Внедрение технологий ИИ в жизнь (программы, устройства, услуги)

Broadcom представила первый сетевой коммутатор со встроенным ИИ-движком

\Компания Broadcom представила Trident 5-X12 — первый сетевой коммутатор, снабжённый ИИ-движком, который поможет избавиться от сетевых заторов и ускорить обучение ИИ. Новый сетевой процессор относится к семейству StrataXGS и имеет маркировку BCM78800. Он предназначен в первую очередь для компактных ToR-коммутаторов нового поколения.

Это первый сетевой ASIC, дополненный инференс-движком NetGNT (Networking General-purpose Neural-network Traffic-analyzer). NetGNT может быть «натаскан» на распознавание ситуации, потенциально ведущей к сетевому затору. К примеру, в сценариях, характерных для обучения нейросетей, часто встречается ситуация, когда множество потоков пакетов прибывает одновременно на один порт, что и вызывает затор. Но движок Broadcom способен предсказать и заранее предотвратить такое развитие событий.

bcom12-1.jpg

Источник изображений здесь и далее: Broadcom

Trident 5-X12 также имеет расширенную систему телеметрии и располагает объёмными FIB с гибким распределением. Реализованы множественные механизмы распределения нагрузки и предотвращения заторов. Новинка относится к программируемым решениям (NPL), причём готовые сценарии предлагает и сама Broadcom. В рамках API сохранена совместимость с предыдущими решениями компании. Возможно использование SONiC.

bcom12-2.jpg


Чип оснащён 160 100G-блоками SerDes (PAM-4) и позволяет среди прочего реализовывать смешанные конфигурации — например, с 24 портами 400G и 8 портами 800G в 1U-шасси. При этом совокупная пропускная способность составляет 16 Тбит/с, однако благодаря 5-нм техпроцессу энергопотребление у новинки в пересчёте на порт на четверть ниже, нежели у Trident 4-X9.

Источник Для просмотра ссылки Войди или Зарегистрируйся
 
Gmail получил спам-фильтр на основе ИИ это крупнейшее обновление системы защиты за последние годы

В блоге разработчиков Google появилось подробное описание свежего обновления спам-фильтров почтового сервиса Gmail. В компании его называли «одним из крупнейших обновлений системы защиты за последние годы».

1238.jpg

Источник изображения: diedryreyes3456 / Pixabay

Речь идёт об интеграции в почтовую службу новой системы классификации текстов Resilient & Efficient Text Vectorizer (RETVec). По словам разработчиков, она эффективно определяет спам-сообщения, включая электронные письма с большим количеством специальных символов, смайлов, опечаток и других элементов, которые прежде были различимы для человека, но трудно определяемы для спам-фильтров. Согласно имеющимся данным, новый алгоритм эффективно определяет, в том числе, сообщения с гомоглифами, т.е. графически сильно похожими друг на друга знаками, разными по значению.

По данным Google, алгоритм RETVec обучен для эффективного выявления сообщений, в которых содержится тест, подвергавшийся каким-либо манипуляциям, включая вставку или удаление символов, опечатки, гомоглифы и др. Алгоритм обучался с использованием продвинутого кодировщика, способного эффективного кодировать любые символы и слова в формате UTF-8. В итоге разработчики получили алгоритм, который «из коробки» работает на более чем 100 языках мира.

1239.png


RETVec, судя по всему, во-многом работает также, как читаю люди. Алгоритм построен на базе ИИ-фреймворка TensorFlow и в процессе его работы определяется визуальное «сходство» для определения значения слов, а не символы, из которых они фактически состоят. По данным Google, замена используемого ранее текстового векторизатора Gmail на RETVec позволила повысить уровень обнаружения спама по сравнению с базовым на 38 %, а количество ложных срабатываний уменьшилось на 19,4 %. При этом количество используемых моделью тензорных вычислительных процессоров (TPU) снизилось на 83 %, что делает нынешнее обновление одним из крупнейших для системы защиты Gmail за последние годы.

Источник: Для просмотра ссылки Войди или Зарегистрируйся
 
Глава NVIDIA пообещал построить в Японии сеть ИИ-фабрик — они будут обрабатывать данные японцев

Визит основателя и бессменного лидера NVIDIA Дженсена Хуанга (Jensen Huang) в Японию на этой неделе ознаменовался встречей с министром экономики страны Ясутоси Нисимурой (Yasutoshi Nishimura), по итогам которой генеральный директор компании пообещал члену правительства всемерную поддержку в развитии национальной инфраструктуры искусственного интеллекта, включая определённый приоритет в поставках ускорителей вычислений.

japan_01.jpg

Источник изображения: NVIDIA

По словам Хуанга, компания NVIDIA создаст в Японии исследовательскую лабораторию в сфере искусственного интеллекта, будет поддерживать материально местные стартапы и обучать японских специалистов работе с системами ИИ. Ранее глава NVIDIA, по данным японских СМИ, встречался с премьер-министром страны Фумио Кисидой (Fumio Kishida), пообещав тому выделить необходимое для развития местной инфраструктуры количество ускорителей вычислений в условиях сохраняющегося дефицита.

«Мы построим в Японии сеть ИИ-фабрик, чтобы Япония смогла обрабатывать данные своего общества, создавая интеллектуальные решения для общества и промышленности», — заявил глава NVIDIA. Под фабриками Хуанг подразумевает центры обработки данных, специализирующиеся на работе с искусственными интеллектом. По словам главы NVIDIA, Япония могла бы построить собственную инфраструктуру искусственного интеллекта, поскольку обладает необходимыми техническими компетенциями и промышленными возможностями. При этом отпадёт необходимость экспортировать данные, на которых будут обучаться местные языковые модели.

Министр Нисимура подчеркнул, что для создания собственного генеративного искусственного интеллекта Япония нуждается в графических процессорах NVIDIA, и без сотрудничества с этой компанией эта цель была бы недостижима. Углубление сотрудничества с NVIDIA, по словам чиновника, позволит Японии лидировать в сфере инноваций.

Источник: Для просмотра ссылки Войди или Зарегистрируйся
 
Картографирование Марса: машинное обучение поможет определить место посадки в кратере Езеро
Искусственный интеллект поможет исследовать Марс


Марс является объектом интереса для исследователей уже длительное время, посадка ровера на его поверхность — задача, требующая тщательной проработки. Один из важных этапов подготовки — картирование и планирование места посадки в кратере Езеро.

Для этого учёные создали точные трёхмерные карты поверхности Марса. С помощью современных технологий обработки изображений им удалось значительно улучшить разрешение карт, достигнув субметровых масштабов. Однако, даже самое высокое разрешение не в состоянии передать мелкомасштабные особенности — такие как текстуры дюн или небольшие кратеры.

Прогресс в технологиях обработки изображений за последние два десятилетия позволил улучшить разрешение карт с сотен метров до субметровых масштабов. Хотя это значительное улучшение, даже разрешение 1 метр на пиксель не может полностью передать мелкомасштабные особенности, такие как текстуры дюн, небольшие кратеры и большие камни.

mapping-mars-deep-lear_large.jpg


Результат цифровой модели местности HiRISE MADNet с разрешением 50 сантиметров на пиксель (в центре). Мелкомасштабные особенности поверхности Марса выделяются более чётко по сравнению с предыдущими цифровыми моделями (слева). И их сходство с функциями, представленными на исходном изображении HiRISE (справа). Источник: Yu Tao
Для более точного картографирования окружающей местности вокруг места посадки ровера в кратере Езеро, исследователи создали модель глубокого обучения под названием MADNet (Multi-scale Generative Adversarial U-Net). Эта модель была обучена на основе смеси цифровых моделей рельефа с различным разрешением, созданных при помощи данных с предыдущих миссий.

MADNet была обучена с помощью смеси существующих цифровых моделей рельефа, обработанных после съёмки, с разрешением от 4 до 36 метров на пиксель, и доработала общедоступную цифровую модель рельефа, созданную в результате эксперимента по получению изображений с высоким разрешением High Resolution Imaging Science Experiment (HiRISE) благодаря камере на борту космического аппарата Mars 2020. Исследователи проверили несколько итераций, чтобы устранить артефакты и пробелы в полученных данных.

В результате получилась мозаика цифровой модели рельефа кратера Езеро с разрешением 50 сантиметров на пиксель. Сравнение с оригинальными картами показало, что разница высот составляет всего 0,009 метра со стандартным отклонением 0,63 метра.

Исследователи отмечают, что их продукт представляет собой значительное улучшение по сравнению с существующими картами Марса. Он позволяет увидеть мелкомасштабные особенности поверхности, а также устраняет артефакты и области с низкими показателями детализации. Полученные результаты стали доступны для общественности и открыли новые горизонты исследования Марса.

Источник Для просмотра ссылки Войди или Зарегистрируйся
 
Microsoft добавила в Bing функцию «Глубокого поиска» для оптимизации поисковой выдачи

Компания Microsoft интегрирует в свой поисковик Bing новую ИИ-функцию, которая должна избавить пользователей от составления точных запросов. Функция на основе языковой модели GPT-4 называется «Глубокий поиск», а её предназначение заключается в расширении пользовательского запроса, за счёт чего поисковик сможет выдавать более релевантные результаты.

297.jpg

Источник изображения: Microsoft

В качестве примера работы «Глубокого поиска» Microsoft показала, как Bing превращает расплывчатый запрос «как работают системы начисления баллов в Японии» в более подробную инструкцию для поисковика. В результате из короткого запроса получилось следующее:

«Предоставить объяснение того, как работают разные программы карт лояльности в Японии, включая преимущества, требования и ограничения каждой из них. Включить примеры популярных карт лояльности из разных категорий, таких как магазины, супермаркеты и рестораны. Показать сравнение преимуществ и недостатков использования карт лояльности по сравнению с другими способами оплаты в Японии, включая текущие акции и льготы. Выделить наиболее популярные услуги и участвующих в них продавцов».


В дополнение к этому Bing может расширить этот поисковый запрос, включив в него описания миграционной политики и тарифов на общественный транспорт, поскольку GPT-4 пытается «найти все возможные цели» запроса. Какие бы темы не связал с запросом пользователя поисковик, все они будут отображаться на панели на странице поисковой выдачи. В дальнейшем пользователь может выбрать, какая из предложенных тем больше всего соответствует его запросу, после чего «Глубокий поиск» продолжит обрабатывать дынные, ранжируя выдачу «в зависимости от того, насколько хорошо результаты соответствуют подробному описанию».

По данным Microsoft, обработка запроса с помощью новой функции может занимать до 30 секунд. Если же пользователь не хочет ждать так долго, то он сможет отказаться от нововведения и продолжить взаимодействовать с обычным поиском Bing.

Источник: Для просмотра ссылки Войди или Зарегистрируйся
 

Google выпустила продвинутый ИИ-блокнот NotebookLM на нейросети Gemini Pro​


Google выпустила приложение NotebookLM — это блокнот на основе искусственного интеллекта, Для просмотра ссылки Войди или Зарегистрируйся в мае на конференции I/O 2023 и прежде носивший название Project Tailwind. Как и ИИ-чат-бот Для просмотра ссылки Войди или Зарегистрируйся, блокнот NotebookLM теперь полагается на нейросеть Gemini Pro. Новое приложение стало доступно жителям США, и чтобы воспользоваться им, уже не надо записываться в список ожидания.

 Источник изображений: 9to5google.com

Источник изображений: 9to5google.com​
С помощью NotebookLM пользователь может обобщить несколько заметок и объединить их в одну, создать на их основе схему, учебное пособие или руководство, превратить «заметки в рассылку по электронной почте, план сценария, черновик маркетингового плана». Также есть возможность экспорта заметок в «Google Документы».
В ходе работы пользователя NotebookLM будет «динамически предлагать действия в зависимости от того, что тот делает». Если, например, пользователь выделяет отрывок во время чтения какого-либо источника (PDF или сайта), NotebookLM «автоматически предложит суммировать текст в новую заметку или поможет ему понять технический язык или сложные идеи».


Когда пользователь пишет заметку, NotebookLM предложит инструменты для улучшения стиля или соответствующие идеи из имеющихся у него источников на основе того, что пользователь только что написал.
Пользователь теперь может выбирать источники из перечисленных на боковой панели, для использования в той или иной работе. Google увеличила лимит на количество используемых источников до 100. Также в NotebookLM предусмотрена возможность скрыть источник, есть функция быстрого перехода от цитаты к источнику. Все новые возможности появятся у NotebookLM в ближайшее время с выходом Gemini Pro.

Источник:
 

Искусственный интеллект помог Китаю совершить рывок в области рельсотронов​


Китайские учёные Для просмотра ссылки Войди или Зарегистрируйся крупный технологический скачок в сфере рельсового оружия. Традиционно рельсотроны подвержены высочайшему износу направляющих для снаряда, что снижает количество выстрелов, возможных без ремонта орудия, до десятков и даже меньше. Китайская разработка выдержала 120 залпов без ремонта и снижения точности, что приближает её по обслуживанию к современной ствольной артиллерии, и помог в этом искусственный интеллект.

 Прототипы рельсотронов американской разработки. Источник изображения: US Navy

Прототипы рельсотронов американской разработки. Источник изображения: US Navy​
ИИ в составе рельсового орудия управлял параметрами системы и режимами выстрела. Снаряд в стволе рельсотрона разгоняется по токопроводящим направляющим. Точное управление силой тока в разные моменты процесса требует невообразимой скорости принятия решений в зависимости от множества текущих характеристик системы. Китайский рельсотрон снабжён 100 тыс. датчиками, что в 10 раз превышает количество сенсоров на современном самолёте. Поэтому выстрела и порчи оборудования не произойдёт, если что-то отклонится от нормы.
Искусственный интеллект оказался способен за миллисекунды анализировать показания всех датчиков и успевать принимать решение. Благодаря этому сбои в процессе работы орудия возникали всё реже и реже. За последние 50 залпов в 120-залповой серии, орудие ни разу не отказало. При этом снаряды вылетали из ствола со скоростью 2 км/с, что примерно соответствует 6 Махам. С такой скоростью можно прицельно поражать цели на дальности до 200 км.


«О подобной работе никогда раньше публично не сообщалось, — заявила команда Национальной лаборатории электромагнитной энергии при Военно-морском инженерном университете в статье, опубликованной 10 ноября. — Военные машины медленно переходят от химической энергии к электромагнитной ... [и] непрерывная скорость стрельбы является решающим показателем боевой эффективности систем электромагнитного рельсового запуска».
Рельсотроны не остались без внимания военных инженеров из других стран. Судя по всему, больше всего внимания им уделили в США. Если верить китайским источникам, ещё в начале 2010-х американцы потратили четыре года на отстрел 1000 испытательных снарядов. К 2018 году стояла цель создать систему, способную произвести 1000 выстрелов без обслуживания. Сделать это не удалось, и в 2021 году проект был закрыт.
В Европе проект рельсотрона официально утверждён к разработке в 2020 году. Занимается им Европейское оборонное агентство (EDA) и Французско-немецкий научно-исследовательский институт Сен-Луи (ISL). В проекте участвуют пять европейских стран. Демонстратор должен быть создан к 2028 году. Кодовое имя проекта PILUM. Также разрабатывают рельсотрон японцы. Массогабаритные испытания морского комплекса прошли этим летом и, как Для просмотра ссылки Войди или Зарегистрируйся, успешно.
Интересно отметить, что китайские учёные рассматривают гражданские варианты использования рельсовых технологий. Это могут быть левитирующие поезда в вакуумных трубах (маглевы), которые будут разгоняться до 1000 км/ч, а также электромагнитные ускорители для запуска полезной нагрузки в космос.

Источник: Для просмотра ссылки Войди или Зарегистрируйся
 

Разработан ИИ, который может перехватывать пароли с точностью 95 % по звуку нажатия клавиш​


Британские исследователи обучили искусственный интеллект (ИИ) точно распознавать нажатия клавиш на компьютерной клавиатуре по звуку. Таким образом можно следить за тем, что печатает человек, и даже «подслушать» его пароли. В эксперименте для проверки ИИ в качестве микрофона выступал смартфон, размещённый рядом с ноутбуком, на клавиатуре которого осуществлялся ввод.

 Источник изображения: pexels

Источник изображения: Pexels​
Для обучения нейросети исследователи сопоставили звук каждой клавиши на клавиатуре с соответствующей ей буквой. Далее экспериментаторы преобразовали аудиозаписи в изображения в виде волновых диаграмм и спектрограмм и использовали их для обучения искусственного интеллекта.
Затем набирался пароль на ноутбуке, и алгоритм просили вычислить, какое слово было введено, основываясь на последовательности звуков. ИИ в этом тесте распознал пароль с точностью 95 %. Чтобы сделать подобную атаку с подбором пароля более реалистичной, экспериментаторы проверили, можно ли использовать этот метод для подбора паролей во время видеозвонка через Zoom или Skype. ИИ в этом случае продемонстрировал чуть меньшую, но всё ещё очень высокую точность распознавания: 92 % для Skype и 93 % в случае видеозвонка Zoom.


Исследователи в данном тестировании использовали MacBook Pro с чипом М1 и 16-дюймовым экраном 2021 года. Компанию ему составил iPhone 13 mini, размещённый на расстоянии 17 сантиметров от ноутбука, а также приложения для видеоконференций Zoom и Skype.
В качестве средства защиты исследователи рекомендуют пользователям применять при наборе текста десятипальцевую технику печати. В этом случае точность распознавания звука от отдельных клавиш значительно снижается. Использование верхнего и нижнего регистра букв в паролях, а также специальных символов также может усложнить задачу восстановления паролей с помощью подобного ИИ.
Однако наилучшую защиту в подобном случае обеспечит всё же менеджер паролей, который автоматически подбирает сложные пароли одним щелчком мыши. Менеджеры паролей вводят пароли с помощью комбинации клавиш, либо автоматически в поля для входа в систему. Это означает, что данные не могут быть перехвачены ИИ, применяющим распознавание звуков с клавиатуры.

Источник: Для просмотра ссылки Войди или Зарегистрируйся
 

Первый российский высокоскоростной электропоезд получит цифровую систему управления и автопилот на базе ИИ​

Сроки его появления не уточняются​

Поезд для высокоскоростных железнодорожных магистралей будет оборудован цифровой системой управления на базе искусственного интеллекта.
Данная информация содержится в презентации заместителя генерального директора холдинга «Российские железные дороги» (РЖД) Олега Тони, которая была представлена на заседании в Совете Федерации по развитию транспортного комплекса в субъектах РФ.
Для просмотра ссылки Войди или Зарегистрируйся
«Первый российский высокоскоростной электропоезд будет оборудован цифровой системой управления и автоматического пилотирования на базе ИИ», — говорится в презентации.
В мае этого года сообщалось, что РЖД продолжает строительство отечественного высокоскоростного поезда и планирует получить его в 2027 году.

Источник Для просмотра ссылки Войди или Зарегистрируйся
 

Украсить «самую высокую цифровую ёлку страны»: нейросеть Яндекса YandexART научилась генерировать новогодние игрушки в новом режиме «Шедеврума»​

Игрушка будет радовать её создателя и других пользователей до окончания праздников – до 9 января 2024 года​

Команда Яндекса сообщила о запуске новой функции диффузионной нейросети YandexART к Новому году. YandexART может генерировать изображения ёлочных украшений в нескольких стилях.
Украсить «самую высокую цифровую ёлку страны»: нейросеть Яндекса YandexART научилась генерировать новогодние игрушки в новом режиме «Шедеврума»

В пресс-службе Яндекса рассказали:
Ими можно украсить самую высокую цифровую ёлку страны на главной странице Яндекса. Погрузиться в атмосферу праздника поможет приложение Шедеврум — для создания украшений в нём появился специальный режим «Ёлочная игрушка».
Чтобы украшение попало на главную страницу Яндекса (ya.ru), нужно сгенерировать изображение игрушки в новом режиме «Шедеврума» и выбрать опцию «Отправить на ёлку» перед его публикацией. Игрушка будет радовать её создателя и других пользователей до окончания праздников. Повесить на ёлку можно только одно украшение. Чтобы его заменить, нужно просто сгенерировать новое с опцией «Отправить на ёлку». При этом в «Шедевруме» можно создать любое количество игрушек.
Игрушки создаются в нескольких стилях: они могут быть стеклянными, лоскутными, деревянными и другими.
Для просмотра ссылки Войди или Зарегистрируйся
Каждый пользователь, который принял участие в украшении ёлки на главной странице Яндекса, сможет получить подарок. Чтобы забрать его, нужно нажать на значок со стрелкой на странице ya.ru, а затем – на украшение в виде подарка — оно появится среди игрушек других пользователей. Новогодним сюрпризом может стать скидка на покупку умных устройств компании, специальные условия на подписку Плюс и повышенный кешбэк баллами, скидка Маркета, Лавки, Еды, Деливери, Путешествий и Афиши, дополнительный объём хранилища на Яндекс Диске и не только.
«Ёлочная игрушка» — первый специальный режим генерации «Шедеврума», он уже доступен всем пользователям. В новом году в приложении появится ещё больше подобных функций.

Источник Для просмотра ссылки Войди или Зарегистрируйся
 
Назад
Сверху