Нейронная сеть учится распознавать преступников по их лицам


Стремление научиться выявлять преступников по фотографиям на документы вызывает серьёзные этические вопросы о том, как следует использовать искусственный интеллект.
Стремление научиться выявлять преступников по фотографиям на документы вызывает серьёзные этические вопросы о том, как следует использовать искусственный интеллект.

Вскоре после изобретения фотографии некоторые криминалисты стали замечать черты сходства в полицейских фотографиях преступников. Любители бесчинствовать, заявили они, имеют специфические особенности лица, по которым можно определить правонарушителя.

В этой полемике один из самых влиятельных голосов принадлежал Чезаре Ломброзо (Cesare Lombroso), итальянскому криминалисту, смотревшему на преступников как на выродков, которые ближе к обезьянам, чем законопослушные граждане. Ломброзо был убеждён, что способен выявлять преступника по его обезьяноподобным чертам, таким как покатый лоб, необычные уши, различные асимметрии лица и длинные руки. Чтобы фактически обосновать свои взгляды, он провёл множество антропометрических исследований, однако оставил полученные данные без статистического анализа.

Этот недостаток со временем привёл учение Ломброзо к полному краху. Его взгляды были дискредитированы английским криминалистом Чарльзом Горингом (Charles Goring), который статистически проанализировал данные о физических отклонениях, наблюдаемых у преступников в отличие от непреступников. Горинг сделал вывод об отсутствии каких бы то ни было статистических различий.

На этом дискуссия затихла вплоть до 2011 года, когда группа психологов Корнеллского университета (Cornell University) продемонстрировала эффективность деления людей на преступников и непреступников по одним лишь фотографиям. Как это возможно при отсутствии статистически значимых физических особенностей?

Сегодня Сяолинь У (Xiaolin Wu) и Си Чжан (Xi Zhang) из Шанхайского университета транспорта (кит. 上海交通大学, англ. Shanghai Jiao Tong University) в Китае предоставили нам пример ответа. Для изучения лиц преступников и непреступников они применили разнообразные алгоритмы машинного зрения, а затем протестировали полученные данные, чтобы выяснить, нет ли искомого различия. (далее…)

Диагностирование генетических болезней по фото


 Так выглядит профиль загруженного фото пациента с оценкой вероятности одного из множества заболеваний, представленных в базе программы

Так выглядит профиль загруженного фото пациента с оценкой вероятности одного из множества заболеваний, представленных в базе программы.

Уже тысячи занимающихся генетическими заболеваниями врачей и исследователей по всему миру используют для предварительной диагностики компьютерную программу Face2Gene.

FDNA, материнская компания Face2Gene, была создана шесть лет назад после того, как израильские соучредители продали прежнюю компанию по производству программ по распознаванию лиц Face.com компании Facebook. Эта программа способна различать конкретные лица после «обучения» на нескольких изображениях конкретного человека. Программа Face2Gene, напротив, определяет паттерн, общий для группы людей с одним синдромом. Установление этого общего знаменателя позволяет программе создавать составное характерно-усреднённое изображение, соотносящееся с заболеванием.

Когда генеральный директор Декел Гелбман (Dekel Gelbman) был принят на работу в 2010 году, он встретился с несколькими практикующими врачами и быстро понял, что распознавание лиц может помочь снизить число недиагностированных заболеваний.

По оценке Face2Gene из более 7000 известных генетических синдромов до половины связаны с особым типом лица, который можно узнать и использовать для установления диагноза. Синдром Дауна, например, является одним из наиболее распространённых, и поэтому его легче диагностировать. Но более редкие заболевания могут оказаться сложной задачей.

«Представьте, что вы генетик и у вас в голове есть собственный архив изображений, соответствующих тому, что вы видели и чему вас учили, — Объяснил Гелбман. — Вы не можете знать всего. Ваша способность вызвать в воображении образ или попытаться сравнить модели в уме, ограничена. Как же вам упростить это?»

Face2Gene бесплатно использует данные, собранные генетиками. Хотя технология бесплатна для поставщиков информации, Гелбман предусматривает оплату фармацевтическими компаниями за получение доступа к помощи в обнаружении и разработке лекарственных средств. Чем больше людей вводят данные в Face2Gene, тем больше система запоминает черт лица, связанных с какими-либо синдромами. По словам Гелбмана, 60 процентов клинических генетиков и генетических консультантов по всему миру используют эту технологию.

Мобильное приложение автоматически фотографирует пациента, загружает эту фотографию на сервер, а также анализирует черты лица в течение нескольких секунд, чтобы составить список синдромов, соответствующих идентифицированным сходствам. Каждый синдром сопровождается информацией из лондонских медицинских баз данных, в которых хранится и пополняется коллекция дисморфологических изображений. (далее…)

Майкрософт занялась «умными холодильниками»


Нынешнее поколение SmartDeviceBox даёт возможность удалённо управлять настройками холодильников Либхерр, но распознавать продукты не умеет.
Нынешнее поколение SmartDeviceBox даёт возможность удалённо управлять настройками холодильников «Либхерр», но распознавать продукты не умеет.

«Майкрософт» и немецкая компания «Либхерр» (нем. Liebherr) работают над созданием нового поколения коммуникационных модулей SmartDeviceBox, которые позволят холодильникам передавать информацию через интернет. Об этом в блоге «Майкрософт» сообщил главный инженер отдела обработки данных Тимоти Дж. Хейзен (Timothy J. Hazen).

С помощью встроенных камер и технологии распознавания объектов рефрижераторы от «Либхерр» будут отслеживать, какие продукты хранятся внутри, и формировать список, который владелец сможет просматривать через приложения для Android и iOS. SmartDeviceBox рассчитан на длительный жизненный цикл: модульные блоки можно будет модифицировать и встраивать в совместимые устройства. (далее…)

Опытные врачи определяют рак в мгновение ока. Но непонятно, как


Маммограмма
Маммограмма. Полсекунды — и специалист что-то заподозрил.

Исследование, проведённое специалистами Больницы Бригама и женщин (Brigham and Women’s Hospital), Бостон, США; Йоркского и Лидского университетов в Великобритании (University of York, University of Leeds) и Онкологического центра им. М. Д. Андерсона в Техасе (MD Anderson Cancer Center), посвящено исследованию способности опытных врачей-радиологов определять патологию на маммограмме — рентгеновском снимке молочной железы.

В статье, опубликованной 29 августа в Proceedings of the National Academy of Sciences, сообщается, что в ходе проверки зрительного восприятия радиологи, которым показывали маммограммы в течение половины секунды, идентифицировали аномалии чаще, чем если бы просто угадывали. Далее наличие этой способности было проверено в серии экспериментов, чтобы понять, какой сигнал предупреждает врачей о наличии возможной патологии, что можно было бы использовать для улучшения эффективности скрининга рака молочной железы и его раннего выявления. (далее…)

Нейронные сети будут проводить офтальмологическую диагностику


Даже опытный врач не всегда может заметить признаки заболевания глаз
Даже опытный врач не всегда может заметить признаки заболевания глаз.

DeepMind, базирующаяся в Лондоне компания-разработчик искусственного интеллекта (приобретённая в 2014 году Google), запустила проект по обучению нейронных сетей распознаванию признаков болезней глаз на медицинских снимках. Партнёрство с Глазной клиникой Мурфилдс (Moorfields Eye Hospital) в Лондоне дало компании доступ к почти миллиону снимков радужной оболочки глаза, которые DeepMind заложит в свою систему искусственного интеллекта.

Проект ориентирован на два из наиболее распространённых заболеваний глаз — возрастную дегенерацию жёлтого пятна и диабетическую ретинопатию. Более 100 миллионов человек в мире страдают от этих заболеваний. (далее…)

Люди и машины обращают внимание на разные детали


Сравнительная карта внимания человека и машины
Сравнительная карта внимания человека и машины.

Искусственный интеллект часто описывают как чёрный ящик, процессы принятия решений которого неисповедимы. Но исследователи открывают этот чёрный ящик, заглядывают внутрь и сравнивают его работу с работой человеческого мозга.

Оказалось, например, что люди и машины обращают внимание не совсем на одни и те же вещи, когда они смотрят на фотографии.

Исследователи из Facebook и Политехнического университета Виргинии в Блэксбурге (Virginia Polytechnic Institute and State University) показывали людям и машинам фотографии и просили ответить на простые вопросы. Но на самом деле исследователей интересовали не ответы. Их целью было составление карт внимания человеческого и искусственного интеллекта, чтобы пролить немного света на различия между ИИ и нами. (далее…)

Робот роботу — помоги


Два робота были использованы для того, чтобы продемонстрировать, как они принимают сигналы о помощи и откладывают собственные дела, приходя на выручку
Два робота были использованы для того, чтобы продемонстрировать, как они принимают сигналы о помощи и откладывают собственные дела, приходя на выручку.

Многие задачи слишком сложны для одного робота, поэтому их выполнение требует взаимодействия с человеком или другим роботом. Исследователи из Королевского технологического института (швед. Kungliga Tekniska högskolan, KTH) в Швеции завершили работу над проектом по созданию роботов, сотрудничающих друг с другом в ходе выполнения сложных заданий.

Димос Димарогонас (Dimos Dimarogonas), доцент KTH и координатор проекта RECONFIG, говорит, что его команда разработала протоколы, позволяющие роботам обращаться за помощью друг к другу и понимать, когда другие роботы нуждаются в помощи.

«Робот может отложить собственные дела, и помочь другому роботу, обратившемуся за помощью, — говорит Димарогонас. — Это означает, что у нас будут гибкие и динамичные роботы, гораздо более похожие в своих действиях на людей, роботы, способные постоянно сталкиваться с новыми ситуациями, и достаточно компетентные, чтобы принимать решения». (далее…)

Рыбы могут различать человеческие лица


Учёные использовали набор из 62 европеоидных женских лиц. В ходе первого испытания (рисунок А) рыбы выбирали фотографии, на которых изображено не только лицо, но и характерная форма головы. Для второго эксперимента (рисунок B) фото отредактировали.
Учёные использовали набор из 62 европеоидных женских лиц. В ходе первого испытания (рисунок А) рыбы выбирали фотографии, на которых изображено не только лицо, но и характерная форма головы. Для второго эксперимента (рисунок B) фото отредактировали.

Исследование учёных из Оксфордского (University of Oxford) и Квинслендского (The University of Queensland) университетов показало, что рыбы-брызгуны способны распознавать лица с высокой степенью точности — впечатляющее достижение для животных, у которых нет сложно организованного мозга. Исследование опубликовано в журнале Scientific Reports.

«Отличить друг от друга множество человеческих лиц — удивительно сложная задача, во многом потому, что все человеческие лица обладают одними и теми же основными особенностями, — объясняет ведущий автор исследования Кейт Ньюпорт (Cait Newport). — Все лица имеют два глаза над носом и рот, поэтому чтобы различать людей, мы должны быть способны уловить тонкие различия в этих характеристиках. Если принять во внимание внешнюю схожесть некоторых членов семей, это задание может быть очень сложным».

«Высказывались гипотезы о том, что это настолько сложная задача, что справиться с ней могут только приматы, которые обладают большим и сложным мозгом, — говорит Ньюпорт. — Тот факт, что распознаванием лиц занимается отдельная область человеческого мозга, позволяет предположить, что человеческие лица чем-то отличаются от всех остальных. Чтобы проверить эту гипотезу, мы хотели узнать, способно ли на это другое животное, с меньшим и более простым мозгом, у которого не было эволюционной необходимости узнавать человеческие лица». Исследователи обнаружили, что рыбы, которые не обладали сложно организованной зрительной корой головного мозга, как приматы, тем не менее, могли отличить одно человеческое лицо от 44 других.
(далее…)

Роботы, которые учатся друг у друга


Каждый раз, когда Baxter определяет лучший способ взять и удержать предмет, он пересылает этот опыт другим роботам
Каждый раз, когда робот Baxter определяет лучший способ взять и удержать предмет, он пересылает информацию об этом опыте в облако, что даёт возможность другим роботам легко воспользоваться ею.

Существует множество видов работ, которые люди хотели бы отдать роботам, такие как упаковка товаров на складах, помощь лежачим больным или солдатам на линии фронта. Но это пока невозможно, потому что роботы до сих пор не распознают простые предметы и не могут легко обращаться с ними. У людей, как правило, нет проблем с тем, чтобы складывать носки или поднять стакан, потому что мы прошли «процесс сбора больших данных» под названием детство, говорит Стефани Теллекс (Stefanie Tellex), профессор компьютерных наук в университете Брауна (Brown University). Роботам, чтобы выполнить те же типы повседневных задач, нужен доступ к большим объёмам данных о том, как манипулировать предметами. Откуда эти данные берутся? Как правило — являются результатом кропотливого программирования. Но в идеале роботы могли бы получать информацию друг от друга. (далее…)

Microsoft определяет эмоции по фотографии


Эмоции Лионеля Месси
По версии алгоритма определения настроения от Microsoft, Лионель Месси несколько разочарован проигрышем в финале Кубка мира по футболу.

Компания «Майкрософт» продолжает развивать свои технологии по атрибутированию людей на фотографиях. Весной она запустила сайт How Old I Look («На сколько лет я выгляжу»), а сейчас предложила сервис, который определяет настроение изображённого на фотоснимке человека.

Пользователь может загрузить изображение с компьютера или дать ссылку на файл в Интернете. Сервис найдёт лица — до 64 на одной картинке — и определит вероятности для каждого из семи чувств: гнев, презрение, отвращение, страх, печаль, удивление — и нейтрального состояния. Пользователь получает расклад вероятностей при наведении на каждое из распознанных лиц.

Сервис также предоставляет результаты в формате JSON для автоматической обработки. Для каждого лица выдаются координаты центра, а также ширина и высота прямоугольника, в который оно заключено, и вероятности для настроений. (далее…)