Теги → обучение
Быстрый переход

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.

Университет искусственного интеллекта приглашает на курс по нейронным сетям

Университет искусственного интеллекта приглашает пройти обучение на курсе «Нейронные сети на Python».

Курс подойдёт для максимально широкой аудитории. Если вы не работали с нейронными сетями и хотите освоить их с нуля; если вы уже работали с нейронными сетями, но хотите освоить удобные библиотеки на Python; и даже еслии у вас есть конкретная рабочая задача, которую вам нужно решить, курс «Нейронные сети на Python» даст необходимый багаж знаний и  ответит на все основные вопросы.

Одним словом, курс предназначен для разработчиков, которые интересуются нейронными сетями и хотят научиться решать AI-задачи широкого профиля. Предполагается, что прошедшие курс участники смогут без проблем писать нейронные сети для произвольных AI-задач. Причём, направленность этих задач может быть совершенно различна. Сюда входит распознавание образов, обработка текстов, распознавание речи, прогнозирование временных сигналов, регрессия, машинное творчество и многое другое.

Курс, стартующий 7 февраля 2019 года, рассчитан на шесть месяцев.

В состав курса входит:

  • 26 вебинаров;
  • 26 практических заданий;
  • 26 семинаров с кураторами;
  • 7 соревнований на Kaggle;
  • Курсовая и дипломная работа;
  • Устный экзамен в Skype.

Стоимость обучения — от 80 000 рублей.

Формат обучения

  • Вебинары. На вебинарах предоставляется вся необходимая теория нейронных сетей. Вы можете задавать вопросы и получать ответы у ведущего. Запись вебинара всегда будет у вас в доступе
  • Практические задания. После каждого занятия вы получаете практическое задание, по итогам выполнения — проверку и обратную связь от куратора.
  • Соревнования на Kaggle. Многие задания предлагаются в форме соревнований на Kaggle, так что вы будете соперничать с сокурсниками и видеть свои реальные результаты.

Преимущества обучения на курсе «Нейронные сети на Python»:

  • Знание Python и математики не требуется, обучение производится с нуля.
  • С первого дня обучения вы будете писать нейронные сети и решать реальные задачи.
  • Каждая тема закрепляется практикой.
  • Если есть реальная рабочая задача — куратор поможет её решить.
  • Есть лаборатория для тренировки на практических задачах.
  • По окончании выдаётся государственный диплом установленного образца по лицензии на образовательную деятельность от Министерства образования РФ, который поможет выпускнику при трудоустройстве.

Для участия в курсе знание математики не требуется. Обучение строится на базе библиотек Keras и Tensorflow от Google, все алгоритмы уже заложены в библиотеках, поэтому знание математики не нужно. Всё обучение проходит дистанционно. Обучаться можно из любого города в комфортном формате, все занятия можно смотреть в записи, если ваш часовой пояс отличается от московского. Образовательная программа предполагает участие в реальных практических проектах под руководством опытного куратора, старт работы лаборатории в самом начале курса, за счёт чего можно получить 6 месяцев дополнительной практики.

После окончания курса выдаётся диплом. Такой документ будет очень весомым аргументом для работодателя, поскольку ни одна другая школа программирования не выдаёт подобный диплом. Кроме того, вы получите персональную рекомендацию, подписанную преподавателями, куратором и ректором Университета искусственного интеллекта. Есть и ещё один аргумент. Многие работодатели обращают внимание на профиль Kaggle, а к окончанию курса у вас будет заполненный профиль с большим количеством решённых задач.

Преподаватели курса — признанные специалисты в своей отрасли. Основатель Университета искусственного интеллекта, Дмитрий Романов, имеет 8-летний опыт разработки и более 10 реализованных проектов в области искусственного интеллекта. Кроме того, Дмитрий — авторитетный автор публикаций и докладов на ведущей конференции по нейронным сетям «Нейроинформатика». Также с участниками курса работают специалисты: Андрей Созыкин — сертифицированный преподаватель NVIDIA Deep Learning Institute и разработчик в банке Точка — и Павел Прояев —  профессионал в областях data science и art science, вовлечённый в развитие нейротехнологий в России в сфере нейроразвлечений.

Ознакомиться с подробной программой занятий и оставить заявку можно на странице курса.

Курсы GeekBrains позволят стать Full-stack разработчиком на Python с нуля

Образовательный портал GeekBrains, позволивший многим желающим сделать карьеру в цифровой индустрии с нуля, объявил об открытии нового курса подготовки веб-разработчиков на Python (Django).

Этот продвинутый курс, обеспечивающий возможность углублённого изучения фреймворка Django, позволит по его окончании претендовать на должность Full-stack разработчика с обширными знаниями, способного создавать различные веб-приложения с нуля.

Программа обучения включает 11 курсов и рассчитана на 10 месяцев. Сначала студенты изучают основы Python и баз данных, после чего наступает черёд более сложных тем.

Студентам предстоит освоить как Front-end инструменты — HTML, CSS и JavaScript, так и Django — современный фреймворк для Back-end разработки, позволяющий ускорять написание кода, воплощая идеи в рабочий IT-проект ускоренными темпами.

Два интерактивных курса — базовый и продвинутый — позволят студентам получить углублённые знания по Django, которые можно будет сразу применить на практике.

Занятия проходят в виде вебинаров несколько раз в неделю по вечерам. Их проводят практикующие программисты Python с профильным образованием и стажем работы по специальности от 5 лет.

Для закрепления навыков после каждого урока учащиеся получают домашнее задание. Помощь в его решении окажет персональный наставник из числа лучших выпускников.

К концу обучения каждому студенту будет по силам самостоятельно разработать полноценный интернет-магазин с возможностью регистрации и авторизации. Это задание станет первым проектом для портфолио выпускника.

По завершению учебы всем выпускникам гарантировано предоставляется 2 месяца стажировки, в ходе которой они под руководством тимлида примут участие в командной разработке проекта — сайта-переводчика с расширенной функциональностью.

Лучшие из них в случае успешного выполнения тестового задания получат возможность работать у партнёров GeekBrains или в стартапе, основанном выпускниками предыдущих курсов.

Занятия начинаются 24 декабря. Для участия в них необходима регистрация. Обучение платное.

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.

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.

Nokia с австралийским университетом запускает центр по обучению навыкам работы с 5G

Компания Nokia объявила о запуске совместно с Технологическим университетом в Сиднее (UTS) учебного центра Nokia 5G Skills Accelerator, который поможет студентам получить знания и навыки, необходимые для работы с сетями 5G, технологиями Интернета вещей, а также для защиты сетей от киберпреступников.

teeech.it

teeech.it

В этом центре студенты и сотрудники университета будут вместе со специалистами, клиентами и партнёрами Nokia обучаться навыкам работы с 5G, а так также осуществлять интеграцию новых технологий в академические программы.

«Учебный курс будет охватывать технологические области, включая радиодоступ, IP-маршрутизацию, оптоволоконные и опорные сети, фиксированный широкополосный доступ, безопасность и платформу IoT (Интернет вещей)», — сообщила Nokia. Как ожидается, в обучении примет участие более 1000 специалистов отрасли и студентов в таких областях, как электротехника и электротехника в телекоммуникациях.

Nokia уже длительное время сотрудничает с австралийским университетом, проводя совместные исследования в области Интернета вещей, кибербезопасности, аналитики данных и технологий 5G. Два года назад Nokia провела совместно с оператором Vodafone публичную демонстрацию возможностей сетей 5G в Технологическом университете в Сиднее. 

Amazon может открыть 3000 магазинов без кассиров к 2021 году

Недавно Amazon открыла первый магазин без кассиров за пределами родного Сиэтла. А теперь издание Bloomberg сообщает, что компания собирается запустить около 3000 таких торговых точек Amazon Go к 2021 году. Это был бы самый агрессивный шаг Amazon в области создания розничной сети магазинов с момента покупки Whole Foods в 2016 году. Это также значительно изменило бы потенциальный офлайновый успех компании в розничной торговле, поскольку ей придётся конкурировать с крупными сетями вроде Kroger, CVS, 7-Eleven, Walmart и Target.

Первый магазин Go, в котором используются датчики и программное обеспечение для автоматизации, позволяющее клиентам совершать покупки и оформление заказа без взаимодействия с людьми или кассами, открылся в Сиэтле в конце 2016 года. С тех пор Amazon тщательно изучила модель и не спешила двигаться вперёд слишком быстро. Второй магазин Go появился только в прошлом месяце, также в Сиэтле, а третий открыл свои двери в Чикаго в начале этой недели. По данным последних списков вакансий, в этом и 2019 году планируется строительство магазинов в Чикаго и Сан-Франциско.

В статье Blomberg амбиции Amazon в отношении своих магазинов Go описываются гораздо более грандиозно, чем в прошлых публичных заявлениях компании. Согласно этим данным, генеральный директор Джефф Безос (Jeff Bezos) хочет развивать магазины Go в самых разных направлениях. Например, для свежеприготовленных упакованных блюд или более похожие на 7-Eleven с ограниченным выбором блюд и готовыми продуктами. В общем, Amazon Go вполне могут сделать компанию конкурентом даже для заведений быстрого питания.

Модель Amazon Go, несмотря на свои новшества в области обслуживания без кассиров и продавцов, нацелена быть максимально понятной и знакомой покупателям. С помощью своей учётной записи Amazon на смартфоне пользователи могут брать с полок любые товары: бутерброды, салаты, бакалейные товары и предметы домашнего обихода. Датчики и программное обеспечение, которое обучено анализу предметов на прилавках, обновляют корзину покупок в режиме реального времени, а оплата происходит автоматически, как только человек покидает магазин.

По словам Bloomberg, если Amazon нацелит некоторые магазины Go на продажу упакованных блюд для потребителей на ходу, это позволит увеличить прибыль каждой новой торговой точки и ускорить работу Amazon, поскольку упакованные товары легче отслеживать ограниченным количеством датчиков и камер. Размещение нескольких таких магазинов неподалёку друг от друга поможет централизовать производство пищевых продуктов, если магазины сосредоточатся на продаже свежей еды вроде сэндвичей и салатов. Согласно сообщениям, Amazon планирует открыть до конца года 10 магазинов, ещё 50 точек в крупных городах — в следующем году, после чего последует экспоненциальный рост в 2020 и 2021 годах, если не возникнет особых непредвиденных препятствий.

Котировки акций крупных американских розничных сетей вроде Walmart и Target начали снижаться после новостей: становится ясно, что Amazon через несколько лет начнёт всерьёз выходить на традиционные рынки продуктов, ресторанов и домашних товаров. Amazon уже угрожает этим видам бизнеса, добиваясь доставки продуктов и товаров для дома в день заказа и путём укрепления связей между общенациональной сетью магазинов Whole Foods и её службой Prime Subscription.

Samsung планирует наделить все свои устройства средствами ИИ

Компания Samsung намерена значительно ускорить научные исследования в сфере искусственного интеллекта (ИИ) и расширить использование соответствующих технологий.

Южнокорейский гигант уже открыл несколько центров искусственного интеллекта. Такие подразделения, в частности, появились в Кембридже (Великобритания) и Торонто (Канада). Кроме того, ИИ-центр в этом году начал работу в нашей стране — он находится в Москве.

В течение нескольких следующих лет, по мнению Samsung, устройства с поддержкой ИИ будут генерировать обширные объёмы данных, которые помогут развернуть качественно новые «умные» сервисы в соответствии с предпочтениями пользователей. Поэтому до конца десятилетия компания намерена максимально расширить сферу применения средств искусственного интеллекта.

«К 2020 году все устройства Samsung будут наделены технологиями искусственного интеллекта с целью создания новых возможностей и потенциала для пользователей», — сообщила Мая Пантич (Maja Pantic), руководитель подразделения Samsung по системам ИИ.

Для создания пользовательской экосистемы Samsung планирует построить легко масштабируемую платформу ИИ, которая будет предоставлять глубокое понимание пользовательских предпочтений и поведенческих характеристик. Ожидается, что устройства с технологиями ИИ сделают жизнь людей проще и комфортнее, а также обеспечат высокий уровень безопасности пользователей.

Samsung планирует, что к 2020 году штат центров искусственного интеллекта компании во всём мире будет насчитывать около 1 тыс. исследователей, которые будут разрабатывать решения на базе искусственного интеллекта, способные постоянно обучаться и улучшать жизнь граждан. 

Открыт новый набор в «Яндекс.Лицей»: география проекта значительно расширена

Стартовал набор школьников на 2018–2019 учебный год в «Яндекс.Лицей»: это бесплатные двухгодичные курсы, на которых учат программировать на примере языка Python.

Учебная программа разработана в Школе анализа данных (основана «Яндексом» ещё в 2007 году), а преподаватели проходят там специальное обучение. Программа делится на две части, каждая продолжается один учебный год. Причём курсы можно проходить только последовательно.

В нынешнем году география проекта «Яндекс.Лицей» значительно расширилась. Если в 2017-м он охватывал 21 город, то теперь — 58. Из них 54 находятся в России и ещё четыре — в Казахстане. В некоторых городах действуют сразу несколько площадок — можно выбрать ту, которая ближе к дому.

Оранжевым цветом отмечены города, где

Оранжевым цветом отмечены города, где "Яндекс.Лицей" открылся в этом году

В «Яндекс.Лицей» могут попасть школьники, которые учатся в восьмом или девятом классе. Занятия не мешают основной учёбе: они начинаются после 15:00. В городах, где «Яндекс» заключил договоры со школами, программу «Яндекс.Лицея» можно осваивать на уроках информатики.

«Также в этом году мы тестируем в нескольких населённых пунктах новый формат обучения — дистанционный. Он рассчитан на детей из небольших посёлков, которым неудобно дважды в неделю приезжать в город. Для них преподаватели будут проводить занятия по видеосвязи», — отмечает российский IT-гигант. 

Два ведущих инженера из Tesla переметнулись в ИИ-стартап Дэвида Дитцеля

На конференции Hot Chips 2018 глава ИИ-стартапа компании Esperanto Technologies Дэвид Дитцель сообщил, что принял на работу двух ведущих инженеров из компании Tesla. Весной из Tesla ушёл талантливый разработчик микропроцессорных архитектур Джим Келлер (Jim Keller), который занял одну из руководящих должностей в компании Intel. За ним компанию Tesla начали массово покидать специалисты помельче. Интересно, что при этом Tesla собирается разрабатывать собственный процессор для бортового компьютера своих электрокаров. Кто это будет делать — загадка. Дитцель как раз принял на работу фактически архитекторов SoC Tesla: Дэвида Гласко (David Glasco) и Дэна Бейли (Dan Bailey).

Дэвид Дитцель на конференции RISC-V Workshop (PC Watch)

Дэвид Дитцель на конференции RISC-V Workshop (PC Watch)

Оба новых специалиста Esperanto Technologies являются опытными ветеранами полупроводниковой отрасли. Наличие таковых способно усилить любую команду разработчиков, и компании Tesla можно только посочувствовать. В Tesla Дэвид Гласко возглавлял направление по разработке однокристального процессора для автопилота машин компании, а Дэн Бейли занимался схемотехникой процессоров. В компании Esperanto Гласко назначен вице-президентом инженерного отдела, а Бейли занял должность руководителя по разработкам.

Условное изображение RISC-V процессора компании Esperanto (PC Watch)

Условное изображение RISC-V процессора компании Esperanto (PC Watch)

Послужной список обоих специалистов вызывает крайнее уважение. До Tesla Гласко был старшим руководителем отдела компании AMD по разработке серверных однокристальных процессоров, а до этого 12 лет проработал в компании NVIDIA. Дэн Бейли тоже работал в AMD. Был ведущим разработчиком. До Tesla он трудился в компании Digital Equipment в проекте по разработке процессора Alpha. Компания Esperanto Дитцеля насчитывает всего 100 инженеров, но если все они подобного уровня, то её конкурентам должно быть неуютно.

Что касается самой компании Esperanto Technologies, то она возникла на горизонте в ноябре прошлого года как разработчик решений для машинного обучения. Отличительная особенность разработки Esperanto — опора на открытую процессорную архитектуру RISC-V. У Esperanto уже есть прототип архитектуры и она или её варианты чрезвычайно приглянулись компании Western Digital, которая хочет сделать контроллеры HDD значительно «умнее». Но это уже другая история.

Робот QTrobot поможет общаться с детьми с аутизмом

Небольшой робот QTrobot, созданный специалистами стартапа LuxAI, сформированного на базе подразделения Университета Люксембурга, может стать связующим звеном между терапевтами, родителями и детьми с аутизмом. Этот робот, оснащённый жидкокристаллическим экраном, 3D-камерой, процессором и способный жестикулировать «руками», позволяет детям чувствовать себя более комфортно при проведении лечебных мероприятий.

Робот уменьшает беспокойство у детей с аутизмом, и исследователи отметили, что некоторые проявления болезни, например, однообразные взмахи руками, ослабляются при его использовании.

Робот полностью автономен и легко программируется. Он способен функционировать без подзарядки в течение нескольких часов.

Что примечательно, робот — лучший выбор для детей, если сравнивать с приложением или планшетом. Поскольку робот «очеловеченный», исследователи считают, что он больше привлекает внимание и улучшает обучение, особенно по сравнению с использованием iPad или образовательными приложениями. Другими словами, дети с планшетами играют, а с роботами — работают. Вместе с тем исследователи отметили, что робот не является главным инструментом терапии, а помогает терапевту установить контакт с пациентом.

Разработчики планируют представить робота QTrobot на конференции International Symposium on Robot and Human Interactive Communication (RO-MAN), которая пройдёт с 27 по 31 августа в Китае.

Uber разделит расходы на частную поездку и служебную командировку при помощи машинного обучения

Uber анонсировала новую программу под названием «Рекомендации по профилю» (Profile Recommendations), которая использует преимущества машинного обучения для снижения числа ошибок пассажира при переключении между личными и бизнес-счетами, когда тот пользуется сервисом и для частных, и для служебных поездок.

Нет ничего необычного в том, чтобы иметь оба типа счетов, и бывает, что человек забывает переключаться между ними, когда пользуется услугами Uber, утверждают в компании. «Используя машинное обучение, Uber может предсказать, какой профиль и соответствующий метод оплаты должен использовать сотрудник, и предоставить соответствующую рекомендацию», — сообщил в блоге Ронни Гурион (Ronnie Gurion), генеральный управляющий и глава Uber for Business, рассказывая о новой функции.

«Эта новая функция не только экономит время сотрудников и администраторов, но также сокращает задержки, связанные с проверкой отчётов», — добавил Гурион.

Uber также объявил о поддержке ряда программ для составления отчётов о расходах с целью упрощения интеграции с этими системами. В настоящее время функция интегрирована с программами Certify, Chrome River, Concur и Expensify. Начиная с сентября, в ней будет добавлена поддержка Expensya, Happay, Rydoo, Zeno от Serko и Zoho Expense. Всё это должно помочь владельцам бизнес-счетов более эффективно вести учёт расходов на поездки, одновременно интегрируя свои аккаунты со многими ведущими программами учёта расходов, чтобы без труда перемещать сведения из базы данных Uber в системы учёта компании.

window-new
Soft
Hard
Тренды 🔥