#промо
Нейронка мордой вниз: выкатили на Хабре основательный материал руководителя R&D Zenia Yoga — первой ИИ-платформы для занятий йогой. Почитайте, как выстроить пайплайн mobile computer vision.

А еще мы сейчас здорово растем — отличное время присоединиться к глобальной команде. Нужны:

📍 Senior iOS Developer
📍 Android Developer
📍 Senior FrontEnd Developer
📍 Senior BackEnd Developer

Подробности о вакансиях тут, отклики ждем на friends@zenia.co с пометкой «Denis Sexy IT».

#текстприслан

Прозрение отца ИИ о том, как ИИ сможет понимать мир.
GLOM – революционная теория Джеффри Хинтона (о которой в России почему-то никто не знает).
• Можно научить ИИ понимать окружающий мир так, как его понимают люди. Ключом к этому станет техника восприятия мира, подобная человеческой.
• Человеческое восприятие построено на интуиции, и чтобы ИИ понимал мир, нужно смоделировать для ИИ интуицию.
• Интуиция – это способность легко проводить аналогии. С её помощью ИИ, подобно человеческому мозгу, будет понимать мир и обладать проницательностью.
• С детства и на протяжении всей жизни мы осмысливаем мир, используя рассуждения по аналогии, отображая сходство одного объекта (идеи, концепции …) с другим - или, в терминологии GLOM, - сходство одного большого вектора с другим.
• Современные теории исходят либо из того, что в ходе восприятия мозг обрaбaтывaет изобрaжение («пиксели»), либо из того, что мозг обрабатывает символы. GLOM утверждает, что обa подходы неверны: мозг оперирует не пикселями и не символaми, a большими векторaми нейронной aктивности (т.е. нaборaми aктивaций тех или иных нейронов).
• Если удастся на основе GLOM создать новый класс моделей и алгоритмов глубокого обучения, это может стать прорывом к ИИ, умеющему гибко решать проблемы. Такой ИИ будет способен понимать вещи, с которыми никогда раньше не сталкивался, извлекать сходства из прошлого опыта, экспериментировать с идеями, обобщать, экстраполировать – одним словом, понимать.

GLOM – это новая гипер-прорывная теория ИИ, разработанная Джеффри Хинтоном. То, что его называют отцом ИИ, - вовсе не преувеличение. По словам соучредителя и члена правления Института искусственного интеллекта Vector Джордана Джейкобса: «Через 30 лет мы оглянемся назад и скажем, что Джефф — Эйнштейн для ИИ, глубокого обучения, всего, что мы зовем ИИ».
Из всех исследователей ИИ Хинтона цитируют чаще, чем трех идущих за ним, вместе взятых. Его студенты и аспиранты уходят работать в лаборатории ИИ Apple, Facebook и OpenAI; сам Хинтон — ведущий ученый в команде Google Brain AI. Практически любое достижение в области ИИ за последние десять лет — в переводе, распознавании речи, распознавании изображений и играх — так или иначе касается работ Хинтона.

Его новая теория GLOM решает две самые сложные проблемы для систем визуального восприятия (и то, и другое современный ИИ не умеет в принципе):
• понимание всей сцены в терминах объектов и их естественных частей (например, если такому ИИ показать 10 фрагментов тела подорвавшегося на мине солдата, он опознает, что это труп мужчины);
• распознавание объектов при взгляде с иной точки зрения (современный ИИ не может даже распознать автобус, перевернувшийся и лежащий на крыше).
И хотя GLOM фокусируется на визуальном восприятии, Хинтон ожидает, что эти же идеи можно применить и к языку, чтобы воспроизвести дерево синтаксического анализа в нейронной сети (пока это несбыточная мечта).

Ключевые идеи GLOM недавно были опубликованы Хинтоном в 44-х страничной статье. Эти идеи представляют собой существенный пересмотр архитектуры капсульных нейронных сетей, изобретенной Хинтоном 4 года назад.

И хотя GLOM сегодня – не более, чем «новая философия нейронных сетей», но звучит эта философия чарующе и маняще. Ибо обещает открыть перед ИИ почти что неограниченные горизонты.

Подробней:
- популярно за пэйволом и в обход его
- научно
- очень интересный видео-рассказ о сравнении теории GLOM с «Теорией интеллекта тысячи мозгов»

#КудаИдетИИ #ГлубокоеОбучение

В Хельсинки на улицу выпустили электрическую полностью автономную уборочную машину Cyberpunk уже здесь

На конференции SIGGRAPH 2021 команда GoogleAI представила систему, которая способна сменить фон портрета с корректным освещением основного объекта. Для этого нужны две фотографии — исходник с портретом и картинка с новым окружением. С видео технология тоже справляется, так что теории это позволит в будущем здорово экономить бюджет при продакшене инди-фильмов. Ну, или сделать супер-реалистичный фон в Zoom.

Пока что у Total Relighting есть несколько проблем вроде плохого распознавания одежды и трудностями с освещением глаз, но даже в текущем виде выглядит впечатляюще.

Технические подробности тут: https://augmentedperception.github.io/total_relighting/

Видео тут: https://youtu.be/KeebkkaZhhI

Вот примеры замены фонов, выглядит очень круто (кода нет)

Новый ролик от того же автора который классно летал дроном в боулинге:
https://youtu.be/oIoBwLK8JqM

В вулкан дрона уже посылали, теперь вот послали поближе к торнадо🌪

Тут все 7 минут видео:
https://youtu.be/ANl7qWbORAs

На последних секундах дрон вышел из строя и упал, звук пиканья в видео с пульта пилота. Пилот как раз где-то под дроном находился в этот момент по его словам, сильный духом чувак 🦾

В первой половине XX века знаменитым ученым Михаилом Герасимовым был разработан способ реконструкции лица по черепу: довольно сложный процесс на основе огромного количества статистических данных, где измерив череп воссоздают «мягкие ткани» слой за слоем, таким образом получая возможное лицо человека.

Метод признали эффективным и уже в 1963 году, в ходе реставрационных работ в Архангельском соборе Московского Кремля, вскрыли могилу монарха для изучения останков и Герасимов получил возможность реконструировать облик Ивана Грозного.

В итоге, применив свой метод, Герасимов получил «бюст» царя, то как он бы мог выглядеть – он на первой фоточке.

Помимо этого стало известно что: Царь был довольно высоким ~178 см, могучего телосложения, склонным к полноте, а к концу жизни много болел и видимо вел малоподвижный способ жизни. Вот тут подробная статья об этом методе и что удалось обнаружить.

Вторая часть поста ниже.

А я взял этот бюст-реконструкцию Ивана IV, скормил его нейронным сетям обученным на десятках тысяч лиц и получил примерно то, как он бы мог выглядеть (как я уже делал тут), шапку Мономаха я в фотошопе дорисовал, так как интересно было как смотрится.

⚠️ Важно сказать, что метод совсем не означает, что Иван Грозный так выглядел, метод не исторически аккуратный – это просто догадка нейронок. Я попробовал прогнать разные ракурсы этого бюста и почти всегда получалось примерно одно лицо человека в возрасте (Иван IV умер в 53 года, оригинальный бюст должен отражать последние годы жизни), что довольно хороший знак, но тем не менее – это просто близкая к бюсту генерация возможного лица. Прогнав свое фото таким же способом я получил человека похожего на меня ну может на 60%.

Но тем не менее, всегда интересно смотреть на приблизительные лица из прошлого.

Первая часть поста.

А тут без шапочки 👑

Очередное продолжение идеи «нейронного пеинта» позволяет дорисовывать нейронками какие-то регионы на картинке пользователя, а потом позволяет регулировать «силу» нейронного эффекта, технические подробности и код тут:
https://github.com/naver-ai/StyleMapGAN

Оцените картинку, которая получается у лидара от стартапа AI Argo. По конструкции он похож на популярный Velodyne (используются чуть ли не в каждом беспилотнике) — то есть набор лазеров, который быстро вращается вокруг своей оси.

Но у Argo лазеры расположены таким образом, что образуют практически вертикальную полоску. Таким образом получается более детализированная картинка — например, лидар легко «ловит» разметку на дороге или объявления на столбе.

Не буду спрашивать графоний это или нет, просто сразу расскажу что этот маленький девайс был создан для того чтобы перехватывать баллистические ракеты в космосе.

Наткнулся на старое видео – оказывается эффект «бластера» при съемке на камеру можно сделать и без всякой графики, достаточно повернуть камеру и синхронизировать частоту выдержки (shutter speed).

Вот тут подробнее:
https://youtu.be/O_1rBjEurcw