Вижу, значит существую: обзор deep learning в computer vision (часть 2) / хабр

Как трудоустроить «Балабобу» в вашу команду

Составьте список ключевых слов по теме — именно по ним нейросеть подберёт продолжение текста. Например, если мы хотим написать пост про высшее образование за рубежом, то это и вбиваем в нейросеть.
Невозможно предсказать, за какое время сгенерируется подходящий для вас текст — с первого или пятнадцатого раза. Иногда, чтобы «балабобить», нужно запастись рабочим временем и терпением.
Выберите раздел синопсисов фильмов. Тогда нейросеть за вас придумает варианты сторителлинга.
Для того, чтобы генерировать заголовки, перейдите в разделы «ТВ репортажи» и «рекламные слоганы».
А если ваши коллеги против трудоустройства нейросети, то всё равно попробуйте работать с «Балабобой». Возможно, никто не заметит изменений. Главное использовать с толком и здравым смыслом!

Гипотеза № 1. Нейросеть сможет самостоятельно писать более 50% текста для постов и сториз

Инновационные цифровые решения для фарммаркетинга:

Как сегментировать пациентов и что делать дальше;
Как повысить лояльность пациентов, проходящих терапию;
Как отстроиться от конкурентов с помощью диджитал-инструментов;
Как запустить интерактивное обучение медработников;
Как увеличить количество заявок на диагностику;
Как повысить осведомлённость пользователей о заболевании.

Как показал эксперимент, средний процент текста, написанного нейросетью:

для постов (за неделю вышло 3 поста) — 47%;
для историй (за неделю вышло 12 историй) — 41%.

Если нужен короткий текст по одному из популярных в поисковиках запросов, например, «как поступить в зарубежный университет» — «Балабоба» способна предложить приемлемый вариант. Конечно, не с первого раза. Придётся «побалабобить» 5–10–20 раз по разным сочетаниям ключевых слов, но полученные результаты можно комбинировать между собой или даже использовать сразу без коррекции. Особенно удобно искать идеи и тезисы для сториз, так как там преобладают короткие тексты.

Мы для Instagram пишем более развёрнутые посты, местами с рекламным CTA, поэтому одной «Балабобой» ограничиться не получилось. Приходилось корректировать предложенные варианты, добавлять слова-связки в предложения, убирать повторы и ненужные местоимения, чтобы пост был более логичным и читабельным для подписчиков и не выглядел как seo-текст.

Как человеческие предрассудки проникают в машинные алгоритмы

В 1998 году суды США начали использовать программу Compas, которая на основании 137 источников информации должна предсказывать вероятность рецидивизма преступников. С помощью этой программы судьи решают, кому продлить наказание, кого можно отпустить на свободу или выпустить под залог и под какую сумму. Систему использовали уже больше миллиона раз, и пользуются ей и сегодня, но она вызывает массу нареканий. Исследователи из Дартмутского колледжа недавно провели эксперимент, доказавший, что люди всё еще предсказывают рецидивы преступников точнее алгоритмов. Для эксперимента они наняли 462 человека без юридического образования, снабдили их данными о криминальном прошлом преступников и попросили угадать, совершат ли они повторное преступление.

Какие новейшие разработки уже помогают наказывать за намерение

Следующим шагом после предсказания будущих преступлений должна стать система их предотвращения. В незатейливой рекламе компании IBM американский коп спокойно покупает кофе, смотрит на часы и не спеша едет в соседний район, где так же спокойно встречает преступника, собиравшегося ограбить магазин, как бы поднимая чашечку кофе за его здравие. Неудачливый преступник разворачивается и с досадой удаляется. Вот так полиция и корпорации, разрабатывающие искусственный интеллект, видят светлое будущее превентивной борьбы с преступностью.

Министерство внутренней безопасности США разрабатывает систему FAST (Future Attribute Screening Technology), которая мониторит «дыхание, активность сердечно-сосудистой системы, движение глаз, тепловые показатели и резкие движения тела». Эта система работает как детектор лжи, но в отличие от него она работает на расстоянии, чтобы «удаленно (а следовательно, и более безопасно) распознать плохие намерения (то есть намерения причинить вред)». Легко можно представить, как в ближайшем будущем автоматические системы будут блокировать цифровые устройства, если на них происходит подозрительная активность, двери вашей квартиры не будут открываться, если вы находитесь в возбужденном состоянии или в плохом настроении, а лифты откажутся везти вас на нужный этаж, если с собой у вас будет подозрительный набор продуктов.

Контроль над мыслями и эмоциями тоже может сыграть важную роль в предотвращении преступлений. В 2014 году Facebook опубликовал результаты эксперимента, показавшего, как через контроль новостной ленты можно управлять позитивными и негативными эмоциями пользователей. С развитием подобных алгоритмов станет возможно создание вокруг пользователей такой реальности, которая минимизирует вероятность реализации их преступных наклонностей в виде грабежей, насилия или несанкционированных политических протестов.

Чем могут быть опасны современные системы распознавания лиц

Тем не менее технология не всегда работает так, как утверждают её сторонники. Например, в 2020 году система распознавания лиц в московском метро ошибочно приняла горожанина Сергея Межуева за преступника в розыске. В итоге его задержали и не сняли подозрения, пока не нашли реального правонарушителя.

Другой проблемой систем распознавания называют утечки. По данным СМИ, на чёрном рынке продают доступ к московским камерам видеонаблюдения — в том числе подключённым к системе распознавания лиц. Так, волонтёр «Роскомсвободы» смогла заказать на чёрном рынке слежку за собой в Москве с использованием системы распознавания лиц. За 15 тысяч рублей она получила информацию о своих передвижениях и видеозаписи с собой.

Если меры безопасности, применяемые в технологии распознавания лиц, недостаточно строги, хакеры могут подделывать чужую внешность для незаконной деятельности, рассказал Skillbox Media директор по продуктам компании Ivideon Заур Абуталимов. Например, была обнаружена утечка данных в приложении BioStar 2, использующем технологию распознавания лиц и отпечатков пальцев для идентификации пользователей. Исследователи конфиденциальности в интернете Ноам Ротем и Ран Локар в экспериментальных целях смогли получить доступ к более чем 1 млн записей отпечатков пальцев, а также к информации о распознавании лиц.

«Однако число случаев мошенничества с идентификационными данными уменьшается благодаря всё более совершенным мерам безопасности и уровню развития технологии. Сегодня обмануть систему распознавания лиц стало очень сложно», — считает Заур Абуталимов.

Сегодня для обучения нейросетей, применяемых в системах распознавания лиц, используют базы данных, которые содержат в основном фото людей титульной нации. Поэтому системы плохо распознают азиатов, латиноамериканцев и афроамериканцев. А системы, применяемые в криминалистике, чаще указывают на чернокожих людей как на потенциальных преступников. Например, в 2020 году в Детройте система распознавания лиц приняла чернокожего мужчину за преступника. Афроамериканец был арестован, потому что алгоритм посчитал его снимок идентичным фотографии грабителя — тоже афроамериканца.

Фото: helloabc / Shutterstock

Наиболее широко распознавание лиц применяют в Китае. Там технология не только для поимки преступников, но и для поддержки социального рейтинга. В рамках этой системы каждый житель страны получает баллы за общественно полезную деятельность, отсутствие нарушений и своевременную уплату налогов. За проступки баллы снимаются — китайцам с плохим рейтингом могут отказать, например, в выдаче кредита или вылете из страны.

Системы распознавания лиц в современном обществе постепенно становятся инструментом контроля, заявил Skillbox Media руководитель облачного хостинг-провайдера HostFly.by Александр Хмыль. По мнению эксперта, вместо того чтобы создавать программные продукты для быстрой оплаты или совершенствования рекламных технологий, разработчики сфокусировались на государственных проектах и применении системы распознавания лиц в сфере охраны правопорядка. Но это легко объясняется тем, что разработка подобных решений — достаточно дорогая.

«Позволить себе вкладывать деньги в системы, которые реально могут работать с большим массивом данных изображений, может только государство или крупные финансовые компании. На примере банков, которые попытались внедрить систему идентификации клиентов по лицу, можно сказать, что такие инвестиции вряд ли окупятся в ближайшие годы», — рассказал Александр Хмыль. Он уточнил, что доступ к базе данных изображений граждан есть только на государственном уровне, а другим компаниям нужно самостоятельно формировать эту базу, хранить её и защищать от утечек.

В 2020 году с призывом ввести мораторий на применение технологии распознавания лиц на всей территории США выступила Ассоциация вычислительной техники. Причина кроется в задокументированной этнической, расовой и гендерной предвзятости, которую проявляют системы, использующие алгоритмы распознавания.

Как предсказывают преступление

Полученные данные обрабатываются с помощью искусственного интеллекта с использованием машинного обучения. ИИ классифицирует собранные данные, попутно избавляясь от информационного шума, вырабатывает правила, по которым будет определяться исход будущих ситуаций, затем сопоставляет данные и делает вывод о вероятности тех или иных событий. Для этого используют математические модели и теории, на основании которых ИИ делает свои выводы и рассчитывает вероятности.

Одна из основных математических моделей, используемых в предсказании преступлений, называется «процесс Хоукса».

Хоукс разработал эту теорию, изучая землетрясения в 1970-х, и с тех пор ее успешно использовали для описания работы фондовой биржи, распространения эпидемий, электрических импульсов в мозге и даже при описании потока электронных писем внутри компаний. Эта же модель оказалась эффективной для предсказания времени и места ограблений и перестрелок между бандитами, и ее по сей день успешно используют в машинном предсказании преступлений.

Отпечатки пальцев

Уникальность отпечатков пальцев была в полной мере доказана в Германии в конце XVIII века. И только сто лет спустя британский доктор Генри Фулдс опубликовал статью, посвящённую практике снятия отпечатков и их хранения. Примечательно, что аргентинская полиция оказалась первой, кто стал использовать дактилоскопию для идентификации преступников.

Упоминания отпечатков пальцев в историях о Шерлоке Холмсе как будто доказали эффективность этого метода. Стюарт Росс, например, указывает, что к 1900-м полицейские по всему миру снимали у подозреваемых отпечатки и держали их в специальных хранилищах. С течением времени это превратилось в стандартную практику: в 1918 году француз Эдмон Локар создал систему правил сбора доказательств, которая используется по сей день.

Биомаркеры пыльцы

Пыльца с растений помогает, если преступления совершены в лесу

Палинология, изучение пыльцы, стала одной из новейших дисциплин, добавленных в растущую область судебной науки. Пыльца есть везде, где растут цветущие растения, в том числе пустыни и пещеры, а цветки расцветают в разное время. Эти два фактора определяют конкретную «сигнатуру» пыльцевых зерен, что делает их биомаркерами, связанными с конкретными временами и местами.

Новая методика идентификации пыльцы приведет к использованию палинологии для раскрытия преступлений, которые иначе могли бы остаться нераскрытыми. Хотя пыльца уже использовалась для определения того, где первоначально погибли люди, закопанные в братских могилах в Боснии, и позволила связать грабителя с его преступлением в Новой Зеландии, пока ее изучение не получило широкого распространения в криминалистике. Она может быть полезна при поиске пропавших без вести и в составлении истории путешествий преступника.

Правда, эта процедура ограничена тем фактом, что во всем мире не так много палинологов, а цветов очень много. Использование штрихового кодирования и секвенирования ДНК, хоть и дорогостоящее, может повысить точность идентификации определенного типа пыльцы. Вполне вероятно, что биомаркеры пыльцы будут широко использоваться в криминалистике будущего.

Хлороформ

Анестезирующее свойство хлороформа открыли точно так же, как и особенности многих других химических веществ, – совершенно случайно.

В 1847 году хирург Сэр Джеймс Янг Симпсон и его ассистенты надышались парами и уснули. Узнав об анестезирующем эффекте, доктора стали применять хлороформ при родах. Конан Дойл, очевидно, был в курсе исследований, поэтому упомянул это вещество сразу в нескольких рассказах, где преступникам удавалось быстро усыпить жертву. Однако автор к тому моменту не был практикующим медиком, и Шерлок Холмс с научной точки зрения допускает несколько неточностей в способах применения хлороформа. Тем не менее, это не мешает ему блестяще раскрывать преступления.

Так сможет ли нейросеть заменить копирайтера?

Мы рассказали о нашем эксперименте директору по развитию технологий искусственного интеллекта Яндекса Александру Крайнову и спросили: «Может ли нейросеть заменить копирайтера?»

Александр Крайнов

Директор по развитию технологий искусственного интеллекта Яндекса

«Генеративные нейросети способны писать очень логичный и связный текст. Но у них нет своего мнения, нет цели чего-либо своим текстом добиться.

Так что нет. Хороших копирайтеров они не заменят. Но нейросети вполне могут стать инструментом копирайтера.

Думаю, что в скором времени копирайтеры будут генерировать продолжения текста, выбирать из сгенерированных результатов, править, дописывать, генерировать ещё… В общем, использовать нейросети как один из способов накидать идеи».

«Балабоба» как второй пилот — хороший помощник, особенно в процессе создания креативных заголовков. Местами напоминает нейросеть от Студии Артемия Лебедева «Николай Иронов», цель которой помочь с креативными идеями, а не создать готовый продукт.
Писать полноценные посты нейросеть пока не способна, но как показал эксперимент — до 50% вполне. Хотя стоит отметить, что в идеале этот текст всё равно стоит дорабатывать.
Как отметил Александр Крайнов, нейросети пока не готовы заменить хороших копирайтеров.
Языковая модель YaLM (Yet another Language Model), на основе которой работает «Балабоба», уже пишет довольно «человечные» и логичные тексты, которые нельзя так просто распознать.
Эксперимент вдохновил нашу команду нешаблонно посмотреть на привычные процессы и чаще обращаться к ИИ за вдохновением. Так что рекомендуем взять нейросеть себе в штат :–)

Какие данные помогают предсказать преступление

Основное правило сбора информации для предсказания преступлений — чем больше, тем лучше.

О каждом из нас можно собрать несколько типов данных: личная информация (возраст, пол, раса, национальность, вероисповедание), демографические данные (адрес проживания и места работы, зарплата, должность), информация о нашей активности (от любимых мест отдыха до участия в активистских движениях).

Сим-карта, биометрический паспорт, медицинская история, данные с видеокамер наблюдения, история активности в социальных медиа, кредитных карт и цифровых платежей — источники информации, которую законно собирать без разрешения.

Развитие технологий позволяет выжать всё больше информации из тех «следов», которые мы не задумываясь оставляем за собой по ходу повседневной жизни. Европейские законы о неприкосновенности личной информации — самые лояльные с точки зрения защиты приватности граждан, поэтому в Евросоюзе не усиливают слежку, а совершенствуют сбор данных из открытых источников. Ян Эллерман, старший специалист Европола по вопросам защиты данных, сказал так:

Микробиологическая идентификация человека

Новый ДНК-тест позволяет проверить подозреваемого

На нашей коже обитает множество микроскопических организмов. В будущем эти сообщества микроорганизмов, известных как микробиомы, будут помогать в поимке преступников. Помимо того что микробиомы превосходят в числе наши клетки двадцатикратно, не бывает двух человек с одинаковыми микробиомами, и эти сообщества остаются стабильными в течение длительного времени, разве что кроме полового акта.

Хотя лобковые волосы, восстановленные от подозреваемых в сексуальных нападениях, могут не содержать корней, в которых находится собственная ДНК подозреваемого, микробиомы в волосах могут помочь осудить его. Микробная ДНК отличается у мужчин и женщин, поскольку разные микробные сообщества живут на лобковых волосах мужчин и женщин. И поскольку эти сообщества уникальны для каждого индивида, они определяют причастность к преступлению. После секса микробиомы как мужчин, так и женщин передаются от одной стороны к другой, делая обычно стабильные сообщества микроорганизмов более похожими друг на друга. Это указывает на то, что между мужчиной и женщиной состоялся половой акт.

Хотя эта передовая технология пока не готова к использованию в зале суда, потому что сперва необходимо довести ее до «низких ложноположительных и ложноотрицательных показателей», ученые прогнозируют, что ее использование в осуждении лиц, совершивших сексуальное насилие, скоро станет обычным делом. И предоставит следователям и прокурорам эффективный новый инструмент борьбы с сексуальным насилием.

Как работает алгоритм распознавания лиц

Распознавание лиц помогает при многих расследованиях

Смартфоны и другие мобильные устройства, оснащенные программным обеспечением распознавания лиц, уже могут идентифицировать людей в идеальных условиях, например, имея фотографию в хорошем качестве в базе данных, с которой можно сравнить в реальном времени, но таких условий зачастую просто не существует. В дополнение к этому лица людей меняются со временем, и надевание пары солнцезащитных очков или отращивание бороды могут здорово помешать технологиям. Видео, предлагающее серию снимков, могло бы, в теории, обеспечить более высокие шансы для криминалистов идентифицировать субъекта, но это происходит не всегда. Взрыв на Бостонском марафоне показал, что при испытании трех систем распознавания лиц только одна идентифицировала Джохара Царнаева, и ни одна не узнала Тамерлана Царнаева, который надел очки.

У Animetrics может быть ответ на эти вопросы. Компания разработала программное обеспечение, которое преобразует 2D-изображения в имитированные 3D-модели лица человека примерно за секунду, и пользователи программного обеспечения могут менять положение или выражение лица подозреваемого. Полученное изображение можно проанализировать всеми алгоритмами распознавания лиц. На достаточно мощном ноутбуке снимок можно сопоставить с миллионом лиц. У смартфонов мощности будет поменьше и эффективность пониже. Эксперты уверены, что ограничения смартфонов будут сниматься со временем за счет использования облачных алгоритмов. Затем эта технология окажется в руке полицейского, который сможет мгновенно идентифицировать подозреваемых.

Гипотеза № 4. ERR и охваты постов и сториз не будут отличаться от обычных

Если посмотреть на график выше, то сперва можно ошибочно увидеть причинно-следственную связь между работой нейросети и показателями эффективности контента. Но на самом деле небольшое падение связано с другими факторами:

одна из тем была про высшее зарубежное образование. Этот сегмент аудитории для нас новый и в ядре подписчиков таких людей ещё не так много. Как итог — чуть меньшая активность;
в субботу по плану стояла подборка приложений для тренировки английского и обычно в 90% случаев топы собирают высокий охват и ERR. Но похоже случились 10% и мы получили очень маленькую активность.

Пункты выше могли выглядеть как оправдание, если бы не показатель охвата историй — он, наоборот, вырос на 30%. Мы это связываем с тем, что нейросеть рекомендовала очень простые тезисы, и в связке с голосованием получили высокую активность аудитории.

Вывод: нейросеть не влияет негативно на показатели активности.

Что такое виртуальная аутопсия

Страшно оказаться в такой ситуации

По религиозным, личным или другим причинам супруги в семье иногда не хотят проводить аутопсию, то есть вскрытие, убитого возлюбленного, даже если эта процедура могла бы предоставить информацию, необходимую для поимки неуловимого убийцы. Хотя в таких случаях суд часто пренебрегает решением членов семьи, такие решения крайне нелегко ими воспринимаются.

В будущем, возможно, больше не потребуется проводить физические вскрытия, потому что станут возможными виртуальные. Они не будут ни повреждать тело, ни мешать судебной экспертизе. Будут использоваться трехмерные модели. В настоящее время такая процедура не используется широко, потому что довольно дорого стоит, но ожидается, что ее стоимость будет уменьшаться по мере того, как виртуальные вскрытия будут проводиться все чаще в будущем. Виртуальные вскрытия имеют и дополнительное преимущество в том, что они будут доступны сразу же после выполнения.

Например, в случае укуса трехмерные изображения виртуального вскрытия можно сравнить с челюстью и стоматологическими записями подозреваемого (если они существуют), что поможет прокурорам лучше понять травмы жертв. Некоторые считают виртуальные вскрытия «золотым стандартом будущего судмедэкспертизы».

Оптика и увеличение

Существует несколько атрибутов, которые неизменно ассоциируются с образом Шерлока Холмса. Например, курительная трубка, знаменитая охотничья шляпа и… Лупа.

Происхождение увеличительного стекла уходит далеко в прошлое, предположительно в европейское Средневековье. А некоторые исследователи и вовсе отсылают к Древнему Египту. Во многих современных сферах деятельности без лупы не обойтись, она стала незаменимым инструментом в руках учёных, ювелиров, а также криминалистов.

Ещё два оптических инструмента периодически упоминаются в текстах о Шерлоке Холмсе – микроскоп и телескоп. Современная микроскопия началась с работы голландца Антони ван Левенгука, который жил на рубеже XVII–XVIII веков. С появлением ахроматических линз в XIX веке устройства усовершенствовались.

В истории «Загадка поместья Шоскомб» Холмс использует микроскоп, чтобы помочь распутать дело Сент-Панкрас. В начале XX века, когда и был написан текст, полицейские как раз начали применять микроскопы на регулярной основе. Когда Холмс обратился к этому прибору, он оказался в авангарде криминалистической науки того времени.

Альфонс Бертильон — французский криминалист, изобретатель системы бертильонажа. Источник

Переносная полицейская лаборатория

Полицейская лаборатория может выглядеть как-то так

По словам судебного доктора Питера Мэсси, «цель судебно-медицинской экспертизы состоит в вывозе лаборатории на место преступления». Портативные судебно-медицинские лаборатории уберут необходимость отправлять образцы и данные на удаленные объекты. Результаты исследований будут мгновенными.

Ряд новых методов поможет облегчить эту новую волну полевой криминалистики. Например, рамановская спектроскопия позволяет исследователям в полевых условиях определять, является ли подозрительный порошок взрывчатым, и не использовать вещества для уничтожения таких важных вещей вместе с потенциальными уликами. В течение многих лет судебно-медицинским лабораториям приходилось использовать большое тяжелое оборудование для идентификации наркотиков с использованием различных газов, жидкостей и твердых веществ, но теперь инфракрасная спектроскопия Фурье-преобразования (FTIR) может выполнить ту же задачу за меньшее время без необходимости применять подобные материалы.

«Ручные электронные нюхачи» могут заменить собак, обученных находить наркотики, а «ручные детекторы» могут заменить алкотестеры. Сканеры ближнего инфракрасного света визуализируют вены человека, выявляя потенциального нарушителя. Переносные судебно-медицинские лаборатории можно также оснастить устройствами, способными обмениваться данными с правительственными базами данными для прямого сравнения и сопоставления информации.

В некоторых странах эти технологии уже используются. Но в будущем их будут использовать все больше и больше. Место преступления становится настоящей лабораторией.

Как работают усовершенствованные базы данных Palantir

В 2009 году по инициативе Браттона Лос-Анджелес стал тестовой площадкой для еще одного гиганта в сфере предсказания преступлений — компании Palantir. Свое название эта компания позаимствовала из «Властелина колец»: там палантирами назывались стеклянные шары, в которых можно было увидеть прошлое, происходящее сейчас в другом месте, или выйти на связь с другими владельцами палантиров. Сторонники предсказания преступлений говорят, что «это звучит как фантастика — но это скорее научный факт».

Компания была создана в 2004 году, значительную часть стартового капитала выделило ЦРУ, а главным инвестором и владельцем стал Питер Тиль, американец немецкого происхождения. Свой стартовый капитал Тиль заработал, основав систему PayPal, которая затем поглотила аналогичный стартап X.com Илона Маска. Тиль также был первым внешним инвестором Facebook, в 2004 году купив 10 % стартапа Марка Цукерберга. И все же самым загадочным проектом Тиля стала частная компания Palantir, первое время специализировавшаяся на сотрудничестве с американскими военными и ЦРУ во время военных действий в Афганистане и Ираке.

После военных испытаний разработчики из Palantir стали применять свои знания уже на гражданке, в том числе в Лос-Анджелесе. Их работа во многом сходна с работой PredPol: в основном это предсказание времени и места будущих преступлений, но с дополнительными возможностями. Например, если копы остановили машину с поломанной фарой и на пассажирском сиденье находился бывший преступник, то этот автомобиль мгновенно попадает в базу данных Palantir. Если через год происходит какое-то преступление и в радиусе 320 километров оказывается та же машина, которую заметили считывающие номерные знаки датчики, то копам сразу же передают информацию о том, что хронический нарушитель был неподалеку от места преступления.

Другая программа Palantir — «Готэм» (названа в честь родного города Бэтмена) — используется копами в «Операции „Лазер“», предназначенной для распознавания и задержания будущих преступников. Информация из протоколов задержаний, полицейских допросов и материалов уголовных дел загружается в единую базу данных, которая составляет список людей, считающихся рецидивистами и хроническими нарушителями спокойствия.

Еще дальше пошли коллеги лос-анджелесских копов из Чикаго, где был составлен список из более чем 400 человек, которые с вероятностью более чем в 500 раз склонны к насилию и совершению преступлений в будущем. В список попали не только люди, уже совершившие преступления: часто туда попадают и те, у кого есть 2 и более знакомых из этого списка. Копы навещают молодых людей из этого списка и напоминают им, что они под присмотром и по первому же подозрению могут загреметь за решетку.

Сопоставление татуировок

Татуировки наносятся на тела с доисторических времен

Использование базы данных, содержащей низкокачественные снимки татуировок, сфотографированных камерами безопасности, маскировка, которую надевали злоумышленники, а также чрезмерное использование ключевых слов для проведения поиска в базе данных затрудняло расследование преступление. TattooID, новая компьютерная программа, улучшила эту ситуацию.

Это программное обеспечение эффективно, потому что идентифицирует ключевые моменты («основные общие точки») в образцах татуировки из базы данных и видеозаписи наблюдения или полицейских фотографиях подозреваемого точно так же, как другие программы сравнивают снимки отпечатков пальцев для их подбора. Программа также может распознавать членов банды, которые часто носят одинаковые татуировки.

Что такое морфометрия

Человеческое тело постоянно меняется

В будущем морфометрия (измерение форм тела), возможно, будет использоваться для определения скелетных останков пропавших детей, что нынче очень затруднительно сделать силами обычных криминалистов. Прорыв случился недавно, когда ученые поняли, что «лица детей приобретают формы, которые будут у них позже, намного раньше, чем думали», говорит профессор Энн Росс из отделения антропологии Университета Северной Каролины.

Форма черепа позволяет антропологам различать различные географические группы населения. Теперь эти ученые смогут применить эту процедуру к более молодым людям. В одном случае Росс смогла определить мезоамериканское происхождение останков десятилетнего мальчика при помощи реконструкции лица. До этого прорыва считалось, что возможно идентифицировать только скелетные останки людей 18 лет и старше.

Судебная экспертиза транспортных средств

Автомобили тщательно исследуют после каждой аварии

Две части моторного транспорта — информационно-развлекательная и телематическая системы — могут стать находкой для криминалистов. Первая система позволяет водителю или пассажирам подключать свои смартфоны, используя Bluetooth, либо проигрывать музыку. Вторая система взаимодействует с веб-сайтами.

Когда водители или пассажиры используют свои смартфоны в автомобиле, их машины хранят данные от устройств даже после отключения информационно-развлекательных систем: телефонные звонки, контакты, SMS-сообщения — все это синхронизируется с машиной. Если подключение осуществляется при помощи кабеля, сохраняются файловые системы, названия файлов, временные метки и другие метаданные.

Благодаря 70 взаимосвязанным электронным блокам управления, разбросанным по всему транспортному средству, собираются и хранятся данные о том, где и когда открыта дверца автомобиля, в порядке ли подушки и ремни безопасности, задние фонари. Также они контролируют торможение и ускорение. И сейчас, и в будущем вся эта информация может предоставить ценные криминалистические свидетельства против лиц, совершивших преступления. Она покажет, куда и когда направлялся автомобиль, о чем переписывались и когда звонили пассажиры, какие сайты посещали, когда открывали двери, когда разгонялись и тормозили. В пылу погони транспортом злоумышленника даже можно будет управлять дистанционно.

Гипотеза № 3. Нейросеть сможет придумывать сюжеты для визуализации постов и сториз

До эксперимента казалось, что режим «синопсисы фильмов» поможет генерировать сторителлинг и визуализировать его как минимум в формате историй Instagram. Но мы не учли последовательность создания контента:

генерируем текст и заголовок с помощью нейросети;
пытаемся генерировать сторителлинг для визуала и понимаем, что идейно мы являемся заложниками первого шага.

Выводы:

возможно, стоит попробовать поменять шаги местами и всё получится;
не стоит писать в запросе конкретные вещи: «5 полезных приложений для изучения английского», «подарочный сертификат», «сертификат на 3 занятия». Иначе мы рискуем получить не историю для вдохновения, а конкретные руководства к действию или даже рекламу.

Как обмануть системы распознавания лиц

Чтобы не стать жертвой некорректной работы систем распознавания, некоторые люди стараются найти способы для их обмана.

В 2017 году директор по распространению технологий «Яндекса» Григорий Бакунов разработал специальную систему макияжа, якобы помогающего обмануть нейросети. Для этого он использовал алгоритм, подбирающий образ по принципу антисходства. Примерно в том же ключе действовали участники протестов в Лондоне в 2020 году: они пытались обмануть системы распознавания лиц с помощью цветных патчей на лице.

Пост из инстаграм the Dazzle Club

Исследователи также занимаются разработками, которые не позволяют ИИ учиться на личных данных, говорится в статье MIT Technology Review. Один из первых представленных инструментов — это программа Fawkes, которую разработала Эмили Венгер из Чикагского университета. «Мне не нравится, когда люди берут у меня то, что не должно им принадлежать», — объясняет она свою мотивацию.

Большинство подобных инструментов используют один и тот же алгоритм: они вносят в изображения небольшие изменения, которые незаметны для человеческого глаза, и заставляют ИИ неправильно определять лица на фотографиях. Этот метод очень близок к состязательной атаке, когда небольшие изменения данных могут привести модели глубокого обучения к ошибкам.

Благодаря такому подходу современные системы распознавания лиц перестанут работать. В отличие от предыдущих попыток запутать ИИ (например, нанесение краски на лица), новая технология оставляет изображения неизменными для зрительного восприятия человека. Программа Fawkes на сайте Чикагского университета для свободного скачивания и использования. С тех пор её загрузили свыше 500 тысяч раз.

Автор Fawkes Эмили Венгер и её коллеги протестировали свой инструмент на известных коммерческих системах распознавания лиц — Amazon AWS Rekognition, Microsoft Azure и Face++. В небольшом эксперименте с набором данных из 50 фотографий алгоритм был эффективен на 100 %. Позднее Fawkes не позволяла моделям, обученным на изменённых изображениях людей, распознавать эти же лица на свежих снимках. То есть небольшие изменения, внесённые в фотографии, помешали инструментам сформировать точное представление о лицах.

Видео: Emily Wenger / YouTube

Fawkes может помешать новой системе распознавания определять людей по фото. Но у программы не получится противодействовать существующим системам, которые уже были обучены на незащищённых изображениях. Впрочем, технология постоянно совершенствуется.

Создатель Fawkes считает, что инструмент LowKey, разработанный Валерией Черепановой и ее коллегами из Университета Мэриленда, может решить эту проблему. LowKey расширяет возможности Fawkes: он противодействует системам, основанным на более сильном виде состязательной атаки, а также обманывает предварительно обученные коммерческие модели. Как и Fawkes, LowKey доступен как веб-сервис.

Большинство подобных инструментов, включая Fawkes, используют один и тот же базовый подход: в изображение вносятся микроизменения, которые трудно заметить человеческим глазом, но они нарушают работу ИИ. В частности, если дать Fawkes на ввод серию фотографий, он добавит к ним искажения на уровне пикселей, которые не позволят современным системам распознавания лиц определить, кто изображён на снимках.

Намеренное «загрязнение» данных может затруднить для компаний тренировку моделей машинного обучения, предположил директор по продуктам компании Ivideon Заур Абуталимов в разговоре со Skillbox Media.

«Однако отличием этих новых методов является то, что они работают с фотографиями одного человека. Такие инструменты, как Fawkes, могут помешать новой системе распознавания лиц распознать именно вас, но они не помешают существующим системам, которые уже обучались на ваших „незащищённых“ изображениях», — подчеркнул Заур Абуталимов.

Преподаватель Deep Learning School, автор блога об искусственном интеллекте и нейронных сетях Татьяна Гайнцева рассказала Skillbox Media, что инструменты Fawkes и LowKey могут быть перспективными, но не стоит ожидать от них абсолютной эффективности.