Любопытное направление применения алгоритмов машинного обучения — это не замена действий человека, а ассистирование ему.

Различные SDK для разработчиков постепенно будут получать алгоритмы которые анализируя написанный код буду рекомендовать места его оптимизации, приложения для фотосъемки будут сами улучшать снятый кадр (Привет последним iPhone и Pixel), дизайнерам так можно предложить рекомендации по юзабилити, в общем, полно индустрий которые нуждаются в таком «Большом Брате» и вектор их развития, в целом, ожидаем.

Ребята из проекта popgun.ai делают такую же систему, но для музицирования — их алгоритм ALICE должен помочь людям импровизировать и обеспечить совместное музицирование:
https://youtu.be/4gcWxUr9PlE

Давно не было ничего прикольного про генеративные нейросети (GAN). Исправляюсь! Вот видео, в котором GAN генерирует портреты несуществующих людей.

Другие интересные посты про GAN:

Что это вообще такое и как GAN рисуют картины, неотличимые от человеческих
GAN рисуют несуществующих котиков
GAN рисует портреты несуществующих людей XIX века
GAN создают джаз

С анимированными эмодзи в iPhone X устроили караоке. И это, скорее всего, лучшее применение для них.

«Get Lucky» в исполнении робота, а «What Does The Fox Say?» — в исполнении лисы. Предупреждаем: оторваться трудно.

https://tjournal.ru/61672-karaoke-s-animodzi-to-radi-chego-stoit-podumat-o-pokupke-iphone-x

Никогда бы не подумал, что любимой частью путешествия может стать сам процесс езды куда-нибудь (а я как раз сейчас в небольшом путешествии и в самой неудобной маршрутке на свете), так вот, все это не просто так, а благодаря фантастическому подкасту от NPR — TED Radio Hour на который я совершенно случайно наткнулся, каждый выпуск которого идет по часу и каждый выпуск — это выжимка лучшего из TED Talks на определенную тему.

Я очень люблю TED, но к сожалению не все выступления оттуда доступны в формате подкаста без видео, а еще сложно выбрать самое интересное, учитывая количество записей. NPR — хорошая переупаковка в формате «вставил в уши и исчез на час», в общем я очень рекомендую.

Веб-версия:
http://www.npr.org/programs/ted-radio-hour/

Apple podcast:
http://apple.co/2AbyiXo

P.S. Все на английском.

P.P.S. TED — Technology, Entertainment, Design — платформа-конференция, где люди делятся своими идеями и мыслями на сцене, если вы не слышали о TED, очень рекомендую изучить 💖

Оказывается Android отмечает сегодня 10 лет (если считать от публичной беты), 10 лет, офигеть, как быстро пролетело время — по ссылке ниже официальная демонстрация первой версии Android на официальном канале для разработчиков:
https://youtu.be/1FJHYqE0RDg

А вот другое интересно видео, которое сравнивает iOS 1.0 и Android 1.0 по функциям:
https://youtu.be/0gxa2rq-kL8

Я пропустил, но тут новый робот у бостон-динамикс от вчера, не могу не запостить 💖

https://youtu.be/kgaO45SyaO4

Помните, мы смеялись над тем, как неуклюже двигаются роботы Boston Dynamics? Шутки кончились: теперь робот Atlas умеет делать заднее сальто. Многие из вас могут похвастаться такими умением? Я - нет.

https://youtu.be/fRj34o4hN4I

Нет ничего лучше для воскресенья чем "позалипать" — наткнулся на веб-игрушку http://justtypestuff.com/ и пропал минут на 20 (с телефона так себе запускается).

Работает она просто — вы вводите текст на английском и нажимаете enter ⮐, если сайт знает этот объект, то он помещает его в "сцену".

В видео ниже примерно понятно как это работает 💖

https://vimeo.com/243509208

Я вам не признавался, но я большой почитатель современного искусства с участием технологий и прежде чем вы отпишетесь от этого канала за такое заявление, я хотел бы сказать в свое оправдание, что я все понимаю и именно поэтому не спамлю канал каждый раз когда зависаю над чем-то «клевым», с роботами, технологиями и без особого смысла.

Но куда-то же мне это носить нужно?
Так что я набросал каких-то перфомансов за октябрь-ноябрь, возможно какие-то из них вам тоже понравятся:
💌 http://telegra.ph/Sovremennoe-iskusstvo-i-tehnologii--oktyabr-noyabr-2017-11-19

Давно хожу с мыслью, что компания вроде Яндекса, у которой в Метрике есть гигабайты данных о кликах пользователей; о том, как люди воспринимают контент; о том, как пользователи буквально водят мышкой по экрану, просто обязана разработать алгоритм для веб-дизайнеров и облегчения их нелегкого труда.

Представьте, что у вас есть аналитика миллиона сайтов — вы знаете, где какая категория сайта (магазин, СМИ, сервис и т.п.), какие сценарии эти сайты покрывают, какие пути проделывают пользователи для достижения результата, с какими сложностями пользователь сталкивается. Всех этих данных должно хватить для того, чтобы алгоритм смог подсказать, как лучше расположить кнопки, сверстать текст и какие цвета подходят в это время года. В общем найти «философский камень» среди UX/UI.

На producthunt я встречал разные громкие заявления от проектов, которые пытаются разработать подобный сервис (https://thegrid.io/, https://firedrop.ai/), но я в них не очень верю, так как в алгоритмах машинного обучения (в нынешнем виде) очень важны данные (датасет) и получить эти данные не просто — никто ими не делится, я об этом уже как-то писал (https://t.me/denissexy/517).

И вот в MIT нашелся такой датасет и пару месяцев назад исследователи опубликовали демку, где вы можете загрузить изображение, а алгоритм попробует угадать, как будет распределяться внимание пользователей. На выходе вы получаете тепловую карту внимания, выглядит довольно интересно.

Попробуйте сами:
http://visimportance.csail.mit.edu/#Demo

Ну, а ниже пара примеров от меня.

P.S. Исходный код доступен по ссылке — https://github.com/cvzoya/visimportance

За последние два месяца мне написало уже два человека с предложением поддержать канал финансово и я подумал, что этого достаточно, чтобы завести страницу для донатов:
http://telegra.ph/Podderzhat-kanal-11-22

Если вы вдруг захотите отправить автору этого канала денег, то у вас теперь есть способ.

И спасибо вам за то, что читаете канал 🦄

Просто коптеры с руками, ничего необычного: https://www.prodrone.jp/en/concept/pd6b-aw-arm/

Помните Google презентовал свой проект AutoML?
Это где нейронные сети пытаются обучить нейронную сеть наиболее удачно, так вот, с помощью AutoML подготовили два слоя для нейронной сети и объединили их во фреймворк распознания объектов NASNet.

Небольшое и впечатляющее видео о прогулке NASNet по Time Square:
https://www.youtube.com/watch?v=ERglPgx8wFg

P.S. Детали проекта доступны по ссылке:
https://research.googleblog.com/2017/11/automl-for-large-scale-image.html

P.P.S. Дорогие роботы и алгоритмы, если вы читаете это, я всегда был на вашей стороне 💖

Я как-то давно писал о алгоритмах которые позволят спасти жизни если научатся действительно хорошо работать, речь идет об автоматическом определении суицидальных наклонностей — фейсбук на днях запустил такой алгоритм с помощью машинного обучения:
https://techcrunch.com/2017/11/27/facebook-ai-suicide-prevention/

Алгоритм сканирует посты и комментарии пользователя на предмет наличия там «модели суицидальных мыслей», после чего, в случае обнаружения, предлагает помощь — с пользователем могут связаться модераторы фейсбука или запрос могут передать местным властям (Алгоритм работает во всем мире за исключением Евросоюза из-за местного законодательства), или у друзей человека, который нуждается в помощи, появится окно с просьбой помочь: связаться с пользователем, его близкими или позвонить в службу доверия.

Очень важно мне кажется, когда алгоритмы приносят пользу обществу и пытаются помочь людям в любых ситуациях, но и важно, чтобы это все работало правильно и как требует наука в таких случаях.