некоторые аспекты качества обучающих последовательностей

На хабре появился ряд статей о качестве образования и как процесса и как результата (уровень выпускников).
Тема заинтересовала и руки зачесались проверить, а как это устроено у пчелок роботов искусственного интеллекта, влияет ли качество обучающей последовательности на результат.
Была выбрана простая сеть из примеров Keras в которую добавил одну строку.
Нас интересует насколько упорядоченность входной обучающей последовательности mnist влияет на результат обучения MLP.

Результат получился неожиданным и странным, пришлось перепроверять многократно, но перейдем к делу и конкретике.

Читать дальше →

Турнир ИИ для промышленных роботов по Аэрохоккею

Всем известны соревновании двух ИИ в игре Go. А как на счет состязания ИИ в более динамичной игре требующей не столько вдумчивой стратегии, сколько тактики, оперативной реакции и скорости?

К примеру Аэрохоккей! Простая декартовая система перемещений 3 координаты + 1 угол, всего один орган влияния на игру (бита), следовательно нужна всего 1 рука. Берем 6-ти осевых промышленных роботов, ставим вместо игроков с двух сторон…


Читать дальше →

Доступный ИИ для любой компании: Cloud AutoML

image
Привет, Хабр! Сегодня информацией делится Джиа Ли, глава департамента R&D, Cloud AI. Джиа с командой сделали ИИ легким в применении и доступным даже для неспециалистов. Надеемся, что теперь ИИ придет в каждый бизнес, как некогда пришел компьютер в каждый дом, и читаем, как выглядит и что умеет Cloud AutoML.

Читать дальше →

Сети и соседи: методы выживания машинного обучения в “дикой природе”. Открытый семинар AI@MIPT

image

Привет, Хабр! 22 января в 18:30 на Физтехе состоится очередная встреча из цикла семинаров по искусственному интеллекту. Приглашаем вас прокачаться и познакомиться с атмосферой Физтеха :) Михаил Биленко, руководитель подразделения Machine Intelligence and Research в Яндексе и координатор деятельности исследовательской группы Яндекса в МФТИ, расскажет об уникальных отличиях академического и технологического машинного обучения. Семинар пройдет в 107 аудитории Биокорпуса МФТИ, зарегистрироваться можно тут (не забудьте взять паспорт).
О каких отличиях пойдёт речь?

[Перевод] Туториал по Unreal Engine. Часть 9: Искусственный интеллект

image

В индустрии видеоигр искусственным интеллектом (Artificial Intelligence, AI) обычно называют процесс принятия решений не управляемыми игроком персонажами. Он может быть простым: враг видит игрока и атакует. Или же более сложными, например, управляемый ИИ противник в стратегии реального времени.

В Unreal Engine создавать ИИ можно с помощью деревьев поведения. Дерево поведения (behavior tree) — это система определения поведения, используемого ИИ. Например, у него может быть поведение боя или бега. Можно создать дерево поведения, при котором ИИ будет драться с игроком, если его здоровье выше. Если оно ниже 50%, то он будет убегать.

В этом туториале вы научитесь следующему:

  • Создавать ИИ-сущность, которая может управлять элементом Pawn
  • Создавать и использовать деревья поведения и blackboard
  • Использовать AI Perception, чтобы дать Pawn зрение
  • Создавать поведения, чтобы Pawn мог ходить и атаковать врагов
Читать дальше →

[Из песочницы] Russian AI Cup 2017 — история второго места

Привет! В этой статье я хотела бы рассказать вам о своем участии в соревновании по написанию игровых ботов Russian AI Cup CodeWars, на котором мне удалось занять 2 место, и что и как для этого было сделано.
Читать дальше →

Моя стратегия на Russian AI Cup 2017

Всем привет.

Астрологи объявили неделю Речь пойдет о соревновании Russian AI Cup 2017, а точнее о написанном мною боте. Участвую в данном конкурсе уже 6-й год подряд — ещё начиная с танчиков. Некоторые могу знать меня по участию в ML Boot Camp и HighLoad Cup.

Место занял (опять) не первое, но есть о чём написать на хабр. Статья, прежде всего, может быть интересна участникам этого года, или тем, кто захочет подчерпнуть какие-то идеи к следующему подобному конкурсу, или просто для тех, кто знаком с тематикой конкурса Russian AI Cup.


Читать дальше →

Не сверточные сети



Достоинства, проблемы и ограничения сверточных нейронных сетей (CNN) в настоящее время достаточно неплохо изучены. Прошло уже около 5 лет после признания их сообществом инженеров и первое впечатление «вот теперь решим все задачи», хочется верить, уже прошло. А значит, пришло время искать идеи, которые позволят сделать следующий шаг в области ИИ. Хинтон, например, предложил CapsuleNet.
Вместе с Алексеем Редозубовым, опираясь на его идеи об устройстве мозга, мы тоже решили отступить от мейнстрима. И сейчас у меня есть что показать: архитектуру (идёт заглавной картинкой для привлечения внимания) и исходники на Tensorflow для MNIST.

Более формально, результат описан в статье на arxiv.
Читать дальше →

История победы на ежегодном соревновании Russian AI Cup 2017

Всем привет! Хочу рассказать про историю своей победы в ежегодном соревновании по написанию игровых ботов Russian AI Cup, в 2017. В финале бот выиграл 98% игр, что, как оказалось, наивысший результат по финалам среди всех годов проведения чемпионата. Также занял 1-е место в песочнице по завершению её работы, в пике переходя за 4000 очков рейтинга.



Эта статья может быть интересна участникам, болельщикам и просто интересующимся тематикой AI и написанием игровых ботов. Надеюсь вы сможете почерпнуть для себя что-то новое. В свою очередь и мне бы хотелось почитать статьи от участников, сравнить подходы и ход мыслей.
Читать дальше →

Дайджест интересных материалов для мобильного разработчика #235 (18 декабря — 24 декабря)

Завтра рождество, через неделю Новый год — поздравляем всех с прошедшими и будущими праздниками! Делайте хорошие приложений и не делайте плохих — а мы будем помогать этому
хорошими статьями и новостями. До встречи через год!

Читать дальше →


Последние посты