Get Started for FREE
Sign up with Facebook Sign up with Twitter
I don't have a Facebook or a Twitter account
 Your new post is loading...
Scoop.it!
“a robot swarm may be made up of tiny, identical devices -- each equipped with a sensor. When information collected by one robot agent is shared with the other devices in the group, it allows the individual devices to function as a united group. Robot swarm tends to be simple and agents are often equipped with sonar, radar or cameras to collect information about the environment around them.” 
No comment yet.
Sign up to comment
Scoop.it!
A projektmenedzsment szakma hagyományt teremtő és folytató, témáiban megújuló PM Fórumra idén már a 22. alkalommal kerül sor. A Fórum idén is kiváló alkalom a kapcsolatépítésre, az ötletek cseréjére, a szakmai beszélgetésekre.
Pál Kerékfy's insight:
És mi van a robottal, az "okos" géppel? Április 4-én lesz a 22. Projektmenedzsment Fórum, ami fenti témákkal foglalkozik. Délután nekem is jut egy kis idő, hogy a mesterséges intelligencia és a projektvezetés kapcsolatáról beszéljek - vagy inkább felvessek kérdéseket. Az előadásomhoz kapcsolódó cikk a kiadványban olvasható. Az előadás nem a cikk felolvasása lesz! #projekt #projekvezető #projektmenedzsment #AI #artificial_intelligence
Scoop.it!
There’s software used across the country to predict future criminals. And it’s biased against blacks. ON A SPRING AFTERNOON IN 2014, Brisha Borden was running late to pick up her god-sister from school when she spotted an unlocked kid’s blue Huffy bicycle and a silver Razor scooter. Borden and a friend grabbed the bike and scooter and tried to ride them down the street in the Fort Lauderdale suburb of Coral Springs. Just as the 18-year-old girls were realizing they were too big for the tiny conveyances — which belonged to a 6-year-old boy — a woman came running after them saying, “That’s my kid’s stuff.” Borden and her friend immediately dropped the bike and scooter and walked away. But it was too late — a neighbor who witnessed the heist had already called the police. Borden and her friend were arrested and charged with burglary and petty theft for the items, which were valued at a total of $80.
Pál Kerékfy's insight:
Rendszerűen elfogult “okos” gépet használnak az amerikai igazságszolgáltatásban már hosszú évek óta. A gép 1-10-ig osztályozza az elkövetőket, hogy mennyire valószínű az újabb bűncselekmény elkövetése. Ezt elég hangsúlyosan veszik figyelembe az ítélet súlyosságának meghatározásakor, sőt már korábban is, amikor eldöntik, hogy szabadlábon védekezhet-e az illető. A gépben titkos algoritmus dolgozik, ami 137 kérdés alapján saccolja meg a jövőt. Különböző utólagos elemzések szerint 65-70%-os eséllyel találja el, hogy visszaeső lesz-e az illető. A cikk szerzői utólag elvégezték két év és 7000 eset elemzését. Ez azt mutatta, hogy nagyon eltérően téved a gép fehérek és feketék esetében. A magas kockázatúnak minősített fehérek 23%-a nem követett el újabb bűncselekményt 2 éven belül, a feketéknek viszont 45%-a maradt tiszta. Az alacsony kockázatúnak minősített fehéreknek 48%-a esett bűnbe, a feketéknek csak 28%-a. Elég durva eltérések vannak a hibaszázalékokban! Az okát nem könnyű megmondani, de valószínűleg itt is az történik, mint más területeken (pl.: HR). A régen meglévő előítéletek épülnek be (valószínűleg nem szándékosan) a programokba. Hogy történhet ez? A döntés múltbeli adatok, statisztikák alapján történik. Azok pedig tartalmazzák a múltbeli előítéleteket is. Itt nem valódi mesterséges intelligenciával állunk szemben, de annak elemei megjelennek a program működésében. A mesterséges intelligenciát felelősen kutatók és használók egyre gyakrabban teszik fel a kérdést, hogy értjük-e a gép döntéseit. Új irányzat, hogy a gépnek kelljen elmagyaráznia, hogy mi vezetett a döntéséhez. Ez az “explainable” vagy “understandable” mesterséges intelligencia. Óriási előrelépés lenne, ha általánossá válna! #legal #AI #bias #artificial_intelligence #USA #Florida #profiling
Scoop.it!
The definition of artificial intelligence is constantly evolving, and the term often gets mangled, so we are here to help. In the broadest sense, AI refers to machines that can learn, reason, and act for themselves. They can make their own decisions when faced with new situations, in the same way that humans and animals can.
Pál Kerékfy's insight:
Nagyon hasznos folyamatábrában foglalta össze az MIT Technology Review újságírója a mesterséges intelligenciát. Kicsit nehezen olvasható a kézzel írt szöveg, ezért leírom az érdekes végpontok szövegét:
Mik voltak a fontos kérdések az elágazási pontoknál?
#MIT #MIT_Technology_Review #machinelearning #machine_learning #AI #artificial_intelligence #NLP #natural_language_processing #computer_vision #speech_recognition #smart #robot
Scoop.it!
Techniques used to analyse data are producing misleading and often wrong results, critics say. A growing amount of scientific research involves using machine learning software to analyse data that has already been collected. This happens across many subject areas ranging from biomedical research to astronomy. The data sets are very large and expensive. But, according to Dr Allen, the answers they come up with are likely to be inaccurate or wrong because the software is identifying patterns that exist only in that data set and not the real world.
Pál Kerékfy's insight:
Egyre több, és egyre drágább adat kell a tudományos kutatásokhoz. A rengeteg adatot “okos” gép, mesterséges intelligencia dolgozza fel, elemzi. Ez sok fontos problémát okozhat.
Az egyik legfontosabb a kísérlet megismételhetősége. Ez alapelve (lenne) minden tudományos kutatásnak. Fontos, hogy a vizsgálatot mások is meg tudják ismételni. Ez az egyetlen valódi ellenőrzési módszere a tudományos eredményeknek. Amit nem lehet megismételni, az tudományos értelemben nem is létezik; nem tudjuk, hogy nem tévedés-e, vagy nem hamisítás-e. Ehhez kapcsolódóan állítja egy elemzés, hogy az orvosbiológiai kutatások 85%-a elvesztegetett pénz és idő.
A tanuló algoritmusok feladata az, hogy jelenségeket, mintázatokat fedezzenek fel óriási adathalmazokban. És fel is fognak fedezni valamit, ha már ezt a feladatot kapták! Vajon ez valódi tudományos eredmény? Olyan, amit más nagy adathalmazok is igazolni fognak, vagy csak ennek a halmaznak egy sajátossága? Megismételhető a kutatás ugyanezzel az eredménnyel? A szerző szerint általában nem.
Az AAAS (American Association for the Advancement of Science) konferenciáján dr. Genevera Allen (Rice University, Houston) beszélt erről a problémáról.
Tagja egy orvosbiológiai kutatócsoportnak, ami a gépi tanulás és a statisztika olyan új módszerét akarja kifejleszteni, ami segít a fenti problémák kezelésében. Az a cél, hogy az algoritmus értékelje az eredmény megbízhatóságát és a kutatás megismételhetőségét.
Érdekes és fontos cél! Ha megvalósul, magasabb szintre emeli a gépi tanulást. A gép egyben ellenőrizni is tudja majd magát. Mostanában egyre többször vádolják elfogultsággal az okos gépet, pedig csak az általa felhasznált adatokra támaszkodik – azokban van téves (elfogult) kép.
Ez a törekvés összhangban van azzal a nemrég megfogalmazott igénnyel is, hogy legyen érthető a mesterséges intelligencia működése, magyarázza el, hogy mit, miért, hogyan csinál (explainable artificial intelligence, XAI).
#AAAS #BBC #science #AI #artificialintelligence #science_crisis #ML #machinelearning
Scoop.it!
Quayside, a developing “smart city” on the southern edge of Toronto’s downtown, has been forced into an ethical debate as to how privatisation could pose a threat to individual privacy rights. Sidewalk Labs, an infrastructure division owned by Google’s parent company Alphabet, lost one of the project’s lead policy experts and privacy consultants after she was informed that third parties would be able to access the personal data of Quayside residents without a deletion or anonymisation process. “I imagined us creating a Smart City of Privacy, as opposed to a Smart City of Surveillance,” Cavoukian wrote in her resignation letter. “That’s just not on. Your personal information, your privacy is critical. It is not just a fundamental human right. It forms the foundation of our freedom.”
Pál Kerékfy's insight:
Torontóban terveznek egy új városrészt, ami csupa okosság és technológia lesz. Ebben a hírben arról van szó, hogy lemondott az egyik vezető, mert tisztázatlan, hogy az összegyűjtött személyes adatokat ki fogja kezelni, ki fogja megvédeni, ki fogja eldönteni, hogy mit kell anomizálni vagy törölni. Itt is arról beszélnek, hogy majd lesz egy ezzel foglalkozó testület, akárcsak korábban a mesterséges intelligencia etikai kérdéseivel kapcsolatban. Itt is titkos a dolog… Ha a Google megcsinálja a teljes megfigyelést, biztos lesz annyira ütős, mint a kínai megoldás, és nyilván New Orleans is elbújhat majd mögötte.
#Google #Toronto #smartcity #AI #privacy #surveillance #Quayside #SidewalkLabs #Alphabet
Scoop.it!
Enjoy the best moments of our inaugural Hackathon showing some of the most unexpected collaborations and innovative performances, beautifully accompanied by PREM’s composition '2030'. The world-famous Abbey Road Studios, where many of The Beatles’ most popular songs were recorded, is looking to support music innovation through technology, and recently held its first hackathon event. The studio runs a musictech incubation programme called Abbey Road Red. The hackathon in November 2018 gathered 100 participants to explore new ways of using technology to create and consume music. The participants – comprised of programmers, technologists, developers and music producers – were given a number of questions to guide their creations, including “How will artists create music in 2030?” and “Can you play or create music using emotions to trigger different sounds, samples, parameters or effects?”.
Pál Kerékfy's insight:
Ilyen kérdéseket tett fel az Abbey Road Studios annak a 100 informatikusnak és zenei szakembernek, akik novemberben összegyűltek ott bemutatni a tudományukat. Az egyik bemutatott eredmény a reppelő robot volt. #AbbeyRoad #AbbeyRoadStudios #AbbeyRoadRed #startup #hackaton #music #AI #artificialintelligence #incubation #inspiration video: https://www.youtube.com/watch?time_continue=8&v=KUfeY6RGS9U cikk: https://media.bitpipe.com/io_14x/io_142879/item_1856581/CWE_080119_ezine_pp27.pdf
Scoop.it!
Depending on how paranoid you are, this research from Stanford and Google will be either terrifying or fascinating. A machine learning agent intended to transform aerial images into street maps and back was found to be cheating by hiding information it would need later in "a nearly imperceptible, h…
Pál Kerékfy's insight:
Persze, nem biztos, hogy pont hazugságnak kell ezt a viselkedést nevezni, de (ez is) arra mutat rá, hogy nem egészen értjük, hogy mit is csinálnak az általunk alkotott gépek.
Mi volt a kutatás célja? Meggyorsítani a térképek előállítását műholdas képekből. A CycleGAN szoftvert használták arra, hogy a két képtípus közötti átalakításokat elvégezzék, oda-vissza. A rendszer gyanúsan jól működött! Akkor bukott le a gép, amikor a térképből tökéletesen helyreállította az eredeti műholdas képet. Olyan pontok is megjelentek, amik az eredeti képen rajta voltak, de a térképen nem. Furcsa, ugye?
A neurális háló belső működését nem tudták megfigyelni és ellenőrizni, de a képeket más módszerekkel meg tudták vizsgálni. Az okos gép tudta, hogy (többek között) a műholdas képből csinált térkép pontossága, valamint a visszaalakított műholdas kép pontossága alapján osztályozzák.
Minek küzdene ennyit? Sokkal egyszerűbb a térképbe láthatatlanul belerakni a szükséges információkat, hogy ne kelljen visszafelé transzformálnia a műholdas kép előállításához :-) Annyira ügyes már, hogy bármilyen térképben el tud rejteni bármilyen műholdas képet – nem kell, hogy ugyanazt a területet ábrázolják.
Imponáló! Nem az első eset, hogy meglepi az alkotóit a mesterséges intelligencia, mert mást csinál, másképp oldja meg a feladatot, mit várták.
#AI #artificialintelligence #mestersegesintelligencia #CycleGAN #Google #GoogleMap #cheating #steganography #Neural_Information_Processing_Systems
Scoop.it!
The researchers started with 140,000 hours of YouTube videos of people talking in diverse situations. Then, they designed a program that created clips a few seconds long with the mouth movement for each phoneme, or word sound, annotated. The program filtered out non-English speech, nonspeaking faces, low-quality video, and video that wasn’t shot straight ahead. Then, they cropped the videos around the mouth. That yielded nearly 4000 hours of footage, including more than 127,000 English words.
Pál Kerékfy's insight:
Az elmúlt napokban kétéves kutatásokról írtam. Ez sokkal frissebb, tavaly nyáron publikálták a Cornell University kutatói. Az ő szoftverük már nem csak BBC-műsorokon, hanem YouTube-videókon nevelkedett, és minden eddiginél jobb eredményt ért el. A vizsgálatban részt vevő profi szájról olvasók 93%-ot tévedtek, a korábbi szoftver 77%-ot, ez pedig csak 41%-ot. Ez még mindig sok, de a helyesen felismert szavak aránya több mint nyolcszorosa, mint az emberek esetében. Ez a program már arra is figyel, hogy egy hangot másképp formázunk az ajkainkkal különböző hangok előtt és után. Természetesen, továbbra is szükséges, hogy szemből és jól lássa a beszélőt. Lassan elérjük a használhatóság szintjét! #CornellUniversity #YouTube #lipreading #AI #artificialintelligence #mestersegesintelligencia
Scoop.it!
Artificial intelligence is getting its teeth into lip reading. A project by Google’s DeepMind and the University of Oxford applied deep learning to a huge data set of BBC programmes to create a lip-reading system that leaves professionals in the dust.
Pál Kerékfy's insight:
Itt a folytatás, amit tegnap ígértem.
Szintén az oxfordi egyetem, szintén Google (DeepMind), de most nem külön erre a célra készített felvételeket, hanem rendes BBC-műsorokat (köztük: Newsnight, BBC Breakfast és Question Time) használtak a kutatók. 5000 órányi (2010 és 2015 között felvett) műsort használtak a gép tanításában, majd 2016 márciusa és szeptembere között vizsgáztatták. A hibátlanul leírt szavak aránya 46,8% volt. Ez nem tűnik soknak, de a profi szakembernek csak a negyede (12,4%) jött össze.
A tanítás során azzal a problémával is találkoztak, hogy sok felvételen nem volt szinkronban a hang és a kép, akár másodperces csúszás is lehetett. Azt is meg kellett tanítani a gépnek, hogy küszöbölje ki az elcsúszás hatását.
Van még hova fejlődni, de mindenképpen imponáló a négyszeres pontosság!
#Google #Alphabet #DeepMind #OxfordUniversity #AI #artificialintelligence #mesterségesintelligencia #lipreading #BBC
Scoop.it!
A new paper from the University of Oxford (with funding from Alphabet’s DeepMind) details an artificial intelligence system, called LipNet, that watches video of a person speaking and matches text to the movement of their mouth with 93.4% accuracy. Even professional lip-readers can figure out only 20% to 60% of what a person is saying.
Pál Kerékfy's insight:
Itt egy újabb példa arra, hogy a mesterséges intelligencia tud jobb munkát végezni, mint a tapasztalt szakemberek. Az oxfordi kutatók által létrehozott LipNet alig hibázott a szájról olvasásban, míg a gyakorlott emberek hétszer annyi hibát követtek el.
Ami új ebben a szoftverben, az a szöveg feldolgozásának módja. A korábbi rendszerek szavanként értelmezték az ajkak mozgását, itt egész mondatokkal foglalkoznak – ez segít a kontextus megértésében.
Fontos megjegyzés: Rövid és jó minőségű felvételeket használtak. Zavaró körülmények esetén korántsem ennyire jók az eredmények. Ahhoz, hogy használható legyen (például nagyotthallók számára) még van mit fejleszteni rajta. Továbbá: Két évvel ezelőtti a cikk, vagyis maga a fejlesztés és a tesztelés még régebben történt. Jön majd újabb is...
#OxfordUniversity #LipNet #Google #DeepMind #Alphabet #lipreading
Scoop.it!
In the recent five years, we are seeing that Chinese AI is getting to be almost as good as Silicon Valley AI. And I think Silicon Valley is not quite aware of it yet. China's advantage is in the amount of data it collects. The more data, the better the AI.
Pál Kerékfy's insight:
Tegnapelőtt ugyanennek a mesterséges intelligencia fejlesztésébe dollármilliárdokat befektető embernek az aggasztó jövőképéről írtam. Tegnap a reménysugár is előkerült: az emberi lélek szentségébe vetett hit.
Ebben az interjúban mond valami nagyon érdekeset, az amerikai és a kínai mesterséges intelligencia viszonyáról. A kínai már majdnem olyan jó, mint az amerikai, de ezt az amerikaiak nem tudják még.
Mi a kínaiak előnye? A sokkal-sokkal több adat. Miért van adatuk? Nem csak azért, mert négyszer annyian vannak. Több mint egymilliárd kínai használja a telefonját folyamatosan és mindenre. A személyes információnak sem az emberek fejében, sem a jogrendben nincs értéke, nincs igény a védelmére.
Erre is épít a pártvezetés, amikor tíz éven belül el akarja érni a kínai dominanciát a mesterséges intelligencia területén. Amikor erről a kérdésről (és a technológia fegyverként való felhasználásáról) kérdezik a vállalkozót, egyszerre elkezd kitérő válaszokat adni. Vajon miért?
Mennyire kell aggódnunk a kínaiak gyors fejlődése és határozott szándékai miatt? A személyes adatok laza kezelése valóban nagy előnyhöz juttatja őket?
#future #AI #artificialintelligence #mestersegesintelligencia #munkahely #job #robot #automation #China #SiliconValley
Scoop.it!
There's a lot of hype about artificial intelligence, and it's important to understand this is not general intelligence like that of a human. This system can read faces and grade papers but it has no idea why these children are in this room or what the goal of education is. A typical AI system can do one thing well, but can't adapt what it knows to any other task. So for now, it may be that calling this "intelligence," isn't very smart.
Pál Kerékfy's insight:
Tegnap ugyanennek a mesterséges intelligencia fejlesztésébe dollármilliárdokat befektető embernek az aggasztó jövőképéről írtam.
Ebben az interjúban mond valami nagyon fontosat, ami módosítja azt a borús képet. A mesterséges intelligencia nem is hasonlít az emberi intelligenciára! Ezek a gépek egy-egy szűk területen tudnak valamit nagyon jól, esetenként a humán szakértőnél is jobban, ugyanakkor sokkal gyorsabban elvégezni, de nem látják át az egészet. Ahogy ő mondja: “Ez a rendszer olvas az arcokról, osztályozza a dolgozatokat, de fogalma sincs, hogy miért ülnek a gyerekek a tanteremben, és mi az oktatás célja.”
Vagyis, megint ott vagyunk, hogy találjuk meg a nekünk (embereknek) való feladatokat, és azokban legyünk nagyon jók. A többit hagyjuk a gépekre!
Az általános mesterséges intelligenciáról (artificial general intelligence, AGI) azt mondja, hogy a következő 30 évben nem jön létre, de talán soha sem.
Miért? Hisz az emberi lélek szentségében! (“I believe in the sanctity of our soul.”) Nem értünk rengeteg dolgot az emberrel kapcsolatban. A szeretetet és az együttérzést nem lehet számítógépes algoritmusokkal és neurális hálókkal megmagyarázni.
#future #AI #artificialintelligence #mestersegesintelligencia #munkahely #job #robot #automation #education #love #compassion #AGI
Scoop.it!
Kai-Fu Lee, a venture capitalist who used to develop AI for Google and Microsoft, predicts that AI will automate 40 percent of the world's jobs in 15 years.
Pál Kerékfy's insight:
Tegnapelőtt azt a szakértőt idéztem, aki szerint a mesterséges intelligencia több új munkahelyet hoz majd létre, mint eddig bármikor, bármelyik új technológia.
Ma a másik oldal jön. A kínai Kai-Fu Lee szerint (aki a mesterséges intelligencia elméleti és gyakorlati részében is profi) egészen más a helyzet. Ez a 40%-os becslés elég rosszul hangzik. Akkor is, ha esetleg csak 35% vagy 30% lesz.
Többször olvastam és írtam már arról, hogy mennyi és milyen munkát vesznek át a gépek. Az eddigi jóslatok főleg arról szóltak, hogy az egyes emberek munkájának valamekkora (akár 80) százalékát is elviszik a gépek, de maguk a munkakörök megmaradnak, csak kevesebbet (kevesebb embernek) kell az érintett munkakörben dolgozni.
Lee most egy másik képet vetít elénk. Szerinte hamar eljutunk oda, hogy bizonyos fajta munkákat egyáltalán nem végez majd ember. Az interjúban a sofőröket, a pincéreket, a séfeket és általában az üzletekben dolgozókat említi – de tudnánk folytatni a sort.
Nem érzem úgy, hogy tudnám a választ. Minden érvelésben látok logikát. Ha hibát akarnék keresni bennük, a múltból a jövőbe vetítésben találnék. Annyira más a dinamikája a mostani változásnak, mint a gőzgép, az elektromosság és a gyártósor esetében! Óriási különbség az, hogy a beruházási igény most sokkal kisebb.
#future #AI #artificialintelligence #mestersegesintelligencia #munkahely #job #robot #automation
Scoop.it!
AI is the most empowering of all technologies because it effectively makes anyone who uses it smarter. It increases the productivity of anyone who can apply it to their job.
Pál Kerékfy's insight:
Nem tudom, mennyire van igaza – szeretném azt hinni, hogy jól látja a helyzetet. A múltból hozott példákkal mindig az a baj, hogy nehéz eldönteni, mennyiben alkalmazhatók a jövőre. Az érvelésének alapja az, hogy az automatizálás, a robotok, az okos gépek egy-egy területen drasztikusan fogják csökkenteni az egyszerűbb tevékenységek költségét, és erre a gazdasági szereplők a bonyolultabb területeken való növekedéssel válaszolnak majd, vagyis embereket vesznek fel. Hoz is erre példákat (ATM, gépi fordítás). Az amerikai munkaügyi statisztikai hivatal (BLS, Bureau of Labor Statistics) sok területen jósol növekedést a mesterséges intelligencia hatására (nem ellenére!). Mi lesz azokkal, akiknek tényleg elveszi az “egyszerű” munkáját a gép? Feljebb lépnek egy lépcsőfokkal, bonyolultabb, több tudást igénylő munkájuk lesz. A mesterséges intelligencia nagyobb változást hoz, mint bármilyen eddigi technológia – következésképpen jobb hellyé teszi a világot. “AI will be bigger than electricity, bigger than mechanization, bigger than anything that has come before it. It, too, will make the world a better place and, yes, create jobs.” #AI #artficialintelligence #mestersegesintelligencia #job #munkahely
Scoop.it!
Our machines speak a different language now, one that even the best coders can't fully understand. If in the old view programmers were like gods, authoring the laws that govern computer systems, now they're like parents or dog trainers. And as any parent or dog owner can tell you, that is a much more mysterious relationship to find yourself in.
Pál Kerékfy's insight:
Valamikor az emberi elme volt a kiismerhetetlen “fekete doboz”. Később a tudósok megpróbáltak működési szabályokat, algoritmusokat találni a magyarázatára és a megismerésére. Erre a számítógépek, a programok ösztönözték őket. Hátha az agy is úgy működik, mint egy számítógép!
Most meg ott tartunk, hogy a jövőnek kikiáltott gépek neurális hálókból állnak. Ezek a hálók viszont pont olyan kiismerhetetlenek, mint az emberi agy!
Láttunk már arra példákat, hogy a kiváló szakértő sem érti meg a számítógép lépéseit: Intelligens félelem
Mi a következő lépés?
#AI #artificial_intelligence #machine_learning #artificialintelligence #machinelearning #programming #neural_network #neuralnetwork
Scoop.it!
With machine learning, programmers don't encode computers with instructions. They train them. If you want to teach a neural network to recognize a cat, for instance, you don't tell it to look for whiskers, ears, fur, and eyes. You simply show it thousands and thousands of photos of cats, and eventually it works things out. If it keeps misclassifying foxes as cats, you don't rewrite the code. You just keep coaching it.
Pál Kerékfy's insight:
Szemléletesen mutatja be a különbséget a hagyományos programozás (kódolás) és az “okos” gép tanítása között. Ismerős, ugye? A gyereknek se úgy tanítjuk meg a macska felismerését, hogy a bajuszáról, a füléről, a szőréről vagy a szeméről beszélünk neki. Egyszerűen csak azt mondjuk egy macskára, hogy “macska” (esetleg “cica”), és a gyerek gyorsan megtanulja. Mire elkezd beszélni, egész biztos nem keveri össze a macskát a kutyával vagy a rókával. Nincs is szükség sok ezer különböző macskára ehhez.
Az “okos” gép sokkal alacsonyabb szintű mentális képességekkel rendelkezik, mint egy pici gyerek! Sokkal több tanításra van szüksége, de így is kiterjedten használják a mindennapi életben. A gépi tanulásnak van szerepe abban, hogy a Facebook mit rak elénk, a Google hogyan ismeri fel fényképről az embereket, a keresője kitalálja, hogy mit keresünk.
Ez a cikk egyértelműen pozitívan szemléli a gépi tanulás új, a neurális hálókon alapuló módszereit. Korábban írtam egy-másfél évvel későbbi cikkekről, amelyek egyetemi kutatásokra alapozva fogalmaznak meg komoly kétségeket:
Kinek lesz igaza? Meglátjuk! Valószínűleg még én is...
#AI #artificial_intelligence #machine_learning #artificialintelligence #machinelearning
Scoop.it!
Investments in AI should be accompanied by funding for research on ensuring its beneficial use, including thorny questions in computer science, economics, law, ethics, and social studies, such as:
Pál Kerékfy's insight:
Tavaly januárban ült össze sok okos ember, hogy meghatározza a mesterséges intelligencia kutatásának és alkalmazásának alapelveit. Két oldalon keresztül, 23 pontban szedték össze ezeket.
Most a kutatással kapcsolatos követelményeket vettem elő.
Vajon tényleg érdemi és eredményes kutatások folynak ezeken a területeken, hogy a gép pontosan és hiba nélkül azt csinálja, amit akarunk? Át tudjuk dolgozni a jogrendünket az “okos” gépek fejlődésének megfelelően, és az általuk okozott kockázatokat kezelve? Tudjuk, hogy a “gondolkodó” gépnek milyen emberi értékrendet kell követnie?
#AI #artificialintelligence #Asimolar #principles #ethics
Scoop.it!
“What may set IBM apart is the sheer number of IoT playing fields it engages in addition to AI and analytics, including cloud, development tool set, services, device management, storage and security. Add to that its longstanding reach into enterprise and industrial IT.
“The pattern in IoT is the same as the pattern in cloud; we're containerizing everything.”
Pál Kerékfy's insight:
A jelek szerint a dolgok internete (IoT, az a jelenség, hogy mindenféle érzékelők és egyéb ipari cuccok milliói kapcsolódnak hálózatra) már bőven kilépett a kísérletek, koncepcionális bemutatók világából. Sőt, már nem csak arról van szó, hogy megvehetjük az eszközöket és a szoftverkomponenseket, hogy megépítsük a saját rendszerünket!
Már ott tartunk, hogy kész “dobozos” megoldások (szolgáltatások) kaphatók. Ez az érettség jele. Milyen gyors lesz a növekedés?
#IBM #Watson #IoT #cloud #containerization #artificialintelligence #AI
Scoop.it!
From ransomware to botnets, malware takes seemingly endless forms, and it’s forever proliferating. Try as we might, the humans who would defend our computers from it are drowning in the onslaught, so they are turning to AI for help. Cybersecurity firm Endgame released a large, open-source data set called EMBER (for “Endgame Malware Benchmark for Research”). EMBER is a collection of more than a million representations of benign and malicious Windows-portable executable files, a format where malware often hides. A team at the company also released AI software that can be trained on the data set. The idea is that if AI is to become a potent weapon in the fight against malware, it needs to know what to look for.
Pál Kerékfy's insight:
Minthogy a támadók kiválóan hasznosítják a gépi okosságot az újabb és újabb vírusok (miegyebek) előállításában, ideje, hogy a védelem is felvegye a tempót. Az EMBER nem az egyetlen és nem is az első ilyen próbálkozás, de mindnek lehet örülni…
Az IBM egy más területen veti be a mesterséges intelligenciát: Watson, a biztonsági szakember. Ők a vállalati rendszereket ért támadásokat akarják gyorsan felismerni. Az a cél, gyorsan, egy szempillantás alatt elemezze információk tömkelegét, és találja meg az összefüggéseket a különböző rendszerekben észlelt és nehezen összekapcsolható események között. Ha sikerül ezeket a kapcsolatokat felfedezni, akkor azonnal kiderül, hogy önmagukban ártalmatlannak tűnő események együttesen támadásra utalnak.
Az Endgame áprilisi bejelentése óta mintha nem lenne újabb hír erről az EMBER-ről, pedig tényleg jó lenne valami pozitívum! Azt mondja az MIT írásának címe, hogy épp olyan könnyedén azonosítja a rosszindulatú szoftvert, amilyen könnyen felismer egy macskát.
Halkan megjegyzem, friss egyetemi kutatások szerint, ez sem megy annyira könnyen a gépnek. Teknős vagy lőfegyver?
#MIT @MITnews #EMBER #Endgame @Endgame #IBM #Watson #imagerecognition #mesterségesintelligencia #AI #machinelearning
Scoop.it!
Most enterprises today know to avoid obvious sources of bias when building AI tools, but relatively few are aware of the risk of unconscious algorithmic bias. To fix bias, you have to be aware that it's arising from the data, and you have to correct for the bias that's in the data.
Pál Kerékfy's insight:
Ahogy egyre több a “mesterséges intelligencia” címkével ellátott szoftver futkos körülöttünk, egyre inkább előtérbe kerül az a kérdés, hogy mennyire jók és pontosak ezek. Az elmúlt napokban az új technológiájú képfelismerő algoritmusok furcsa és meglepő hibáiról írtam: Hogy verjük át könnyen és egyszerűen a mesterséges intelligenciát? Teknős vagy lőfegyver? Meg tudjuk különböztetni?
Régebbről ismerünk kevésbé meglepő hibákat. Ezekben nyilvánvaló volt a rossz működés oka: hibásak (egyoldalúak) voltak az adatok, amikből tanult a gép. Az egyik példáról itt lehet olvasni: Intelligens félelem. Ismertek képfelismerési hibák is: négert gorillának látott a gép, a súlyzó és az alkar együtt volt számára a “súlyzó”. Ezekben mind az a közös, hogy a gép tanítására használt adatok (képek) nem jól voltak kiválogatva, és a gép nem tudott értelmesen látni. (Ezeket a hibákat még egy kicsi gyerek se követné el!)
Ez a mostani cikk “finomabb” hibákról szól, olyanokról, amiket nem ennyire könnyű kiszúrni. Főleg azzal a lehetőséggel foglalkozik, hogy az “okos” gép esetleg hátrányosan különböztetne meg embercsoportokat (színeseket, nőket, …). Erre akkor van komoly esély, ha a tanításánál használt adatokban alul vannak reprezentálva ezek a csoportok. Ha az éles használatba vétel előtt nem szűrik ki az ilyen hibákat, akkor igen kellemetlen helyzetbe kerülhet a cég, sőt súlyos büntetéseket is kaphat!
Itt egy példa az egyoldalú alapadatokra: A képeken, amiken egy ember tevékenykedik a konyhában, szinte mindig nők vannak, ezért a gép a konyhában lévő embereket hajlamosabb nőnek tekinteni, mint férfinak.
Szeretném megjegyezni, hogy nem kell mesterséges intelligencia az ilyen hibák elkövetéséhez. Az amerikai nagyvállalatok által sok éve használt előszűrő rendszerek szintén “elfogultak”. Az HR-esek tudatalatti elfogultsága jelenik meg bennük. Hasonló a probléma a bűnüldözésben használt “profilozó” szoftverekkel. Nem azt látom igazi bajnak, hogy elfogult a gép, hiszen az ember is az. Akkor van baj, ha automatikusan elfogadjuk a gép véleményét – és ez sajnos eléggé tipikus. Hiszen éppen azért használjuk a gépet, hogy olcsón és gyorsan elvégezze ezt a munkát. Ha utána alaposan ellenőriznénk, akkor mire való a gép? Akkor magunk is elvégezhetnénk a munkát…
#bias #artificialintelligence #AI #algorithm #unconscious #imagerecognition
Scoop.it!
Changing the pattern on an object can fool an image recognition system into thinking it is looking at something else entirely – raising big concerns about face ID and driverless cars. A hacker could make a hospital look like a target to a military drone, or a person of interest look like an innocent stranger to a face-recognition security system,” says Jeff Clune at the University of Wyoming.
Pál Kerékfy's insight:
A tegnapelőtti írásomhoz kapcsolódó másik kutatás (ebben az esetben az MIT, Massachusetts Institute of Technology részéről) szintén azt bizonyítja, hogy az ember számára lényegtelen, semmi problémát nem jelentő változtatások, a gépet teljesen átverhetik. Ebben a példában teknőst vél lőfegyvernek, de a lehetőségek korlátlanok: “A hacker could make a hospital look like a target to a military drone, or a person of interest look like an innocent stranger to a face-recognition security system,” says Jeff Clune at the University of Wyoming.”
Ha így állunk, akkor komolyan át kell gondolni, hogy milyen döntéseket bízhatunk az “okos” gépre!
Mit ér így a gépi arcfelismerés? Hogy fog így biztonságosan vezetni az önvezető autó?
#MIT @MITnews @mit #AI #artificialintelligence #classification #adversarial
Scoop.it!
Minor changes to street sign graphics can fool machine learning algorithms into thinking the signs say something completely different. The upshot here is that slight alterations to an image that are invisible to humans can result in wildly different (and sometimes bizarre) interpretations from a machine learning algorithm.
Pál Kerékfy's insight:
Ha a gépi intelligencia gyorsabb és okosabb akar nálunk lenni, akkor nem emberi, hanem gépi tanulási és elemzési módszereket vetnek be az alkotói. Ebben az a “szép”, hogy nagyrészt ismeretlen számunkra. Nem könnyű megérteni a működését, és nem is könnyű tesztelni.
Az IEEE írása amerikai egyetemek (University of Washington, University of Michigan, Stony Brook University és University of California Berkeley) kutatóinak cikkére hivatkozik (https://arxiv.org/abs/1707.08945), akik kimutatták, hogy könnyen át lehet verni a képfelismerő algoritmusokat. Olyan változtatásokat végeznek a képen, amiket az emberi szem nem vesz észre (vagy lényegtelennek lát). A gép viszont valami egész mást lát ott, mint ami van, például: panda helyett gibbont vagy kötelező haladási irány helyett csúszós úttest táblát.
Idézet a cikkből: “The Stop sign is misclassified into our target class of Speed Limit 45 in 100% of the images taken according to our evaluation methodology. For the Right Turn sign… Our attack reports a 100% success rate for misclassification with 66.67% of the images classified as a Stop sign and 33.7% of the images classified as an Added Lane sign.”
Ha a támadó hozzá tud férni az algoritmushoz, nem a belsejéhez, hanem tesztelni tudja, hogy milyen képet hogyan ismer fel, akkor létre tudja hozni a megfelelő változtatást, például, ráragaszt valamit a STOP táblára, ami az embert még nem zavarja, de a gépet megbolondítja.
Nyilván lehet védekezni minden egyes támadás ellen, de már megint ott tartunk, mint a vírusok esetében. Előbb jön a támadás, utána kezdünk el védekezni ellene..
#AI #IEEE @UW @UofWa @UCBerkeley @umich @UniversityOfMichigan @stonybrooku #artificialintelligence #classification #adversarial
Scoop.it!
Food and drinks giant is using artificial intelligence software, known as Robot Vera, to phone and interview candidates to fill vacancies for factory, driving and sales representative roles in Russia. Vera frees HR staff from routine, non-interesting work. “They can spend their time to better support hiring managers, working with databases, do better assessments and provide more training.”
Pál Kerékfy's insight:
Nem ám csak kísérleteznek vele, élesben dolgozik is a személyzetis robot. Az egyik megbízója a Pepsi. Nekik Oroszországban keresi meg a gyári munkásokat, értékesítőket és gépkocsivezetőket. Az első munkája során két hónap alatt 250 embert vett fel Voronyezsben. A jelölteknek tetszik az új HR-es: “Some 95% of candidates told us it was interesting, inspiring, great, something new”. Lehet, hogy megvan a megoldás arra, hogy ne panaszkodjanak a jelöltek a lélektelen, gépies bánásmódra a kiválasztási eljárás során?
A kedvező tapasztalatok birtokában más területeken is beveti majd a Pepsi az új kollégát.
#Pepsi #robot #AI #artificialintelligence #RobotVera #HR #recruiter #Robot_Vera @robotvera_en #Stafory
Scoop.it!
Vera will find employees for you. She will find resumes, call the potential employees and hold an interview.
Pál Kerékfy's insight:
Nem kell többé az “unalmas” munkákkal foglalkozni az új dolgozók keresése során! Az új kolléga simán lezavar 1500 interjút 9 óra alatt. Erre akár 9 hetet is elfecsérelnének a régiek! Egy kicsit futószalagosnak tűnik, ugye? Pedig nem az! Alapos munkát végez a szuper HR-es:
Itt meg is lehet nézni és hallgatni, hogy milyen kiváló benyomást tesz Vera a jelentkezőkre: https://staforyweprodmedia.blob.core.windows.net/static/VERA_SCREEN_3%20(compressed).mp4
Természetesen, egyszerre több állásra is megkeresi a legjobb jelöltet, kiszűri a duplikált önéletrajzokat – szóval, nagyon okos.
#robot #AI #artificialintelligence #RobotVera #HR #recruiter #Robot_Vera @robotvera_en
|
Curated by Pál Kerékfy
collaboration expert, CIO, mathematician, university teacher
I share my experience in collaboration, IT service management, risk & security with students and others. My blog: https://kerekfypal.blog 
|
Állatok csoportos együttműködését próbálják gépekben (robotokban, mesterséges intelligenciában) felhasználni, lemásolni. A hangyaboly, a méhkas, a V alakban repülő madárcsapat, a vadon élő állathordák, mind-mind együttműködő egyedekből állnak, és ezek együttesen valósítanak meg közös célokat.
Gondoljuk el: egy hangya önmagában semmi, együtt viszont intelligens rendszert alkotnak, aminek az egyedei kieshetnek, a pótlásuk nem probléma, és nem zavarja az egész rendszer működését.
Lehetséges alkalmazási területek:
Arról még nem olvastam, hogy az okos port be is lélegezhetjük. Miért is ne? Lehet használni orvosi célra, de kémkedésre is. A lehetőségek tárháza végtelen…
#robot #AI #artificial_intelligence #mesterséges_intelligencia #swarm #swarm_intelligence