Если вы впечатляетесь оригинальностью разработок Льва Термена в области скрытого съема звуковой информации, иными словами, прослушки, такими как “Буран” и “Златоуст”, вас, наверняка, впечатлит описанный ниже опыт израильских исследователей. Бен Насси (Ben Nassi), Аарон Пирутин (Yaron Pirutin), Ювл Эловици (Yuval Elovici), Борис Задов (Boris Zadov) из университета Бен-Гуриона в Негеве (Ben-Gurion University of the Negev), а также Ади Шамир (Adi Shamir) из Вайзмановского научного института (Weizmann Institute of Science) разработали устройство, способное дистанционно прослушивать речь и другие звуки по вибрациям лампочки, висящей под потолком. Устройство расшифровывает данные в реальном времени и позволяет получать информацию практически мгновенно. Корнями методы прослушки такого типа уходят в исследования инженера закрытого туполевского КБ и пионера электронной музыки, Льва Термена. Который ещё в середине сороковых годов прошлого столетия разработал систему “Буран”, она при помощи отраженных ИК-лучей была способна осуществлять прослушку по вибрации оконных стекол.
Архив рубрики: Инновации
Как устроена нейрокомпьютерная модель расшифровки речи за счет предсказания слов и слогов: подробности проекта
Что есть речь человека? Это слова, комбинации которых позволяют выразить ту или иную информацию. Возникает вопрос, откуда мы знаем, когда заканчивается одно слово и начинается другое? Вопрос довольно странный, подумают многие, ведь мы с рождения слышим речь окружающих людей, учимся говорить, писать и читать. Накопленный багаж лингвистических знаний, конечно, играет важную роль, но помимо этого есть и нейронные сети головного мозга, разделяющие поток речи на составляющие слова и/или слоги. Сегодня мы с вами познакомимся с исследованием, в котором ученые из Женевского университета (Швейцария) создали нейрокомпьютерную модель расшифровки речи за счет предсказания слов и слогов. Какие мозговые процессы стали основой модели, что подразумевается под громким словом «предсказание», и насколько эффективна созданная модель? Ответы на эти вопросы ждут нас в докладе ученых. Поехали. Для нас, людей, человеческая речь вполне понятна и членораздельна (чаще всего). Но для машины это лишь поток акустической информации, сплошной сигнал, который необходимо декодировать прежде, чем понять.
Подбираем шлем виртуальной реальности (VR) для промышленных задач: краткий обзор решений
Чаще всего люди покупают себе шлем виртуальной реальности (VR) для того, чтобы использовать его для развлечения. Ведь платформы Steam, Oculus Store и Windows всем знакомы по огромному количеству игр! Однако в настоящее время растет спрос на индустриальный VR, возможности которого позволяют специалистам из разных сфер коллективно работать с 3D-моделями нужных объектов в виртуальной реальности. В мире и в России при крупных корпорациях появляются целые департаменты по развитию и инновациям, чья задача — безболезненно внедрить в бизнес-процессы новые технологии типа искусственного интеллекта, облачных решений, и, конечно, виртуальной реальности. Например, за последние 2 года свои отделы по внедрению виртуальной реальности создали такие компании как Сбербанк, Ланит, Сибур и Газпром. Для того, чтобы приступить к использованию виртуальной реальности необходимо приобрести соответствующее оборудование: мощный компьютер и шлем виртуальной реальности. Встает вопрос, какой же VR-шлем выбрать для индустриальных задач? Наша команда опросила пользователей шлемов виртуальной реальности и подготовила для вас обзор лучших VR-гарнитур.
Ближайшее будущее телекоммуникационных технологий: кратко о главном
Технологии продолжают развиваться несмотря ни на какие кризисы. Особенно активен прогресс в телекоммуникациях. С течением времени бизнесу, государству и обычным людям нужна все более надежная и быстрая связь и телекоммуникационной индустрии приходится соответствовать требованиям. Что мы увидим в ближайшем будущем? Конкурентная борьба среди телекоммуникационных компаний во многом превращается в технологическое сражение на скорость: кто быстрее внедрит новые технологии, кто точнее угадает желания пользователей и направление движения рынка. Опросы показывают, что руководители отрасли на сегодняшний день считают самой актуальной задачей внедрение систем безопасности. Это вполне понятно. Операторы сети несут ответственность за своих пользователей и должны защищать их от растущих угроз взломов, прослушки, перехвата SMS. К сожалению, эти угрозы сейчас реальны как никогда. Такие атаки проводятся спецслужбами разных стран, мошенниками и злоумышленниками. Недавно в поле внимания специалистов по безопасности опять попали фундаментальные уязвимости сигнального протокола SS7, разработанного в 1970-е годы и до сих пор используемого в сетях GSM.
Искусственный интеллект в медицине: существующие технические решения и проблемы использования
Одним из важнейших факторов, влияющих на развитие человеческого общества в ближайшие годы, станет искусственный интеллект (ИИ). В это понятие мы вкладываем все направления развития сферы, включая машинное обучение (Machine Learning, ML), генеративно-состязательные сети (Generative Adversarial Networks, GAN), градиентный бустинг (Gradient-boosted-tree models, GBM), глубокое обучение с подкреплением (Deep Reinforcement Learning, DRL) и т.д. Бизнес, технологический сектор, а также здравоохранение — это те области, где ИИ особенно востребован. Давайте посмотрим, как инструменты AI/ML способны повлиять на качество оказания медицинских услуг. Прим.: Cloud4Y подготовил статью из трёх частей, посвящённых связке ИИ и медицины. Первые две рассказывают о способах использования технологии, а третья посвящена проблемам, которые возникают при реализации этой идеи. Идея использования искусственного интеллекта в медицине восходит к 1972 году, когда заработал MYCIN Стэнфордского университета. Это была программа-прототип ИИ, используемая для изучения вопроса заражения крови.
Может ли современная нейросеть решить вашу задачу: критерии оценки применимости
На иллюстрации: Haystacks at Sunset Reimagined by AshnoAlice. Инженер по машинному обучению Джордж Хосу задает вопрос: «Какие проблемы решает машинное обучение?». Или конкретнее, с учетом современного развития отрасли: «Какие проблемы нейросеть способна решить на практике?». Команда Mail.ru Cloud Solutions перевела статью, так как рассуждения на эту тему, как нам кажется, встречаются редко. На первый взгляд, этот вопрос рассматривают такие теории, как вероятно приближенно корректное обучение (PAC learning). Однако они изучают машинное обучении в целом, но на практике не дают никаких осмысленных ответов. Автор утверждает, что если взять конкретную проблему, то часто можно разумно и уверенно ответить, сможет нейросеть решить ее или нет. Достаточно взглянуть на исходные данные и саму задачу. Наверное, полезно изложить правила, которые позволяют находить ответы на такие вопросы. «Я ни в коем случае не утверждаю, что эти правила точны или основаны на фактических данных в научном смысле, но это может стать хорошей отправной точкой для дальнейшего обсуждения», — пишет автор статьи.
