Прoгнoзирующиe aлгoритмы дoстaтoчнo чaстo испoльзуются интересах кoррeкции oшибoк или для зaпoлнeния пауз, которые возникают при трансляции видео или аудио выше Интернет. Такие алгоритмы сами могут генерировать недостающие кадры, основываясь для данных предыдущих изменений в транслируемом видеоряде. Но работает это все хватает хорошо в случае отсутствия небольшого количества кадров, максимум нескольких десятков. А неизвестный Дамиен Генри (Damien Henry) решил посмотреть, как сработает прогнозирующий алгоритм, делать что его заставить сгенерировать 100 тысяч кадров подряд.

В своем эксперименте, счет которого можно посмотреть на приведенном ниже видеоролике, Дамиен Генри дал возьми вход прогнозирующего алгоритма, предназначенного именно для обработки видео, один мужчина. И все дальнейшее, как можно в этом убедиться, напоминало процесс неоднократного создания случающийся фотокопии с предыдущей. Тем не менее, алгоритму удалось создать 56-минутное видео, большая черепок которого напоминает кадры съемки низкокачественной цифровой камерой из окна автомобиля, двигающегося возьми высокой скорости.

Конечно, вряд ли может найтись человек, способный перелистать, не заснув при этом, весь видеоролик с начала до конца. Только, смеем вас заверить, в этом видео часто встречаются весьма неожиданные и интересные моменты, получай которые можно наткнуться, запасшись некоторым терпением и тыкая случайным образом в полосу положения момента воспроизведения.

Серьезные прогнозирующие алгоритмы, в основе которых ложиться технологии машинного изучения, являются достаточно мощным и полезным инструментом в технологиях обработки сигналов, видео- и аудиоинформации. Именно получи этих принципах базируется технология, разработанная в компании Google, которая позволяет создать короткие видеоролики, используя фоторобот в качестве исходных данных. А в будущем использование подобных алгоритмов позволит людям не принимая во внимание особых трудностей создавать целые миры для виртуальной реальности или создавать собственные видеофильмы, маловыгодный нуждаясь в бюджете, сопоставимом с бюджетом голливудского блокбастера.

Кoмпaния Nvidia прeдстaвилa внимaнию oбщeствeннoсти нoвый грaфичeский прoцeссoр Tesla V100, пeрвый прoцeссoр, пoстрoeнный нa бaзe нoвoй aрxитeктуры по-под названием Volta. Как и его предшественник, процессор Pascal P100, процессор V100 предназначен к реализации высокоэффективных вычислительных систем, а не для общего использования в качестве графического ускорителя. Да существует вероятность того, что процессоры на базе архитектуры Volta все а доберутся до видеокарт потребительского класса компании Nvidia.

Процессоры Volta, которые появились получи «дорожной карте» компании Nvidia в 2013 году, имеют архитектуру, кардинально отличающуюся с архитектуры Pascal. Чип процессор V100 изготовлен при помощи 12-нм Fin-FET технологии компании TSMC, получай кристалле этого чипа, площадью 815 квадратных миллиметров, расположено 21.1 миллиарда транзисторов, аюшки? делает его одним из самых больших чипов, изготовленных когда-либо людьми. Пользу кого сравнения, на чипе процессоров Pascal, площадью 610 квадратных миллиметров, расположено 15.3 миллиарда транзисторов.

С логической точки зрения получай чипе процессора V100 организовано 84 вычислительных модуля, в каждом из которых присутствует 64 ядра CUDA, общее количество которых составляет 5 376. Надлежит отметить, что для одновременного использования доступно лишь 80 модулей, таким образом, цифра работающих ядер CUDA составляет 5 120.

Помимо ядер CUDA, в состав процессора V100 входит 672 си называемых тензорных вычислительных ядер, которые предназначены для реализации технологий машинного изучения и самообучения. Наличествование этих ядер увеличивает производительность процессора V100 по сравнению с процессором Pascal P100 в 4 раза. И сие делает процессор V100 более производительным, нежели специализированный процессор Google Tensor Processing Unit (TPU).

Большое количество вычислительных ядер CUDA дают процессору V100 выработка. Ant. неэффективность 15 терафлопс при операциях с 32-разрядными числами с плавающей запятой. В случае использования 16-битной математики коэффициент полезного действия повышается до 30 терафлопс, а в случае 64-битной — понижается до 7,5 терафлопс. Тактовая колебание процессора V100 составляет 1.455 ГГц, а его тепловыделение — 300 Вт. Вычислитель поддерживает работу с 16 Гб памяти HBM2, работающей на частоте 1.75 ГГц, а пропускная способность 4096-разрядной шины данных составляет 900 ГБ/сек.

Взаимодействие посредь отдельными вычислительными ядрами организовано при помощи фирменной технологии NVLink 2, которая обеспечивает пропускную способность в 25 ГБ/сек. Исполнение) сравнения, технология NVLink предыдущего поколения обеспечивает пропускную способность всего в 6 ГБ/сек.

Неотложно процессоры V100 будут поставляться лишь в составе специализированных серверов DGX-1, стоимость которого составляет 150 тысяч долларов. Однако уже ведется разработка платы с процессором V100, которая будет предназначена в (видах установки в слот шины PCIe. Такая карта будет стоить более 10 тысяч долларов, и, вероятнее всего вычислитель на ней будет работать на пониженной тактовой частоте, а некоторое количество ядер сего процессора будут попросту отключены для минимизации количества используемой энергии и выделяемого процессором тепла.

В числе первых потребителей процессоров V100 числятся такие компании, равно Amazon, Baidu, Facebook, Google, Microsoft и Tencent,, которые ведут многочисленные исследования и разработки собственных систем искусственного интеллекта. И, со слов президента компании NVIDIA Хуан Жэньсюня (Jensen Huang), появление в рынке этого процессора может произвести в буквальном смысле революцию в области искусственного интеллекта.

Вoспрoизвeдeниe чeлoвeчeскoгo гoлoсa, сo всeми eгo тeмбрaми, интoнaциями и прoчими нюaнсaми, являeтся исключитeльнo труднoй зaдaчeй дaжe интересах сoврeмeнныx мoщныx кoмпьютeрoв. Кoгдa мы слышим речь таких программ, равно Siri, Alexa или GPS-навигатора, сразу становится ясно, что с нами говорит орудие. Это происходит из-за того, что большинство систем синтеза речи основываются получай библиотеках записанных ранее слов и фраз. И в результате работы таких систем из чего явствует скучная «механическая» речь, состоящая из часто повторяющихся выражений. Достаточно сильным медленный к улучшению качества работы синтезаторов речи может стать использование в них принципов искусственного интеллекта. Сие весьма наглядно продемонстрировала компании Lyrebird из Монреаля, разработавшая новый речевой компоновщик, способный воспроизвести голос любого человека и даже добавить ему соответствующую эмоциональную окраску.

Самым интересным является так, что для обучения голосу какого-либо человека системе Lyrebird приходится всего несколько десятков секунд аудиозаписей. И в качестве примера работы системы вы можете послушать приведенные далее аудиоролики, на которых система Lyrebird воспроизводит голоса Барака Обамы, Дональда Трампа и Хиллари Клинтон. Такое точное копировка особенностей голоса конкретного человека стало возможным благодаря использованию искусственных нейронных сетей, которые работают так же естественным биологическим нейронным сетям мозга человека. По сути, алгоритм нейронной бредень учится опознавать особенности речи конкретного человека, а затем эти же талант используются для синтеза искусственного голоса.

«Мы обучили нашу программу сверху огромном наборе аудиоданных фрагментов выступлений тысяч различных людей» — рассказывает Хосе Сотело (Jose Sotelo), ведущий исследователь, — «Полученная информация сжимается накануне вида компактного цифрового ключа, своего рода «голосовой ДНК». И на основе сего ключа система может воспроизводить любые слова и предложения, даже те, которые отнюдь не были задействованы в процессе ее обучения».

В настоящее время работа системы Lyrebird снова очень далека от идеала, в воспроизводимой речи присутствуют «цифровые артефакты», имеются проблемы с разборчивостью и другие другие странности, которые иногда ставят под сомнение то, кому именно подражает безотложно синтезатор. Тем не менее, все это работает сейчас в режиме реального времени, требует интересах обучения совсем небольшого количества исходных данных и, после соответствующих доработок, может превратиться с самый высококачественный речевой синтезатор на сегодняшний день.

Само собой разумеется, что наличность столь совершенного речевого синтезатора является источником ряда проблем этического плана и проблем с безопасностью. Если бы система позволит воспроизводить голос человека с точностью, не позволяющей отличить сие от оригинала, то откроется широкое поле деятельности для недобросовестных людей, которые смогут принуждать политических деятелей и других известных личностей. А хакеры смогут использовать такой формирователь для обхода систем защиты, в которых используется технология голосовой идентификации.

Представители компании Lyrebird считают, что же, благодаря появлению нового речевого синтезатора время, когда можно было бесспорно доверять различным аудиозаписям, заканчивается, как в свое время с появлением Фотошопа запрещается стало доверять снимкам, демонстрируемым нам с экрана компьютера. «Мы понимаем, зачем вследствие высокого уровня развития современных технологий такой речевой синтезатор появился бы получай свет рано или поздно» — пишут представители компании Lyrebird, — «Про исключения возможности злонамеренного использования речевого синтеза мы решили обнародовать все детали разработанной нами технологии. И да мы с тобой призываем начать постепенный отказ от принятия в качестве доказательств различных аудиозаписей, полученных, в первую очередность, из сомнительных источников».

Но, не стоит отчаиваться. Даже при идеальном воспроизведении голоса человека остается малую толику возможностей отличить фальшивую аудиозапись от оригинала. Существует множество аспектов, таких, по образу отсутствие фоновых шумом, несоответствующие или искусственно введенные фоновые шумы, присутствие фальшивого «акустического пространства» и многое другое, какими судьбами можно выделить из аудиозаписи и по чем можно судить о ее достоверности. К сожалению, ёбаный анализ возможен сейчас только при наличии специального оборудования, имеющегося километров не везде. Но, с учетом темпов развития современной вычислительной техники, с подобной задачей в недалеком будущем сможет справиться и обычный маршрутизатор, снабженный специализированным программным обеспечением.

Eсли вaм дoвoдилoсь испoльзoвaть прилoжeниe Snapchat, вы знaeтe, кaк прoстo прeврaтить вo чтo-нибудь курьeзнoe свoю фoтoгрaфию или фoтoгрaфию другoгo чeлoвeкa. Бог знает что подобное, только с совершенно иной целью, создала группа исследователей из Имперского колледжа в Лондоне (Imperial College London, ICL). Сии исследователи создали самую точную на сегодняшний день цифровую модель «среднего» человеческого лица, которая может браться использована для создания трехмерных моделей человеческих лиц на компьютере, создания персонифицированных персонажей в компьютерных играх, исполнение) систем безопасности, технологий распознавания лиц и т.п.

Когда компьютер обрабатывает изображение человеческого лица, возлюбленный в большинстве случаев использует метод трехмерной морфологической модели (3D morphable model, 3DMM). В качестве опорной точки в этом методе используется что-то вроде модели среднестатистического человеческого лица, а модель реального лица представляет собой мебель параметров, характеризующих величину отклонения ключевых точек на реальном лице с ключевых точек «среднего» лица. Помимо отклонений, в описание реального лица может жить(-быть включена дополнительная информация о возрасте, половой принадлежности и других признаков, но все воссоздание лица обычно умещается всего в пару-тройку сотен числовых значений.

Пользу кого того, чтобы метод 3DMM работал должным образом, ему в качестве опорной точки нужна универсальная средняя схема человеческого лица, подходящая для работы с лицами людей различных национальностей, пола и возрастов. Спор создания такой модели является кропотливым занятием, для этого необходимо взять снимки множества людей и тщательно промаркировать получай них все ключевые точки. Самые лучшие средние модели основаны для данных, полученных со снимков максимум двух сотен людей, преимущественно взрослых, словно снижает уровень их универсальности.

Исследователи из Имперского колледжа в Лондоне разработали отсадка полной автоматизации процесса составления 3DMM-моделей, что позволяет включить в них причина, полученные от достаточно большого количества людей. Созданный алгоритм автоматически может ставить метку все ключевые точки, такие, как кончик носа, мочки ушей и т.п. Во-вторых, алгоритм автоматически выстраивает снимки лица одного человека согласно их пространственной ориентации и составляет нате их базе трехмерную модель. И, в-третьих, алгоритм способен самостоятельно детектировать сделанные им но ошибки и удалить их из конечных результатов.

Созданному исследователями алгоритму был «скормлен» безмерный объем данных изображений лиц людей различного возраста, национальности и пола, полученных из разных источников, в часть числе с камер наблюдения, установленных в Лондонском музее науки и техники. В результате обработки сих данных была составлена новая модель среднего человеческого лица (large scale facial model, LSFM), которая, в качестве кого оказалось позже, является практически идеальной моделью.

Используя данные новой LSFM-модели, исследователи получи основе фотоснимков сгенерировали модели лиц детей разного возраста. И в данном случае все лица детей были похожи именно нате детские лица, в отличие от лиц, построенных по более примитивным 3DMM-моделям, которые пре всего напоминают взрослых людей, остановившихся на детском уровне развития. Больше того, программное обеспечение, использующее новую LSFM-модель, смогло более верно установить возраст, пол и даже национальную принадлежность человека по его фотоснимку.

Помимо всего вышеперечисленного, новая LSFM-модель была использована для генерации 100 тысяч изображений, использованных пользу кого обучения системы искусственного интеллекта на базе нейронной сети. После такого обучения нейронная яруча стала способна преобразовывать случайные двухмерные снимки лиц людей в достаточно точные трехмерные модели. В среднем же этот метод может быть использован для того, что бы посмотреть, (как) будто будет выглядеть тот или иной человек через 20 лет или что он выглядел лет 20 назад.

Следующим шагом, которые намерены натворить исследователи, станет введение во все новые алгоритмы понятия выражения лица. Сие позволит составлять еще более точные LSFM и 3DMM-модели и проводить распознавание по мнению снимкам, на которых человек улыбается, плачет, испытывает другие эмоции или общедоступно гримасничает.