Info: Самое интересное

Ученые из Российского квантового центра и Математического института имени В.А. Стеклова РАН совместно с коллегами из Сингапура разработали новый метод коррекции ошибок для систем квантовой криптографии, который позволяет повысить скорость генерации шифровальных ключей, а значит, и скорость передачи секретных данных. Авторы исследования, опубликованного в Physical Review Applied, уже проверили новый метод в московской квантовой сети и убедились, что он успешно работает.

Международный коллектив исследователей рассчитал риски взлома технологии блокчейна квантовым компьютером. По их оценкам, вычислительные машины на квантовых принципах станут угрозой для лежащей в основе криптовалют технологии через десять лет. Препринт статьи опубликован на сайте arXiv.org.

Представьте: вы просыпаетесь на работу, завтракаете с супругой, затем прощаетесь. Это ваш обычный рабочий день. Есть в нем, однако, кое-что необычное: ваша возлюбленная мертва уже много лет. Вы завтракали не с супругой, а скорее с ее симуляцией. Ну и что? Эта симуляция живет в виртуальной среде, доступ к которой можно получить при помощи устройства по типу Oculus Rift. Цифровое похоронное агентство захватило и проанализировало кучу данных о вашей жене или муже, чтобы создать цифровое подобие. Его (или ее) голос, походка, особенности и манеры, переливы смеха — все в точности, практически идеально, соответствует оригинальным. Проводить время с вашим цифровым перерожденным супругом стало частью вашей повседневной рутины.

Для того чтобы эффективно добывать криптовалюту, требуется много GPU или специализированных устройств ASIC, которые будут неустанно работать, потребляя электроэнергию и выделяя очень много тепла. Именно это свойство такого оборудования может пригодиться в холодных краях с суровым климатом, — считает предприниматель Дмитрий Толмачов из Сибири, который занимается строительством домов и в качестве обогрева предлагает ставить майнеры, подключенные к системе отопления.

Сегодня многие мировые технологические компании участвуют в уникальной гонке: стремятся в буквальном смысле вдохнуть жизнь в искусственный интеллект (ИИ). Системы машинного обучения для многих уже стали неотъемлемой частью бизнеса, поэтому неудивительно, если новости об ИИ и нейронных сетях попадаются вам на глаза чуть ли не ежедневно. Обычно заголовки таких новостей звучат так: «ИИ победил человека в видеоигре» или «ИИ имитирует человеческую речь», а иногда и «ИИ эффективнее человека определяет развитие рака». Действительно ли мы существенно приблизились к тому моменту, когда интеллект машин можно будет сравнить с человеческим, или к моменту, когда человек и машина смогут вести светские беседы и работать вместе так же естественно, как это делают между собой люди? Далеко ли машины от обретения самосознания?

Новый сайт Let’s Enhance на базе нейросетей повышает разрешение и воссоздает детали загружаемого изображения. Особенно хорошо программа справляется с городскими пейзажами и фотографиями животных. Обзор опубликовал портал PetaPixel.

Искусственный интеллект (слабая его форма) постепенно становится все более умелым. Компьютер с успехом решает даже те задачи, которые всего несколько лет назад считались доступными для понимания лишь человеку. Один из примеров — игра го, где стать чемпионом может лишь тот, у кого хорошо развита интуиция и логическое мышление. Го для машины считалась недостижимым «потолком». Сейчас же мы видим, что на Земле уже нет людей, способных выиграть у машины.

Время от времени нам предлагают отложить реакцию на проблемы, связанные с искусственным интеллектом общего назначения (ИИОН), поскольку, как считается, мы ещё слишком далеко от его появления, и сейчас просто невозможно сделать с этим что-либо продуктивное.

Эта статья представляет собой адаптацию разделов 2 и 3 из главы 9 моей книги. Статья рассчитана на людей, у которых уже есть значительный опыт работы с глубинным обучением (например, тех, кто уже прочитал главы 1–8 этой книги [«Глубинное обучение с Python» (Manning Publications), прим. NNN]). Предполагается наличие большого количества знаний.

Давно известно, что небольшие целенаправленные изменения в картинке «ломают» систему машинного обучения, так что она классифицирует совершенно другое изображение. Такие «троянские» картинки называются «состязательными примерами» (adversarial examples) и представляют собой одно из известных ограничений глубинного обучения.

Российские физики разработали новый способ устранения ошибок, возникающих при передачи информации по квантовым каналам связи. Этот способ требует на 30 процентов меньше циклов проверок, чем при стандартном «слепом» методе, и раскрывает меньше подробностей о передаваемых ключах. Статья опубликована в Physical Review Applied.

Компания NVIDIA объявила о расширении сферы деятельности Института глубокого обучения (Deep Learning Institute — DLI), в которым тысячи студентов, разработчиков и ученых получают необходимые знания и навыки в области искусственного интеллекта.