#машинное обучение

Что общего между выращиванием марихуаны и лечением рака?

В новом эпизоде подкаста мы разбираемся, как IT используют в сельском хозяйстве. Овощи и фрукты выращивают по всему миру, но это производство до сих пор слабо автоматизировано и требует много ручного труда. Основательница стартапа Fermata Валерия Коган придумала, как контролировать растения в теплицах за счет машинного обучения. Мы поговорили с Лерой о том, как искусственный интеллект меняет выращивание овощей, почему с марихуаной легче работать, чем с помидорами, как собрать датасет больных растений и как Лера использует одну и ту же технологию в сельском хозяйстве и в онкологии.

Слушайте и подписывайтесь: Apple, Google, Castbox, Яндекс, Spotify, Overcast и веб-версия.

И задавайте пожалуйста вопросы для новогоднего эпизода! Присылайте их @zapuskzavtrabot.

NB. После прослушивания прошлого эпизода, основатель сервиса jitbit Саша Юмашев написал классный пост о том, что есть системы приема платежей, которые берут всего 5% комиссии и не требуют больших единовременных инвестиций. Рекомендую его канал.

Ютуб отключает комментарии, таргетированную рекламу, возможность добавлять в плейлисты, «колокольчик» (!) и вообще почти все функции в детских видео.

Что есть «детское видео»? Кратко говоря, это контент, направленный на детей младше 13 лет. Официальная формулировка близка к «I know it when I see it», не отвертишься, ищите по слову «directed» в решении FCC (Federal communications commission, американский аналог Роскомнадзора), принимаются во внимание «детские персонажи, дети-знаменитости (sic) и тд».

Владельцы каналов сами должны отмечать свои видео как детские в админке, при этом ютуб будет делать автоматическую разметку методами машинного обучения. Жду, кто первым атакует популярные майнкрафт каналы жалобами на то, что их видео - детские. Речь идёт о миллионах долларов рекламных доходов и целой фанатской экосистеме в комментах.

А началось все с закона о защите приватности детей в интернете (COPPA). В сентябре Гугл оштрафовали на 170 миллионов долларов (копейки), и вот они вносят изменения. Рекомендую прочитать текст подзаконного акта FCC, по нему видно, что вариантов выхода у ютуба было не много. «Запрещено давать возможность детям до 13 оставлять любую приватную информацию онлайн без явного разрешения родителей и без инструментов модерации для родителей». Полная жесть.

Новый эпизод подкаста — про машинное обучение.

В гостях: Самер Фатайри — главный по ML в adjust.com, одной из главных компаний по атрибуции мобильного трафика и Петя Ромов, который в своем стартапе GOSU.ai помогает геймерам лучше играть в доту (не шутка).

Запись летняя, так что я очень много смеюсь в микрофон, зато гости классные, рассказывают интересные вещи и звукорежиссер в этот раз сделал крутую интерактивную врезку и ending.

Подписывайтесь в приложениях, там все выпуски выходят в четверг утром, как часы: Apple, Google, Castbox, Spotify, Яндекс.

Ссылки из подкаста (даже те, что не вошли в финальную версию):
- курс по машинному обучению для школьников, где анализируют ДОТУ!
- русское slack сообщество по машинному обучению open data science — лучшее в мире
- мощная школа анализа данных Яндекса, если хотите заняться ML всерьез
- у нашего партнера, онлайн-школы Яндекс.Практикум тоже есть курс по ML
- голуби учатся распознавать рак.

Синтез речи и мимики лица по тексту, машинный перевод, чемпионство в шахматах и го, идентификация рака по рентгену точнее чем у опытных врачей — объем применений методов машинного обучения может создать иллюзию, что машины становятся умнее. Это не так. Можно натренировать стаю голубей отличать рак по рентгену в 99% случаев. Они не становятся от этого умнее.

Животные догадываются до очень хитрых схем добычи еды. Обезьяны строят башни из коробок чтобы достать банан, вороны наполняют узкую банку с водой камнями, чтобы еда всплыла вместе с повышением уровня воды. Что уж говорить о детях, добирающихся до верхних полок шкафов за конфетами.

Машины пока так не умеют. Задача «добраться до еды в реальном мире» слишком общая. В шахматах и даже в старкрафте речь идет о герметичной системе с довольно четкими правилами. Число возможных ходов ограничено. Вспомните пару анекдотов о смекалке. Они смешны, потому что решения часто парадоксальны и хотя понятны после озвучивания, догадаться до них «поступательным развитием» невозможно.

Так вот, ученые организовали небольшой конкурс на лучший алгоритм для выживания в реальном мире. Видео-анонс классный.

Спасибо Самеру Фатайри за наводку.

Похвастаюсь: записали сегодня подкаст про машинное обучение с Петей Ромовым, техдиром gosu.ai (стартап, анализируют доту), и Самером Фатайри, главным по дата-сайнсу в adjust (крупная компания про mobile attribution).

Вот вам история, которую Петя вспомнил уже после записи, в кафе: в школе анализа данных Яндекса, у него был студент-физик, Стас, который круто решал учебные задачи, но когда его просили объяснить решение, он начинал рассказывать про физический матаппарата и физическую интуицию, из которой он черпал свои идеи. То есть задачу на определение нелегального поведения в соцсети он мог решить через прием, взятый из матаппарата анализа молекул газа, например. 🤯 Вот пример аналогичного разбора на ютубе (задача уже из «взрослого соревнования»).

В последствии, Станислав Семенов стал top-1 игроком на Kaggle — самой популярной соревновательной платформе для дата-сайнтистов (читай олимпийским чемпионом в машинном обучении). 💫

Чтобы у вас не было сомнений, насколько хорошо компьютеры умеют распознавать людей на фотографиях: создателя самого крупного нелегального онлайн-казино России нашли по трем размытым фоткам киевской полиции.

Систему машинного обучения (ML), которая проанализировала все публичные фотографии в ВК, сделала не супер-корпорация и не ЦРУ, а какие-то анонимусы.

Теперь представьте, что аналогичную систему подключат к видео-записям, которые делают ФСБшники на митингах (уверен, что они разрабатывают её прямо сейчас). Сходил три раза на несанкционированный митинг — получи повесточку.

P.S. ВК обещает подать на анонимов в суд. Лучше бы перестали отдавать фотки анонимным пользователям (как фб). Тогда все свежие (старые уже скачаны скопом по 10 раз) фотки России будут не у всех желающих, а только у вас и у ФСБ 👌

Утреннее письмо от Apple — рекламируют сервис машинного обучения от IBM для разработчиков.

У Apple есть хорошая библиотека (фреймворк) машинного обучения — CoreML. IBM Watson вписывается в общую картину как звено обучения модели. Дальше её можно загрузить в телефон для оффлайн-использования.

Аналогичные публичные сервисы есть у прямых конкурентов — Amazon, Microsoft и Google, но их Apple не особо рекламирует ;)

Вообще, что Apple безусловно делает лучше всех на рынке — так это рассказывает истории. Хоть покупателям, хоть разработчикам, и на сайтах, и в pdf-ках, и в видео.

Хорошая статья про «искусственный интеллект» и этические проблемы, которые он несет.

Автор (кстати, он технический руководителем группы сервисов в гугле) на пальцах объясняет, как работает пресловутый искусственный интеллект — машинное обучение, в чем его сильные и слабые стороны. Дальше он рассказывает о нескольких вопросах, которые ярко подчеркивают этические проблемы ML.

- Проблема вагонетки: должен ли автопилот пожертвовать пассажиром или пешеходом?
- проблема распознавания фотографий людей с черной кожей: системы классифицировали их как орангутангов;
- проблема дискриминации в судебной системе, когда алгоритм автоматически отказывает в досрочном освобождении всем чернокожим.

Все эти вопросы — не новые. Просто раньше мы на них не отвечали. С компьютерами так не получается. Если мы хотим, чтобы машина делала работу за нас, нужно ясно ей сказать, чего мы от неё ждем.

«Честность с собой», на которую толкают нас машины — возможно, самое главное достижение технологий, заключает автор. Ух, спорное утверждение.

В начале статьи приложена ссылка на mp3-версию и её очень удобно слушать в дороге. Качество человеческого диктора пока ещё существенно лучше, чем iOS-ный «Экран вслух» (Speak Screen).

Кстати, если вы не пользуетесь этой функцией — очень рекомендую попробовать. Она включается один раз в настройках универсального доступа (Accessibility), дальше свайп двумя пальцами на любом экране зачитывает текст машинным голосом.

Провели поверхностный анализ и поняли, что речь не о тупом алгоритме, в котором «читал Медузу — лови ещё пачку статьей Медузы». Во всяком случае (по данным GA), процент «новых пользователей» пришедших из suggestions равен среднему проценту «новых пользователей» на сайте.

Скорее всего, алгоритм следующий: определяем интерес человека (в случае аккаунта из скриншотов это общественно-политические новости) и выдаем ему новости по этой теме. Как у людей появляется Медуза — мне пока не ясно.

Нейросети. Магия.

Если вы видите у себя в источниках трафика домен googleapis.com — не удивляйтесь. Посмотрите на страницу перехода — скорее всего там будет /auth/chrome-content-suggestions.

Это переходы на ваш сайт с «article suggestions» на «новой вкладке» в мобильном Google Chrome.

Пруфы: 1→2.