погодных явлений. Поэтому такие атмосферные явления как пылевые облака, накрывающие города, или смог от горящих лесов случаются не так часто и не с такой интенсивностью, как это происходит на местах. Иными словами, интенсивность переноса аэрозолей воздушными потоками крайне неравномерная по времени. Также учёные выяснили, что одни и те же географические местности служат источником одних и тех же аэрозолей, например, пустыни пылят, а леса чадят.

Новый подход к анализу течений атмосферных рек в глобальном масштабе позволит исследователям начать изучение многочисленных характеристик целого ряда явлений, включая взаимодействие со штормами и глобальным потеплением. Также новый подход поможет учесть опасность распространения растительных патогенов и повысит продовольственную безопасность.

Китайцы сокрушили миф о квантовом превосходстве Google. Для этого понадобилось всего 60 видеокарт NVIDIA

Группа исследователей из пекинского Института теоретической физики Китайской академии наук повторила эксперимент компании Google по демонстрации квантового превосходства. На решение специфической задачи квантовая система Google Sycamore затратила 3 минуты и 20 секунд. Ту же самую задачу новый алгоритм китайских учёных без затей решил за 5 дней всего на 60 видеокартах компании NVIDIA. Квантового превосходства Google не случилось. Ждём нового.

 Квантовая система Google Sycamore. Источник изображения: Google

Квантовая система Google Sycamore. Источник изображения: Google

О достижении квантового превосходства — способности быстро решать задачи, на которые классическим компьютерам требуется буквально вечность — Google сообщила в октябре 2019 года. По словам компании, её квантовая система Sycamore решила за 200 секунд задачу, на решение которой самому быстрому на тот момент суперкомпьютеру IBM Summit потребовалось бы 10 тыс. лет. В IBM оспорили это утверждение. Компания заявила, что улучшенный алгоритм мог бы решить квантовую задачу Google за 2,5 дня. Правда, компания не подтвердила эти слова практическим экспериментом.

Вместо IBM заявление Google о квантовом превосходстве опровергли учёные из Китая. Они разработали алгоритм, который на 60 видеокартах NVIDIA на графических процессорах V100 и A100 решил задачу Google примерно за пять дней. Тем самым, кстати, китайские исследователи показали, что суперкомпьютеры тоже не всегда самые лучшие инструменты, и важна не сама вычислительная мощность, а умение ею пользоваться.

В то же время необходимо отметить, что поиск доказательств квантового превосходства той или иной квантовой платформы имеет больше спортивный характер, чем прикладной (китайцы тоже играют в эту игру). Но это позволяет нащупать границу между классическими и квантовыми вычислениями, ведь полной ясности в прикладных возможностях последней всё ещё нет. Китайцы, к слову, в новой пятилетке планируют перевести поиск квантовых алгоритмов из теоретической плоскости в практическую. Посмотрим, что из этого получится.

Deepfake можно распознать по неправильному отражению в глазах людей

Исследователи из Университета Буффало разработали инструмент для почти безошибочного определения дипфейков (Deepfake) на цифровых изображениях людей. Новый алгоритм ошибается всего в шести случаях из ста. Это может помочь в борьбе с ложной информацией, но алгоритм имеет ряд ограничений.

 Анализ отражения в глазах показал, что все эти люди не настоящие. Источник изображения:

Анализ отражения в глазах показал, что все эти люди не настоящие. Источник изображения: University at Buffalo

Предложенный исследователями алгоритм исследует отражения в глазах людей на цифровых фотографиях. На настоящих изображениях отражения в глазах, как правило, одинаковые, тогда как нейросети в процессе создания дипфейка оперируют множеством цифровых изображений людей из обширной базы данных, что ведёт к синтезу разных отражений на одной и другой роговице глаза.

В частности, анализ базы данных сгенерированных нейросетью StyleGAN2 изображений ненастоящих людей показал, что алгоритм способен выявить дипфейк в 94 % случаев портретных изображений людей, сделанных с хорошим освещением и с достаточно большим разрешением. В то же время точность стремительно падала, если разрешение снижалось или освещения было недостаточно для формирования отражения от роговицы.

Также следует признать, что при определённом освещении отражения в глазах могут отличаться, как и нельзя данный алгоритм применить для случаев, когда второй глаз не виден или находится в тени. Тем не менее, любое продвижение по пути разоблачения дипфейков можно только приветствовать. Со временем распространение поддельной цифровой аудиовизуальной информацией обещает стать серьёзной проблемой.

Российские учёные установили новый мировой рекорд в области квантовой криптографии

Квантовая криптография с использованием квантового распределения ключей рассматривается как инструмент для длительной надёжной защиты данных и обеспечения безопасности переговоров на высшем уровне. Но по мере цифровизации повседневной жизни граждан области применения оборудования для квантового распределения ключей шифрования будут расширяться, о чём необходимо заботиться заранее.

 Источник изображения: НИТУ «МИСиС»

Источник изображения: НИТУ «МИСиС»

Массовое применение квантовой криптографии требует совершенствования алгоритмов и повышения эффективности процессов обработки квантового распределения ключей. Группа российских учёных центра компетенций НТИ «Квантовые коммуникации» НИТУ «МИСиС», Российского квантового центра и научно-производственной компании QRate преуспели на этом направлении.

В частности, российские исследователи разработали алгоритмы, которые настолько повысили эффективность систем квантового распределения ключей в области так называемой классической постобработки, что достижение обновило мировой рекорд в этой области. Поясним, что классическая постобработка — это набор мер, направленных на исправление возможных ошибок в квантовых ключах, и исключение из них потенциально доступной злоумышленнику информации.

Кроме того, в рамках совершенствования алгоритмов коррекции ошибок в процессах с квантовым распределением ключей был предложен новый и более устойчивый к внешним воздействиям алгоритм. Для этого учёные обратились к так называемым полярным кодам (от слова поляризация), что позволило устройствам для квантового распределения ключей стабильно работать в условиях реальной жизни под воздействием различных факторов окружающей среды.

 Источник изображения: НИТУ «МИСиС»

Источник изображения: НИТУ «МИСиС»

Как поясняют разработчики, за счёт использования полярных кодов работа системы не поддаётся влиянию скорости ветра, осадков, повышения или снижения температуры. Например, это поможет в будущем создать невзламываемую защиту беспилотного транспорта, который будет полагаться на качество и защищённость беспроводных каналов связи. Будущее рождается сегодня. Российские исследователи помогают этому как могут.

Военные США задумались о создании самоуправляемых машин для бездорожья

Современные автономные автомобильные платформы неплохо проявляют себя в предсказуемой (обжитой) среде, но в условиях бездорожья алгоритмы дают сбой. Быстрая смена окружения и хаос вокруг не позволяют автономным машинам передвигаться так же быстро, как если бы транспортным средством управлял человек. Военные США предлагают изменить ситуацию, в чём должна помочь программа DARPA RACER.

Агентство перспективных исследований МО США DARPA инициировало запуск четырёхлетней программы Robotic Autonomy in Complex Environments with Resiliency (RACER). Аббревиатура RACER (по-русски гонщик) расшифровывается как автономность роботов в сложных средах с отказоустойчивостью. В рамках программы предстоит создать полигон для испытания беспилотных машин с новыми алгоритмами вождения и сами алгоритмы, хотя испытания будут проводиться во всех уголках страны.

В ходе испытания предполагается выжать из существующих датчиков и методов ориентирования буквально все соки — выбрать все лимиты, ограничивающие современные сенсорные системы. Но основной упор будет на программное обеспечение. «Чтобы достичь целей RACER по повышению скорости и устойчивости, нам необходимо использовать подходы к обучению, которые автоматически настраивают параметры системы в реальном времени», — сказал Стюарт Янг, менеджер программы, возглавляющий проект RACER. «Успешное программное обеспечение будет извлекать функции из данных датчиков и использовать эту информацию для принятия решений о вождении на местности».

ByteDance предупредила США, что алгоритм TikTok не продаётся

Хотя до решающего дня, назначенного президентом США Дональдом Трампом в качестве крайнего срока для продажи видеосервиса TikTok, остались считаные дни, с этим вопросом по-прежнему нет ясности. Впрочем, как и с условиями будущей сделки (если, конечно, она состоится).

 REUTERS

REUTERS

Как сообщает источник гонконгской газеты South China Morning Post, владеющая сервисом TikTok компания ByteDance из Пекина не собирается продавать или передавать алгоритм, лежащий в основе популярного приложения для обмена видео, в рамках какой-либо сделки по продаже или отчуждению. По крайней мере, так решили в ходе обсуждения в совете директоров китайской компании: «Можно продать машину, но не двигатель».

«Компания [ByteDance] не будет передавать исходный код любому покупателю из США, но технологическая команда TikTok в США может разработать новый алгоритм», — рассказал информатор South China Morning Post. По его словам, ByteDance уведомила власти США и потенциальных участников торгов о своём решении.

Если президент США отклонит это условие, то продажа TikTok будет сорвана, и видеосервис станет недоступным для американских пользователей после установленного крайнего срока продажи — 15 сентября.

Подключить человеческий мозг к компьютеру поможет искусственный интеллект

Заманчивая перспектива обеспечить прямую передачу данных в мозг из компьютера и обратно неизбежно упирается в чрезвычайную сложность работы человеческого мозга. Это как в облаке комаров попытаться расслышать звук конкретного насекомого. Но такие задачи по силам алгоритмам машинного обучения, что пытаются доказать исследователи из Сколтеха.

 Источник изображения: iStock/mustafahacalaki

Источник изображения: iStock/mustafahacalaki

Группа учёных из Сколтеха вместе с коллегами из INRIA и RIKEN Advanced Intelligence Project провела исследование ряда современных алгоритмов машинного обучения, которые созданы решать задачи по определению умственной нагрузки и эмоциональных состояний человека. Попутно учёные создали два новых алгоритма, так модифицировав их прежние версии, что смогли улучшить компьютерное распознавание эмоций и интенсивности размышлений человека.

Для исследований были выбраны алгоритмы из двух категорий: классификаторов на основе римановой геометрии (RGC) и свёрточных нейронных сетей (CNN). Выбранные алгоритмы ранее уже показали свою эффективность при использовании в «умных» протезах для управления отсутствующими конечностями. Но это так называемые «активные интерфейсы». Для определения эмоционального состояния и умственных усилий чаще используются «пассивные интерфейсы» ИМК (интерфейс мозг-компьютер) при помощи электроэнцефалографии (ЭЭГ). Для этого не нужно прямого доступа к мозговым тканям живого человека, достаточно дистанционно измерять электрическую активность головного мозга.

В процессе обработки данных о состоянии активности мозга выяснилось, что алгоритмы с римановой оптимизацией неплохо проявили себя как с оценкой степени умственной нагрузки у испытуемых, так и при определении эмоционального состояния человека. Нейронная сеть же оказалась впереди по точности определения умственной нагрузки, но спасовала при оценке эмоций.

«На следующих этапах исследования мы планируем использовать более сложные методы на основе искусственного интеллекта (ИИ) и, в первую очередь, методы глубокого обучения, с помощью которых можно выявлять самые незначительные изменения в сигналах и паттернах мозга», ― сказал один из авторов исследования профессор Центра Сколтеха по научным и инженерным вычислительным технологиям для задач с большими массивами данных (CDISE) Анджей Чихоцкий (Andrzej Cichocki).

window-new
Soft
Hard
Тренды 🔥
Магазин Microsoft Store теперь доступен для всех Win32-приложений 3 ч.
Поиск изображений с помощью Google Lens в браузере Chrome станет удобнее 3 ч.
Softline показала отличные годовые результаты, но теперь вынуждена сократить зарплаты части сотрудников в России на четверть 6 ч.
Новая статья: Если не TeamViewer, то кот: почти два десятка аналогов популярного сервиса удалённого доступа 7 ч.
Microsoft представила Dev Box — рабочую станцию на Windows в облаке 7 ч.
Windows 11 получит поддержку сторонних виджетов до конца 2022 года 8 ч.
Microsoft Store научится автоматически восстанавливать все установленные ранее приложения на новом ПК с Windows 11 8 ч.
Создатели Battlefield 2042 объявили о прекращении активной поддержки режима Hazard Zone и пообещали всевозможные улучшения 9 ч.
Мультиплеерное приключение Temtem вырвется из раннего доступа и появится на новых консолях в сентябре 10 ч.
Разработчики Call of Duty: Modern Warfare 2 раскрыли дату выхода, но игру так и не показали 11 ч.
AMD пояснила, при каких условиях процессором серии Ryzen 7000 были достигнуты частоты около 5,5 ГГц 2 ч.
Zotac представила крошечную рабочую станцию ZBOX QTG7A4500 с профессиональной видеокартой NVIDIA RTX A4500 7 ч.
Gigabyte представила мощные мини-ПК BRIX Extreme на базе Intel Alder Lake-P 7 ч.
Xiaomi представила беспроводные наушники Redmi Buds 4 и Redmi Buds 4 Pro с активным шумоподавлением и ценой от $30 8 ч.
Harley-Davidson Serial 1 выпустит ограниченным тиражом электрический горный велосипед Bash/Mtn за $3999 8 ч.
HP выпустила недорогие 14-дюймовые ноутбуки Pavilion x360 и Pavilion Plus на базе Intel Alder Lake 8 ч.
Microsoft представила мини-компьтер с чипом Arm и ИИ-ускорителем, и анонсировала Arm-версию Visual Studio 2022 9 ч.
Zotac представила мини-ПК размером с бумажник, который может выводить картинку на два 4K-дисплея сразу 9 ч.
Samsung собирает «команду мечты» для создания мобильного процессора, который порвёт всех конкурентов 9 ч.
Gigabyte показала платы Aorus Xtreme, Aorus Master, Aorus Pro AX и Aero D для процессоров Ryzen 7000 10 ч.