June 6th, 2020

собака

ИИ Amazon помогает примерить одежду до покупки



ИИ Amazon помогает подобрать и примерить одежду до покупки. За это отвечают три модели, они делают это на 58% эффективнее, чем аналоги.

Исследователи из Amazon представили алгоритмы искусственного интеллекта (ИИ), которые помогают пользователям покупать одежду. Один из них позволяет точно настраивать поисковые запросы, другой –– предлагает товары, которые могут подойти к тому, что уже выбрал клиент. Третий анализирует фотографии пользователя, а потом показывает как на нем будет выглядеть одежда, которую он планирует купить.

Инженеры объяснили, что для коммуникации с ИИ Amazon можно использовать отзывы в виде текста, причем разного уровня детализации. Например, клиент может отметить, что «нужно что-то более формальное» или что ему нужна одежда «с другим горлом». ИИ сохранит особенности изображения, но изменит лишь часть его параметров.

Система работает на трех вводных: исходное изображение, текстовая реакция и целевое изображение, соответствующее отзыву. Данные последовательно проходят через три подмодели, в разных точках процесса исходное изображение редактируется согласно отзыву пользователя. В Amazon отмечают, что нижние уровни модели отвечают за входящие характеристики более низкого уровня (например, текстура и цветов) и более высокого уровня (длина рукава или плотность посадки); иерархическое согласование помогает обучить систему работать с текстовыми модификациями.

Каждая подборка выполняется отдельной двухкомпонентной моделью. Исследователи отмечают, что ИИ помог лучше подбирать одежду на основе отзывов на 58% эффективнее.

promo antony_w august 17, 2014 11:48 18
Buy for 10 tokens
Есть блог, в котором написано много постов про роботов: ссылка И там есть несколько статей о замене рабочих мест человека роботами: Уже к 2018 году роботы отберут у человека часть профессий Рабский труд без зарплаты Армия роботов: зачем она нужна обильной людьми Поднебесной и кому может…
собака

Новая технология позволила рассмотреть самых странных существ океана



Новая технология позволила рассмотреть самых странных существ океана. Теперь они могут получить их изображения в мельчайших деталях.

Новый тип лазера позволил изучить морских животных, которых нельзя было детально разглядеть раньше. Мягкие тела глубоководных существ сделаны из мукоидных и желатиновых масс. В их организме можно обнаружить сплетения из полупрозрачных частей и липких структур, в том числе нити, блоки слизи и мелкоячеистые фильтры для сбора пищи. С помощью этого метода исследователи в Австралии засняли сифонофора, длина которого составляла в 45 метров. Это самое длинное существо, которое им удалось обнаружить.

Технология испускает серию лучей, которые сканируют животных, собирает рассеянные назад лучи из внутренних тканей и подает информацию в компьютер. Этот инструмент визуально реконструирует живые организмы в мельчайших деталях. Оно обнаруживает внутренние особенности с такой же точностью, как компьютерная томография сканирует человеческие тела.

Используя новую технику, исследователи впервые смогли нанести на карту структуру внутреннего устройства животного, определив точную форму и назначение его частей. Компьютерная мощность позволила членам команды превратить визуализацию в фильм, который поможет им тщательно исследовать его функции.

Ученые отметили, что до этого ни один исследователь не имел возможности исследовать такие сложные структуры в глубоководных существах. Такие визуализации «могут пролить свет на некоторые из самых сложных форм природы».

собака

ИИ Uber предсказывает движение пешеходов и велосипедистов



ИИ Uber предсказывает движение пешеходов и велосипедистов. Он поможет снизить количество ДТП на 8-13%.

Исследователи Uber представили MultiNet –– систему, которая обнаруживает и предсказывает движение препятствий на основе данных лидара автомобиля. В отличие от существующих моделей, MultiNet предопределяет поведение и движение автомобилей, пешеходов и велосипедистов, используя модель, которая постоянно генерирует их потенциальную траекторию.

Предвидеть будущее движение препятствий –– непростая задача, но это ключ к предотвращению ДТП на дороге, отмечают исследователи. В автономном транспорте система восприятия должна охватывать сразу несколько траекторий, по которым могут двигаться другие объекты. Например, встречное транспортное средство, приближающееся к перекрестку, может продолжить движение прямо или повернуть перед автономной машиной; для обеспечения безопасности система должна просчитывать эти возможности и корректировать свое поведение.

MultiNet работает на основе входящих данные лидара и карт улиц с высоким разрешением. При этом она постоянно изучает траектории движений препятствий и неопределенность их траектории. Она несколько раз в секунду уточняет их, сбрасывая прогнозы траекторий первого этапа и фиксируя центр объектов, чтобы сделать окончательные прогнозы будущей траектории и неопределенностей.

Для тестирования производительности MultiNet исследователи в течение одного дня обучали систему с помощью набора данных, содержащих показания датчиков из 5,5 тыс. сценариев, собранные автономными транспортными средствами Uber в разных городах Северной Америки с помощью лидара. Они сообщают, что MultiNet превосходит по точности прогнозирования несколько базовых показателей по всем трем типам препятствий (транспортные средства, пешеходы и велосипедисты). Моделирование снизило количество опасных ситуаций на 9-13%.