Как ИИ судит в футболе и за что судят ИИ

fgfg Picture

В этом выпуске дайджеста #ВобъективеИИ мы расскажем, как исследователи из MIT решили еще одну проблему обучения моделей компьютерного зрения на синтетических данных, почему у генеративного ИИ есть все шансы столкнуться с наплывом исков о защите авторских прав и каким способом американские ученые собираются помогать пациентам с поиском донорских органов. Напоследок поговорим об ИИ-технологиях для честного судейства в футболе. 

AI-focused digest – новости ИИ-сферы

Выпуск №6, 10-24 ноября 2022

Ждать ли генеративному ИИ наплыва исков об авторских правах?

Недавно поступивший в федеральный суд Калифорнии групповой иск в отношении GitHub Copilot поднял очередную волну дискуссий о защите авторских прав при использовании генеративного искусственного интеллекта. Copilot – это инструмент для программистов, который автоматически заполняет фрагменты кода. Претензии истцов к нему связаны с тем, что встроенный в него ИИ обучен на базе открытых репозиториев GitHub, там хранятся коды миллионов программных проектов. По этой причине время от времени Copilot воспроизводит при автозаполнении части кода, взятые из этих репозиториев, без указания авторства, что противоречит лицензии. А это не что иное, как нарушение авторских прав. К слову, вопросы к генеративному ИИ, использующему ранее созданные работы для формирования нового контента, есть не только у программистов, но и у художников и музыкантов. Отсюда такое внимание к иску к GitHub. Предсказать, чем закончится это судебное разбирательство, весьма проблемно, так как сама технология, к которой есть претензии, достаточно новая и не подвергалась серьезной юридической проверке, пишет Wired. Будем следить за исходом дела. 

В MIT придумали, как тренировать CV-модели с помощью генераторов изображений

В Массачусетском технологическом институте нашли способ значительно снизить использование реальных визуальных данных (фотографии существующих людей, реальные рентгеновские снимки, изображения произведений искусства и прочее)  для обучения моделей компьютерного зрения. Ученые решили  тренировать ИИ для распознавания изображений на синтетически сгенерированных обучающих данных — это позволит избежать таких проблем, как нарушение авторских прав и неприкосновенности частной жизни. Однако вместо того, чтобы создавать такие изображения с помощью индивидуально созданных под конкретный проект программ, что требует немало экспертных знаний, они подключили к задаче 21 тысячу уже готовых автоматических генераторов визуалов из интернета. Эти программы создают разнообразные картинки, отображающие простые цвета и текстуры. Модели, обученные с помощью этого большого набора программ, классифицировали изображения более точно, чем другие синтетически обученные модели, хотя и уступали в качестве тем, что учились на реальных данных. Вывод — без обучения на реальных данных не обойтись, пока, но применение большого количества программ для генерации искусственных данных — вполне себе заслуживающий внимания метод для пре-обучения. Подробнее об опыте можно почитать в этой статье

Ученые из MIT разработали более эффективную модульную робототехническую систему

Снова новость из Массачусетса, на этот раз из области робототехники. Исследователи Центра битов и атомов MIT представили новую дискретную модульную робототехническую систему. Она еще на шаг приблизит человечество к созданию роботов, способных строить практически все — от зданий и машин до других роботов — в любых размерах. Система состоит из множества крошечных элементов, называемых вокселями, и может трансформироваться в большое количество роботов или наоборот — в одного большого робота — и решать задачи быстрее, чем ее более ранняя версия. Проблема в предыдущих опытах ученых была в том, что когда собираемый с помощью такой модульной системы объект увеличивался в размерах, терялась эффективность — требовалось все больше времени, чтобы доставлять необходимые детали из одной точки строящейся структуры в другую. Чтобы эту трудность преодолеть, систему оснастили алгоритмами, которые помогают ботам решать, какой шаг им следует предпринять дальше. Например, они могут создать более крупную версию себя, способную быстрее преодолеть расстояния и справиться с задачей, или сформировать множество самых маленьких роботов и ударными темпами наштамповать нужное количество мелких деталей. Такая вот система поддержки принятия решений, только для робота. Почитать о разработке можно в журнале Nature и на сайте MIT

ИИ поможет быстрее находить донорские органы для пациентов

Специалисты в области трансплантации органов и дата-сайентисты США разрабатывают рекомендательное решение на основе искусственного интеллекта, чтобы помочь медицинским учреждениям быстрее находить донорские почки для своих пациентов. Ученые нацелены решить актуальную для американской системы здравоохранения проблему, когда многие подходящие для трансплантации органы умерших доноров просто не используются. Например, бывают ситуации, когда при схожих условиях — идентичные реципиенты и идентичные доноры — принимаются разные решения о трансплантации: в один день орган будет использован, а в другой — нет. Проектируемая же ИИ-система увидит схожесть случаев, укажет на это и даст врачам ориентир для принятия правильного решения. Ожидается, что использование ИИ значительно сократит нехватку донорских органов. Для реализации проекта ученые получили грант Национального научного фонда США. Подробности вы найдете в статье HealthITAnalytics

ИИ рулит на Чемпионате мира по футболу в Катаре

Чемпионат мира по футболу, проходящий в эти дни в Катаре, запомнится не только победой команды Саудовской Аравии у сборной Аргентины, но и беспрецедентным использованием ИИ-технологий. Как пишет The Washington Post, датчики и алгоритмы участвуют в контроле всего — от футбольного мяча до температуры на стадионе. Например, все мячи чемпионата оснащены датчиками движения. Игрокам они мешать не будут, так как установлены внутри. Во время игры точные координаты мяча поступают в информационный центр с частотой 500 раз в секунду. Туда же стекаются данные с видеокамер под крышей стадиона, с их помощью отслеживают расположение конечностей каждого игрока по 29 точкам каждое мгновение матча. Искусственный интеллект всю эту информацию обрабатывает и помогает арбитрам лучше следить за соблюдением правил (чтобы случайно не назначить незаслуженный штрафной и не получить гору проклятий от болельщиков). Безопасность же на стадионах обеспечивается с помощью 15 тысяч видеокамер и системы на основе компьютерного зрения с возможностью распознавания лиц и определения ситуаций, способных привести к давке. Еще больше о технологиях ЧМ 2022 рассказано здесь

Новости
Главное за последнее время
Смотреть все
Новости команды
MTS AI подписала декларацию об ответственной разработке генеративного ИИ
События
Разработка ботов: экспертиза, инструменты и кейсы MTS AI
ВобъективеИИ
Новые «Клоды», поющие портреты и аватар нейрохирурга
Партнерство
MTS AI запустила видеонаблюдение для «Гольфстрима»
ВобъективеИИ
Жажда скорости и ИИ против подделок
MTS AI в медиа
MTS AI создала LLM для корпоративного сектора
Новости команды
MTS AI провела специальную оценку условий труда
Новости команды
Сотрудник MTS AI вошел в Научный совет Альянса в сфере ИИ
События
ВЕБИНАР: LLM для бизнес: возможности, ограничения и реальные кейсы
ВобъективеИИ
Защита от биоугроз и LLM под знаком дракона