Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Будущее искусственного интеллекта (2030 - 10 000 лет+)
Будущее искусственного интеллекта (2030 - 10 000 лет+)
Видео предсказывает, что технология искусственного интеллекта будет продолжать расти и развиваться, что приведет к появлению сверхразума и роботов с человеческим сознанием в ближайшие несколько десятилетий. Виртуальные существа с самосознанием и эмоциями станут обычным явлением, а роботы-гуманоиды станут настолько продвинутыми, что смогут легко сливаться с людьми. Будут оппозиционные группы, борющиеся за права сознательных виртуальных существ, в то время как люди объединятся с искусственным интеллектом, чтобы всего за один час добиться столетнего интеллектуального прогресса. Наиболее развитые сверхразумы смогут создавать гуманоидов, которые могут превращаться в любого человека и летать в воздухе, а сознательные роботы-зонды, состоящие из самовоспроизводящихся нанороботов, будут отправляться в другие галактики через червоточины. В будущем люди и гибриды ИИ перейдут в более высокие измерения, напоминая божества прошлого.
Напишем GPT с нуля
Напишем GPT с нуля
Мы создаем генеративно предварительно обученный преобразователь (GPT), следуя статье «Внимание — это все, что вам нужно» и OpenAI GPT-2/GPT-3. Мы говорим о подключениях к ChatGPT, который покорил мир. Мы смотрим GitHub Copilot, который сам по себе является GPT, помогите нам написать GPT (мета: D!). Я рекомендую людям посмотреть более ранние видеоролики makemore, чтобы освоиться с авторегрессивной структурой языкового моделирования и основами тензоров и PyTorch nn, которые мы считаем само собой разумеющимися в этом видео.
В этом видео представлен алгоритм GPT и показано, как создать его с нуля с помощью кода. Алгоритм используется для предсказания следующего символа в текстовой последовательности и реализован в виде модуля PyTorch. В видео рассказывается, как настроить модель, как ее обучить и как оценить результаты.
В этом видео показано, как создать модуль самоконтроля в коде. Модуль использует линейный уровень взаимодействия для отслеживания внимания одной отдельной головы. Модуль самоконтроля реализован в виде табличной матрицы, которая маскирует вес каждого столбца, а затем нормализует его для создания сходств между токенами, зависящих от данных.
MIT 6.801 Machine Vision, осень 2020 г. Лекция 1: Введение в машинное зрение
Лекция 1: Введение в машинное зрение
Лекция «Введение в машинное зрение» представляет собой подробный обзор логистики и целей курса с акцентом на подход, основанный на физике, к анализу изображений. Он охватывает компоненты машинного зрения, некорректные задачи, ориентацию поверхности и проблемы обработки изображений. Лектор также представляет метод оптимизации наименьших квадратов и модель обскуры, используемую в камерах. Также кратко обсуждаются система координат, ориентированная на камеру, оптическая ось и использование векторов. Курс направлен на подготовку студентов к более продвинутым курсам по машинному зрению и реальным приложениям математики и физики в программировании.
Докладчик также обсуждает различные концепции, связанные с формированием изображения, в том числе векторную нотацию для перспективной проекции, освещение поверхности, ракурс элементов поверхности и то, как проблемы трехмерного зрения могут быть решены с помощью двумерных изображений. Лектор объясняет, как освещенность на поверхности меняется в зависимости от угла падения и косинусной зависимости между красной длиной и длиной поверхности, которую можно использовать для измерения яркости различных частей поверхности. Однако определение ориентации каждой маленькой грани объекта может быть затруднено из-за двух неизвестных. Докладчик также объясняет, почему мы можем решить проблему трехмерного зрения с помощью двумерных изображений, и в заключение упомянул, что математика для томографии проста, но уравнения сложны, что затрудняет выполнение инверсий.
Лекция 2: Формирование изображения, перспективная проекция, производная по времени, поле движения
Лекция 2: Формирование изображения, перспективная проекция, производная по времени, поле движения
В этой лекции подробно обсуждается концепция перспективной проекции и ее связь с движением. Лектор демонстрирует, как использование дифференцирования уравнения перспективной проекции может помочь измерить движение яркостных паттернов на изображении и как оно связано с движением в реальном мире. Лекция также охватывает такие темы, как фокус расширения, непрерывные и дискретные изображения и важность наличия точки отсчета для текстуры при оценке скорости объекта на изображении. Кроме того, лекция затрагивает полные производные вдоль кривых, а также проблему подсчета уравнений и ограничений при попытке восстановить векторное поле оптического потока.
Докладчик затрагивает различные темы, такие как градиент яркости, движение объекта, 2D-кейс и изофоты. Одной из проблем, возникающих при вычислении скорости объекта, является проблема с апертурой, вызванная пропорциональным соотношением градиента яркости, которая решается либо взвешиванием вкладов в разные области изображения, либо поиском минимальных решений. Затем в лекции рассматриваются различные случаи изофот и подчеркивается важность вычисления осмысленного ответа, а не зашумленного, при определении скорости с использованием концепции усиления шума, которая измеряет чувствительность изменения изображения к изменению результата. .
Лекция 3: Время до контакта, Фокус расширения, Прямые методы машинного зрения, Усиление шума
Лекция 3: Время до контакта, Фокус расширения, Прямые методы машинного зрения, Усиление шума
В этой лекции особое внимание уделяется концепции усиления шума, поскольку она относится к процессам машинного зрения, с акцентом на различные направления и различия в точности. Лектор обсуждает важность точного измерения векторов и понимания усиления для минимизации ошибок в расчетах. Доклад охватывает концепцию времени до контакта, фокус расширения и поля движения, а также демонстрирует, как вычислять радиальные градиенты для оценки времени до контакта. Лектор также демонстрирует, как преодолеть ограничения в покадровых вычислениях с использованием мультимасштабных суперпикселей, с живой демонстрацией с использованием веб-камеры. В целом, лекция дает полезную информацию о сложностях процессов машинного зрения и о том, как точно измерять различные величины.
В лекции обсуждаются различные аспекты зрения в движении и их применение для определения времени до контакта, фокуса расширения и методы прямого зрения в движении. Спикер демонстрирует инструменты для визуализации промежуточных результатов, но также признает их ограничения и ошибки. Кроме того, решается проблема обработки произвольных движений при обработке изображений и подчеркивается важность соседних точек, движущихся с одинаковыми скоростями. В лекции также рассматриваются закономерности, влияющие на успех методов прямого видения в движении, и вводятся новые переменные для более удобного определения времени до контакта и противника. Наконец, обсуждается процесс решения трех линейных уравнений и трех неизвестных для понимания того, как различные переменные влияют на зрение в движении, а также распараллеливание процесса для ускорения вычислений.
Лекция 4: Фиксированный оптический поток, оптическая мышь, допущение постоянной яркости, решение закрытой формы
Лекция 4: Фиксированный оптический поток, оптическая мышь, допущение постоянной яркости, решение закрытой формы
В лекции 4 курса по визуальному восприятию для автономии лектор обсуждает такие темы, как фиксированный оптический поток, оптическая мышь, предположение о постоянной яркости, решение с закрытой формой и время до контакта. Предположение о постоянной яркости приводит к уравнению ограничения изменения яркости, которое связывает движение в изображении с градиентом яркости и скоростью изменения яркости. Лектор также демонстрирует, как моделировать ситуации, когда камера или поверхность наклонены, и обсуждает преимущества многомасштабного усреднения при обработке больших движений. Кроме того, лекция исследует использование времени для контакта в различных автономных ситуациях и сравнивает различные системы управления для посадки в планетарных космических кораблях. Наконец, лекция касается проекции линии и того, как ее можно определить с помощью перспективной проекции.
Докладчик обсуждает приложения обработки изображений, в том числе то, как можно использовать точки схода для восстановления параметров преобразования для калибровки камеры и как калибровочные объекты с известными формами могут определять положение точки в системе, ориентированной на камеру. В лекции также рассматриваются преимущества и недостатки использования различных форм в качестве калибровочных объектов для алгоритмов оптического потока, таких как сферы и кубы, и как найти неизвестный центр проекции с помощью куба и трех векторов. Лекция заканчивается подчеркиванием важности учета параметров радиальной дисторсии при калибровке реальной камеры робототехники.
Лекция 5: Демонстрации TCC и FOR MontiVision, Точка схода, Использование VP в калибровке камеры
Лекция 5: Демонстрации TCC и FOR MontiVision, Точка схода, Использование VP в калибровке камеры
В лекции рассматриваются различные темы, связанные с калибровкой камеры, в том числе использование точек схода в перспективной проекции, триангуляция для нахождения центра проекции и главной точки при калибровке изображения, а также концепция нормальных матриц для представления вращения в ортонормированной матрице. Лектор также объясняет математику определения фокусного расстояния камеры и как использовать точки схода для определения ориентации камеры относительно мировой системы координат. Кроме того, обсуждается использование TCC и FOR MontiVision Demos, а также важность понимания геометрии, лежащей в основе уравнений при решении задач.
Лекция охватывает различные темы, связанные с компьютерным зрением, в том числе влияние освещения на поверхностную яркость, способы измерения матовых поверхностей с использованием двух разных положений источника света и использование альбедо для определения единичного вектора. В лекции также обсуждается точка схода при калибровке камеры и простой метод измерения яркости с использованием трех независимых направлений источника света. Наконец, докладчик касается орфографической проекции как альтернативы перспективной проекции и условий, необходимых для ее использования в реконструкции поверхности.
Лекция 6: Фотометрическое стерео, усиление шума, усиление ошибок, обзор собственных значений и собственных векторов
Лекция 6: Фотометрическое стерео, усиление шума, усиление ошибок, обзор собственных значений и собственных векторов
На протяжении всей лекции спикер объясняет понятия усиления шума, собственных значений и собственных векторов при решении систем линейных уравнений в фотометрическом стерео. В лекции обсуждаются условия для сингулярных матриц, актуальность собственных значений в анализе ошибок и важность линейной независимости во избежание сингулярных матриц. Лекция завершается обсуждением закона Ламберта и ориентации поверхности, а также подчеркивает необходимость представления поверхностей с помощью единичного вектора нормали или точек на единичной сфере. В целом, лекция дает представление о математических принципах, лежащих в основе фотометрического стерео, и освещает проблемы точного восстановления топографии Луны по земным измерениям.
В лекции 6 курса вычислительной фотографии спикер обсуждает, как использовать единичный вектор нормали и градиенты поверхности, чтобы найти ориентацию поверхности и построить график яркости как функцию ориентации поверхности. Они объясняют, как использовать параметризацию pq для отображения возможных ориентаций поверхности, и показывают, как можно использовать плоскость наклона для отображения яркости под разными углами ориентации. Докладчик также обсуждает, как переписать скалярное произведение единичного вектора источника света и единичного вектора нормали в терминах градиентов, чтобы найти кривые в пространстве pq, где эта величина постоянна. Лекция заканчивается объяснением того, как конусы, образованные вращением линии к источнику света, можно использовать для нахождения конических сечений различной формы.
Лекция 7: Градиентное пространство, карта отражения, уравнение освещенности изображения, гномоническая проекция
Лекция 7: Градиентное пространство, карта отражения, уравнение освещенности изображения, гномоническая проекция
В этой лекции обсуждаются градиентное пространство, карты отражения и уравнения освещенности изображения. Лектор объясняет, как использовать карту отражения для определения ориентации поверхности и яркости в графических приложениях, а также как создать числовое отображение ориентации поверхности на яркость, используя три изображения, сделанные при разных условиях освещения. Они также вводят понятие освещенности и ее связь с интенсивностью и яркостью, а также важность использования конечной апертуры при измерении яркости. Кроме того, лекция затрагивает три правила поведения света после прохождения через линзу, концепцию ракурса и то, как линза фокусирует лучи, чтобы определить, какая часть света от пятна на поверхности концентрируется в изображении.
В этой лекции спикер объясняет уравнение для определения общей мощности, подаваемой на небольшую область изображения, которое учитывает телесные углы и косинус тета. Они связывают это уравнение с диафрагмой в камерах и тем, как размер диафрагмы влияет на количество получаемого света. Спикер также обсуждает освещенность изображения, которая пропорциональна яркости объектов в реальном мире, и то, как яркость падает, когда мы удаляемся от оси. Они переходят к обсуждению двунаправленной функции распределения отражательной способности, которая определяет, насколько яркой будет поверхность в зависимости от направления падения и излучения. Лектор объясняет, что коэффициент отражения можно измерить с помощью гониометра и что важно реалистично смоделировать, как объект отражает свет. Они также объясняют концепцию взаимности Гельмгольца для двунаправленной функции распределения отражательной способности. Затем лекция переходит к обсуждению применения градиентного пространства к поверхностным моделям материалов и напоминает студентам о необходимости быть в курсе информации о домашнем задании.
Лекция 8: Шейдинг, Особые случаи, Лунная поверхность, Сканирующий электронный микроскоп, Теорема Грина
Лекция 8: Шейдинг, Особые случаи, Лунная поверхность, Сканирующий электронный микроскоп, Теорема Грина
В этой лекции профессор затрагивает несколько тем, связанных с фотометрией и затенением. Он объясняет взаимосвязь между освещенностью, интенсивностью и яркостью, а также то, как они измеряются и связаны. В лекции также представлена двунаправленная функция распределения отражательной способности (BRDF), чтобы объяснить, как освещение влияет на ориентацию и материал поверхности. Далее лектор обсуждает свойства идеальной ламбертовой поверхности и ее значение для измерения входящего света и предотвращения путаницы при работе с взаимностью Гельмгоца. В лекции также рассматривается процесс преобразования градиента в единичный вектор и его связь с положением источника света. Наконец, в лекции объясняется, как измерение яркости может определить крутизну поверхности или направление уклона.
Лекция охватывает различные темы, связанные с оптикой и компьютерным зрением. Профессор обсуждает использование формы из методов затенения для получения профиля поверхности объекта для определения его формы. Затем он переходит к обсуждению линз и оправдывает использование орфографической проекции. Лектор также рассказывает об устранении перспективной проекции в машинном зрении путем создания телецентрических линз и демонстрирует различные приемы компенсации аберраций из-за изменения показателя преломления стекла в зависимости от длины волны. Наконец, докладчик вводит понятие орфографической проекции, которое упрощает некоторые проблемы, связанные с перспективной проекцией.