Olyan mesterséges intelligencia rendszerek tervezése, amelyek képesek pontosan felismerni a világ egyes helyeinek jellemzőit az egyén szintjén (vagyis képesek egyértelműen megkülönböztetni az azonos kategóriába tartozó helyeket, pl. a Niagara-vízesést bármely más vízeséssel) és a képlehívást (a képeken lévő objektumok) az adott objektum más változataival az egyes kategóriákban) az intellektuális kutatási részleg régóta fennálló céljai közé tartozik.A Google mesterséges intelligenciája különösen érdekes. A cég tavaly kiadta a Google-Landmarks nevű, a Föld nevezetességeihez kapcsolódó adatcsomagot, amely a Google állítása szerint a világ akkoriban a legnagyobb volt, és 2 versenyt is szervezett (Landmark Recognition 2018 és Landmark Retriny 2018), amelyen több mint 500 vezető gépi tanulással és mesterséges intelligenciával foglalkozó kutató a világon.
A tavalyi év sikerét követően, tegnap május 5-én, a Google hivatalosan is kiadta a Google-Landmarks-v2 AI képzési adattárházat nyílt forráskóddal, ami fontos lépés az új technológiák sikeres fejlesztése érdekében. gyorsan, pontosan és kifinomultan. Ez a Google-Landmarks-v2 adattárház sokkal nagyobb léptékű, mint az előző verzió, és akár 5 millió fényképet (kétszer annyit, mint az előző verzió) tartalmaz 200 000 tereptárgyról (7-szer annyi, mint az előző verzióban) szerte a világon. A világ körül.
Ezenkívül a Google nem felejtette el idén elindítani két új „kihívást”, a Landmark Recognition 2019-et és a Landmark Retriny 2019-et a Kaggle gépi tanulási közösségben, és ezzel egy időben kiadta a Detect-to-Retrieve forráskódját és modelljét. egy keretrendszer segít a képek régiónkénti visszaállításában hatékonyabban.
„Mind a képfelismerési, mind a visszakeresési módszerek általában nagyobb betanítási adatkészleteket igényelnek mind a képek számát, mind a tereptárgyak sokféleségét illetően a rendszer jobb képzéséhez és erősebbé tételéhez. Reméljük, hogy ez az adatkészlet hozzájárul a modern AI-modellek képfelismerési és visszakeresési képességeinek alaposabb fejlesztéséhez” – mondta a Google AI csapatának két szoftvermérnöke, Bingyi Cao és Tobias.
Ezen túlmenően a két szakértő szerint a Google-Landmarks-v2-ben tárolt több mint 200 000 tereptárgyról 5 millió fotót gyűjtenek össze és adnak hozzá fotósoktól szerte a világon. Minden fotón a helyszín és a szerző konkrét leírása található, például a Neuschwanstein-kastély, a Golden Gate-híd, a Kiyomizu-dera, a Burj Khalifa, a Gízai Szfinx (Gízai Nagy Szfinx), Machu Picchu és sok más híres látnivaló. A Google kutatói ezt követően a Wikimedia Commonsból, a Wikimedia Foundation kép-, hang- és sok más típusú online archívumából gyűjtött történelmi, kevéssé ismert fotókat adták hozzá.
Tehát mi a fő probléma, amelyet a Detect-to-Retrieve keretrendszer megold? Amint azt Bingyi Cao és Tobias Weyand kifejtette, a Google kiadott modelljei (amelyeket az első Google-Landmarks adatkészlet 80 000 képéből álló részhalmazra képeztek ki) kiaknázhatják a határolókeretek előnyeit. A határolókeretek egy objektumészlelési modellből a képterületek súlyának növeléséhez érdekes elemeket tartalmaz, ezáltal jelentősen javítja a pontosságot.
Ezenkívül a Landmark Recognition 2019 (ahol a résztvevő csapatok feladata a tereptárgyak azonosítását segítő mesterséges intelligencia modellek megtervezése) és a Landmark Retriny 2019 (a résztvevő csapatok mesterséges intelligencia rendszereket használnak a képek keresésére, hogy pontosan megjelenítsék a kijelölt helyet) mától fogadják a regisztrációkat. Mindkét verseny összesen 50 000 dollár pénzdíjjal jár, a győztes csapatokat pedig a Google meghívja a számítógépes látásról és mintafelismerésről szóló konferenciára (Conference on Computer Vision and Pattern Recognition). az általuk alkalmazott megközelítés részleteit.
A vadászok gyakran éjszaka vadásznak, ezért észlelésükre drónokra szerelt infravörös kamerákat használnak. A probléma az, hogy mivel az orvvadász és az állat is hőt bocsát ki, nehéz lehet pontosan azonosítani őket.
Képzelje el, hogy alvás közben is válaszol az ügyfelek kérdéseire. Íme, mit tehetnek az ingyenes mesterséges intelligencia chatbotok az Ön webhelyén.
Japán elöregedő és csökkenő népessége miatt az országból jelentős számú fiatal munkaerő hiányzik, különösen a szolgáltatási szektorban.
A Character.AI, a Generatív mesterséges intelligencia és a chatbot technológiára összpontosító startup állítólag tárgyalásokat folytat olyan finanszírozás megszerzéséről, amely több mint 5 milliárd dollár értékben érheti el a céget.
A VIII. Henrik az angol irodalom történetének egyik legklasszikusabb darabja, amelyet két híres szerző, William Shakespeare és John Fletcher írt 1623-ban.
Egy YouTuber és egy brazíliai mérnök, Lucas Rizzotto a közelmúltban megosztotta a Twitteren azt a történetet, hogy megvalósította képzeletbeli barátját – egy mikrohullámú sütőt a házban, aki mesterséges intelligenciát használ, de élete "egyik legfélelmetesebb élményét" kapta.
A kutatók felfedezték, hogy a webkamerák és az okostelefonok kamerái kombinálhatók speciális mesterséges intelligencia-algoritmusokkal, hogy rendkívül hatékony távoli személyes egészségfigyelő rendszerként működjenek.
Úgy tűnik, hogy a modern élet egyre negatívabb hatással van az emberi kapcsolatokra.
Az élgráfokon alapuló összetett neurális hálózati architektúra segítségével a Google Brain mesterséges intelligencia modellje az emberi időnek csupán töredéke alatt képes alaprajzokat megtervezni.
A Python számos nagy könyvtárral és keretrendszerrel rendelkezik, amelyek kényelmesek a kódíráshoz és a számítástechnika fejlesztéséhez. A Docs.NeoTechSystems felkéri Önt, hogy beszéljen néhány hasznos Python-eszközről mind a gépi tanulási, mind az adattudományi alkalmazásokhoz.
