AI & ML дайджест #2: Предсказание будущего, зоопарк нейронных сетей, deep learning и Вселенная

В выпуске: ИИ-гиганты объединяются в своей работе над искусственным интеллектом, предсказания человеческих действий, state of the art генерации человеческого голоса и видео.

Новости, обсуждения, интервью

Amazon, Facebook, Google DeepMind, IBM и Microsoft объединяютсядля работы над ИИ и его контролем.

Не просто умный, а очень умный фоторедакторот ученых из Berkley и разработчиков Adobe.

Ученые снова объяснили, что deep learning работает. На этот раз — потому что так работает Вселенная.

Intel бросается в борьбуза hardware рынок в машинном обучении, покупая стартап Movidius.

Рисерч отдел Google публикуетсвой датасет для обучения действий роботов.

Еще один обзор трендовв машинном обучении от Algorithmia.

Обзор работыс датасетом SpaceNet — спутниковых снимков с помощью DIGITS.

Платформадля обучения своих автопилотов от NVIDIA.

Обсуждениеалгоритмов по предсказанию человеческих действий, видео внутри.

Приложение «умной клавиатуры» SwiftKey теперь тоже работает на нейронных сетях.

А вот и первый ИИ-психолог — Amelia.

Примеры работы алгоритмов и код

Великолепный иллюстративный материалпо разным видам рекуррентных нейронных сетей.

Небольшая статьяо сегментации изображений в Facebook.

Очень красивые картинкипро зоопарк нейронных сетей.

UberNet — детекция, сегментация, salient object detection и многое другое в одной нейронной сети.

WaveNet — генерация человеческого голоса, уже почти похожего на настоящий от DeepMind.

Новая генеративная модельдля видео (и предсказания будущего по видео). Только не пугайтесь нарисованных нейронной сеткой младенцев.

Распознаваниетемпа музыки (bpm) с помощью сверточных нейронных сетей.

Туториалпо транслитерации с помощью рекуррентных нейронных сетей.

Научные статьи

Обновлениепо нашумевшей статье «Stacked Approximation Regression Machines from First Principles», где авторы заявили, что могут учить сетки на 0.5% данных — не совсем это правда.

A Neural Transducer — исследователи из Google представляют sequence-to-sequence модель, которая может работать с частично полной последовательностью или потоком данных без attention mechanisms.

Снова из Google, AdaNet — нейронная сеть, которая учит не только веса, а и свою структуру.

Распознавание«размытых» (obfuscated) частей изображений с deep learning.

Microsoft представляет свою нейронную архитектуру для распознавания речи — LACE.

Progressive Neural Networks — парни из DeepMind учат не забывать предыдущие знания при fine-tuning.

← Предыдущий выпуск: AI & ML дайджест #1