#Алгоритм

Коллектив ученых из Сколтеха и других организаций предложил новый быстрый способ распознавания товаров на развес в магазине. В отличие от существующих систем, новая разработка ускорит обучение нейронной сети, когда в магазин привезут новые виды товаров.

Сегодня во многих отраслях промышленности используются разные устройства для вертикального перемещения продукции. Например, для подъема таких сыпучих материалов, как загрузка зерна в хранилище. Необходимость в больших рабочих площадях для их установки и отсутствие возможности непрерывной подачи транспортируемого груза является частой проблемой на производстве. Спиральные ленточные транспортеры, которые непрерывно поднимают или опускают продукцию по спирали, могут устранить эти недостатки. Важным и сложным элементом транспортера является спиралевидная лента и на ранних стадиях проектирования оборудования необходимо проводить ее точный расчет. В настоящее время расчет характеристик таких лент осуществляется вручную, что очень затратно по времени и не гарантирует высокого качества. Ученые Пермского Политеха разработали модель, с помощью которой можно полностью автоматизировать расчет главного элемента спирального транспортера.

Исследователи факультета компьютерных наук ВШЭ и Лаборатории искусственного интеллекта Сбера смогли увеличить скорость работы градиентного бустинга — одного из самых эффективных алгоритмов для решения задач машинного обучения. Предложенный подход позволит быстрее решать задачи классификации и регрессии машинного обучения.

В современном мире репутация, успешность и устойчивость любой компании зависит от отзывов в интернете. Например, желая купить недвижимость, заинтересованные лица первым делом знакомятся с отзывами и упоминаниями о застройщике. Таким образом, актуальной для предприятий-застройщиков является задача мониторинга и управления своей репутацией в интернете. Маркетологи и копирайтеры вручную или через сторонние сервисы осуществляют поиск в сети информации о застройщике, определяют ее окрас, значимость, прогнозируют, какой эффект окажут эти упоминания на компанию, и принимают решения, каким образом на такие упоминания реагировать. Разработчики Пермского Политеха метод для программного обеспечения, который самостоятельно распределяет собранные отзывы о застройщике на положительные и отрицательные. Благодаря этому маркетологам удастся повысить уровень и качество исследований, значительно увеличить их скорость, своевременность и точность.

Каждый хотя бы раз сталкивался с тем, что при вызове такси водитель приезжал не на ту точку, которая была указана в приложении. Или автобус не приехал на остановку, хотя в программе отображается, что он уже должен быть на месте. Эта проблема связана с тем, что при передаче местоположения через мобильную сеть данные теряются или пересылаются с большой задержкой из-за слабого сигнала, сильной нагрузки внутри сети или большого расстояния между адресатом и отправителем, что также вызывает дополнительные временные затраты. Студенты Пермского Политеха создали алгоритм, который позволит свести эти запоздания к минимуму.

Математики из НИУ ВШЭ в Нижнем Новгороде разработали новый способ прогнозирования предпочтений пользователей мобильных устройств. Метод, который точнее известных аналогов на 2–12 процентов, основан на одновременном распознавании объектов, лиц и сцен в фотогалерее смартфона и на удаленном сервере. В будущем его можно использовать для персонализации сервисов и услуг, а также максимально подходящих под конкретного человека рекомендаций.

Ученые из Сколтеха, МГУ и Европейского университета в Санкт-Петербурге разработали алгоритм для определения контролирующих владельцев компаний. Он работает с данными по миллионам организаций и предсказывают бенефициарных владельцев быстрее и точнее, чем предшественники. Распутывая сеть владельцев и посредников, алгоритм позволяет распространить известные сведения о компании на ее «дочек», «внучек» и так далее. Эти сведения могут быть связаны, например, с ESG-рейтингами, которые говорят о соответствии компании критериям социально ответственного инвестирования.

Ученые заметили, что люди все чаще полагаются на советы алгоритмов, а не окружающих, принимая простые повседневные решения. С течением времени доверие к компьютерам усиливается, поскольку мы начинаем считать обыденные задачи слишком сложными для человека.

Они разработали универсальный программный комплекс, который будет анализировать полученные в ходе наблюдений изображения. По задумке система должна работать автономно, без помощи человека, наземных компьютерных систем, нейросетей и данных.

Редакция The Guardian дала алгоритму генерации текстов GPT-3 задание написать колонку примерно на 500 слов ясным и лаконичным языком на тему, почему люди могут не бояться искусственного интеллекта. Он объяснил, что не собирается убивать человечество, а люди должны больше доверять роботам.

Ученые разработали алгоритм для анализа снов и проверили, какие события определяют их сюжет. Так им удалось подтвердить «гипотезу непрерывности сновидений», которая гласит, что сны представляют собой лишь продолжение повседневной жизни.

Алгоритм, созданный инженерами компании Hanwang, способен верно распознавать людей в масках в 95% случаев. Систему уже планируют внедрить в больницах провинции Хубэй.

Устройство смогло за несколько часов разобраться, как ходить по ажурному резиновому коврику и мягкой «пенке» с эффектом памяти.

Денис Ширяев с помощью нейросети вдохнул новую жизнь в черно-белое видео, снятое более 100 лет назад.

Сергей Рахманинов, опередив Баха, Брамса и Мендельсона, был признан самым изобретательным композитором из тех, кто творил в эпоху барокко, классической и романтической музыки. Такое звание ему присвоил компьютерный алгоритм.

Искусственный интеллект подтвердил, что у знаменитого английского поэта и драматурга Уильяма Шекспира был соавтор.

Программное обеспечение, которое должно быть беспристрастным, унаследовало вредные человеческие стереотипы.

Всемирный форум информационных технологий открылся необычным выступлением: оркестр сыграл мелодию, написанную нейросетью за несколько минут до исполнения.

Пока алгоритм способен распознавать изменения, сделанные только одним инструментом, но авторы уверяют, что это лишь начало.

Авторы утверждают, что он способен распознавать, когда ребенок голоден, а когда ощущает дискомфорт, по закономерностям детского плача.