Billede: apple

Apple har annonceret iOS 11, der også fortæller lidt om hvad vi har i vente til iPhone og iPad.

iMessage har fået et nyt design for app drawer til iMessage apps og klistermærker. Kompatible apps og klistermærkepakker er nu mere tilgængelige og synlige i iMessage. Alle beskeder synkroniseres desuden med iCloud for at optimere lagringskapaciteten på iOS-enheden. Desuden får iMessage nu Apple Pay på en ny måde, således at man kan betale andre via beskeder.

Siri er blevet smartere og har fået machine learning evner, der bringer den tættere på Google Assistant. Efterhånden som Siri lærer dig bedre at kende, vil den foreslå kontekstbaserede emner og vil kunne oversætte mellem kinesisk, fransk, tysk, italiensk og spansk. Flere sprog vil blive tilføjet senere. Siri har desuden fået en ny mandestemme som lyder mere naturlig og udtryksfuld.

» Læs mere   |   Redaktør: jakobdam   |   Indsendt af: thimon   |   0   |   1630

Billede: Gustavo Molina, freeimages.com

Et dansk iværksætter firma, UIzard Technologies, benytter AI til at programmere software udfra nogle screenshots fra et bruger interface. Firmaets grundlægger, Tony Beltramelli, har netop publiceret en forskningsudgivelse der beskriver fremgangsmetoden.

Faktisk er programmet, Pix2code, i stand til at kode løsninger til flere platforme i stedet for én, og dermed løser opgaven bedre end en menneskelig programmør, der normalt kun koder til én platform.

Pix2code bruger machine learning teknologi til at lave et neuralt netværk som så kan kode udfra de screendumps af et bruger interface, som netværket bliver fordret med.

Firmaet forventer at kunne gøre den fulde kildekode offentlig tilgængelig senere i år.

Se en video der viser hvordan AI'en koder i realtime ved at klikke på "Læs mere" nedenfor.

» Læs mere   |   Redaktør: Spaceace   |   Indsendt af: Spaceace   |   0   |   1915

Billede: google

Google AlphaGo trak store overskrifter den 9. - 15. marts i 2016, da den slog Go-legenden, den 18 gange verdensmester Lee Sedol.

Nu har den slået den 19-årige kineser Ke Jie, der betragtes som verdens bedste Go-spiller.

AlphaGo vandt det første ud af 3 spil, med kun et halvt point, som er den mindste margin man kan vinde med - men det er karakteristisk for AI'en, idet den vælger de træk der har størst sansynlighed for at vinde, fremfor at gå efter en større vindermargin.

Selve serien vandt AlphaGo 3-0, på trods af at Ke Jie udviste stor evne til at tilpasse sig, idet han spillede træk som AlphaGo tidligere selv havde brugt.

Redaktør: jakobdam   |   Indsendt af: thimon   |   0   |   1583

Billede: youtube

Dubai introducerer denne uge deres første politirobotofficer. Den specialiserede REEM-robot står 1,68m høj og er designet af det spanske firma PAL Robotics.

Dubais plan er at 25% af deres politiforce skal bestå af robotter inden 2030, og samtidigt skal de have den første smarte politistation helt uden menneskelige medarbejdere.

Prototypen på politiofficeren der blev fremvist sidste år til GITEX (et årligt elektronik show i Dubai) var grundlæggende set en glorificeret kiosk med touch screen interface. Ved at bruge den integrerede tablet på robottens midtersektion, kan man rapportere kriminalitet, indlevere papirer og betale bøder.

Der vides endnu ikke om robotten er opgraderet sidenhen, men Dubais politi har arbejdet sammen med IBMs AI-system Watson for stemmegenkendelse.

Dubais mål er at bruge robotter som fuldt ud gyldige politiofficerer. Se en video af prototyperobotten i virke ved at klikke på "Læs mere" nedenfor.

» Læs mere   |   Redaktør: jakobdam   |   Indsendt af: jakobdam   |   0   |   1650

Billede: google

At træne machine learning modeller kræver en hel del regnekraft. Faktisk så meget at forskere og ingeniører nogengange skal vente flere uger for resultater.

Googles 2. generation Tensor Processing Unit (TPU) søger at løse det problem, og kan levere hele 180 TFLOPS floating-point performance. En gruppe bestående af 64 GPU'er kan således levere 11,5 PFLOPS (petaflops!) performance for en enkelt machine learning opgave.

Google giver alle mulighed for at benytte sig af denne regnekraft, i og med at server clusterne gøres tilgængelige via Googles nye cloudtjeneste, TensorFlow Research Cloud.

Her er tale om et cluster bestående af 1.000 cloud TPU'er, og de gøres tilgængelige for forskere uden omkostninger.

Fra Google.ai:

That’s why we’re bringing our second-generation TPUs to Google Cloud for the first time as Cloud TPUs on GCE, the Google Compute Engine. You’ll be able to mix-and-match Cloud TPUs with Skylake CPUs, NVIDIA GPUs, and all of the rest of our infrastructure and services to build and optimize the perfect machine learning system for your needs. Best of all, Cloud TPUs are easy to program via TensorFlow, the most popular open-source machine learning framework.

Redaktør: jakobdam   |   Indsendt af: jakobdam   |   0   |   1578

Billede: reflectly

Reflectly er et nyt danskudviklet website, der benytter AI for at skabe det folkene bag selv kalder "verdens første intelligente dagbog".

Det er fire aarhusianere der står bag Reflectly, og projektet er blevet testet blandt danske studerende hvor det har været en stor succes.

Interaktionen mellem bruger og Reflectly foregår via Facebook Messenger, Skype eller Slack - hvor man blot skriver om sin dagligdag og tanker.

Botten stiller brugeren spørgsmål som kan hjælpe brugeren til at huske på at nævne flere detaljer, endda ud fra ting man har skrevet tidligere på ugen.

Derefter formateres alt det skrevne til et dagbogsformat, som man kan tilgå via Reflectly-websitet.

Reflectly har åbnet op for tidlig adgang, så alle kan give det et kig - klik her.

Redaktør: jakobdam   |   Indsendt af: Reflectly   |   0   |   1738

Billede: google

YouTube-8M er en stor database med videoer hvis indhold er keyword tagget, som programmører kan bruge til at teste deres machine learning algoritmer.

Google annoncerede i går at YouTube-8M får en stor opdatering med flere labels på flere af deres videoer, såvel som audio elementer. Derudover vil Google forbedre datasættet med en konkurrence, der udlover en præmiepulje på ialt $ 100.000 til teams der bygger de bedste algoritmer til tagging af 700.000 nye videoer.

Google vil annoncere de vindende teams til YouTube-8M Workshop der afholdes under IEEE Conference on Computer Vision and Pattern Recognizion i juli måned.

Hvert team kan blive tildelt op til $ 30.000 og tidlige deltagere får gratis Google Cloud credits.

Redaktør: jakobdam   |   Indsendt af: jakobdam   |   0   |   1620

Billede: Mark Butler, freeimages.com

I intet mindre end 20 dage var 4 professionelle pokerspillere sat op imod en ny AI ved navn Libratus.

Der var $ 200.000 på spil, men efter 120.000 hænder var spillet, måtte menneskene se sig slået af maskinen.

Der var heller ikke tale om et tæt race idet Libratus vandt med med over 1,7 millioner virtuelle dollars.

Libratus kører på 600 nodes på en supercomputer ved navn Bridges, der har ialt 846 nodes tilgængelige. De fleste nodes har 2 CPU'er med hver 28 kerner og 128 GB RAM. Derudover har 48 af disse nodes topmoderne GPU'er mens andre har de meget kraftige NVidia Tesla K80 og P100 GPU'er. 42 af disse nodes har 3 TB RAM hver og 4 af dem har 12 TB RAM.

Libratus brugte op til 2,7 petabytes lagring i løbet af spillene mod de 4 mennesker.

» Læs mere   |   Redaktør: jakobdam   |   Indsendt af: jakobdam   |   7   |   1829

Billede: google

Google har udgivet to kæmpe databaser med samlet 17 millioner billeder og YouTube videoer, der hver er både linket og tagget. Disse tags blev først autogenereret af en computer, og derefter verificeret af mennesker.

Databaserne har fået navnene Open Images og YouTube8-M, og ifølge Google Research er disse billeder og videoer nok til at træne et neuralt netværk fra bunden.

På GitHub-siden for Open Images nævnes der desuden at de vil forbedre kvaliteten af billedbeskrivelserne i de kommende måneder.

Link til YouTube8-M: Klik her

Link til Open Images: Klik her

Redaktør: jakobdam   |   Indsendt af: jakobdam   |   0   |   1602

Billede: google

Google Translate kendes og bruges allerede af mange, og nu får den snart en stor opgradering med deep learning, hvilket ifølge WMT'14 engelsk-til-fransk og engelsk-til-tysk benchmarks, reducerer oversættelsesfejl med 60%
i forhold til den nuværende frase-baserede version.

Den nye version hedder Google Neural Machine Translation System (GNMT), hvor den nuværende model hedder Phrase Based Machine Translation (PBMT).

En af de store fordele ved GNMT i forhold til PBMT, er at GNMT kræver langt færre designvalg fra ingeniørerne bag. Da GNMT først kom i virke, matchede den PBMT i præcision - men over tid har GNMT tillært sig mange nye ting, og GNMT bringer dermed oversættelsespræcisionen og kvaliteten et stort skridt tættere på oversættelser udført af mennesker.

Redaktør: jakobdam   |   Indsendt af: jakobdam   |   0   |   1762

Billede: Facebook

Facebook har valgt at gøre 3 værktøjer til open source. Det er disse værktøjer som de selv har udviklet til at genkende objekter i billeder - nærmere betegnet drejer det sig om DeepMask, SharpMask og MultiPathNet, der tilsammen kan analysere indholdet i et billede og sætte de relevante data i kontekst.

Simpelt fortalt står DeepMask for at genkende objekter via segmentering, hvor programmet besvarer en række ja/nej-spørgsmål om et givent billede, for at klassificere billedets indhold.

SharpMask står så for at forfine processen for udvælgelse af objekter, og øge præcisionen.

Udvælgelsen som DeepMask og SharpMask foretager, er en grovsortering - hvor de eks. kan udpege både en hund og et får som særskilte elementer i et billede, men de kan ikke kende forskel på disse to dyr.

MultiPathNet tager resultatet og udfører en objektgenkendelse - og kan dermed fortælle om der er tale om en hund eller et får, jvf. ovenstående eksempel.

Redaktør: jakobdam   |   Indsendt af: thimon   |   0   |   1975

Billede: Google

Google gjorde i november 2015 deres machine learning software Tensorflow, open source samt gratis at downloade. Tensorflow bruges bl.a. af Google selv til at trække deres oversættelses services og fotoanalyser.

Den nye opdatering gør TensorFlow i stand til at køre på tværs af flere computere - flere hundrede på én gang.

Versionsnummeret hedder nu 0.8.

Redaktør: jakobdam   |   Indsendt af: thimon   |   0   |   1925

Billede: facebook

Facebook har lanceret et nyt værktøj til iOS, der kan hjælpe blinde engelsktalende brugere med at forstå hvilke billeder som folk poster på det sociale medie.

Den nye feature hedder "automatic alternative text", og kan give en grundlæggende beskrivelse af et billedes indhold for dem der bruger oplæserfunktionen.

Tidligere har skærmoplæseren kun kunne berette at der var et billede, men ikke hvad der var på billedet. Nu kan den så fortælle om billedet med sætninger såsom: "May contain: Tree, sky, sea."

Det er firmaet 1 Hacker Way der står bag, og de har brugt millioner af billeder som eksempler til deres neurale netværk.

Det er den samme type machine learning som Google brugte til at lære AlphaGo at spille Go.

Algoritmen er desuden blevet optimeret således at den beskriver mennesker først - derefter objekter og til sidst scener i baggrunden.

Redaktør: jakobdam   |   Indsendt af: jakobdam   |   1   |   1852

Billede: wikipedia

Når vi snakker trådløs kommunikation, er der et generelt problem med at båndene efterhånden er overfyldte. DARPA vil løse problemstillingen med AI-baserede radioer, og har i den forbindelse annonceret en konkurrence, hvor forskellige teams skal konkurrere mod hinanden. Målet er at udvikle en AI-baseret teknologi, der løser problemet med overbelastning af frekvenserne.

DARPA ønsker at se en måde hvorpå enhederne kan "forhandle" med hinanden, i de tilfælde hvor de deler frekvenser, for at give hinanden plads når behovet opstår.

Konkurrencen starter først i 2017, og en vinder vil blive fundet tidligt i 2020. Vinderne kan løbe af staben med hele USD 2 millioner.

Redaktør: jakobdam   |   Indsendt af: thimon   |   0   |   1781

Billede: NSA

IT-forsker og direktør for Human Rights Data Analysis Group, Patrick Ball, kalder det amerikanske Skynet program, der er en machine learning-software der automatisk identificerer potentielle terrorister, for noget "forbandet vrøvl", i en udtalelse til Ars Technica.

Et af problemer er at Skynet baserer sine resultater på et alt for tyndt datagrundlag. Nøjagtigheden af hvem der udpeges som terrorister og snigmyrdes, er derfor usikker, selvom det dog ikke er offentligt kendt hvordan NSA og CIA bruger Skynets resultater, og om der er flere faktorer de benytter sig af, før et droneangreb iværksættes.

NSA har defineret 80 variabler, som er med til at identificere potentielle terrorister - det kan være mønstre ift. at slukke/tænde sin mobil ofte, skifte SIM-kort ofte eller gentagne rejser til områder med terroraktivitet.

Skynet-modellen benytter metada fra blot 6 kendte terrorister, til at identificere en 7. terrorist ud af en gruppe på 100.000 tilfældigt valgte personer

Denne måde har eks. udpeget det arabiske nyhedsmedie Al-Jazeeras bureauchef, Ahmed Zaidan, idet han ofte rejser til områder med terroraktiviteter. Softwaren identificerede desuden Zaidan som værende medlem af både Det Muslimske Broderskab samt Al-Queda.

Redaktør: jakobdam   |   Indsendt af: thimon   |   2   |   2153