Среди разных пэйволов наибольшее неудовольствие у меня вызывают те, которые закрывают бесплатный доступ к научным публикациям. Много обсуждалось, что научная информация все-таки не должна так продаваться, становясь в наше наукоемкое время недоступной в оригинале для слишком многих.
И вот NASA делает первый важный шаг: в ответ на высказанные ещё три года назад пожелания американских властей открыть доступ к публикациям про исследования, выполненные на государственные деньги, агентство запустило портал PubSpace. Это архив научных статей, опубликованных в реферируемых журналах, где излагаются результаты, полученные в рамках программ, финансируемых NASA.
Отличный подарок, ждём продолжения банкета в других отраслях науки.
https://www.nasa.gov/press-release/nasa-unveils-new-public-web-portal-for-research-results

Как резво Uber включился в гонку создателей автономных автомобилей ;)
Понимает, что это будущее нельзя отдавать в чужие руки, это его роль - лидировать технологически на рынке перевозок, и, удалив из процесса таксопарк, лидер должен и водителя удалить тоже первым.
А конкурентов уже навалом - традиционные автопроизводители подтянулись.
Поэтому сегодня Uber объявил, что прямо в этом месяце начнет первые эксперименты в Питтсбурге с машинами без водителя, которые будут выезжать по вызову клиентов сервиса. Партнер со стороны автопроизводителей и разработчиков автономной машины - Вольво.
Вообще, круто и смело для директора компании, в которой фактически трудится миллион водителей, громко заявить "наша цель - избавиться от водителей как можно быстрее". Я бы сказал, поучительно и даже символично ;)
http://www.bloomberg.com/news/features/2016-08-18/uber-s-first-self-driving-fleet-arrives-in-pittsburgh-this-month-is06r7on

После предыдущего поста просто не могу не форварднуть этот от Гриши :)

Вот тема, в которую я очень верю - в Хельсинки тестируют беспилотные автобусы. За беспилотным общественным транспортом будущее http://spectrum.ieee.org/cars-that-think/transportation/self-driving/helsinki-tries-selfdriving-buses-in-real-traffic

Машинное обучение поставит под вопрос занятость не только тех, чей труд всем кажется мало престижным и не очень квалифицированным - но и тех, чей труд пока кое-где в почете. Например, бюрократов и госслужащих. В некоторых странах об этом начали задумываться, а вполне бизнесовый журнал The Economist стал про это статьи публиковать.
Среди прочих примеров в свежей статье один особо хорош. Сравнивались решения, принятые опытными и многомудрыми судьями - и обученным алгоритмом. Решение касались того, кого из осужденных можно выпустить под залог. Критерием был процент повторно совершенных отпущенным правонарушений. Оказалось, что если бы вместо судей решения принимала машина, то вновь пришлось бы судить и повторно сажать 14,9% отпущенных. Но увы, решения принимали слабенькие человечьи мозги - поэтому на практике повторно пришлось посадить 18,6%.
Короче, в разных делах общественных машина тоже часто лучше людей, не только в бизнесе. Но психологическое сопротивление и неприятие тут тоже повыше будет.
http://www.economist.com/news/finance-and-economics/21705329-governments-have-much-gain-applying-algorithms-public-policy?cid1=cust/ednew/n/bl/n/20160818n/owned/n/n/nwl/n/n/n/n

Гонка «кто больше выложит open source» среди грандов интернет-сервисов продолжается. Фейсбуку в ней пока приходится тяжелее других: что бы там ни писал на своей странице Цукерберг, не видно в фейсбучных продуктах всего того, что демонстрирует, например, Гугл в области распознавания речи и изображений, или что он же предлагает в TensorFlow. Но вот сегодня Фейсбук свой очередной ход сделал: выложил fastText - быструю классификацию фраз.    
Our experiments show that fastText is often on par with deep learning classifiers in terms of accuracy, and many orders of magnitude faster for training and evaluation. With fastText, we were often able to cut training times from several days to just a few seconds, and achieve state-of-the-art performance on many standard problems, such as sentiment analysis or tag prediction.
https://research.facebook.com/blog/fasttext/

Вот интересно, идея явно платить пользователю за то, что он сёрфит в Edge, причём обязательно с бинговым поиском - это просто желание ещё немного долю нарастить или некий жест отчаяния? Хотя пока новая версия программы Microsoft Rewards действует только в Штатах, где Bing хоть как-то популярен, ответ мне интересен. Потому что с мобильными у Микрософта совсем не заладилось, а в нынешнем платформенном кросс-девайсном мире трудно будет удержаться на десктопе, даже корпоративном, если платформа не простирается на смартфоны. Начинает появляться ощущение, что текущее уверенное положение Микрософта и финансовые его успехи могут оказаться недолговечными из-за мобильных проблем. Очень интересно, что ещё кроме платы пользователям за работу в Edge в Микрософте придумают. А ведь придумают наверняка.
https://www.theguardian.com/technology/2016/aug/19/microsoft-windows-10-browser-edge-pay-users-bing

Гриша @bobuk в @addmeto недавно постил ссылочку на впечатляющий проект мужика, который вручную из 40 000 транзисторов спаял CPU и на таком компьютере оказалось возможно играть в тетрис. Так вот теперь появилось видео про создателя и сам девайс (который занимает комнату, снабжён кучей светодиодов на платах, которые позволяют визуализировать работу кода, трудится на тактовой частоте 20 кГц). Выглядит как декорация к старому фильму, но это не декорация; оно же работает.
Посмотрите, оно того стоит - и вспомните, когда сами-то последний раз держали в руках паяльник ;)
https://techcrunch.com/2016/08/19/the-megaprocessor-is-an-awe-inspiring-multi-ton-cpu-project/

Спасибо Толе Левенчуку за наводку - отличная статья. Действительно, обработка фотографии в стиле какой-то другой картины (например, типичной для определенного художника) - дело нынче уже привычное (Призма и не только). Однако пока развитие таких программ состоит в добавлении новых стилей, в возможности загрузить свой стиль, в возможности  настраивать уровень стилизации.
Но это все противоречит принципу «одной кнопки» - число выборов или настроек увеличивается. Почему - понятно: для разных фотографий лучше подходят разные стили. Но зачем же заставлять человека здесь думать и выбирать? Человек не должен думать - для этого есть  машины. Следующий уровень обучения машинного интеллекта - научить его для каждой загруженной пользователем картинки самостоятельно выбирать стиль, обеспечивающий наиболее эстетичный результат. Т.е., конечно, для редких пытливых извращенцев можно оставить ручное управление, но по дефолту должна остаться одна кнопка «Сделай мне красиво!» - и она будет это делать, каждый раз по-разному.
Статья как раз о том, как научить алгоритм выбирать наиболее подходящий для картинки стиль.
http://arxiv.org/abs/1608.05339
(а пост Толи, если кому интересно, вот - http://ailev.livejournal.com/1287681.html)

Исследователи Гартнер опубликовали очередной ежегодный Hype Cycle. Особого внимания придавать ему уже не стоит - гартнеровские аналитики уже пару лет как путаются в собственных прогнозах. В прошлом году шуму наделало исчезновение Big Data из цикла вообще, хотя годом ранее утверждалось, что технология претендует на широкое внедрение лет через 5-10. Журналисты усмотрели сенсацию и начали всех допрашивать: прадва ли, что big data сдулась и оказалась фальшивкой; Гартнеру пришлось неубедительно лопотать, что на самом деле случилось чудо чудное, вместо 5 лет за год big data превратились из инновации в мейнстрим, и потому их просто нельзя уже называть emerging technology: поэтому они потеряли возможность присутствовать на графике.
В этом году и того веселее: аж в заголовках пишут, что Machine Learning for the first time попало на график. А это ничего, что в прошлом году Machine learning там уже было, причем _дальше_ по оси времени, чем в 2016?
Короче, если вы журналист, или у вас амнезия, или иные проблемы с головой - добро пожаловать изучать новый hype cycle и делать глубокомысленные выводы.
http://www.forbes.com/sites/louiscolumbus/2016/08/21/gartner-hype-cycle-for-emerging-technologies-2016-adds-blockchain-machine-learning-for-first-time/#1a530fc11ef2
Для справки - картинка прошлого года прямо на сайте Гартнер ;))
http://www.gartner.com/newsroom/id/3114217

Кто-то кое-где у нас порой радуется очередным запретам ГМО, а вроде бы вменяемые в остальном люди всерьёз декларируют "ты есть то, что ты ешь!" - не задумываясь о том, что это больше всего смахивает на пропаганду каннибализма.
А на Singularity Hub в это время публикуют очень интересную статью-сводку о биотехнологиях, которые делают биологию как раз похожей на инженерную дисциплину (как пишет автор, превращает её в распределённую платформу производства, по выражению Drew Endy, биоинженера из Стэнфорда). В статье, понятно, и пессимисты-алармисты упомянуты, и безудержные оптимисты. Но предпочтение отдаётся реалистам, которые изучают не автомат Калашникова, как в известном анекдоте, а CRISPR, iGem, BioBricks и даже язык программирования клеток, разработанный в MIT.
Кажется, нам пора знать, что означают все эти не очень привычные словечки - хотя бы ради того, чтобы адекватно реагировать на тех самых пессимистов, которые не читали, но осуждают.
http://singularityhub.com/2016/08/19/the-synthetic-biology-era-is-here-how-we-can-make-the-most-of-it/

Кстати, продолжая логику ссылки в предыдущем посте и по случаю завершения Олимпиады, не могу ещё одну ссылку не привести. Stephen Hsu, профессор теорфизики из мичиганского университета и известный эксперт по биотехнологиям, в первую очередь, генетическим, прокомментировал олимпийские рекорды. Он отметил, что допинг - это все технологии прошлого века. Ныне в спорте высоких достижений надо использовать более продвинутые. Для начала, вести отбор детишек, которые генетически предрасположены к развитию физиологических характеристик, определяющих успех в каждом виде спорта. И дальше уже работать с этими дарами природы.  Ну, а ещё дальше, естественно, перестать ждать милостей от природы и явно программировать будущих детишек для спорта на генетическом уровне. Не постесняюсь целиком процитировать финал статьи:
The nature of athletes, and the sports they compete in, are going to change due to new genomic technology. Will ordinary people lose interest? History suggests that they won’t: We love to marvel at exceptional, unimaginable ability. Lebron and Kobe and Shaq and Bolt all stimulated interest in their sports. The most popular spectator sport of 2100 might be cage fights between 8-foot-tall titans capable of balletic spinning head kicks and intricate jiu-jitsu moves. Or, just a really, really fast 100m sprint. No doping required.
А вы все про какую-то WADA ;))
http://nautil.us/issue/39/sport/we-are-nowhere-close-to-the-limits-of-athletic-performance

Очень показательное отсутствие. В длинной пояснительной записке к разрабатываемому в России профессиональному стандарту "специалист по большим данным" отсутствует само понятие "машинное обучение" - и, соответственно, любые навыки и умения в этой области. Про машинный интеллект уж тем более ни слова. Одна сплошная традиционная аналитика и построение моделей.
И ладно бы это был просто документ какого-нибудь министерства. Он, как следует из текста, обсуждался с участием кучи НИИ, ВУЗов и компаний. Хотя, конечно, к YDF и им подобным никто не обращался за комментариями.
Это все к тому, что у нас считают технологиями сегодняшнего и завтрашнего дня.
Второй не менее эпический стандарт - специалист по интернет-маркетингу. Это я даже комментировать не буду, хотя замечу, что про мобильные и приложения там нет ни слова - еще одно говорящее отсутствие. Зато указывается, что на базе этих стандартов ВУЗы будут готовить  для вас специалистов. По ним будет производится оценка квалификаций. Т.е. будут приняты стандарты, на годы отставшие от реальности, а ВУЗы в будущем по ним будут готовить специалистов.

На любителя железа материал, но мне очень понравился: подробности про гугловую TPU - Tensor Processing Unit. Специализированная плата для обучаемых машинок, с большей производительностью на ватт потребляемой мощности, чем готовые и доступные решения (камушек в огород GPU). Пример задачки для TPU - хороший и впечатляющий: "С помощью нашего массива TPU мы можем найти все тексты на всех изображениях, используемых в Street View по всему миру, меньше чем за пять дней."
И создатели деликатно пишут, чтобы не обидеть старину Мура: "Мы, конечно, не перескочили через три поколения устройств в терминах закона Мура - но для специализированных задач мы добились такого ускорения, которое обычным процессорам стало бы доступно через три поколения". Хорошая иллюстрация того факта, что просто плотность транзисторов - недостаточное описание мощи устройства и его возможностей. Многое в машинном обучении и машинном интеллекте будет быстро развиваться благодаря специализированным железкам, а не увеличению мощности и количества привычных процессоров.  
http://www.techradar.com/news/computing-components/processors/google-s-tensor-processing-unit-explained-this-is-what-the-future-of-computing-looks-like-1326915

Технические подробности про микрософтовский HoloLens - это не просто шлем с видео, а нехилый носимый специализированный комп.

Microsoft в рамках конференции Hot Chips, посвященной полупроводниковой промышленности и микропроцессорам, рассказала, как устроен внутри шлем дополненной реальности HoloLens.

HoloLens – сложное устройство, которому необходимо отслеживать местонахождение пользователя в пространстве, расположение его головы, жесты рук. Анализируя эти данные, необходимо в реальном времени просчитывать трехмерные модели объектов, накладывая их на реальное изображение. Отвечает за все эти вычисления голографический блок обработки данных (HBU).

Мозгом HBU является 24-ядерный процессор «Tensilica», способный выполнять триллион операций в секунду. Его, специально для Microsoft, разработала компания TSMC, используя 28-нм технологии. Чип состоит из 65 млн.логических переключателей, имеет 8 мегабайт статической памяти типа SRAM и один гигабайт памяти класса DDR3. Все это упаковано в плату размером 12 х 12 мм. Энергопотребление HBU составляет не более 10 Вт, поддерживаются стандартные последовательные интерфейсы и шина PCI Express.

Данный чип собирает данные со всех датчиков HoloLens, обрабатывает их и передает в основной процессор «Cherry Trail» производства компании Intel. За счет такого распределения обязанностей, инженерам Microsoft удалось увеличить скорость обработки данных в 200 раз в сравнении с чисто программным решением.

Купить HoloLens пока могут только разработчики в США и Канаде. Стоимость DEV-комплекта очков дополненной реальности составляет три тысячи долларов США.

Источник новости: http://goo.gl/wkhrcy

Что такое статическая память SRAM – https://goo.gl/A0RI3B

Известный производитель дронов Parrot наконец-то выпускает в продажу через месяц свою модель в форм-факторе "летающее крыло" (похоже на бумажный самолётик, если честно). Модель Disco обладает внушительными ТТХ: скорость до почти 90 км/час, длительность полёта 45 минут. Умный софт частично перехватывает управление, особенно на старте, чтобы просто подкинув дрон в воздух, даже новичок его нормально повёл, а не воткнул тут же носом в землю. Но самое зрелищное - это шлем, который даёт возможность наблюдать картинку с носовой камеры дрона так, словно сам там сидишь. Вот эта VR, которая на самом деле не виртуальная (хотя и недоступная человеческому телу) - очень круто! Оцените видео, которое в статье имеется, чтобы показать, как эта штука летает и что видно в CockpitGlasses.
https://techcrunch.com/2016/08/23/parrot-disco/

Как-то даже трудно назвать девайсом нечто мягкое, влажное и не содержащее ни единой жесткой части или детали. Роботом это назвать тоже сложно - мы же привыкли, что все эти искусственные создания, если предполагается их автономная работа, содержат батарейки, микросхемы, микромоторы и прочие твердые компоненты.
Но команда из Гарварда решила поломать стереотипы - и создала автономную машинку исключительно из мягких пластиковых деталей (конечно, же на 3D-принтере выполненных), движения которых обеспечивает пневматика, а нужные перепады давлений обеспечивает химия. При этом структура каналов предусматривает логические связи между движущимися частями, то есть некоторая программа движений конечностей Octobot'а заложена в его структуре и не требует электроники для управления.
Неудивительно, что это, в общем, неуклюжее и ничего пока толком не умеющее создание инженерной мысли попало в очень престижный журнал Nature: оно демонстрирует достижения совершенно пока непривычной и новой инженерии мягких искусственных тканей. Как говорится, лиха беда начало ;)
https://techcrunch.com/2016/08/24/harvards-octobot-is-the-first-autonomous-machine-to-be-made-with-all-soft-robotics/

Вполне толковая популярная статья о проблемах анонимизации данных. Главная ее тема - нельзя датасет рассматривать изолированно: надо понимать, что произойдет, если "анонимизированные" данные пересечь с другими, доступными где-то еще. Слишком часто вдруг оказывается, что сравнение набора данных (о запросах, о посещаемых местах, о покупках и т.д.) из которых вычищены идентификаторы пользователей, после сопоставления с другим набором вдруг отлично позволяют сделать привязки к конкретным личностям. Классика - якобы анонимизированные данные (даже с хэшированием номеров машин) нью-йоркских такси после правильной обработки и сопоставления с картинками, найденными в Гугле по запросу "знаменитости на Манхеттене" позволили получить скрываемые многими звездами адреса их (или не только их) проживания, их привычки давать чаевые.
Проблема в действительности глубокая, и изобилие данных делает реальную анонимность все менее достижимой: поэтому борьба за право на прайваси в области запретов на явные публикации персональных данных выглядят немного глупо и жалко. Насколько все это в итоге осложнит доступ к действительно важным данным о людях - пока совершенно неясно.
http://www.forbes.com/sites/kalevleetaru/2016/08/24/the-big-data-era-of-mosaicked-deidentification-can-we-anonymize-data-anymore/#13dca0274839