Tagged: machine learning

Н: Предугадать смерть с 90% вероятностью

Что будет, если биг дата по здоровью соединить с машинным обучением? Получится алгоритм, который с вероятностью 90% предугадывает наступление сердечного приступа и последующей смерти.

Поскольку ключевое слово “предугадывает”, то есть время не допустить печального летального исхода. Финны изобрели технику, как это делается. Рассказываем. Continue reading →

Н: Сильвестр Терминатор

Видеоролик, где сцена из “Последнего киногероя”, в которой предполагается, что Терминатора сыграл Сталлоне, переходит в реальный видеоряд с тем, что лицо Арнольда заменено на лицо Сильвестра – меня особенно зацепил. Понятно, что технология deep fake уже не первый год есть, но что прямо дома можно переделывать фильмы с заменой лица героя на любое другое – это уже реальность.

После этого ролика я нашел выступление на TED, Continue reading →

Н: Что в финансах будут делать роботы

Занимаясь финансами уже почти двадцать лет, я не мог не прочитать статью McKinsey про автоматизацию этой профессии. Оказалось, что есть рейтинг специальностей у финансистов и экономистов по простоте автоматизации.

В нем интересно не то, что уже автоматизируется, или уже автоматизировано. Там есть несколько срезов профессий, которые переживут алгоритмизацию, роботизацию, машинный интеллект. Есть такие специальности! Continue reading →

Р: Weapons of Math Destruction. 5/5 и 23%.

img_3650Дождались. После книг про Big Data и Small Data мы нашли на полке в Barnes&Noble книгу профессора математики про неожиданные негативные последствия массового применения алгоритмов машинного обучения в жизни.

Кати О’Нил преподавала высшую математику в Barnard at Columbia. Затем ее пригласили работать в самый крутой квантовый хедж-фонд. Как обычно, человек встал на одну сторону, а затем перешел на другую после разочарования.

Поэтому книгу на русском надо называть «Оружие матемассического поражения». Читается без остановки запоем за выходные. Как математикой нечаянно нанести массовый ущерб? Разбираем: Continue reading →

Новость: Poker Go Chess Checkers

По итогам двадцати дней игр, алгоритм разгромно побил лучших игроков в покер, взяв 1.7 миллиона выигрыша, оставив каждого из игроков в долгах. Что это значит?

Посмотрим стратегически на данную ситуацию. Вернемся в прошлое, анализируя четыре известные игры. Шашки, шахматы, го и покер. И сделаем выводы для человечества.

Шашки – это полностью решенная игра. То есть компьютер, играя черными, никогда никому не проиграет. Вы, играя белыми, никогда у компьютера не выиграете. Потому что игра решена исчерпывающим перебором всех вариантов. Это тупое решение, так как перебраны все возможности. Здесь никакого AI не надо. Ничего удивительного нет. Просто решение в лоб.

Шахматы – это нерешенная игра. Continue reading →