June 18th, 2018

Мои твиты

  • Вс, 12:51: В поисках внеземной жизни астрономы предлагают необычную новую цель - https://t.co/37oBtkAc30 https://t.co/ZzogL6E3K0
  • Вс, 12:58: Виктор Говорков «Мы спокойны за свой завтрашний день!», 1956 год https://t.co/YXT3Zgp7YA
  • Вс, 13:16: Когда кажусь себе великим, иду мыть посуду
  • Вс, 13:17: Трагедия науки - убийство прекрасной гипотезы уродливым фактом
  • Вс, 13:40: Читая роман Николая Носова "Незнайка на Луне"… https://t.co/tixSepZS6O
  • Вс, 13:53: – К чему же богачам столько денег? https://t.co/twha3GivDq
  • Пн, 01:49: 17 июня 1992 года состоялось то самое выступление Бориса Ельцина в Конгрессе США: "Господи, благослови Америку!" https://t.co/xFUq5EBp93
  • Пн, 01:56: "Нам нужны кредиты, деньги и технологии". Не поможет это, кредиты разворуем, а технологии правильно не используем. Человека надо изменить!"
  • Пн, 02:23: Анаболические и катаболические https://t.co/nNnnNMAbvS

Oleg

Oleg

РАЗРУШЕННАЯ ЕВРОПА|МАЛОИЗВЕСТНЫЕ ХУДОЖНИКИ XVII ВЕК ФРАНЦИЯ ЭРМИТАЖ

1) Пейзаж с саркофагом - Бланше, Тома. 1614-1689 Франция, Конец 1640 - начало 1650-х гг. http://www.hermitagemuseum.org/wps/portal/he…

2) Пейзаж с Аполлоном и Сивиллой Кумской - Лоррен, Клод (Желле). 1600-1682 Франция, Между 1645-1649 гг. Франция, Между 1645-1649 гг. на заднем плане корабли 17 века http://www.hermitagemuseum.org/wps/portal/he…

3) Утро в гавани - Лоррен, Клод (Желле). 1600-1682 Франция, 1634 гг. (?) http://www.hermitagemuseum.org/wps/portal/he…

4) Пейзаж с Иаковом, Рахилью и Лией у колодца (Утро) - Желле, Клод (прозванный Лоррен). 1600-1682 Франция, 1666 г. http://www.hermitagemuseum.org/wps/portal/he…

5) Пейзаж с Христом и сотником - Патель, Пьер Старший. 1605-1676 Франция, 1652 г. http://www.hermitagemuseum.org/wps/portal/he…

6) Пейзаж - Патель, Пьер-Антуан Младший. 1648-1707 Франция, 1705 г. http://www.hermitagemuseum.org/wps/portal/he…

7) Площадь античного города - Лемер, Жан (прозванный Лемер-Пуссен). 1597-1659 Франция, Вторая половина 1630-х гг. http://www.hermitagemuseum.org/wps/portal/he…

8) Пейзаж с дорогой (Пейзаж с руинами терм Каракаллы) - Дюге, Гаспар (прозванный Гаспар Пуссен). 1615-1675 Франция, 1673-1674 гг. http://www.hermitagemuseum.org/wps/portal/he…

9) Утро в гавани - Желле, Клод, прозванный Лоррен. 1600-1682 Франция, Конец 1630-х - начало 1640-х гг. http://www.hermitagemuseum.org/wps/portal/he…

10) Святое семейство - Коши, Пьер. 1687 Франция, 1655 г. http://www.hermitagemuseum.org/wps/portal/he…

Posted by Oleg A. Chagin on 18 июн 2018, 10:07

from Facebook

Oleg

Oleg

Нейросеть учат размышлять логически

Команда подразделения Google DeepMind разработала нейросеть, которая может справляться с некоторыми задачами на уровне человека.

Авторы доработали современные технологии и научили искусственный интеллект справляться с реляционными рассуждениями, где отрицаются или утверждаются отношения между некоторыми предметами, даже лучше людей. Об инновации можно прочитать на сайте arXiv.org.

По словам Тимоти Лилликрэпа (Timothy Lillicrap), одного из авторов работы, исследователи напрямую заставили нейросеть определять взаимоотношения между представленными объектами. Два основные подхода, разработанные ранее, – статический и символический – имеют взаимозаменяемые недостатки. Один способен к обучению на больших выборках и легко выделяет нужные образы, но далёк от логики. Второй же хорошо ей владеет и делает правильные выводы на основе установленных правил, но плохо поддаётся обучению. Исследование сотрудников подразделения Google DeepMind смогло соединить эти два подхода воедино.

Совместно с коллегами Тимоти запрограммировал разработку на решение сразу несколько задач одновременно. Теперь она может дать ответ об отношениях, связывающих объекты: «Предмет находится перед синей штукой; такая же ли у него форма, что и у той бирюзовой штуки справа от серого металлического шара?» Чтобы прийти к выводу, программа соединила три способности нейросети: определила объекты на изображении, интерпретировала вопрос и, что самое важное – нашла решение. В такой ситуации нейросеть обошла человека на 4 процента, а другие алгоритмы машинного обучения в среднем на 40 процентов.

Кроме этого, успех разработка продемонстрировала в языковых заданиях. В тесте предстояло сделать вывод или заключение: «Лилли – лебедь. Лилли белая. Грег – лебедь. Какого цвета Грег?» Новая сеть сумела правильно ответить в 95 процентах случаев, тогда как другие алгоритмы называли верные ответы в 45 процентах.

В последнем задании предстояло определить невидимые контакты между передвигающимися по экрану шарами. Проанализировав характер их движения, новая нейросеть нашла более 90 процентов связей.

Авторы признаются, что концепция программы проста, а инновационное введение можно описать одним уравнением. Сейчас нейросеть может работать только в одном режиме – «режиме рассуждения».
Для более пластичных и человекоподобных размышлений ей нужно научиться сопоставлять тройки объектов, пары пар, делать выборку пар из всевозможных вариантов и многое другое.

Текст: Екатерина Заикина

A simple neural network module for relational reasoning by Adam Santoro, David Raposo, David G.T. Barrett, Mateusz Malinowski, Razvan Pascanu, Peter Battaglia, Timothy Lillicrap. Published 5 Jun 2017

arXiv:1706.01427

Posted by Oleg A. Chagin on 18 июн 2018, 10:15

from Facebook