• Главная
  • Машинное обучение: роботы умнеют на глазах!
Новости компаний
12:02, 11 мая

Машинное обучение: роботы умнеют на глазах!

Новости компаний
Машинное обучение: роботы умнеют на глазах!

Исследователи MIT недавно разработали новую технику машинного обучения, которая представляет данные особым образом. Теперь можно было уловить понятия, переходящие между зрительными и звуковыми модальностями. Модель самостоятельно смотрит видео и определяет его в конкретную категорию. А какие еще чудеса творят новые модели машинного обучения?

Машинное обучению выглядит так

Мы не откроем Америку, если скажем, что люди воспринимают мир с помощью органов чувств. Мы видим, слышим, осязаем, чувствуем запахи… У машин все по-другому. В машинном обучении мир интерпретируется как информация, которую передают определенные алгоритмы. Представим, что перед вами стоит задача обучить робота новой информации. Когда машина увидит фотографию, роботу предстоит обработать этот снимок, представить его как данные. И только затем определить, к какой категории относится фото. 

Конечно, задача усложняется в несколько раз, когда речь заходит о том, чтобы презентовать роботу сочетание форматов — аудио, видео и фотографий. Поэтому ученые MIT представили общественности новую методику. Так, их подход предполагает, что если робот относит плач ребенка на видеозаписи к слову “плач”, которое звучит в аудио. Исследователи верят, что благодаря такому подходу однажды роботы будут воспринимать мир не как массивы кодов, а так, как люди.

Схематически машинное обучение происходит так. 

•Модель МО нацелена на расшифровку входящих данных, чтобы легче выполнить задачу (например, прогноз или классификацию).

•Модель берет за основу сырые данные (видео и текст), кодирует их, извлекая представления о героях видеозаписи и их действиях.

•Затем эти данные помещаются в некую сетку, так называемое встроенное пространство. 

•По аналогии, модель размещает все данные в сетку. Каждое понятие подкрепляется словом.

Допустим, есть видео о собаках. Модель извлекает слово “собака” и соотносит с одним из тысячи существующих векторов. Затем модели предлагают послушать аудио, и, услышав, как диктор произносит “собака”, модель должна использовать тот же самый вектор, чтобы зашифровать это понятие. Так происходит обучение роботов. 

Если не мы, то кто же?

Обученные и продвинутые… машины учатся ежедневно. А потом оттачивают собственные навыки на нас. На самом деле, технологии машинного обучения знакомы не только ученым MIT, о разработках которых мы рассказывали. Каждый из нас так или иначе сталкивается с проявлениями машинного обучения.

Мы сообщаем роботам, приложениям и молчаливым машинам свои персональные данные. Если при этом владеем правилами кибербезопасности, то знаем, как важно провести Интернет-трафик через зашифрованный туннель. Вот и этот гайд ExpressVPN подтверждает, что при подключении к VPN наши данные поступают из девайса в сеть в закодированном виде, при этом злоумышленник не может их перехватить. 

Также очень важно защищать систему IoT с помощью API-безопасности. Эта технология позволяет проводить аутентификацию и авторизацию данных, которые курсирует по различным IoT-устройствам, базам данных и приложениям. API-безопасность не только следит за положением дел во внутренней IoT-системе, но и определяет потенциальные угрозы и атаки с возможной эксплуатацией API. На сегодняшний день защиту API предлагают Google, MuleSoft, Akana, Axway, Mashery. 

Почему это важно? Ведь стоит взломать робота — как вся информация о наших предпочтениях, интересах и деятельности — попадет в руки тех, о существовании кого нам даже неизвестно. А если мы пользуемся роботами на предприятии, конфиденциальные данные могут попасть к конкурентам, при отсутствии должной защиты. 

Если вы заметили ошибку, выделите необходимый текст и нажмите Ctrl+Enter, чтобы сообщить об этом редакции
#Искусственный интеллект

Комментарии

Объявления
live comments feed...