Продолжаем тему с AI на мобильных устройства. ARM объявила о новом дизайне процессоров, заточенных под задачи ML и OD (Object Detection). Как обычно, речь идет о лицензировании архитектуры для других компаний вроде Broadcom или Apple.
В целом новость интересна в двух аспектах: 1) возможно, это приведет к массовому проникновению технологии (но не факт, что быстро: сейчас процессоры, заточенные под AI, пихают только в дорогие модели смартфонов, взять тот же Kirin 970 от Huawei) и 2) это происходит на фоне того, что многие чип-мейкеры, не дожидаясь ARM, начали делать свои собственные AI-сопроцессоры (тот же Qualcomm, например).
В любом случае, факт в том, что решение AI-задач на конечных умных железках будет дешеветь. https://www.theverge.com/2018/2/13/17007174/ai-chip-designs-arm-machine-learning-object-detection #ai #hardware
p.s. В довесок, вспомнил: в США, похоже, водители начинают осознавать прелесть видео-регистраторов (раньше они удивлялись, насмотревшись видео в Youtube, что в России их ставят на все, что умеет двигаться - от телеги до трактора). А это, очевидно, еще одна ниша для AI-технологий. Вот Scott Hanselman рассказывает про свой опыт: https://www.hanselman.com/blog/EveryoneShouldGetADashcam.aspx
В целом новость интересна в двух аспектах: 1) возможно, это приведет к массовому проникновению технологии (но не факт, что быстро: сейчас процессоры, заточенные под AI, пихают только в дорогие модели смартфонов, взять тот же Kirin 970 от Huawei) и 2) это происходит на фоне того, что многие чип-мейкеры, не дожидаясь ARM, начали делать свои собственные AI-сопроцессоры (тот же Qualcomm, например).
В любом случае, факт в том, что решение AI-задач на конечных умных железках будет дешеветь. https://www.theverge.com/2018/2/13/17007174/ai-chip-designs-arm-machine-learning-object-detection #ai #hardware
p.s. В довесок, вспомнил: в США, похоже, водители начинают осознавать прелесть видео-регистраторов (раньше они удивлялись, насмотревшись видео в Youtube, что в России их ставят на все, что умеет двигаться - от телеги до трактора). А это, очевидно, еще одна ниша для AI-технологий. Вот Scott Hanselman рассказывает про свой опыт: https://www.hanselman.com/blog/EveryoneShouldGetADashcam.aspx
The Verge
ARM unveils two new AI chip designs to ride the machine learning wave
More AI for your mobile.
Еще про AI. Точнее, так: вы можете помочь сделать .NET лучше для решения задач, связанных с AI. Если у вас есть 5 минут, пройдите, пожалуйста, опросник от .NET-команды: https://blogs.msdn.microsoft.com/dotnet/2018/02/13/machine-learning-in-net-help-us-build-the-right-experience/ #ai #survey
Microsoft
Machine Learning in .NET – Help us build the right experience!
A first-hand look from the .NET engineering teams
Наши коллеги совместно с аналитической компанией PSFK подготовили исследование по сценариям применения AI в ритейле. Циферки, стратегии, болевые точки и вот это все. Важно: отчет бизнесовый, не ждите там технических деталей. https://info.microsoft.com/FutureofRetailReport.html #ai #retail #future
Microsoft
AI: The Future of Retail | Microsoft
Read this Microsoft playbook to learn the latest updates on retail AI technologies and industry solutions.
Помните я недавно писал про нейроморфные чипсеты. Вот хорошое краткое описание про SNN (спайковые нейронные сети, они же импульсные), которые лежат в основе нейроморфных чипсетов. https://towardsdatascience.com/spiking-neural-networks-the-next-generation-of-machine-learning-84e167f4eb2b #ai #spiking #neural #networks
Medium
Spiking Neural Networks, the Next Generation of Machine Learning
Everyone who has been remotely tuned in to recent progress in machine learning has heard of the current 2nd generation artificial neural…
Немножко отстранненого от технологий (на первый взгляд) чтива про организацию рабочих мест. Adam Grant (автор Originals, Option B и Give and Take) рассказывает об общих чертах высокофункциональных организаций:
1. Такие организации "одержимы" помощью сотрудникам в развитии самосознания и осознания других. Вместо того, чтобы загонять сотрудников в рамки рабочих инструкций и норм, они инвестриуют в понимание сотрудниками собственных и чужих слабых и сильных сторон.
2. Большинство таких организаций оказываются более гибкими в смысле иерархии. Например, обычно вы ожидаете, что решение по встрече принимает человек с самой высокой должностью в компании, а тут разные люди отвечают за принятие разных решений. То есть не только "авторитетное" лицо.
3. В таких организациях слово "семья" слышишь намного чаще. Причем не в смысле именно классической "семейности", а в смысле чувства принадлежности к сообществу и заботы о других. "Кто-то прикроет мою спину, я могу поспорить с кем-то, но он все равно пойдет со мной перекусить."
https://medium.com/inc./best-selling-author-adam-grant-the-most-highly-functional-companies-have-these-3-traits-e0c953e4cd80
p.s. Интервью по ссылке выше появилось в преддверии запуска подкаста WorkLife на TED как раз про разные команды, рабочие места и т.п. (с 28 февраля, на английском - https://www.ted.com/read/ted-podcasts/worklife). Пишу в том числе для себя, чтобы не забыть. :)
1. Такие организации "одержимы" помощью сотрудникам в развитии самосознания и осознания других. Вместо того, чтобы загонять сотрудников в рамки рабочих инструкций и норм, они инвестриуют в понимание сотрудниками собственных и чужих слабых и сильных сторон.
2. Большинство таких организаций оказываются более гибкими в смысле иерархии. Например, обычно вы ожидаете, что решение по встрече принимает человек с самой высокой должностью в компании, а тут разные люди отвечают за принятие разных решений. То есть не только "авторитетное" лицо.
3. В таких организациях слово "семья" слышишь намного чаще. Причем не в смысле именно классической "семейности", а в смысле чувства принадлежности к сообществу и заботы о других. "Кто-то прикроет мою спину, я могу поспорить с кем-то, но он все равно пойдет со мной перекусить."
https://medium.com/inc./best-selling-author-adam-grant-the-most-highly-functional-companies-have-these-3-traits-e0c953e4cd80
p.s. Интервью по ссылке выше появилось в преддверии запуска подкаста WorkLife на TED как раз про разные команды, рабочие места и т.п. (с 28 февраля, на английском - https://www.ted.com/read/ted-podcasts/worklife). Пишу в том числе для себя, чтобы не забыть. :)
Medium
Best-Selling Author Adam Grant: The Most Highly-Functional Companies Have These 3 Traits
In his new TED podcast WorkLife, Wharton psychologist Adam Grant visits the strongest functioning workplaces and shares their secret…
И про применение машинного обучения в задачах борьбы с кибер-угрозами. Команда Windows Defender рассказывает, как боролись с новым трояном Emotet (и заодно, как устроена многослойная защита с применением ML-моделей на клиенте и в облаке). https://cloudblogs.microsoft.com/microsoftsecure/2018/02/14/how-artificial-intelligence-stopped-an-emotet-outbreak/ #ai #security #ml
Microsoft Secure
How artificial intelligence stopped an Emotet outbreak
At 12:46 a.m. local time on February 3, a Windows 7 Pro customer in North Carolina became the first would-be victim of a new malware attack campaign for Trojan:Win32/Emotet. In the next 30 minutes, the campaign tried to attack over a thousand potential victims…
Про специализированные чипы - пара новостей от MIT с разницей в один день (оба проекта, отмечу, аспирантские!):
1. Энерго-эффективное шифрование для интернета вещей. Шифрование в сетях общего пользование становится нормой, но обработка информации, в основном, делается на софтверном уровне. Это не очень хорошо подходит для задач IoT с повсеместными вычислениями, сенсорами в полях, зданиях и т.п., так как нужно экономить энергию, хотя шифровать информацию по-прежнему надо.
Исследователи MIT спроектировали новый специализированный чип для работы с публичными ключами на аппаратном уровне, потребляющий в 400 раз меньше энергии по сравнению с софтверной реализацией, в 10 раз меньше памяти и работающий в 500 раз быстрее. http://news.mit.edu/2018/energy-efficient-encryption-internet-of-things-0213
p.s. Тут нельзя не вспомнить анекдот про букву S (Security) в слове IoT. Дешевое шифрование для интернета вещей — это хорошо.
2. Энерго-эффективное вычисление алгоритмов на нейронных сетях. Второе исследование - в похожем русле, но с другим акцентом. Решаемая задача - сделать рассчет нейронных сетей достаточно эффективным, чтобы это можно было делать на мобильных устройствах, не опасаясь сожрать всю батарейку. (На всякий случай, ребята из MIT — не единственные, кто об этом думает. Я уже писал о подобных проектах от крупных компаний.)
Основная идея — сделать на аппаратном уровне распараллеленную операцию скалярного умножения векторов (фактически, операцию свертки, как основную в расчете тензоров), снижая тем самым перегон данных между памятью и процессором. В результате - существенное ускорение (в 5-7 раз) и снижение энергопотребления (на 94-95%).
http://news.mit.edu/2018/chip-neural-networks-battery-powered-devices-0214
#ai #crypto #chip #hardware #energy
1. Энерго-эффективное шифрование для интернета вещей. Шифрование в сетях общего пользование становится нормой, но обработка информации, в основном, делается на софтверном уровне. Это не очень хорошо подходит для задач IoT с повсеместными вычислениями, сенсорами в полях, зданиях и т.п., так как нужно экономить энергию, хотя шифровать информацию по-прежнему надо.
Исследователи MIT спроектировали новый специализированный чип для работы с публичными ключами на аппаратном уровне, потребляющий в 400 раз меньше энергии по сравнению с софтверной реализацией, в 10 раз меньше памяти и работающий в 500 раз быстрее. http://news.mit.edu/2018/energy-efficient-encryption-internet-of-things-0213
p.s. Тут нельзя не вспомнить анекдот про букву S (Security) в слове IoT. Дешевое шифрование для интернета вещей — это хорошо.
2. Энерго-эффективное вычисление алгоритмов на нейронных сетях. Второе исследование - в похожем русле, но с другим акцентом. Решаемая задача - сделать рассчет нейронных сетей достаточно эффективным, чтобы это можно было делать на мобильных устройствах, не опасаясь сожрать всю батарейку. (На всякий случай, ребята из MIT — не единственные, кто об этом думает. Я уже писал о подобных проектах от крупных компаний.)
Основная идея — сделать на аппаратном уровне распараллеленную операцию скалярного умножения векторов (фактически, операцию свертки, как основную в расчете тензоров), снижая тем самым перегон данных между памятью и процессором. В результате - существенное ускорение (в 5-7 раз) и снижение энергопотребления (на 94-95%).
http://news.mit.edu/2018/chip-neural-networks-battery-powered-devices-0214
#ai #crypto #chip #hardware #energy
MIT News
Energy-efficient encryption for the internet of things
A special-purpose chip hardwired to implement elliptic-curve cryptography in general and the datagram transport layer security protocol in particular reduces power consumption by 99.75 percent and increases speed 500-fold, to help enable the internet of things.
О, как-то пропустил новость про Amazon. В общем, похоже (и это супер-логично), что Amazon тоже выходит на рынок кастомных AI-чипсетов, причем с фокусом на конечные устройства (Echo), чтобы улучшить качество и скорость работы голосового помощника (Alexa).
The Verge, отмечает, что это особенно интересно не только на фоне других игроков, которые этой темой уже занимаются в контексте конечных устройств (Apple, Google и т.п.), но и на фоне Intel и NVidea, которые явно делают одну из ставок на нишу AI, а в ней оказывается слишком много сильных игроков. https://www.theverge.com/2018/2/12/17004734/amazon-custom-alexa-echo-ai-chips-smart-speaker
#ai #chip #hardware
The Verge, отмечает, что это особенно интересно не только на фоне других игроков, которые этой темой уже занимаются в контексте конечных устройств (Apple, Google и т.п.), но и на фоне Intel и NVidea, которые явно делают одну из ставок на нишу AI, а в ней оказывается слишком много сильных игроков. https://www.theverge.com/2018/2/12/17004734/amazon-custom-alexa-echo-ai-chips-smart-speaker
#ai #chip #hardware
The Verge
Amazon is reportedly following Apple and Google by designing custom AI chips for Alexa
Echo devices with custom onboard AI chips would be faster and more efficient than relying solely on the cloud
Немножко легкого выходного чтения про машинное обучение: Towards Data Science рассказывает, кто есть кто в мире ML. https://towardsdatascience.com/the-whos-who-of-machine-learning-and-why-you-should-know-them-9cefbbc84f07 #ai #ml #leaders
Medium
The Who’s Who Of Machine Learning, And Why You Should Know Them
If you are a machine learning enthusiast , or even planing on getting into the field soon. THIS IS YOUR TIME.
В продолжение темы важных людей в мире AI - наткнулся на подборку "25 инфлюенсеров в мире AI, которых стоит фоловить в триттере в 2018". https://www.disruptordaily.com/top-25-influencers-follow-twitter-2018/
Подумал, что фоловить всех по одному не очень удобно, поэтому вот вам готовый список, на который можно подписаться в твиттере. Я его слегка расширил :) https://twitter.com/quantumquintum/lists/ai-to-follow #ai #ml #leaders
Подумал, что фоловить всех по одному не очень удобно, поэтому вот вам готовый список, на который можно подписаться в твиттере. Я его слегка расширил :) https://twitter.com/quantumquintum/lists/ai-to-follow #ai #ml #leaders
DisruptorDaily
Top 25 AI Influencers to Follow on Twitter in 2018 - DisruptorDaily
Artificial intelligence is so rapidly evolving that it can be difficult to keep… ...
Сегодня небольшая порция контента про работу с Audio на базе нейронных сетей:
1. Про генерацию музыки с помощью Azure ML. Erika Menezes рассказывает, как построить LSTM (Long Short-Term Memory) модель для генерации медиа-файлов и выстроить вокруг этого окружение для экспериментирования.
Текстовая статья: https://blogs.technet.microsoft.com/machinelearning/2017/12/06/music-generation-with-azure-machine-learning/
Видео #1 (про генерацию музыки и модель сети): https://channel9.msdn.com/Shows/AI-Show/Deep-Learning-for-Music-Generation
Видео #2 (про извлечение фич из midi-файла и создание midi-файлов из выхода модели): https://channel9.msdn.com/Shows/AI-Show/Deep-Learning-for-Music-Generation-The-Code
Исходный код: https://github.com/Azure/MachineLearning-MusicGeneration
#ai #ml #music #generation #azure
1. Про генерацию музыки с помощью Azure ML. Erika Menezes рассказывает, как построить LSTM (Long Short-Term Memory) модель для генерации медиа-файлов и выстроить вокруг этого окружение для экспериментирования.
Текстовая статья: https://blogs.technet.microsoft.com/machinelearning/2017/12/06/music-generation-with-azure-machine-learning/
Видео #1 (про генерацию музыки и модель сети): https://channel9.msdn.com/Shows/AI-Show/Deep-Learning-for-Music-Generation
Видео #2 (про извлечение фич из midi-файла и создание midi-файлов из выхода модели): https://channel9.msdn.com/Shows/AI-Show/Deep-Learning-for-Music-Generation-The-Code
Исходный код: https://github.com/Azure/MachineLearning-MusicGeneration
#ai #ml #music #generation #azure
Channel 9
Deep Learning for Music Generation
In this episode of the AI show Erika explains how to create deep learning models with music as the input. She begins by describing the problem of generating music by specifically describing how she ge
2. Как на счет обработки audio-информации (например, команд) в браузере? Boris Smus из Google рассказывает, как на базе библиотеки deeplearn.js (от команды Google Brain) построить CNN для обработки аудио-команд: от извлечения фич на базе WebAudio API до хранения обученной модели в IndexedDB.
Статья #1 (про извлечение фич и генерацию спектрограмм): https://towardsdatascience.com/audio-features-for-web-based-ml-555776733bae
Статья #2 (про обучение и распознавание команд): https://towardsdatascience.com/web-based-voice-command-recognition-58a9bb1ec8db
Исходный код: https://github.com/google/web-audio-recognition/tree/master/audio-features
#ai #ml #web #audio
Статья #1 (про извлечение фич и генерацию спектрограмм): https://towardsdatascience.com/audio-features-for-web-based-ml-555776733bae
Статья #2 (про обучение и распознавание команд): https://towardsdatascience.com/web-based-voice-command-recognition-58a9bb1ec8db
Исходный код: https://github.com/google/web-audio-recognition/tree/master/audio-features
#ai #ml #web #audio
Towards Data Science
Audio features for web-based ML
One of the first problems presented to students of deep learning is to classify handwritten digits in the MNIST dataset. This was recently…
Про когнитивные вычисления.
1. В чем разница между "cognitive computing" и "artificial intelligence"? Мы обычно рассматриваем первое, как подмножество второго, но так ли это?
Ronald van Loon побеседовал с Dmitri Tcherevik (CTO, Progress) на эту и смежну тему и делится инсайтами. Хотя это две близкие области с общим пересечением в инструментарии (те же нейронные сети, например), решаемые задачи и способы применения разные:
— Cognitive Computing пытается симулировать или дополнить челевеческие когнитивные возможности, оставляя за человеком принятие решения.
— Artificial Intelligence не пытается моделировать челевеческое мышление, он просто использует наилучшие подходящие алгоритмы, чтобы заменить человека или снизить человеческий фактор.
В статье (если у вас доступен LinkedIn) можно также прочитать про индустриальное применение и этапы развертывания. https://www.linkedin.com/pulse/cognitive-computing-moving-from-hype-deployment-ronald-van-loon/
p.s. Нажмите кнопочку с листиком (📃), если не можете прочитать статью, я дополню рассказ подробностями.
1. В чем разница между "cognitive computing" и "artificial intelligence"? Мы обычно рассматриваем первое, как подмножество второго, но так ли это?
Ronald van Loon побеседовал с Dmitri Tcherevik (CTO, Progress) на эту и смежну тему и делится инсайтами. Хотя это две близкие области с общим пересечением в инструментарии (те же нейронные сети, например), решаемые задачи и способы применения разные:
— Cognitive Computing пытается симулировать или дополнить челевеческие когнитивные возможности, оставляя за человеком принятие решения.
— Artificial Intelligence не пытается моделировать челевеческое мышление, он просто использует наилучшие подходящие алгоритмы, чтобы заменить человека или снизить человеческий фактор.
В статье (если у вас доступен LinkedIn) можно также прочитать про индустриальное применение и этапы развертывания. https://www.linkedin.com/pulse/cognitive-computing-moving-from-hype-deployment-ronald-van-loon/
p.s. Нажмите кнопочку с листиком (📃), если не можете прочитать статью, я дополню рассказ подробностями.
Разворачиваю статью для тех, кто проголосовал за подробности. Сценарии для когнитивных вычислений в различных индустриях:
— Пользовательский сервис. Дополнительный интеллектуальный слой для помощи клиентам, фактически цифровые помощники для помощи с выбором, автоматизации процессов, сглаживания обучения и т.п. Самое очевидное — всевозможные чатботы.
— Здравоохранение. Забота о здоровье, — пишет Рональд, — очевидно, не безнес со 100% эффективностью, так как есть множество отклонений от "идеальных процессов". Машинная прослойка может делать первичную обработку информации и предварительные выводы, как данные для лечащих врачей.
— Индустриальный IoT. Мы научились накапливать и обрабатывать много данных. Один из следующих шагов — использование аналитики для работы с аномалиями, но это позволяет выцепить только 20% проблем и сделать соответствующие воздействия на систему. Остальные 80% — это по-прежнему зона для улучшений. Когнитивное обнаружение аномалий — это шаг в сторону этих 80%.
—---—
Тут я должен сделать некоторое отступление от пересказа. Первое: кажется, сам термин "cognitive anomaly detection" — это изобретение то ли IBM, то ли Progress. Во всяком случае, именно они появляются первыми в поиске по этой фразе. Второе, я посмотрел, что именно они имеют в виду и в чем отличие от того же "predictive maintenance".
Добавка слова "cognitive" означает, что мы пытаемся выйти в зону "когда процесс поломки начинается" или "появились первые сигналы от сенсоров", и это происходит еще до того, как классическая модель получает *достаточно* данных от сенсоров для этого. Чтобы продвинуться в эту зону, нужно переходить на мета-обучение (по сравнению с классическим подходом построения и обучения предиктивной модели).
Подробнее:
1. Cм. запись вебинара - https://www.youtube.com/watch?v=AwLXCeOjj1c, с 34 минуты.
2. См. статью на эту тему (и картинки в ней) https://www.thedigitaltransformationpeople.com/channels/enabling-technologies/how-industrial-iot-is-influenced-by-cognitive-anomaly-detection/
— Пользовательский сервис. Дополнительный интеллектуальный слой для помощи клиентам, фактически цифровые помощники для помощи с выбором, автоматизации процессов, сглаживания обучения и т.п. Самое очевидное — всевозможные чатботы.
— Здравоохранение. Забота о здоровье, — пишет Рональд, — очевидно, не безнес со 100% эффективностью, так как есть множество отклонений от "идеальных процессов". Машинная прослойка может делать первичную обработку информации и предварительные выводы, как данные для лечащих врачей.
— Индустриальный IoT. Мы научились накапливать и обрабатывать много данных. Один из следующих шагов — использование аналитики для работы с аномалиями, но это позволяет выцепить только 20% проблем и сделать соответствующие воздействия на систему. Остальные 80% — это по-прежнему зона для улучшений. Когнитивное обнаружение аномалий — это шаг в сторону этих 80%.
—---—
Тут я должен сделать некоторое отступление от пересказа. Первое: кажется, сам термин "cognitive anomaly detection" — это изобретение то ли IBM, то ли Progress. Во всяком случае, именно они появляются первыми в поиске по этой фразе. Второе, я посмотрел, что именно они имеют в виду и в чем отличие от того же "predictive maintenance".
Добавка слова "cognitive" означает, что мы пытаемся выйти в зону "когда процесс поломки начинается" или "появились первые сигналы от сенсоров", и это происходит еще до того, как классическая модель получает *достаточно* данных от сенсоров для этого. Чтобы продвинуться в эту зону, нужно переходить на мета-обучение (по сравнению с классическим подходом построения и обучения предиктивной модели).
Подробнее:
1. Cм. запись вебинара - https://www.youtube.com/watch?v=AwLXCeOjj1c, с 34 минуты.
2. См. статью на эту тему (и картинки в ней) https://www.thedigitaltransformationpeople.com/channels/enabling-technologies/how-industrial-iot-is-influenced-by-cognitive-anomaly-detection/
YouTube
Webinar : Monetizing IIoT with Cognitive Anomaly Detection & Prediction
The Industrial Internet of Things (IIoT) presents a huge opportunity for businesses, and it’s only getting bigger. Gartner predicts that by 2020, the number ...
2. В ботах и автоматизации колл-центров есть такой вопрос: как лучше переключать человека (клиента) с робота на оператора? Понятно, что как лучше — это зависит от конкретного сценария, а вот как это все начать измерять и отслеживать, это вполне прикладной и обобщенный вопрос. Тут вот наши коллеги делятся, как построить такой бэкенд и дашборды на базе Application Insights: https://www.microsoft.com/developerblog/2018/02/05/human-handoff-dashboard/
#ai #human #interaction #insights
#ai #human #interaction #insights
Developer Blog
Analysing Bot to Human Hand-off Interactions - Developer Blog
How we developed a dashboard template that can be used to analyze all bot to human hand-off interactions using the Microsoft Bot Framework.
Про AI и медицину:
1. Ребята из Стенфорда рассказывают, как обрабатывать ультразвуковые сними (УЗИ) с помощью сверточных сеточек (CNN). И также приводят несколько открытых вопросов: от наличия размеченных данных (точнее отсутствия больших датасетов), — поэтому сейчас много акцента на transfer learning, — до обработки видео-информации. Отдельный вопрос - работа с dopler-снимками, в которых учитывается динамика потоков крови. https://medium.com/stanford-ai-for-healthcare/sound-the-alarm-deep-learning-ultrasound-scans-eb05ad430e98
#ai #medicine
p.s. Статья в нашем блоге на хабре на эту тему: https://habrahabr.ru/company/microsoft/blog/314934/
1. Ребята из Стенфорда рассказывают, как обрабатывать ультразвуковые сними (УЗИ) с помощью сверточных сеточек (CNN). И также приводят несколько открытых вопросов: от наличия размеченных данных (точнее отсутствия больших датасетов), — поэтому сейчас много акцента на transfer learning, — до обработки видео-информации. Отдельный вопрос - работа с dopler-снимками, в которых учитывается динамика потоков крови. https://medium.com/stanford-ai-for-healthcare/sound-the-alarm-deep-learning-ultrasound-scans-eb05ad430e98
#ai #medicine
p.s. Статья в нашем блоге на хабре на эту тему: https://habrahabr.ru/company/microsoft/blog/314934/
Medium
Sound the Alarm! Deep Learning & Ultrasound Scans
Written by Shubhang Desai
2. Заменит ли AI радиологов? В 2016 Джефри Хилтон (крестный отец нейронных сетей) сказал, что "мы должны перестать учиться новых радиологов". Hugh Harvey рассказывает в Towards Data Science, почему AI не отменяет эту профессию (вопреки громким заголовкам) и почему такое мнение опасно (чуда не будет, а людей больше не станет). Хаг приводит такие три основные причины:
1) Сведение работы радиолога к анализу картинок — существенное искажение действительности. Анализ снимков — лишь маленький кусок деятельности специалиста, в самом упращенном виде включающей: взаимодействие с пациентом, анализ истории, принятие решений о снимках, типах снимков, расписании, автоматическом или ручном снятии снимков, анализ снимков (в том числе с применение алгоритмов), постановка диагноза, консультация с другими врачами и сообщение результатов пациенту.
2) Человек несет конечную ответственность. Очевидный факт: кто-то должен нести юридическую ответственность за принятие решений. Мы пока далеки от правового регулирования ИИ в медицине.
3) Повышение продуктивности будет повышать спрос. Хаг приводит пример коммерческих авиаперевозок в UK: несмотря на автоматизацию все, чего можно, в том числе в смысле управления самолетами, и с явным фокусом на повышение надежности и безопасности, это не только не приводит к уменьшению числа пилотов, но и наоборот их количество растет по мере роста спроса и удешевления перевозок. Если радиология будет дешевле и надежнее, нужно будет больше людей, которые ее проводят.
О чем лучше думать вместо замены специалистов: как ИИ и автоматизация могут помочь разгрузить их от рутинных операций, повысить продуктивность, надежность решений и т.п.?
https://towardsdatascience.com/why-ai-will-not-replace-radiologists-c7736f2c7d80 #ai #medicine
1) Сведение работы радиолога к анализу картинок — существенное искажение действительности. Анализ снимков — лишь маленький кусок деятельности специалиста, в самом упращенном виде включающей: взаимодействие с пациентом, анализ истории, принятие решений о снимках, типах снимков, расписании, автоматическом или ручном снятии снимков, анализ снимков (в том числе с применение алгоритмов), постановка диагноза, консультация с другими врачами и сообщение результатов пациенту.
2) Человек несет конечную ответственность. Очевидный факт: кто-то должен нести юридическую ответственность за принятие решений. Мы пока далеки от правового регулирования ИИ в медицине.
3) Повышение продуктивности будет повышать спрос. Хаг приводит пример коммерческих авиаперевозок в UK: несмотря на автоматизацию все, чего можно, в том числе в смысле управления самолетами, и с явным фокусом на повышение надежности и безопасности, это не только не приводит к уменьшению числа пилотов, но и наоборот их количество растет по мере роста спроса и удешевления перевозок. Если радиология будет дешевле и надежнее, нужно будет больше людей, которые ее проводят.
О чем лучше думать вместо замены специалистов: как ИИ и автоматизация могут помочь разгрузить их от рутинных операций, повысить продуктивность, надежность решений и т.п.?
https://towardsdatascience.com/why-ai-will-not-replace-radiologists-c7736f2c7d80 #ai #medicine
Medium
Why AI will not replace radiologists
In late 2016 Prof Geoffrey Hinton, the godfather of neural networks, said that it’s “quite obvious that we should stop training…
В ближайшие полторы недели новостей почти не будет (я в отпуске), но вот вам небольшой пример на тему AR/VR из лифта в Нью-Йорке. :) На потолке проецируется изображение, синхронизированное с движением лифта. Эффект погружения создаётся за счёт реального движения.
Вышло обновление нашего Quantum Development Kit. Внутри поддержка MacOS и Linux (через интеграцию с VSCode), дополнительные библиотеки, выложенные в Open Source, интероперабельность с Python и ускорение симуляций в 4-5 раз. https://cloudblogs.microsoft.com/quantum/2018/02/26/quantum-development-kit-adds-support-for-linux-and-mac/ #quantum #computing
Microsoft Azure Quantum Blog
Microsoft updates its Quantum Development Kit and adds support for Linux and Mac - Microsoft Azure Quantum Blog
The latest updates to the Microsoft Quantum Development Kit adds support for macOS and Linux, additional open source libraries, and interoperability with Python. The power of quantum computing is now available to even more developers on more platforms.