m
2020

Robot är en hejare på bordshockey
Med hjälp av maskinlärning från Google

Här är en robot som med hjälp av bland annat maskinlärning har lärt sig att spela bordshockey. Detta är något den verkar kunna göra förhållandevis bra men huruvida den hade kunnat vinna en match mot ett mänskligt bordshockey-proffs återstår att se. Det har tagit utvecklaren Andrew Khorkin ett och ett halvt åt att utvecklar sin "TableHockeyRobot" som använder en HD-kamera för att följa vad som sker på "isen". Robotens sex spelare styrs i sin tur av en konstruktion som förflyttar spelarna med hjälp av kolvar. Robotens hjärna är en Arduino Mega vars mjukvara har lärt sig att hålla koll på spelarna och pucken genom Googles maskinlärnings-plattform Tensor Flow. På länken nedan hittas lite fler klipp på bordshockey-roboten och på via-länken nere till höger kan ni läsa vad Gizmodo skriver om roboten. Tumnagel
40.7°
+
Wille Wilhelmsson
0

Google släpper TensorFlow för kvantdatorer
AI-ramverk anpassas för att kunna användas med kvantdatorer

Google släpper nu något man kallar för TensorFlow Quantum (TFQ) vilket är en open source-plattform för att utveckla maskinlärnings-applikationer till framtidens kvantdatorer. TFQ bygger vidare på Googles TensorFlow, ramverket för AI-applikationer som Google släppte som open source 2015. TensorFlow består av ett antal verktyg för att förenkla utvecklingen av neurala nätverk som används inom artificiell intelligens. Det inkluderas även verktyg som gör att utvecklare inte behöver utveckla nya maskinlärnings-applikationer från scratch när sådana ska tas fram. Med TensorFlow Quantum överför Google liknande funktionalitet för när det ska utvecklas maskinlärnings-applikationer på kvantdatorer. Med TensorFlow Quantum behöver användaren inte bry sig om vilken typ av hårvara appen som utvecklas rullar på. Plattformen gör det även möjligt att debugga sin kvantdator-kod på traditionella datorer innan koden körs på kvantdatorer. Förhoppningen med TFQ är bland annat att utvecklare ska kunna hitta nya kvantdator-algoritmer som i framtiden kan återanvändas på andra områden inom kvantdator-beräkningar. I dagsläget riktar sig TFQ till forskare inom kvantdatorer men Googles förhoppning är att det hela ska leta sig ut till kommersiella aktörer så småningom. Ni hittar Googles blogginlägg om TFQ på länken nedan och skulle ni vilja ladda ner det hela så hittas det som open source på Github här. Tumnagel
39.8°
+
Wille Wilhelmsson
0
2019
2018
2017

Pix-2-Pix gör fotografier av det du ritar
Använder Googles artificiella intelligens TensorFlow

Utvecklaren Christopher Hesse har med hjälp av Googles AI-plattform TensorFlow tagit fram en rätt så rolig tjänst som försöker att skapa ett fotografi av det som användaren ritar på skärmen. Användare kan bland annat välja att rita husfasader, skor eller handväskor och sedan försöker tjänsten skapa ett bildtroget fotografi av detta baserat på vad den har lärt sig om dessa objekt sedan tidigare. Det går även att rita katter som blir fotografier men med tanke på att mina teckningskunskaper är mer eller mindre obefintliga så blev väl kanske inte resultatet ovan det mest lyckade. Ett lite bättre exempel kan ni kolla in på bilden nedan. Ni kan experimentera med Pix-2-Pix på länken nedan och skulle ni vilja kolla in eller modifiera källkoden till tjänsten så hittas den på GitHub här. Gör ni några egna konstverk så posta gärna bilder på dessa bland kommentarerna! Tumnagel
49.5°
+
Wille Wilhelmsson
0
2016

Google har förbättrat AI för bildigenkänning
Släpper det nu som open source

I ett inlägg på Googles forskningsblogg skriver man att man har förbättrat sin artificiella intelligens för bildigenkänning sedan man presenterade den för två år sedan. 2014 fick AI:n godkänt i 89.6% av de fallen den skulle känna igen på bilderna enligt benchmark-testet ImageNet 2012. Idag får man godkänt i 93,9% av fallen enligt samma benchmark-test. Man har även utvecklat AI:n så att denna kan ge en mer detaljerad beskrivning av vad som syns på bilden, något som ni kan se exempel på i bilden nedan. För att träna upp AI:n har man låtit människor beskriva vad som syns på diverse bilder och därefter matat in detta i AI:n. Baserat på detta kan AI:n nu räkna ut vad som syns på en bild genom att kombinera data från flera olika bilder som beskrivits av människor. Detta är något som demonstreras på bilden ovan. Google släpper nu sin bildigenkännings-algoritm som open source i sin maskinlärningsplattform TensorFlow så att utvecklare kan använda detta när de tar fram sina appar. Personligen tror jag att det här skulle kunna bli ett bra sätt för synskadade att alltid hålla koll på vad som finns i deras omgivning. Sen finns det säkert åtskilligt många andra bra användningsområden med. Tumnagel
45.2°
+
Wille Wilhelmsson
0
2015