Семейный минивэн Mitsubishi Grandis это четвертое поколение автомобилей данного класса от японского производителя. Первая версия…
admin / 22.09.2020
Содержание
Искусственный интеллект становится основным вектором развития технологий, разработок и инноваций в мире. Прогресс в вычислительных мощностях, возможность собирать и обрабатывать огромные массивы информации, а также мгновенный доступ к новейшим алгоритмам обработки данных служат основой для эволюции интеллектуальных технологий.
Умные машины и приложения стали повседневным явлением, помогая нам принимать более быстрые и точные решения. Эксперты прогнозируют, что с каждым годом роль интеллектуальных систем будет стремительно расти, и уже в ближайшие 5 лет технологии AI станут ключевым игроком на рынке человеческих ассистентов.
Согласно аналитическим данным, только в 2017 году около 30% организаций во всем цивилизованном мире потратили более 15% своего бюджета на внедрение интеллектуальных разработок.
Чем же столь примечательны современные умные машины и почему столь необходимы для создания конкурентного бизнеса и эффективных условий развития любого направления деятельности в целом?
В большинстве случаев, выполняя какие-то действия, человек сам точно не осознает, как он это делает. Ему неизвестен алгоритм происходящих в его мозге процессов понимания текста, узнавания лица, доказательства теоремы, выработки плана действий, решения задачи и т.д. Таким образом, всякая задача, для которой алгоритм решения неизвестен, относится к области применения систем искусственного интеллекта. При решении этих задач человек действует, не имея точного метода решения проблемы.
Каждый из уровней имеет свою функциональную специфику и может состоять из нескольких подуровней. При этом на двух нижних уровнях иерархии используются традиционные модели и методы теории автоматического управления. Остальные уровни, более высокого ранга, — существенно расширяют возможности этих традиционных моделей в соответствии с требованиями современных информационных технологий работы со знаниями.
Традиционно основы искусственного интеллекта базировались непосредственно на программистах, разрабатывающих компьютерные программы для человека, — пошаговые инструкции о том, как и в каком порядке компьютеры должны выполнять задачи. Изначально умные машины не могли ничего сделать самостоятельно, если явно не были направлены программистом на решение определенных задач, а это требовало много времени. В некотором понимании, машинное обучение стало следствием этой многострадальной практики — когда компьютеры, получая и обрабатывая все большее количество данных, постепенно научились принимать достаточно точные решения, уже не требуя явных наставлений программиста. Модели постоянно изменяются и совершенствуются из года в год по мере поступления большего количества данных, обеспечивая лучшие прогнозы.
Сегодня, в 2018 году технологии машинного обучения уже не претенциозная перспектива, а критически важный для бизнеса инструмент, являющийся ключом к высокоэффективной автоматизации ряда важных процессов как в производстве, так и в сфере обычной жизнедеятельности. Благодаря алгоритмам вычисления, предлагающим организациям беспрецедентный уровень масштабируемости и мощности, мы, наконец, находимся в точке, где машинное обучение может охватить основные направления и стимулировать инновации в каждом секторе.
Системы распознавания голоса, такие как Siri и Cortana, используют машинное обучение и глубокие нейронные сети для взаимодействия с человеком. По мере своего развития эти приложения учатся понимать нюансы и семантику нашего языка. Например, Siri может идентифицировать триггерную фразу «Hey Siri» практически в любых условиях с помощью распределения вероятностей. Выбирая соответствующие речевые сегменты из записанной базы данных, программное обеспечение может затем выбирать ответы, которые очень напоминают реальный разговор.
Помните, когда Facebook предложил вам пометить своих друзей на фото или событии? В настоящее время алгоритмы социальной сети уже распознают знакомые лица из вашего списка контактов. Уникальное программное обеспечение для распознавания лиц DeepFace может определять и классифицировать различия в человеческих лицах с точностью до 97,25% — всего на 0,28% меньше, чем человек(!).
Алгоритмы глубокого обучения помогают приложению извлекать названия улиц и номера домов с фотографиями, которые делают автомобили Street View, и повышать точность результатов поиска с каждым вводимым запросом. На сегодняшний день приложение собрало и обработало более 80 млрд. высококачественных изображений, анализ которых вручную был бы невероятно трудоемким. Машинное обучение освобождает больше времени инженерам Google для дальнейшей работы, автоматически извлекая информацию из геолокационных фотографий, достигая точности в 84,2%.
Крупнейшая в мире поисковая система Google отныне не просто ищет, но и предлагает рекомендации, основанные на предыдущих поисковых запросах пользователей. В 2015 году Google представил RankBrain — алгоритм машинного обучения, используемый для расшифровки семантического содержания поискового запроса. Благодаря использованию интуитивной нейронной сети RankBrain идентифицирует намерение поиска пользователя и предлагает ему индивидуальную информацию по конкретной заданной теме. На сегодняшний день RankBrain все еще «учится», обрабатывая в среднем около 15% запросов в Google ежедневно.
В 2015 году Gmail получил функцию «интеллектуального ответа» с целью помочь пользователям решать проблемы, возникающие в процессе работы с почтовыми ящиками. Функция построена сразу на двух нейронных сетях: одна используется для кодирования входящей почты, другая — для прогнозирования возможных ответов. Эти сети работают в тандеме, чтобы расшифровывать входящие сообщения и автоматически предлагать несколько разных ответов на каждое из них. К слову, по статистике, сегодня большая часть электронных писем отправляется пользователями при помощи мобильных телефонов именно с почты Gmail, так как функционал программы обеспечивает удобство ее эксплуатации.
Использует алгоритмы машинного обучения для борьбы с мошенничеством. Интеллектуальные технологии, заложенные в основу PayPal, позволяют ей анализировать огромное количество данных о клиентах и эффективно оценивать и прогнозировать рисковые ситуации. Притом PayPal работает не просто по принципу «да или нет», а, качественно обрабатывая всю финансовую, компьютерную и сетевую информации, учится заблаговременно распознавать мотивы действий и намерения клиентов.
Сегодня Netflix является интеллектуальной мультимедийной платформой, которая обслуживает более 100 миллионов подписчиков во всем мире. И, не взирая на то, что детали ключевых алгоритмов машинного обучения системы хранятся за закрытыми дверями, разработчики утверждают, что есть два базовых аспекта, которые заставляют созданную ими нейронную сеть активно думать: поведение пользователя и содержание медиа-контента, к которому он проявляет интерес. Вместе эти наборы данных создают несколько «групп предпочтений», которые сообщают системе рекомендации касательно того, как правильно обработать запрос пользователя, удовлетворив его интерес.
Интеллектуальные системы являются фундаментальной базой работы Uber. Технический гигант использует алгоритмы машинного обучения для определения, передвижения, местоположения и подачи автомобиля в соответствии с запросом пользователя. Когда вы заказываете автомобиль, цель Uber заключается в том, чтобы как можно точнее оценить время своего прибытия. Машинное обучение позволяет это сделать, анализируя данные из миллионов предыдущих поездок и применяя их к вашей конкретной ситуации. По аналогичному принципу сегодня работает и UberEATS, который учитывает даже то время, которое необходимо для приготовление пищи, чтобы доставить ее вовремя. В 2017 году подобные опции увеличили спрос на услуги компании на 26% среди постоянных и новых клиентов.
Lyst, по сути, — сайт модной электронной коммерции, работающий с достаточно новой моделью машинного обучения: для того, чтобы поиск потенциальных клиентов соответствовал реальным рекомендациям и потребностям, интеллектуальная система использует теги метаданных для визуального сравнения различных предметов одежды. Их алгоритмы считывают эти теги и определяют лучшие совпадения, формируя предложение для конкретного клиента.
Spotify использует машинное обучение для определения симпатий и антипатий пользователей, предоставляя список связанных треков, ориентированных на предпочтения и количество введенных ранее запросов. В своем рекламном проспекте Discover Weekly Spotify насчитывает 30 треков, которые, по его мнению, вы должны прослушать, чтобы быть в курсе новинок и лучших композиций. После этого система обязательно предложит пользователю добавить наиболее понравившиеся композиции в отдельный удобный навигационный плей-лист. Песни отбираются с помощью алгоритмов машинного обучения, которые анализируют активность пользователя и соответствуют его музыкальным вкусам, формируя виш-листы и приоритетные направления дальнейшего поиска материала.
Похожую машину мы видели почти три года назад, но представленная тогда Toyota Concept-i была лишь макетом на колесах — с подъемными дверями, хрупким салоном и сырой электроникой. И все же проект не забыт, а его создатели не сидели все это время сложа руки. К автосалону в Токио подготовлен электромобиль Toyota LQ — функциональная версия того самого концепта.
Дизайн и пропорции бережно сохранены, но Toyota LQ имеет обычные распашные двери, привычные зеркала, стеклоочистители и прочие атрибуты готового к эксплуатации автомобиля. По размерам это почти Toyota Prius: длина — 4530 мм, ширина — 1840 мм, высота — 1480 мм, а колесная база — те же 2700 мм. Но главное — у машины появилось полноценное шасси с независимой задней подвеской.
Четырехместный салон тоже стал ближе к реальности, хотя привычным здесь выглядит разве что руль. Перед водителем — дисплей на органических светодиодах (OLED), но основной массив данных отображает проектор, разработанный совместно с фирмой Panasonic: с его помощью достигается эффект большого «парящего» экрана, который расположен перед машиной (виртуальное расстояние можно изменять от 7 до 41 метра). Сиденья — с подогревом и вентиляцией, есть ионизатор воздуха.
Главная особенность новой Тойоты — Yui («мягкая связь» по-японски), искусственный интеллект, разработанный институтом Toyota Research. По задумке, он должен стать спутником и компаньоном в поездке. Система может определять привычки и предпочтения седоков, она учится подстраиваться под них, причем для идентификации настроения человека анализу подвергается даже тон голоса и манера разговора. Yui может менять настройки климатической установки и аудиосистемы, а также управлять светом в салоне в зависимости от состояния водителя.
В подчинении искусственного интеллекта находится и автопилот, причем компания заявляет четвертый уровень автономности из пяти, то есть в большинстве ситуаций Toyota LQ сможет передвигаться без помощи водителя. В том числе самостоятельно уезжать на поиски парковочного места (минимальный интервал до соседних машин составляет 20 см) и возвращаться обратно по вызову. Еще одна особенность — активные фары с системой подвижных микрозеркал: они могут «рисовать» предупреждения на дорожном покрытии (например, для пешеходов).
Технических подробностей пока мало. Заявлено лишь, что Toyota LQ массой 1680 кг может проехать на одной зарядке до 300 км. Еще почти год компания будет заниматься доводкой и испытаниями своего детища, зато в июне 2020-го обещает начать тест-драйвы для всех желающих. Машины будут ездить по улицам Токио, а оставить предварительную заявку можно уже сейчас.
FILED UNDER : Разное