Нейросеть научили воссоздавать движение рук человека, основываясь только на записи речи.
Технологию назвали Speech2Gesture
Пример анализа рук во время обучения:
Подробнее
Learning Individual Styles of Conversational Gesture,Science & Technology,Computer Vision,Motion Synthesis,Multimodal Prediction,Graphics,Project website: http://people.eecs.berkeley.edu/~shiry/speech2gesture/
нейросеть,слава роботам,geek,Прикольные гаджеты. Научный, инженерный и айтишный юмор,видео,video,гиф анимация,гифки - ПРИКОЛЬНЫЕ gif анимашки
Еще на тему
Господа, делайте ваши ставки: в каком году и месяце состоится первое бракосочетание между человеком и виртуальной личностью на НС?
В каком году и месяце состоится первое бракосочетание между двумя виртуалками на НС?))
Свадьба двух Джойреакторцев! Вот это достойно первой полосы всех газет и журналов!
Современные искусственные нейронные сети показывают значительные успехи, но до труЪ сильного ИИ, не говоря уже о каких-то личностях (мы сами не знаем, что это) - им как до Луны пешком.
Обработка изображений - это область, где сети на коне. Лучше всего изучено, больше всего данных и все прочее. Но даже тут не все гладко. Например, хоть работы по one shot learning (обучение по одной картинке) и идут, но пока далеко до завершения и практического применения.
Обработка текста/речи/итп (последовательностей, короче). Похуже, но неплохо. word2vec вообще отличная штука (хотя, может щас это уже отстой времен мезозоя?)
Какие-то более сложные вещи? А вот тут хуй. Управление чем-то? Reinforcement Learning был (?) перспективный, но крайне нестабильный и пока далек от продакшна. А как представлять в сети какие-то сложные сущности, абстракции и отношения между ними? Тут вообще тьма.
Отдельно стоит выделить проблему понимания, как именно работает нейронная сеть. Есть ряд методик и придумывают новые, но все равно это какое-то колдунство.
Ну и еще одна проблема машинного обучения - данные. Данные, ДАННЫЕ, ДАННЫЕ, БОЛЬШЕ БЛЯТЬ ДАННЫХ! Почти любая проблема машинного обучения сейчас решает путем БОЛЬШЕ, БОЛЬШЕ ДАННЫХ! Тесла охуевает, когда видит велоспиед, пристегнутый сзади машины? Что делать? Правильно, надо найти кучу таких изображений и разметить их так, что там есть только одна машина, без велосипеда. Т.е. машина - это машина. Велосипед - это велосипед. Машина с велосипедом сзади - машина. Довольно далеко от человеческого понимания отношения между этими двумя объектами. Кстати, поэтому просто мега-бонус в области ML имеют крупные компании, а не стартапы из полутора бомжей. Потому что у них есть ДАННЫЕ и способ эти данные собирать. У гугла, у теслы, к примеру.
1) Современные ИНС очень далеки от того, как работает реальный мозг. Это удобная и практичная модель, но не то.
2) Вангую: Когда/если будет создан реально труЪ ИИ (не будем дискутировать об определении) с, как вы говорите, личностью, то это будет построено на принципах, далеких от текущих ИНС.
Ставку делай.