Достижения в области искусственного интеллекта у всех на слуху, объемы рынка оцениваются в 1,2 трлн долл. США к концу 2018 года. В пятилетней перспективе большинство специалистов говорит об увеличении рынка чуть ли не на порядок.

Не так давно физики показали первые результаты работы миссии QUESS и запущенного в ее рамках на орбиту спутника Mozi, обеспечив рекордное разделение квантово запутанных фотонов расстоянием более 1200 км. В будущем это может привести к созданию квантовой линии связи между Пекином и Европой.

Пять лет назад программисты из DeepMind, лондонской компании, специализирующейся на ИИ, радостно наблюдали за тем, как ИИ самостоятельно учился играть в классическую аркадную игру. Они использовали модную технологию глубинного обучения (ГО) для, казалось, странной задачи: овладения игрой в Breakout, сделанной в компании Atari, в которой нужно отбивать шарик от кирпичной стены, чтобы кирпичики исчезали.

Создание какой-либо технологии или материала сопряжено с фактом его несовершенства. Так или иначе будут недостатки. Порой значительные, сильно влияющие на работу той или иной системы, а соответственно, требующие большого времени и усилий на доработку. А порой недостатки могут быть такими, с которыми мы можем мириться. Но должны ли? Думаю, что нет. Совершенствовать что-то никогда не поздно. Именно об этом и думают сегодняшние наши герои — ученые, решившие улучшить фотонные кристаллы.

Нижеследующий текст изначально набирался как продолжение вот этого диалога, но размер ответа превысил все мыслимые размеры, а учитывая что существует спрос на тему истоков старения и смерти от оной, я решил оформить его (ответ) отдельной статьёй. Эта статья написана полностью из головы, что называется на одном дыхании (правда в три захода), потому в ней минимальное количество ссылок и картинок – прошу понять и простить, либо написать в комментарии, возможно, я что-то исправлю.

Ежегодный объем рынка платного доступа к научным публикациям оценивается в 25 млрд долларов. Политика современных научных изданий по закрытию доступа к научным публикациям пейволлом давно является причиной споров в обществе.

Ни для кого не секрет, что в области интернета вещей (Internet of Things, IoT), пожалуй, меньше всего порядка в плане обеспечения информационной безопасности (ИБ). Сегодня мы наблюдаем развивающуюся технологию, постоянно меняющийся ландшафт отрасли, прогнозы, порой уводящие в сторону от реальности, десятки организаций, пытающихся объявить себя законодателями в той или иной области, хотя бы «на час».

В 2017 году в СМИ звучала крайне интересная история про стартап, который роботизирует доение коров на промышленных молочных фермах. Компания называется R-SEPT, и тогда она получила 10 миллионов рублей инвестиций.

Тут сейчас будут рассуждения на тему изменений нравственности, вызванных чрезмерно долгой жизнью, настолько долгой, что это уже не лезет ни в какие ворота.

Сегодня мы с вами немного отойдем от рассмотрения исследований на базе нашей любимой физики/химии и переключим свое внимание на исследования человеческого организма. Точнее сказать на исследование мозга. Этот орган настолько сложен, что все предыдущие исследования давали один ответ и 10 новых вопросов, так сказать.

Далеко не всегда, открыв какое-то вещество, ученые сразу же понимают все его свойства. Совершенствование технологий, в том числе и методик, техник и способов проведения исследований открывают новые возможности перед учеными, желающими понять что и как работает вокруг нас. Сегодня мы с вами познакомимся с тем, как исследователи узнали, что графен вполне может обладать свойствами сверхпроводника.

Если по отдельности технологии развивались не так быстро, как хотелось, сейчас мы оказались на перепутье, когда нам приходится исследовать точки соприкосновения технологий. Как происходящее в робототехнике определяется происходящим в области 3D-печати? Чего можно добиться, применяя новейшие достижения в области квантовых вычислений к нанотехнологиям? Среди всех этих линий есть одно особенно любопытное пересечение: искусственный интеллект и геномика.

Как машинное обучение внедряется на промышленных предприятиях, кто в этом достиг наибольших успехов и какие примеры использования уже есть, мы узнали у Романа Чеботарева. Роман — архитектор ML и директор по внедрению в компании «Цифра». Он 11 лет занимается внедрением умных технологий класса Machine Learning и Artificial Intelligence. Последние несколько лет Роман специализируется на ML/AI в промышленности.

В настоящее время большое внимание уделяется созданию доступной среды для людей с инвалидностью и ограниченными возможностями здоровья. Важным средством обеспечения доступности и улучшения качества жизни, социального взаимодействия, интеграции в общество для людей с инвалидностью являются средства вычислительной техники и специализированные информационные системы.

Представляем вам открытый урок по нашему курсу «Machine Learning». На занятии преподаватель и создатель курса Артур Кадурин знакомит с историей развития искусственного интеллекта и нейронных сетей в частности в первой части. А во второй более подробно разбирает устройство Генеративных Состязательных Сетей — процесс разработки и обучения сети в реальном времени.

После обучения ИИ трюкам, которые физики используют для понимания реального мира, получается чрезвычайно мощная машина.

В 2013 году молодой специалист по вычислительной биологии, Янив Эрлих, шокировал исследовательское сообщество, показав, как можно раскрыть личности людей, перечисленных в анонимной генетической базе данных, используя только соединение с интернетом. Регуляторы отреагировали на это, ограничив доступ к наборам анонимных биомедицинских генетических данных.

Фактическая часть, ТТХ — Немного анализа: что скрыто за ТТХ, как подается цель дронов внутри орбитальной станции, и какова их участь на реальной МКС; почему так выходит — А как могло бы быть? Забираясь в фантазии, переходящие в ньювасюковщину.

Невозможно представить научно-фантастический мир будущего без роботов. Будь то андроиды из вселенной Чужих, антропоморфные роботы-машины из Трансформеров, робопес по кличке Аксель или огромный робот-убийца ED-209 фильма «Робокоп», который многим зрителям напоминал цыпленка. Но что общего между ними? Помимо силы, скорости, выносливости и прочих, так сказать, физических особенностей? Интеллект.

Что такое искусственный разум или сильный искусственный интеллект? На каком этапе создания искусственного разума (ИР) находится человечество? Опасен или полезен ИР? Эти и другие вопросы я хочу осветить в данной статье. Вопрос создания искусственного разума заинтересовал меня в 2003 году. Это пришло как-то вдруг: утром я проснулся с мыслью, что должен приняться за эту задачу.

Продолжая проработку темы глубокого обучения, мы как-то раз хотели поговорить с вами о том, почему нейронным сетям повсюду мерещатся овцы. Эта тема рассмотрена в 9-й главе книги Франсуа Шолле. Таким образом мы вышли на замечательные исследования компании «Positive Technologies», а также на отличную работу двоих сотрудников MIT, считающих, что «вредоносное машинное обучение» — не только помеха и проблема, но и замечательный диагностический инструмент.

Все мы мечтали вернуться назад во времени. У всех было что-то, что можно было сделать правильно, ошибка, которую можно было бы предотвратить, жизнь, которую можно было бы спасти, или кошмар, который хотелось бы развидеть. Казалось бы, вернись ты назад во времени, и все в мире сразу встало бы на свои места. Первая любовь была бы успешной. Биткоины были бы куплены вовремя. Мы пока не знаем, как вернуться назад во времени, и все может идти к тому, что это и вовсе невозможно.

Ох уж эти квантовые технологии. Они заполонили умы ученых по всему миру, как Pokemon GO в свое время заполонил умы пользователей смартфонов. Сравнение конечно не самое хорошее, ибо первые принесут пользу, второе — принесло толпы людей в парках, но далеко не ради свежего воздуха или пикника. Сегодня мы будем разбираться в исследовании, нацеленом на создании масштабируемого квантового процессора, умеющего находить и исправлять ошибки.

Первый российский производитель кормового протеина из личинок мух «НордТехСад» создал уникальную технологию, которую готовы перенять ведущие мировые компании. В планах российского новатора не только выпускать кормовую добавку для скота, но и делать из насекомых пищевые добавки и лекарства для людей.

Весной 2016 года система искусственного интеллекта под названием AlphaGo победила чемпиона мира по игре в го в матче в отеле Four Seasons в Сеуле. Мир отреагировал не сразу. Большинство американцев и европейцев не знакомы с го, древней азиатской игрой, которая подразумевает размещение черных и белых камешков на деревянной доске. И технология, которая вышла победителем, была еще более непонятной: форма искусственного интеллекта, работающая на принципах машинного обучения, в ходе которого для тренировки и обучения компьютера распознаванию закономерностей и паттернов ему скармливают большие объемы данных. Он способен принимать собственные стратегические решения.