Теги → машина
Быстрый переход

Baidu представила платформу Apollo Enterprise для серийных робомобилей

Китайский лидер поисковых систем и облачных сервисов, компания Baidu начала разработку и продвижение своей платформы автономных транспортных средств с открытым исходным кодом Apollo в апреле 2017 года. За этот период было выпущено 6 ключевых итераций и наконец представлена версия Apollo 3.5, которая обеспечивает работу автопилота в сложных городских и пригородных условиях вождения.

На выставке CES 2019 компания объявила о запуске Apollo Enterprise для серийно выпускаемых самоуправляемых автомобилей. Она включает решения для автономного вождения на автомагистралях, автоматическую парковку, автопилоты для микроавтобусов, интеллектуальную службу работы с картографическими данными, голосовой помощник Baidu DuerOS для автомобилей.

Baidu сообщает, что Apollo уже используют 130 партнёров по всему миру. Одним из них является китайский стартап WM Motors, планирующий выпустить электромобили с третьим уровнем автономности в 2021 году. А производитель самоходного автофургона Udelv недавно проводил совместное с Walmart тестирование доставки продуктов.

По словам Baidu, в ближайшее время в Области залива Сан-Франциско и других регионах США будет развернуто до 100 самоуправляемых автомобилей на базе Apollo 3.5. А в Китае планируется запустить 100 роботизированных такси, которые будут курсировать на 210 км городских дорог в Чанше, столице провинции Хунань, и использовать технологию Baidu V2X, позволяющую считывать дорожную инфраструктуру вроде светофоров.

План по развёртыванию Apollo подразумевает региональный массовый запуск автопилотов в июле 2019 года, вывод автономных транспортных средств на несложные городские маршруты в 2020 году и полноценный широкий запуск самоуправляемых автомобилей в 2021 году.

На официальном сайте Apollo можно ознакомиться с перечнем оборудования от участников экосистемы, которые поддерживаются платформой и могут индивидуально конфигурироваться автопроизводителями, исходя из конкретных нужд и задач. Это лидары, радары, камеры, ультразвуковые датчики, навигаторы с сантиметровой точностью RTK, вычислительный блок Nuvo-6018GC на базе GPU от NVIDIA, контролер локальной сети CAN, а также блоки ASU и AXU от самой Baidu.

ASU отвечает за объединение датчиков, управление транспортным средством и доступ к Сети, включает сенсорные интерфейсы для сбора данных и передает их на вычислительный блок по интерфейсу PCI Express. Блок AXU имеет более простое назначение: повышение вычислительных возможностей и увеличения емкости хранилища путём подключения дополнительных GPU-ускорителей, модулей FPGA и т. д.

Intel работает с Facebook над созданием ИИ-чипа, который выйдет в этом году

Корпорация Intel сделала немало важных анонсов во время крупнейшей выставки потребительской электроники CES 2019, которая сейчас проходит в Лас-Вегасе. В частности, она заявила, что совместно с Facebook работает над созданием нового чипа для вычислений в области машинного обучения, причём выход кристалла (в том числе для других компаний) ожидается уже во второй половине этого года. Решение получило название Intel Nervana Neural Network Processor for Inference.

Этот чип призван помочь Intel не упустить быстрорастущий сегмента рынка ускорителей вычислений, связанных с искусственным интеллектом. Но компании придётся столкнуться с конкуренцией со стороны аналогичных решений от NVIDIA, Google, Amazon Web Services и других компаний. Как сообщается, решение Intel призвано ускорить прежде всего процесс принятия алгоритмом логических выводов (inference).

Подобный процессор поможет Facebook и другим компаниям эффективнее и дешевле задействовать алгоритмы машинного обучения. Крупнейшая социальная сеть сейчас использует ИИ в самых разных областях вроде определения людей на фотографиях, перевода публикаций с одного языка на другой, анализа запрещённых материалов и так далее. На специализированном оборудовании такие задачи будет выполнять проще.

В настоящее время процессоры Intel доминируют на рынке решений для машинного обучения, который, по мнению аналитиков Morningstar, к 2021 году будет оцениваться в $11,8 млрд. Вице-президент подразделения ИИ в Intel Навин Рао (Naveen Rao) заявил, что новый чип компании будет быстрее, чем что-либо доступное у конкурентов, хотя и не предоставил конкретных показателей производительности или подробностей.

Toyota представит на CES четвёртое поколение своих автономных машин

Свой первый прототип самоуправляемой машины японский автопроизводитель Toyota Motor показал 6 лет назад на выставке CES 2013. И, нужно признать, свисающие со всех сторон камеры и датчики выглядели весьма неуклюже. Теперь же Исследовательский институт Toyota (TRI) готовится показать на международной выставке потребительской электроники в Лас-Вегасе испытательную платформу четвёртого поколения P4, установленную на новый седан премиальной марки Lexus LS 500h и демонстрирующую возможности находящейся в разработке двухсоставной автоматизированной системы вождения TRI: Guardian и Chauffeur.

«Наша разработка Chauffeur (Шофер) нацелена на полную автономность, когда участие человека, по сути, исключено в задачах вождения: либо полностью и в любых условиях, либо ограничено некоторыми сферами, — пояснил старший вице-президент по автоматизированному вождению в TRI Райан Юстис (Ryan Eustice). — С другой стороны, Guardian (Хранитель) разрабатывается, чтобы повысить производительность человека за рулем, а не заменить его. Внедрение новой платформы P4 поможет нам ускорить разработку обоих направлений, когда будет развёрнута на тестовом автомобильном парке весной».

P4 использует преимущества Lexus в виде нового поколения технологии шасси и рулевого управления, которая обеспечивает большую маневренность при автоматической езде. Панель камер не особо изменилась по сравнению с третьим поколением, однако для лучшей осведомлённости о дорожной обстановке были добавлены два лидара с 8 сканирующими головками по бокам машины и по одной специализированной камере с широким динамическим диапазоном спереди и сзади.

В области дизайна Исследовательский институт Toyota продолжает сотрудничество с фирмой CALTY Design Research из Анн-Арбора, штат Мичиган. Последняя отвечает за создание обтекаемых форм кузова нового седана Lexus LS, дополненного передовыми компонентами беспилотного вождения.

Toyota отмечает, что платформа P4 стала гораздо умнее своего предшественника. Благодаря возросшей вычислительной мощности системы могут использовать больше алгоритмов машинного обучения для ускоренного обучения. Она может быстрее обрабатывать входные сигналы датчиков и эффективнее реагировать на изменения окружения. Вычислительная система размещена в багажнике и приставлена к спинке заднего сиденья — весь пол багажника освобождён для перевозки поклажи. Она получает питание от гибридной батареи автомобиля, а аккумулятор на 12 В теперь служит только в качестве резервного.

Центр разработки прототипов TMNA ​​R&D в городке Йорк штата Мичиган начнёт производство автомобилей P4 на базе серийных моделей этой весной.

P4 будет представлен публике на пресс-конференции Toyota CES 7 января. Исполнительный директор TRI доктор Джилл Пратт (Gill Pratt) расскажет о последних достижениях в области автоматизированного вождения Guardian. Автомобиль будет также показан на выставке Lexus в Детройтском Центре Кобо на Североамериканском международном автосалоне 14 и 15 января.

В испытаниях шин Continental помогут беспилотные автомобили

Компания Continental впервые начала тестировать новые покрышки с использованием самоуправляемого автомобиля: такой подход, как ожидается, позволит получать более надёжные результаты.

Одной из самых сложных задач в разработке шин является проведение качественных испытаний. Дело в том, что малейшие отклонения на тестовом треке могут оказывать колоссальное влияние на качество и сопоставимость результатов. Поэтому к водителям-испытателям предъявляются очень жёсткие требования.

Использование роботизированных автомобилей во время тестирования новых покрышек позволит исключить человеческий фактор. «Автоматизированный автомобиль позволяет нам точно воспроизводить испытания, то есть каждая шина тестируется в абсолютно одинаковых условиях.  Таким образом, мы можем быть уверены в том, что разница в результатах действительно вызвана различиями шин, а не самой процедурой тестирования», — говорит Continental.

Компания начала использовать робомобиль на своём испытательном полигоне в Ювалде (Техас, США). Машина оснащена системой самоуправления Continental Cruising Chauffeur, разработанной для автомагистралей. Автомобиль оборудован спутниковой навигационной системой, камерой и датчиками.

Отмечается, что испытания могут проводиться на различных дорожных покрытиях, в том числе на гравии. Поскольку автомобиль проходит по маршруту, который от раза к разу отличается лишь на несколько сантиметров, покрытие трека меньше изнашивается и требует значительно меньшего обслуживания. 

В России начаты испытания роботизированных снегоуборочных машин

В Рязанской области организованы испытания первой в России беспилотной снегоуборочной техники. О проекте, как сообщает «РИА Новости», рассказали представители Национальной технологической инициативы (НТИ) «Автонет».

Отмечается, что поначалу самоуправляемые снегоуборочные машины будут тестироваться ночью на закрытых территориях и только при небольших снегопадах.

«При этом в радиусе 50 метров будут устанавливаться специальные таблички, которые будут сообщать горожанам о том, что рядом работает беспилотная техника. Все машины будут удалённо контролироваться диспетчером», — рассказали осведомлённые лица.

Речь идёт об использовании небольших тракторов рязанской компании Avrora Robotics с навесным оборудованием для уборки снега.

В перспективе испытания роботизированных снегоуборочных машин планируется организовать и в других регионах, в частности, в Москве и в ряде городов республики Татарстан.

Предполагается, что эксплуатация роботизированных снегоуборочных машин позволит повысить скорость очистки улиц. Техника сможет функционировать, по сути, в круглосуточном режиме с постоянной эффективностью. 

В Windows 10 появится встроенная «песочница»

Разработчики из Microsoft повысят безопасность Windows 10. В операционной системе появится виртуальная среда Windows SandBox, которая позволит создавать независимые виртуальные окружения в рамках ОС и безопасно запускать ненадёжное, подозрительное или опасное программное обеспечение, не рискуя основной системой.

«Песочница» позволит создать виртуальную машину с ограниченной функциональностью и урезанными правами. На рабочем столе этой ВМ можно будет только запускать программы и открывать документы.

Новая система будет доступна только на Windows 10 Pro и Windows 10 Enterprise, при этом «песочницу» не нужно будет устанавливать отдельно — её реализуют на уровне ОС, никакого дополнительного ПО не потребуется. Разработчики утверждают, что документы и программы в виртуальной машине не взаимодействуют с основной системой, потому не могут ей навредить. А для полной гарантии после отключения ВМ все данные удаляются.

Сообщается, что Windows SandBox сейчас находится на финальном этапе разработки и выйдет в рамках обновления Windows 10 19H1, ориентировочно в первом квартале 2019 года. Для использования функции потребуется компьютер с минимум двухъядерным процессором и 4 Гбайт оперативной памяти. Оптимальной конфигурацией считается ПК с четырёхъядерным процессором и поддержкой Hyper Treading, 8 Гбайт оперативной памяти и SSD-диском. Для активации режима виртуализации нужно включить поддержку в BIOS, а ПК должен поддерживать инструкции AMD64. Наконец, сама «песочница» доступна в ОС версии 18305 или выше (пока только инсайдерские сборки).

Предполагается, что такая виртуальная машина будет проще в эксплуатации, а также менее «прожорливой», чем сторонние системы виртуализации вроде VirtualBox.

Вышла новая версия системы виртуализации VirtualBox 6.0

Oracle выпустила VirtualBox 6.0, следующее поколение системы виртуализации с открытым исходным кодом для платформ Linux, Windows и Mac. Несколько месяцев разработки VirtualBox 6.0 наконец-то завершились и можно использовать ПО для запуска различных операционных систем на одном или нескольких хостах. Как и ожидалось, добавлено несколько важных новшеств.

В частности, VirtualBox 6.0 включает поддержку экспорта виртуальных машин в инфраструктуру Oracle Cloud, значительно улучшенную совместимость с дисплеями высокого разрешения, включая улучшенное распознавание таких экранов, поддержку настроек динамиков объёмного звучания для пользователей Windows 10 Build 1809 и технологии Hyper-V на Windows-системах для более высокой производительности.

Кроме того, существенно обновлён пользовательский интерфейс, который обещает быть более простым и интуитивным и поможет настроить виртуальные машины за несколько минут без каких-либо хлопот. К новым удобствам относится и файловый менеджер, позволяющий контролировать гостевую файловую систему и легко копировать файлы между виртуальной машиной и основной операционной системой.

Среди других заслуживающих внимания улучшений, реализованных в VirtualBox 6.0, можно упомянуть поддержку выходящего в ближайшее время ядра Linux 4.20 для хостов, поддержку 3D-графики для гостевых Windows, эмуляцию 3D-устройств VMSVGA для Linux и гостевых систем на базе Solaris, предварительную поддержку macOS Guest Additions и другие новшества.

VirtualBox 6.0 также обеспечивает улучшенную запись аудио и видео, расширенную поддержку подключения и отсоединения удалённых соединений к рабочему столу, продвинутую эмуляцию последовательного порта, сетевые исправления и исправления iSCSI, поддержку параметров DHCP в VirtualBox Manager, улучшения производительности для общих папок и первоначальную поддержку общих папок для OS/2 Guest Additions. Скачать VirtualBox 6.0 для GNU/Linux, macOS и Windows можно с официального сайта.

NVIDIA создала игровую демонстрацию с графикой, генерируемой ИИ

Быстрое развитие технологий искусственного интеллекта дало впечатляющие результаты в области генерации видео и изображений. Последний пример — исследование компании NVIDIA, показывающее, как созданные с помощью ИИ визуальные эффекты можно комбинировать с традиционным конвейером растеризации. В результате получается гибридная графическая система, которую можно было бы использовать в играх, фильмах и виртуальной реальности.

«Это новый способ воспроизведения видеоконтента с использованием глубинного обучения, — отметил вице-президент NVIDIA по прикладному машинному обучению Брайан Катандзаро (Bryan Catanzaro) в беседе с журналистами The Verge. — Разумеется, NVIDIA активно думает о генерации графики, и мы исследуем вопрос, как ИИ может совершить революцию в этой области».

Результаты работы NVIDIA не смотрятся пока фотореалистичными и демонстрируют типичные артефакты, характерные для многих изображений, создаваемых искусственным интеллектом. Да и сама технология не является чем-то принципиально новым и в чём-то похожа на алгоритм превращения заваленных снегом улиц в летние, разработанный в NVIDIA для более эффективного обучения автопилота.

Реальное видео (слева) и сгенерированная алгоритмом NVIDIA картинка

Реальное видео (слева) и сгенерированная алгоритмом NVIDIA картинка

В исследовательской работе инженеры компании объясняют, что они основывались на ряде существующих методов, включая популярную систему с открытым исходным кодом под названием pix2pix. Используется метод генеративно-состязательной сети (GAN), который активно применяется для формирования визуальных данных. Он построен на комбинации из двух нейронных сетей, одна из которых генерирует образцы, а другая отклоняет неточные по её мнению. В результате ИИ самообучается созданию всё более качественных результатов с течением времени. Этот подход применяется довольно широко в индустрии создания изображений самого разного рода: от поддельных лиц знаменитостей до картины, которая недавно была продана на аукционе за $432 000.

Но NVIDIA представила ряд новшеств, и один из результатов проделанной работы — создание первой игровой демонстрации с генерируемой при помощи ИИ графикой. Речь идёт о простом симуляторе вождения, где игроки перемещаются по нескольким городским районам, генерируемым ИИ, но не могут покинуть свой автомобиль или иным образом взаимодействовать с миром. Демонстрация работает на одном графическом процессоре — заметное достижение для такой перспективной работы. Впрочем, стоит признать, что речь идёт о Titan V за $3000, который обычно используется для продвинутой симуляции, а не для игр.

Технология NVIDIA генерирует графику в несколько шагов. Вначале исследователи должны собрать данные для обучения: в данном случае это были материалы, используемые при разработке автопилота. Затем видео сегментируется: каждый кадр разбивается на категории вроде неба, автомобилей, деревьев, дороги, зданий и так далее. Затем GAN обучается на основе этих данных для последующей генерации новых объектов.

После этого исследователи создали базовую топологию виртуальной среды, используя традиционный игровой движок. В данном случае речь шла об Unreal Engine 4, который применяется в массе проектов вроде Fortnite, PUBG, Gears of War 4 и других. Используя эту среду в качестве основы, алгоритмы машинного обучения генерируют графику для каждой категории предметов в реальном времени, вставляя их поверх моделей игрового движка.

«Структура мира создаётся традиционным методом, — отметил господин Катандзаро, — единственное, что генерирует ИИ, — это графика». Он также сказал, что сама демонстрация является весьма простой и была собрана воедино лишь одним инженером, добавив: «Она призвана выступить в качестве доказательство концепции, а не быть полноценной интересной игрой».

Чтобы создать эту систему, инженеры NVIDIA должны были решить ряд задач, самой главной из которых было сохранить постоянство создаваемых алгоритмом объектов. Проблема в том, что алгоритм глубинного обучения генерируют графику с высокой частотой кадров, так что первоначальные результаты работы алгоритма были неудобоваримы из-за изменений цветов и текстур в каждом кадре. Пришлось создать систему кратковременной памяти для сравнения каждого нового кадра с предыдущим. Она также призвана предсказывать направление движения и затем создавать кадры, согласованные с существующими. Все эти вычисления весьма требовательны к ресурсам, потому игровая демонстрация выводит лишь 25 кадров/с.

Сравнение сгенерированных с помощью ИИ изображений. Вверху слева — карта сегментации; вверху справа — алгоритм pix2pix HD; внизу слева — COVST; внизу справа — демонстрация NVIDIA vid2vid

Сравнение сгенерированных с помощью ИИ изображений. Вверху слева — карта сегментации; вверху справа — алгоритм pix2pix HD; внизу слева — COVST; внизу справа — демонстрация NVIDIA vid2vid

Технология, разумеется, находится на очень ранней стадии, но в отдалённой перспективе легко представить будущее, где реализм в играх достигается в том числе с помощью подобных алгоритмов, использующих фотореалистичную генерацию на основе объектов реального мира. NVIDIA отмечает, что трассировка лучей, например, десятилетиями использовалась в различных областях 3D-графики пока, наконец, не добралась до игр. Технология может также использоваться при создании окружений для тренировки роботов, автопилота и в других областях. В перспективе метод также может найти и злонамеренное применение — например, для создания подделок.

Intel Labs вознесёт нейроморфные процессоры до небес: ищите Loihi в облаках

Как нам известно — а кто не помнит, может заглянуть в наш архив за прошлый год — в сентябре 2017 года компания Intel приступила к производству опытных 14-нм нейроморфных процессоров Loihi (есть такой подводный вулкан в 30 км от острова Гавайи). Нейроморфный процессор вообще и конкретная архитектура в частности — это один из способов перерасти традиционные фон-неймановские архитектуры и научить электронику думать как человек или, вернее, в каком-то условном приближении как человек. То есть попытаться создать имитацию мыслительного процесса в головном мозге в виде взаимодействующих через синапсы нейронов.

Блок-схема процессора Intel Loihi

Блок-схема процессора Intel Loihi

Естественно, кремниевые синапсы и нейроны тоже представляют собой лишь примерную модель этих органических структур. При этом важно отметить, что «кремниевых» синапсов (сетевых соединений) у подобных процессоров не просто мало, а катастрофически мало. Для имитации головного мозга в первом приближении количество связей в нейронных сетях необходимо увеличить хотя бы на один–два порядка, что трудно сделать в современных реалиях полупроводникового производства.

Тем не менее, с начала 2018 года Intel Labs начала рассылать научным партнёрам, учебным учреждениям и заинтересованным компаниям тестовые платы с процессорами Loihi. Сначала это были решения с четырьмя Loihi на борту и внешним управлением, которые годились для обучения самостоятельным действиям роботизированных манипуляторов или для других целей с возможностью научить автоматику правильно распознавать данные с датчиков и соответственно реагировать манипуляторами или каким-либо иным способом. 

Nahuku: от 8 до 32 чипов Intel Loihi

Nahuku: от 8 до 32 чипов Intel Loihi

Со второго квартала Intel Labs начала распространять платы с Loihi от 8 до 32 штук с управлением с помощью матриц ПЛИС Arria 10. Это уже посерьёзней. Подобные тестовые платформы могут служить для конфигурации и отладки сложных моделей поведения на нейросетях с 32 тысячами нейронов и 4 млн синапсов. 

Kapoho Bay с 1 или 2 чипами Intel Loihi и USB-интерфейсом

Kapoho Bay с 1 или 2 чипами Intel Loihi и USB-интерфейсом

В третьем квартале компания подготовила компактное решение с одним или двумя Loihi с подключением к USB. Подобные «заглушки» Intel Labs предлагает для университетов и других учебных учреждений. Наконец, в декабре через облачные услуги планируется обеспечить доступ к стоечным версиям тестовой платформы на процессорах Loihi с 768 нейроморфными процессорами на полку (комплект из 24 плат с 32 процессорами в одном корпусе). Эта платформа даст доступ у кремниевому «мозгу» со 100 млн нейронов (как у 100 тараканов или одна треть от мозга осьминога).

Но пока нет смысла говорить о том, что может этот «мозг». Перед разработчиками стоит задача посложней — создать программные инструменты и алгоритмы для воспроизводства целостной «мыслительной» платформы с возможностью масштабирования.

Intel Neural Compute Stick 2: компьютер-брелок для систем машинного обучения

Корпорация Intel анонсировала устройство Neural Compute Stick 2 (NCS 2) — компактный вычислительный модуль, предназначенный для выполнения задач, связанных с искусственным интеллектом, машинным обучением и пр.

Летом  прошлого года, напомним, дебютировал компьютер-брелок Neural Compute Stick под брендом Movidius (Intel купила эту компанию в 2016 году). Основой гаджета является вычислительный узел Movidius Vision Processing Unit (VPU).

Устройство Neural Compute Stick 2 получило вычислительный блок Intel Movidius Myriad X VPU с шестнадцатью специализированными ядрами SHAVE. Говорится о наличии нейронного движка.

В целом, как утверждается, новое изделие опережает по производительности оригинальный модуль Neural Compute Stick в восемь раз.

Устройство подключается к компьютеру через порт USB 3.0 Type-A, не требуя наличия в системе какого-либо дополнительного оборудования. Более того, нет необходимости в привязке к облачным платформам.

Ожидается, что Neural Compute Stick 2 заинтересует разработчиков, реализующих проекты в области робототехники, беспилотных летательных аппаратов, систем машинного зрения, устройств для «умного» дома и пр. Цена новинки — 100 долларов США. 

Fox использует машинное обучение Google при создании фильмов

Исследователи из киностудии 20-th Century Fox и Google Cloud разработали программное обеспечение на основе машинного обучения, которое может анализировать трейлеры фильмов и прогнозировать, захотят ли люди смотреть эти картины в кинотеатрах. Недавний исследовательский документ описывает программу Merlin, которая способна распознавать объекты и закономерности в трейлере для анализа сцен фильма.

Технология может отсканировать трейлеры и обнаружить объекты вроде «человека с бородой», «пистолета», «автомобиля», а затем на основе контекста сделать вывод, является ли фильм боевиком или драмой. «Трейлер с длительным крупным планом персонажа вероятнее всего рекламирует драму,пишут авторы исследования, — в то же время трейлер с быстрыми и частыми сменами кадров более вероятен для боевика».

Merlin использует знания об общих закономерностях, чтобы понять, как последовательность событий в трейлерах отражается на ожиданиях зрителей с точки зрения жанра. Технология может распознать погоню на автомобилях и последующий взрыв и соответствующим образом пометить трейлер, подобрав заодно рекомендации с другими фильмами, включающими подобные автомобильные погони.

Merlin сравнивает эти теги с большим набором данных, который включает сотни фильмов и миллионы записей о посещениях. Fox и Google утверждают, что информация «полностью анонимна» и «не касается вторжения в частную жизнь», хотя неясно, о каких именно cведениях идёт речь и как они собираются. Согласно документу, описывающему Merlin, система включает информацию о посещаемости, в том числе «базовые демографические данные» на уровне отдельных людей.

Каталогизация и оценки Merlin на основе исторических предпочтений кинозрителей используются и для того, чтобы предсказать, будут ли люди покупать билеты на следующий крупный летний блокбастер, в котором есть «бородатые мужчины, оружие и автомобили». А начиная с картины «Величайший шоумен» 2017 года, 20th Century Fox использует прогнозы Merlin, чтобы решить, какие фильмы запускать в производство и как лучше их продвигать.

Проблема лишь в том, что искусство так не работает. Есть много факторов, которые способны сделать фильм успешным и которые компьютер идентифицировать не в состоянии, даже тот, который может правильно распознать бороду. В фильмах есть пантомима, неуловимая актёрская игра, тонкие шутки и трудные для количественной оценки нематериальные сущности, которые даже реальным людям сложно объяснить. Вот почему качественная критика фильмов весьма нетривиальна: есть бесконечные варианты анализа «хороших» и «плохих» картин. Впрочем, возможно, современные блокбастеры уже не являются в известной мере искусством, а выступают в качестве аттракционов, во время которых не требуется работа ума и сердца?

Чтобы понять ограничения Merlin, можно взглянуть на анализ фильма «Logan» 2017 года от режиссёра Джеймса Мангольда (James Mangold), который Google привела в качестве примера. Система проанализировала трейлер и отметила каждый распознанный объект, например: «машина», «автомобиль», «человек», «лицо», и, чаще всего, «дерево».

Merlin считает, что зрители «Логана», скорее всего, ходили в кино на «Великолепную семёрку», «Джейсона Борна», «Джона Уика 2» и «Легенду о Тарзане». Легко понять, как теги «человек», «борода» и «пистолет» приводят к рекомендациям вроде «Великолепной семёрки» и «Джона Уика 2», но, «Тарзан», вероятно, выбран из-за обилия распознанных деревьев. Из пяти наиболее популярных фильмов, которые реальные зрители смотрели до «Логана», Merlin выбрал правильно только один («Джон Уик 2») — «Джейсон Борн» и «Тарзан» не попали даже в топ-20.

Сомнительно, что алгоритм Merlin уловил суть или даже облик Хью Джекмана (Hugh Jackman), играющего старика Логана, которому всё сложнее жить в меняющемся мире. Однако руководство 20-th Century Fox считает, что выкладкам Merlin стоит доверять потому, что система предсказала 11 из 20 фильмов, на которые зрители «Логана» ранее ходили в кино. Они даже считают эти сведения важными при принятии решений о рекламных бюджетах и оптимальном продвижении картин.

Результаты показывают, что людям просто понять многие культурные вещи, которые машины пока не распознают. Обычный человек, вероятнее всего, назвал бы среди наиболее интересных аудитории «Логана» супергеройские фильмы вроде «Людей Икс», «Доктора Стрэнджа» или «Бэтмена против Супермена». Merlin пока не понимает культурный контекст, однако весьма точный выбор «Джона Уика 2» говорит о том, что в будущем подобные технологии могут стать достаточно совершенными.

Вне зависимости от потенциала, грустные мысли навевает тот факт, что киностудии уже используют инструменты вроде Merlin для усовершенствования своей деятельности: повторения успеха сорвавших кассу картин. «Исторически киностудии в значительной степени полагались на свой опыт при принятии решений об инвестировании в конкретный сценарий, но это может приводить к огромным рискам, особенно при вложениях в новые оригинальные истории», — сообщается в блоге Google.

Несложно представить будущее (потому что это уже во многом так), когда шаблонные фильмы, формирующие предпочтения массового зрителя, будут в свою очередь формировать и мнение автоматических алгоритмов, делающих фильмы ещё более шаблонными с целью минимизации финансовых рисков и дополнительного расширения аудитории. Круг замкнётся. Уже сейчас киноиндустрия стремится к постоянным перезапускам, попыткам создания «вселенных» или бесконечной эксплуатации уже созданных — ведь именно так Marvel и Disney зарабатывают миллиарды. Опираясь на инструменты вроде Merlin, мы получим отрасль, в которой каждый автомобиль должен попасть в погоню, а затем перевернуться и взорваться.

Беспилотники «Яндекса» совершили тысячу поездок с пассажирами

Компания «Яндекс» рассказала об испытаниях самоуправляемых автомобилей в Иннополисе — городе, который находится в 35 километрах от Казани (Республика Татарстан).

Фотографии «Яндекса»

Фотографии «Яндекса»

Напомним, что робомобили «Яндекса» начали перевозить пассажиров в Иннополисе в конце августа. Воспользоваться этими транспортными средствами могут все взрослые жители города, которые дали согласие на участие в тестировании.

Во время движения беспилотный автомобиль строго соблюдает все правила дорожного движения. Он пропускает пешеходов, распознаёт и объезжает препятствия. Машина даже умеет применять экстренное торможение, если вдруг это потребуется.

Сообщается, что за два месяца испытаний роботизированные автомобили «Яндекса» совершили тысячу поездок. Продолжительность каждой из них составляет приблизительно 10 минут.

Отмечается, что у беспилотников быстро появились постоянные пассажиры: машинами пользуются, чтобы ездить за покупками, по делам или к врачу.

«Очень впечатляет, что машина приезжает быстро и сама выполняет все манёвры. Кажется, что за рулём идеальный водитель: всё четко и аккуратно», — говорит один из пассажиров.

Добавим, что во время поездок в салоне находится инженер–испытатель, следящий за поведением автомобиля. Он контролирует работу систем автомобиля и следит за тем, чтобы поездка проходила в штатном режиме. 

IT-гиганты вложились в стартап по разработке ИИ-чипа для распознавания речи

Неизвестная молодая американская компания Syntiant сообщила о получении значительных инвестиций во втором раунде сбора средств. В прошлом году Syntiant с офисом в Ирвайне, штат Калифорния, в первом раунде сбора инвестиций получила $30 млн от инвестиционного крыла компании Microsoft (M12, ранее — Microsoft Ventures). Во втором раунде M12 снова дала Syntiant денег больше других, но на этот  раз в молодого разработчика вложили в общей сложности $25 млн инвестиционные подразделения Amazon Alexa Fund, Applied Ventures, Intel Capital, Motorola Solutions Venture Capital и Robert Bosch Venture Capital. Что не имя, каждое на вес золота.

Чем же заинтересовала компания Syntiant этих тяжеловесов из мира информационных технологий? Сообщается, что Syntiant разработала цифровую архитектуру для эффективного обучения и распознавания речи. Утверждается, что по сравнению с традиционными аппаратно-программными решениями небольшой чип нейронного процессора Syntiant с функцией принятия решения (neural decision processor, NPD) оказывается в 50 раз эффективнее.

Это решение может сослужить хорошую службу всем, кто заинтересован в продвижении голосовых интерфейсов в вычислительные устройства и в бытовую электронику. Разработка Syntiant по своим характеристикам во многом не уступает компьютерным платформам, тогда как может быть встроена едва ли ни в любое достаточно компактное устройство. Подобные представленным выше компаниям инвесторы вполне могут перейти в статус производственных партнёров молодой компании и, кстати, решается вопрос включения в совет директоров Syntiant финансовых директоров подразделений M12 и SpaceX.

Разработчик утверждает, что располагает коммерческими образцами NPD первого поколения и готовится к выпуску в следующем году нейронных процессоров второго поколения. Второе поколение процессоров обещает производительность на уровне 20 тераопераций на ватт и будет обучаться/распознавать не только голос, но также видеопотоки. Других подробностей о разработке пока нет, но интерес к ней со стороны Intel, Microsoft, Amazon, Motorola и Bosch является достаточной рекомендацией, чтобы ожидать от Syntiant интересное решение.

Western Digital представила UFS-накопители для умных автомобильных систем

На днях компания Western Digital вновь расширила ассортимент однокорпусных флеш-накопителей iNAND. Двумя неделями ранее в линейке iNAND она выпустила однокорпусные накопители MC EU321 EFD с интерфейсом UFS 2.1 для широкого спектра применения в мобильных устройствах. Изюминкой новинок стало использование кристаллов 96-слойной памяти 3D NAND. Тем самым Western Digital и её производственный партнёр компания Toshiba Memory одними из первых начали коммерческие поставки 96-слойной памяти, что говорит о достаточной зрелости производства.

Western Digital

Western Digital

Многослойная память нового поколения пошла также на изготовление однокорпусных накопителей iNAND AT EU312 UFS EFD, которые предназначены для использования в развитых автомобильных системах и в городской инфраструктуре. В соответствии с требованиями отрасли память iNAND AT EU312 UFS EFD не только поддерживает коррекцию ошибок ECC, но также отвечает ряду индустриальных стандартов надёжности, включая JEDEC47, ISO26262 и AEC-Q100 Grade 3 и Grade 2. Например, поддержка стандарта AEC-Q100 Grade 2 гарантирует работоспособность памяти в диапазоне температур от –40 °C до +105 °C.

По сравнению с предыдущей продукцией в виде NAND-накопителей автомобильного назначения с интерфейсом eMMC, память iNAND AT EU312 UFS EFD с интерфейсом UFS 2.1 обладает увеличенной в 2,5 раза производительностью. Автомобили «умнеют» — объём собираемых и обрабатываемых автомобильными системами данных непрерывно растёт, что неуклонно и быстро повышает требования к объёму и скорости бортовой флеш-памяти машин. Чипы iNAND AT EU312 UFS EFD на памяти 3D NAND TLC способны записывать информацию на устоявшейся скорости до 550 Мбайт/с и считывать её со скоростью до 800 Мбайт/с. Память iNAND AT EU312 UFS EFD будет доступна в виде корпусов ёмкостью от 16 Гбайт до 256 Гбайт.

Учитывая специфику использования памяти Western Digital iNAND AT EU312 UFS EFD, для OEM-производителей созданы удобные инструменты по изменению микрокода накопителей под различные задачи — машинное зрение, сбор данных, анализ, дополненная реальность или использование в системах автоматической помощи водителю. Также представленная память поддерживает ряд функций самодиагностики, что предотвращает внезапный выход оборудования из строя. Для электроники автомобилей — это не самое последнее требование.

В «Сколково» начаты испытания беспилотных такси «Яндекса»

Фонд «Сколково» объявил о подписании соглашения с «Яндексом» о тестировании беспилотных такси на территории инновационного центра.

Председатель правления фонда «Сколково» Игорь Дроздов и генеральный директор Яндекса Елена Бунина. Фото: Sk.ru

Председатель правления фонда «Сколково» Игорь Дроздов и генеральный директор Яндекса Елена Бунина. Фото: Sk.ru

Напомним, что «Яндекс» испытывает самоуправляемые машины. Такие автомобили, помимо набора камер и всевозможных датчиков, используют сложнейшие программные алгоритмы. Система строит виртуальную модель окружающего мира, на основе которой автопилот принимает решения о том, как должно двигаться транспортное средство.

Одна из ключевых составляющих платформы самоуправления — компьютерное зрение. Система выявляет границы проезжей части, распознаёт знаки и разметку. Стереокамеры позволяют определить расстояние до объектов.

Фото: Sk.ru

Фото: Sk.ru

Итак, сообщается, что в рамках испытаний беспилотных машин «Яндекса» в «Сколково» поездки доступны сотрудникам и резидентам инновационного центра. Движение осуществляется исключительно на территории «Сколково».

Заказать роботизированный автомобиль можно через мобильное приложение «Яндекса».

«Беспилотное такси полностью автономно, однако, пока поездки совершаются в тестовом режиме, в салоне машины всегда находится инженер-испытатель, который следит за работой всех систем», — отмечается в сообщении «Сколково». 

window-new
Soft
Hard
Тренды 🔥