Британские разработчики испытали два беспилотных гоночных автомобиля. Посмотрите, это даже смотреть стрёмно, а уж сидеть внутри такой штуки - даже не представляю.

https://youtu.be/sNErAQm7YLg

По ссылке ещё одно видео и немного подробностей о проекте Roborace. Кстати, его CEO - Денис Свердлов, сооснователь компании Yota и бывший замминистра связи.

http://fortune.com/2016/11/05/roborace-episode-2/

Очень трогательное видео: 91-летнему британцу показали снятое специально для него 360°-видео из французского городка, который он в роли капрала британской армии освобождал от оккупации во время Второй мировой. В ролике жители города благодарят ветерана за освобождение, мэр вручает ему почётную медаль, а местные дети поют песенку. Пока смотрел, сам прослезился.

https://youtu.be/PModuWq8hAI

via http://snappa.press.net/#!/assets/af32d0f8-2236-34d7-bc9e-2892fb220d90

Канадские специалисты по кибербезопасности опубликовали доклад о нетипичном ботнете Linux/Moose - он состоит из заражённых устройств интернета вещей и используется для накруток лайков и фолловеров в соцсетях.

Ботнет Moose поражает только встроенные (embedded) системы под Linux - исследователи кибербезопасности уделяют им намного меньше внимания.

Подобные ботнеты часто используются для DDoS-атак, рассылки спама или открутки баннеров. Moose используют для более прибыльных услуг - накрутки лайков и фолловеров в соцсетях, в основном в Instagram (86% трафика).

У ботнета нет явных "пострадавших", кроме людей, которые ведутся на накрученных фолловеров и лайки - например, покупают неэффективную рекламу в аккаунтах с фальшивой аудиторией.

Злоумышленники продают свои услуги открыто - их предложения по накрутке лайков несложно найти в интернете. 10 тысяч лайков стоят в среднем $160, 10 тысяч подписчиков - $113.

При полной загрузке одно зараженное устройство может приносить владельцу ботнета $13,05 в месяц. Соответственно, сеть из 50 тысяч устройств может приносить киберпреступникам до $700 тысяч в месяц.

Берегите свои чайники, не покупайте лайки и не ведитесь на профили с сотнями тысяч подписчиков.

http://gosecure.net/2016/11/02/exposing-the-ego-market-the-cybercrime-performed-by-the-linux-moose-botnet/

Кибервойна. Начало.

Учёные из Калифорнии проанализировали 20 миллионов твитов за сентябрь-октябрь, связаных с выборами, и обнаружили, что 20% твитов сгенерированы ботами. Соавтор исследования Эмилио Феррара пишет об этом подробнее в своей колонке на The Conversation.

15% всех пользователей, обсуждавших выборы в исследуемый период - боты. Это больше, чем в среднем по Twitter - по оценкам компании, боты составляют от 5 до 8,5% от общего числа аккаунтов.

Про-трамповских ботов больше (75%) и они более открыто топили за своего кандидата. Боты за Клинтон пиcали больше нейтральных твитов. Многие боты писали не о своём кандидате, а об оппоненте - например, форсили хештеги #NeverHillary или #NeverTrump.

Эффект от работы ботов нельзя исследовать. Феррара предполагает, что их твиты могут создавать у людей ложное представление о поддержке того или иного кандидата. Но измерить это никак нельзя. Как и определить, кто их ведёт.

https://theconversation.com/how-twitter-bots-affected-the-us-presidential-campaign-68406

Как работает перенос стиля в приложениях вроде Prisma

После того, как Prisma взорвала интернет, вышло немало подобных приложений - технология переноса стиля на самом деле не нова и легко воспроизводится при наличии ресурсов. Теперь фильтры аля Prisma есть даже в ICQ.

Технологии, которые стоят за этими приложениями, очень интересны в том плане, что на них хорошо разбираться, как работают нейросети. Я читал оригинальную работу исследователей, которые первыми придумали использовать нейросети для переноса стиля (Гатис и команда), переписывался с ними, и с российскими исследователями из Яндекса, которые усовершенствовали этот метод, и с разработчиками разных приложений. Писал текст для одного издания, но некоторые авторы слишком долго отвечали, а потом хайп прошёл и черновик пришлось отложить в долгий ящик.

Если вы интересуетесь нейросетями, я советую вам почитать вот это объяснение от Google. Там ребята научили нейросети не просто переносить стили изображений, но и смешивать стили с разных изображений, причём делать это на лету. Ссылки для более подробного изучения - в конце текста.

https://research.googleblog.com/2016/10/supercharging-style-transfer.html

А здесь ещё более простое и понятное объяснение в формате видео: https://youtu.be/WHmp26bh0tI

Если совсем на пальцах, то глубокие нейросети при распознавании картинок пропускают их через много слоёв "нейронов". Самые низкие слои - самые тупые, они видят простые линии и формы. Чем выше слой, тем больше уровень абстракции. Последние слои уже могут распознавать сложные объекты, особенности рисунка (например, мазок художника) и стиль рисунка в целом.

Перенос стиля работает так: программа берёт за основу картинку чёрно-белого шума и начинает модифицировать её так, чтобы нижние слои нейросети начали распознавать в ней контент исходной фотографии, а верхние - стиль заданного рисунка. После каждой итерации программа оценивает ошибку (насколько полученный рисунок отличается от заданного) и корректирует коэффициенты для следующей итерации. После большого количества итераций результатом будет картинка с содержанием заданной фотографии и стилем заданного рисунка.

Если что-то напутал, поправьте.

Сегодня необычная рекомендация: канал Игоря Белкина с говорящим названием @ebanistika. Игорь - бывший журналист Ленты и сооснователь Лентача. Он знает толк в качественных приколах.

Ебанистика - единственный канал с приколами, который я читаю в Telegram (и иногда проигрываю вслух). Короче, мне норм, если вам тоже - читайте.

https://telegram.me/ebanistika

Знакомый программист написал плагин, скрывающий из ленты Facebook посты о выборах в США.

Не благодарите: http://apparat.cc/news/no-more-trump/

Бизнес уходит в мессенджеры

Иллюстрированная периодическая таблица элементов. Интересная штука, если учесть что о большинстве из них мы вообще ничего не знаем.

Пойду поджарю серы 🍳

http://elements.wlonk.com/ElementsTable.htm

Японские учёные научили нейросеть угадывать жанр книги по обложке: http://apparat.cc/news/deep-neural-network-books-covers/

Интересно, что она скажет об этом:

Рэп, написанный нейросетью. Под бит не отличил бы от обычного.

https://news.ycombinator.com/item?id=12891158

Несколько тезисов от одного из лучших специалистов по ИИ в мире - Эндрю Ына. Он преподавал машинное обучение в Стэнфорде, был сооснователем Google Brain и Coursera, а сейчас - директор разработки ИИ в Baidu, где руководит командой из 1200 специалистов.

Большинство прорывов в области ИИ за последнее время можно представить как генерирование ответов на входящий набор данных (см. таблицу).

Простое правило для оценки границ автоматизации: если человек может выполнить некоторую задачу в уме за секунду, в ближайшее время эта задача будет автоматизирована с помощью ИИ.

Примеры таких задач: обнаружение подозрительной активности на системах видеонаблюдения, принятие решений о движении автомобиля, обнаружение оскорбительных постов в соцсетях.

Алгоритмы и софт - не главное в индустрии ИИ. Исследования публикуются в открытом доступе, а софт делают опенсорсным. Самые важные ресурсы - это данные, без которых алгоритмы нельзя создать, и люди, которые смогут модифицировать и подстраивать алгоритмы под конкретные задачи.

https://hbr.org/2016/11/what-artificial-intelligence-can-and-cant-do-right-now

Советую читать Ына в Twitter: https://twitter.com/AndrewYNg

Что умеет делать машинное обучение

https://hbr.org/2016/11/what-artificial-intelligence-can-and-cant-do-right-now

Минутка сексуального просвещения. В Франции напечатали на 3D-принтере модель клитора в натуральную величину - для популяризации полового образования. Полезно будет посмотреть и мужчинам, и женщинам - уверен, узнаете много нового. Вот такое надо в школе показывать, а не черно-белые картинки в учебнике.

http://www.makery.info/2016/07/26/un-clitoris-imprime-en-3d-une-premiere-en-france/

Шок, сенсация, NSFW: вот так на самом деле выглядит человеческий клитор.

http://www.makery.info/2016/07/26/un-clitoris-imprime-en-3d-une-premiere-en-france/

Наконец зарегистрировал маму в Telegram. Сразу дал ссылку на свой канал. И первым постом, который она увидела здесь, оказалась вот эта картинка выше.

😶

В США вышла книга "How Not to Network a Nation: The Uneasy History of the Soviet Internet". Фрагмент из неё можно прочитать на Aeon.

Выдающийся киевский математик и кибернетик Виктор Глушков в 60-х разработал проект компьютерного управления экономикой СССР. Проект был амбициозным - по оценкам самого Глушкова, сложнее, чем космический и ядерный - и требовал для реализации 20 миллиардов рублей. Глушков рассчитывал, что эффективное планирование ресурсов и управление производством с помощью компьютерной сети уже через три года принесёт в бюджет СССР 100 миллиардов рублей.

Но, как мы знаем из истории, никакого "советского интернета" в итоге не получилось: инициативу Глушкова задавили кремлёвские бюрократы. Доходило до анекдотических ситуаций: главный противник ОГАС министр финансов Гарбузов на одном из обсуждений предложил сначала оборудовать все фермы компьютерами с лампочками (он увидел такое на одной ферме в Минске; мигание лампочек повышало плодовитость кур), а потом уже говорить о построении общесоветской компьютерной сети.

https://aeon.co/essays/how-the-soviets-invented-the-internet-and-why-it-didn-t-work
Перевод: http://gagadget.com/science/24293-neveroyatnaya-istoriya-sovetskogo-interneta/

Здесь подробнее описана история ОГАС (и вообще хороший сайт "для тих, хто хоче знати більше" про историю украинской вычислительной техники): http://ru.uacomputing.com/stories/ogas/

Во время моей учёбы на кафедре вычислительной техники в КПИ некоторые преподаватели рассказывали нам о том, какой феноменальный человек был Глушков - им повезло с ним поработать. Уже в 50-х под его руководством в Киеве работали над искусственным интеллектом, обгоняя американских коллег. Под его руководством и при его участии были разработаны "МИР" и "Днепр" - первые в СССР персональный и проводниковый компьютеры. Практику после 4 курса я проходил в Институте кибернетики имени Глушкова. А ещё Глушкова и ОГАС очень любят на факультете социологии в КПИ - там ежегодно проходит научно-практическая конференция "Глушковские чтения".

В общем, приятно быть причастным к такому гиганту мысли через одно рукопожатие. Жаль только, что все эти героические достижения остались в далёком прошлом: советская кибернетика загнулась, вычислительная техника быстро отстала от американской, ОГАС так и не построили. Институт Глушкова сейчас стагнирует, как и вся украинская наука. Но это уже совсем другая история.

Представьте, что прямо сейчас у вас отнимают смартфон и отправляют на химическую экспертизу. Как думаете, много ли может о вас рассказать анализ грязи с экрана? Оказывается, немало.

Учёные из США и Германии взяли пробы с рук и экранов смартфонов 39 добровольцев. 99% проб с рук оказались уникальными, в 69% случаев сравнение проб с рук и экранов позволило точно установить владельца смартфона. Но главная фишка этой техники в другом - анализ грязи на смартфоне позволяет многое узнать о привычках его владельца.

С помощью масс-спектрального анализа исследователи смогли обнаружить на смартфонах следы таких веществ как средства от выпадения волос, воспаления кожи и грибка, антидепрессанты и глазные капли. Следы кофе выдали любителя кофе. Человек, на чьём смартфоне нашли молекулы цитрусовых фруктов, оказался любителем апельсинов (который кроме того пользовался средствами для мытья с цитрусовым ароматом). Ингредиент перца чили капсаицин выдал любителя острой еды. Некоторые химикаты, в частности антимоскитный пестицид, обнаружили спустя 5 месяцев после их применения.

Авторы исследования пишут: “We could tell if a person is likely female, uses high-end cosmetics, dyes her hair, drinks coffee, prefers beer over wine, likes spicy food, is being treated for depression, wears sunscreen and bug spray — and therefore likely spends a lot of time outdoors — all kinds of things”. И это всё - по мазку с экрана смартфона.

Ещё один полезный метод в копилку криминалистов. Шерлок Холмс оценил бы.

Публикация в PNAS: http://www.pnas.org/content/early/2016/11/08/1610019113.full
Новость на Washington Post: http://wpo.st/WeaE2

В Google сделали отличный сайт с демонстрациями различных применений машинного обучения. Распознавание рисованых картинок и пения птиц, умная камера с переводчиком, генератор музыки, "глаза" нейросети - интересные, наглядные примеры, все можно потестировать на сайте и скачать код. В такие моменты жалею, что не умею программировать.

https://aiexperiments.withgoogle.com/