Sie sind neuronale Netze verwenden jeden Tag Online — hier, wie sie funktionieren,


Verwenden Sie Googles neue Fotos-app, Microsofts Cortana oder Skype das neue Übersetzungsfunktion, Sie verwenden eine Form von künstlicher Intelligenz auf einer täglichen Basis. AI wurde zuerst in den 1950er Jahren erdacht, aber erst vor kurzem praktischen Realität geworden – dank Software-Systeme genannt neuronale Netze. Dies ist, wie sie funktionieren.

Machen Computer intelligenter

Viele Dinge, die Menschen schwer kann im Handumdrehen von einem Computer erfolgen. Eine partielle Differentialgleichung lösen wollen? Kein Problem. Wie etwa erstellen genaue Wettervorhersagen oder Scheuern im Internet nach einer einzigen Web-Seite? Stück Kuchen. Aber Fragen Sie einen Computer zu sagen, die Unterschiede zwischen Porno und Kunst der Renaissance? Oder ob Sie gerade gesagt, "Nacht" oder "Ritter"? Viel Glück damit.

Computer können nicht nur auf die gleiche Weise Grund, die Menschen zu tun. Sie kämpfen, um Zusammenhang mit realen Situationen interpretieren oder die differenzierte Entscheidungen treffen, die wirklich zu verstehen, die Welt die Menschen von entscheidender Bedeutung sind. Thats, warum neuronale Netze wurden zuerst in den 1950ern als mögliche Lösung für dieses Problem entwickelt.

Inspiriert durch das menschliche Gehirn, neuronale Netze sind Softwaresysteme, die sich der menschlichen Welt sinnvoll trainieren können. Sie verwenden verschiedene Schichten von mathematischen Verarbeitung der Informationen immer mehr Sinn, die sie, aus der menschlichen Rede, ein digitales Bild gefüttert sind. Im Wesentlichen, sie lernen und im Laufe der Zeit ändern. Thats, warum sie bieten Computer mit ein intelligenter und differenziertes Verständnis von was sie konfrontiert. Aber es hat lange gedauert, um dies zuzulassen.

Der Winter von neuronalen Netzen

In den 1950ern Forscher wusste nicht, wie das menschliche Gehirn war intelligent – wir immer noch nicht, nicht genau – aber sie wußten, daß es war klug. Also fragte sie sich, wie das menschliche Gehirn funktioniert, im physischen Sinne, und ob es nachgeahmt werden könnte, um eine künstliche Version, dass Intelligenz zu erstellen.

Das Gehirn besteht aus Milliarden von Neuronen, lange, dünne Zellen, die miteinander in einem Netzwerk, die Übermittlung von Informationen mit Niedrigstrom-elektrische Ladungen zu verbinden. Irgendwie entsteht aus diesem scheinbar einfachen biologischen System etwas viel tiefer: die Art des Geistes, die Gesichter erkennen kann, entwickeln philosophische Abhandlungen, puzzle über Teilchenphysik und vieles mehr. Wenn Ingenieure dieses biologischen System Ingenieure herausgefunden elektronisch, neu könnte, möglicherweise eine künstliche Intelligenz zu entstehen.

Es gab einige erfolgreiche frühe Beispiele der künstlichen neuronalen Netze, wie z. B. Frank Rosenblatts Perceptron die analoge elektrische Komponenten verwendet, um eine binäre Klassifizierung zu erstellen. Phantasie spricht für ein System, das eine Eingabe nehmen kann-sagen, ein Bild einer Form – und klassifizieren sie in zwei Kategorien wie "Platz" oder "nicht-Platz." Aber Forscher bald lief in Schranken. Erstens habe Computer zur Zeit nicht genug Rechenleistung, um viele dieser Arten von Entscheidungen effektiv zu behandeln. Zweitens begrenzt die begrenzte Anzahl von synthetischen Neuronen auch die Komplexität der Vorgänge, die ein Netzwerk erreichen konnten.

Im Falle der Rosenblatt Perceptron konnte zum Beispiel ein einzigen Satz von künstlichen Neuronen ein Quadrat aus nicht-Quadraten zu erkennen. Aber wenn Sie die Fähigkeit, etwas anderes über die Quadrate wahrzunehmen einführen wollte – ob sie rot oder nicht rot zum Beispiel waren – Sie müssten eine ganze Extrasatz.

Während die Biologie des Gehirns auf mikroskopischer Ebene, als Ganzes genommen unkompliziert sein kann ist unglaublich komplex. Und die Komplexität der Makro-Ebene war zu viel für die 1950er Jahre Computer zu handhaben. Infolgedessen sank in den folgenden Jahrzehnten neuronale Netze von Gunst. Es wurde "Winter neuronaler Netzwerke", wie Googles Jason Freidenfelds es an mich herangetragen.

Fortschritte der Neurologie

Aber eine Person Winter ist des anderen Sommer. Ab den 1960er Jahren entwickelt unser Verständnis des menschlichen Gehirns durch Sprünge und Grenzen.

In jenen frühen Tagen der Neurowissenschaften wurde viel des Fokus auf unseren visuellen Systemen. Professor Charles Cadieu aus MIT einem Research Affiliate am MIT und Co-Founder und CEO eines Startups derzeit im stealth-Modus, erklärt:

Es ist wahrscheinlich am besten verstandene sensorische Modalität, und wahrscheinlich das beste Teil des Gehirns verstanden. Wir haben seit Jahrzehnten jetzt, dass Neuronen anders, feuern wie Sie die visuellen flussaufwärts bekannt. In der Netzhaut sind Neuronen empfänglich für Punkte von Licht und Dunkelheit; in der primären Sehrinde ist Aufregung von Neuronen durch Rand Formen; und in den höheren Bereichen der Sehrinde Neuronen reagieren auf Gesichter, Hände... alle Art von komplexe Objekten, sowohl natürliche als auch künstliche. In der Tat reagieren nicht dort, oben die Neuronen auf Licht und dunkle Flecken oder Rand-ähnliche Funktionen zu.

Bild von CLIPAREA l Custom Media/Shutterstock

Es stellt sich heraus, dass verschiedene Teile des Gehirns biologische Netzwerks verantwortlich für verschiedene Aspekte sind dessen, was wir als visuelle Erkennung wissen. Und diese Teile sind hierarchisch angeordnet.

Dies gilt auch für andere Aspekte der Wahrnehmung. Teile des Gehirns, die Sprache verarbeiten und vielleicht sogar Sprache selbst erscheinen in der gleichen Weise arbeiten. Eine Hierarchie der verschiedenen neuronalen Ebenen jeweils ihre eigenen Einblick, dann geht es auf einer anderen, höheren Ebene auf einer höheren Ebene Urteil bilden. Bei jeder Etappe wird die Argumentation mehr abstrakt, so dass eine Reihe von Geräuschen zu erkennen als ein Wort, das uns etwas bedeutet, oder ein Cluster von hellen und dunklen Mustern auf unserer Netzhaut als "Katze" in unserem Gehirn gerendert werden soll.

Diese Art von Hierarchien waren eine entscheidende Hinweis für Forscher, die noch über künstliche neuronale Netze zu denken wagte. "Das war wirklich ein leitendes Licht für neuronale Netze", erklärt Cadieu. "Wir wussten nicht genau, wie man sie auf diese Weise zu Verhalten."

Biologisch inspirierte Software

In Wahrheit sind nicht die künstliche Netzwerke heute im Einsatz wirklich auf das Gehirn in die Art und Weise modelliert, die Pioniere auf dem Gebiet vielleicht erwartet haben. Sie "nur lose durch das Gehirn inspiriert sind", sinniert Cadieu, in dem Sinne, dass sie wirklich sind Softwaresysteme, die einen mehrschichtigen Ansatz zu entwickeln, zu verstehen, anstatt ein Netz von Knoten übergeben Informationen hin und her zwischen einander zu beschäftigen.

Diese Softwaresysteme verwenden einen Algorithmus, um Einblick über eine Eingabe zu verarbeiten, dann geben sie nicht an die nächste Schicht, mit einem anderen Algorithmus einige übergeordnete verstehen, und so weiter zu verarbeiten. Das heißt, ist es sinnvoller, künstliche neuronale Netze als kaskadierte mathematische Gleichungen vorstellen, die Besonderheiten und Mustern, können vor Ort nach Freidenfelds.

Im Falle der Bilderkennung kann zum Beispiel die erste Schicht eines neuronalen Netzes Pixel Helligkeit, zu analysieren, bevor Übergabe an einer zweite, Kanten und Linien durch gebildet identifizieren ähnliche Pixel Streifen. Die nächsten Schichten möglicherweise in der Lage, Formen und Strukturen zu identifizieren, dann weiter oben in der Kette, die sie identifizieren können, einige dieser abstrakten Bild Funktionen in tatsächlichen körperlichen Funktionen, wie Augen oder Räder clustering.

Dann in Richtung zum Ende dieser Cluster-höhere Funktionen können als tatsächliche Objekte interpretiert werden: zwei Augen, eine Nase und einen Mund können bilden ein menschliches Gesicht sagen, während Räder, einen Sitz und einige Lenker Fahrrad ähneln. Auf der I/O-Entwickler-Konferenz im Mai Google angekündigt, dass die neuronale macht seine Produkte Netzwerke wie Google Fotos 30 verschiedene Schichten jetzt insgesamt verwenden, um Bilder Sinn.

Bild von Fdecomite unter Creative Commons Lizenz.

Neuronale Netze sind nicht nur beschränkt auf Bilderkennung, aber das ist unsere fortschrittlichste Gebrauch davon derzeit. Bei etwas wie Spracherkennung hackt das neuronale Netz die Rede ist in kurze Segmente hören, dann identifiziert Vokale. Die nachfolgenden Schichten können Sie trainieren wie die verschiedenen Vokallaute zusammenpassen und Formen so Worte, Worte passen zusammen-Form Ausdrücke und schließlich ableiten Bedeutung von was Sie gerade in Ihrem Telefon murmelte.

Wie man wahrscheinlich sagen kann, dies ist ein großer Schritt aus dem einlagigen Perzeptron System – ein wirklich großer Schritt. In der Tat zurück all dieser Zeit gab es zwei Dinge Betriebe die erfolgreiche Umsetzung von neuronalen Netzen. Die erste war die Rechenleistung, die wir jetzt haben. Die zweite? Genügend Informationen, um die Dinge beibringen, wie man richtig arbeiten.

Backpropagation und Deep Learning


Neuronale Netze können nicht lernen, bis Sie werfen genug Daten auf sie zu werfen. Sie brauchen große Mengen an Informationen zu betrachten, ihre Schichten durchlaufen, und versuchen, zu klassifizieren. Anschließend können sie vergleichen ihre Klassifizierungen, die echte Antworten und entweder Pat sich auf der Rückseite oder ein wenig anstrengen.

Bei Bildanalyse bedeutet, liefern Ihre neuronalen Netzwerk mit einer Reihe von markierten Fotos bekannt als einen Trainingssatz. Google hat YouTube verwendet, um diese Ausbildungs-set in der Vergangenheit zu liefern. Im Falle von Spracherkennung möglicherweise die Ausbildung gesetzt eine Reihe von audio-Clips zusammen mit einer Beschreibung von dem was gesagt wird. Vorausgesetzt das neuronale Netz mit dieser riesigen Klumpen der Eingänge, einen Versuch der Klassifizierung der einzelnen Elemente machen, kann welche Informationen zusammensetzen es aus seinen verschiedenen Schichten zu Vermutungen darüber, was es zu sehen oder zu hören ist. Während des Trainings ist die Maschine Antwort im Vergleich zu menschlichen erstellt eine Beschreibungder was beobachtet haben, sollten. Wenn es Recht, Requisiten zu den Netzen.

Aber was ist, wenn es falsch ist?

"Wenn ein Gesicht was es genau analysiert war und es Haus sagte, dann es ein Verfahren namens Backpropagation anpasst,", erklärt Cadieu. "Tritt sie durch die einzelnen vorherigen Schichten, und jedes Mal, wenn es zwickt den mathematischen Ausdruck für diesen Layer, gerade genug, so dass sie die Antwort direkt das nächste Mal bekommen würde."

Zunächst wird das Netzwerk Fehler aller Zeiten machen, aber nach und nach seine Leistung verbessert, die Schichten allmählich mehr und mehr in der Lage zu erkennen, genau das, was sie sehen. Dieser iterative Prozess der Weitergabe einer Probe durch die Netzwerk- und Rücken Vertagung zu sich selbst zu korrigieren ist bekannt als Tiefe lernen, und es ist was die Netze mit menschenähnlichen Intelligenz verleiht.

In der Vergangenheit wurde es schwer, genügend Informationen, um etwas so hungrig auf Daten als ein neuronales Netz feed anzuhäufen. Aber heutzutage gibt es so vielen Daten im Umlauf online, dass es relativ einfach ist. Es gibt Bilder, die alle über das Internet mit Beschreibungen, die genau beschreiben – oder mindestens, genau genug — was die Computer sehen sollten, oder Dialog aus Filmen und entsprechende Skripte, Spracherkennungssysteme lernen zu helfen wie Menschen Klang. Und bewaffnet mit all diese Daten, neuronale Netze immer intelligentere wachsen können.

Gerade eine Intelligenz?

Und es funktioniert. Wann Google veröffentlicht seine erste neuronale Netz betriebene Spracherkennungssystem 2011 — die in Leuten wie jetzt und Chrome gebacken – es hatte eine Fehlerquote von ca. 25 %. Das bedeutet, dass es einer von vier mal durcheinander gebracht, dass Sie daran gewöhnt.

Jetzt, nach drei Jahren zwickt und lernen, ist, dass nur 8 Prozent gefallen. Googles neueste Versuch zeigt sich die Kraft von neuronalen Netzen ist mit Fotos, fast unheimlich in seiner Intelligenz.

Als Gizmodo Mario Aguilar es versuchte, führte er aus:

Es ist verrückt, wie gut das funktioniert. Creepy selbst. Wir waren begeistert, erste, dann misstrauisch. Wir arbeiteten nur mit einem kleinen paar Brocken der Fotos habe ich derzeit auf diesem Telefon... [aber] Trotz der begrenzten Pool Google Fotos konnte tatsächlich einiges an Sinn aus was ich erschossen. Es richtig erkannt, dass einer meiner besten Freunde, ich viele Fotos von als einzigartige Person habe... Aber wo Fotos wirklich Wracks, die Ihr Gehirn ist beim Starten auf der Suche nach zufällige Dinge in Ihrer Sammlung. Bier? Es findet Fotos von Biere. Bars? Es findet Fotos von Bars.

Es ist aber nicht nur Google. Letztes Jahr stellte Facebook seine DeepFace-Algorithmus, der spezifische menschliche Gesichter mit 97 % Genauigkeit erkennen kann. Das ist ungefähr so gut wie Menschen. Wolfram Alpha ist ein Software-System erstellt, die Objekte identifizieren können und erlaubt Ihnen sogar, es roll in Ihre eigene Software. Und Microsofts Cortana digitale persönliche Assistentin ist so scharf, dass es den Unterschied zwischen einem Bild von einem Pembroke Welsh Corgi und ein Cardigan Welsh Corgi erkennen kann. Erkennen Sie die Unterschiede zwischen einem Pembroke Welsh Corgi und ein Cardigan Welsh Corgi? Ich kann nicht sicher wie die Hölle.

Bild von Virginia Hill und Tundra Eis. Cardigan Welsh Corgi ist auf der linken Seite.

Und es ist nicht alle Bilderkennung. Skype nutzt jetzt neuronale Netze, um von einer Sprache zur anderen auf die Fliege zu übersetzen; Chinesische Suche feste Baidu nutzt sie, um Werbeanzeigen auf seiner Suchmaschine; und erst vor kurzem stellte Google eine Chatbot-System, die mit ihnen ausgebildet worden waren.

Neuronale Netze sind Computer schließlich die Fähigkeit, die menschliche Welt zu verstehen und machen intelligente Rückschlüsse darüber geben. Hell, sie tropft mit so viel Wissen und erleben in diesen Tagen, dass sie träumen und psychedelische Kunst in den Prozess zu schaffen.

Unvollkommene Wissenschaft und Gorillagate

Aber wie alles "Smart", neuronale Netze und tun können schief gehen. Gerade in diesem Monat getaggt Googles Fotos app versehentlich zwei schwarze Menschen in einem Foto als "Gorillas." Flickr ist intelligente neue Bild Anerkennung Werkzeug, angetrieben von Yahoos neuronales Netz, markiert auch einen schwarzen Mann als ein "Affe." Klar, weder sind perfekt, und spiegeln (rassistische) Wege, die Menschen in öffentlichen Daten Bilder markiert haben. Googles Schnellkorrektur, so scheint es, war einfach das "Gorilla" Tag insgesamt aus Fotos entfernen; auf längere Sicht wird es zweifellos seine Netze härter trainieren.

Es ist leicht genug, um einen Finger auf die Technologie für die gerade nicht auf dem neuesten Stand. Natürlich ist es möglich, ein neuronales Netz zu täuschen. Die Bilder unten, zum Beispiel, sind genug, um neuronale Netze zu denken, dass sie Pinguine, Baseballs und Fernbedienungen, aber für den Menschen sie gerade wie abstrakte Muster schauen, zu betrügen, wenn auch diejenigen inspiriert von diesen realen Objekten.

"Der Algorithmus Verwirrung aufgrund der Unterschiede in wie es die Welt sieht mit den Menschen, im Vergleich ist", sagte Jeff Clune die University of Wyoming in Laramie, Entdecker diese Marotte, New Scientist. "[Menschen] einen Gepard identifizieren, indem man für das gesamte Paket – die richtige Körperform, Musterung und so weiter – ein [neuronales Netz] interessiert nur die Teile eines Objekts, dass die meisten, die es von anderen unterscheiden."

Es hilft natürlich, dass neuronale Netze haben nicht die eingebauten Sinn für Anstand und Achtung, die Menschen haben. Wie ein Kind hervor, was auch immer in seinen Gedanken, neuronale Netze gespannt Federn bieten ihre beste Vermutung in der Hoffnung, dass es richtig ist – auch wenn sie nicht 100 % sicher sind. In diesen Fällen könnte ein Mensch ablehnen; Vielleicht sollte ein neuronales Netz lernen, das gleiche zu tun.

Gorillagate kann nur so viel zu tun mit menschlichen Neigung als zweifelhafte Technologie sein. Im Gespräch mit dem Wall Street Journal, künstliche Intelligenz Experte Vivienne Ming wies darauf hin, dass die Ausbildung-Sets von Google verwendet vielleicht Schuld sind. Unmengen von Fotos im Internet zeigen eine überwiegend weiße Welt, so ist es plausibel, dass die neuronale Netze einfach die Erfahrung nicht, die Sie Menschen mit schwarzer Hautfarbe genau zu ermitteln müssen.

Macht in Zahlen

Als Fütterung neuronale Netze genaue Daten, sind Forscher auch die Software verbessern, durch die Kombination von Netzwerken zusammen. Eine aktuelle Forschungszusammenarbeit zwischen Google und der Stanford University hat begonnen die Software, die tatsächlich ganze Szenen statt nur ein Objekt, wie eine Katze zu identifizieren beschreiben kann.

Diese ehrlich gesagt bemerkenswerte Leistung wird erreicht durch die Kombination eines Bilderkennung neuronales Netzes mit einer natürlichen Sprache-Netzwerk. Geben Sie eine natürlichsprachliche Netzwerk einen ganzen Satz wie "Wir setzten uns zu einem herrlichen Mittagessen Hoagies und BLTs", und es abstrahiert sie in allgemeinen Konzepte wie "Essen" und "Sandwiches." Von dort kann die Ausgabe eingespeist werden ein weiterer natürlicher Sprache-Verarbeitung-Netzwerk, das kann Sinn dieser Konzepte und übersetzen sie in einem Satz, der viel sagt das gleiche, mit geändertem Wortlaut.

Wie funktioniert die neuronale Netze von Skype verwendet für ihre on-the-Fly-Übersetzung. Was die Forscher an der Stanford University Google getan haben, allerdings ist die erste neuronale Netz mit Bilderkennung Netzwerk zu ersetzen und, die in einem englischen natürlichsprachliche eingespeist. Die erste produziert ausgefeilten Konzepte der das im Bild dargestellte — sagen, einem Mann, einen Sandwich und Essen. Die zweite die Versuche, wandeln diese Konzepte in einem Satz beschreiben, was gezeigt wird, wie "ein Mann ist einen Sandwich Essen." Wie Sie in der Tabelle unten sehen können, sind die Ergebnisse nicht perfekt – aber sie sind sicher ziemlich beeindruckend.

Also wenn neuronale Netze so schnell entwickeln, ist der Himmel die Grenze?

"Sie können sicherlich erwarten, wesentliche Verbesserungen im Bild und die Spracherkennung in den kommenden Jahren zu sehen", sagt Cadieu, darauf hinzuweisen, dass diese moderne neuronale Netze eigentlich nur für ein paar Jahre sowieso schon.

Sprachverarbeitung ist weniger klar, dass neuronale Netze zur Bewältigung der Probleme so gut gelingen werden. Während Bild und die Spracherkennung auf jeden Fall in geschichteten so wie moderne neuronale Netze arbeiten, gibt es weniger Neuroscientifc Hinweise darauf, dass Sprache auf die gleiche Weise verarbeitet wird je nach Cadieu. Das kann bedeuten, dass künstliche Sprachverarbeitung in konzeptionellen Barrieren bald ausgeführt wird.

In Richtung einer Arbeiterklasse AI

Eins ist jedoch klar: diese Art der künstlichen Intelligenzen sind bereits Kreditvergabe eine große Hilfe für den Menschen. In der Vergangenheit mussten Sie Sichten Ihre Fotos zu kompilieren Sie ein Album aus dem letzten Urlaub oder das Bild von Ihrem Kumpel Bob ein Bier trinken zu finden. Aber heute, neuronale Netzwerk-Software, die für Sie tun kann. Google Fotos bereitet Alben automatisch, und die smart-Search-Funktion werden Bilder mit alarmierenden Genauigkeit finden.

Und diese Art von kundenorientierten Software ist eine Spielerei, die im Vergleich zu die Heldentaten, die neuronale Netze eines Tages für uns durchführen könnte.

Es ist nicht schwer vorstellbar Bildverarbeitungs-Algorithmen gewinnt genug Intelligenz um Tierarzt-medizinische Bilder für Tumoren, mit den Ärzten, die lediglich ihr Ergebnis zu überprüfen. Stimme-Erkennungssysteme konnte mittlerweile so weit fortgeschritten, dass Telemarketing-Kampagnen von Software allein ausgeführt werden. Sprachverarbeitung Netzwerke ermöglicht Nachrichten von Maschine geschrieben werden.

In der Tat sind diese Dinge bereits geschehen, zu einem gewissen Grad. Die Veränderungen sind tiefgreifend genug, dass Forscher an der University of Oxford schätzen, dass bis auf die Hälfte der Arbeitsplätze, einschließlich der besessen von meiner Wenigkeit wirklich, werden KI Systeme angetrieben von neuronalen Netzen in den kommenden Jahren.

Aber Veränderungen in der Wirtschaft und Beschäftigung durch Technologie vertrieben wurden viele Male zuvor, von der Druckerpresse und Motorwagen mit Computern und dem Internet. Obwohl es soziale Unruhen werden, wird es auch vorteilhaft sein. Neuronale Netze geben letztlich jeder Zugriff auf Intelligenz, die derzeit in den Händen einiger weniger liegt. Und das führt zur intelligenter Systeme, besseren Service und mehr Zeit für die menschlichen Probleme zu lösen, die Computer nie beheben können.

Korrektur: Dieser Artikel ursprünglich erklärt, dass Charles Cadieu am MIT beruhte. He ins in der Tat ein Research Affiliate am MIT und Co-Founder und CEO eines Startups derzeit im stealth-Modus.

Obere Bild von Pogonici/Shutterstock

Verwandte Artikel

Künstliche neuronale Netze können Tag Traum – hier ist was sie sehen

Wenn Sie Formen in den Wolken suchen, finden Sie oft Dinge, die Sie jeden Tag sehen: Hunde, Menschen, Autos. Es stellt sich heraus, dass künstliche "Gehirne" das gleiche zu tun. Google nennt dieses Phänomen "Inceptionism", und es ist e...

Du verschwendest soviel gutes Essen jeden Tag, aber hier ist 22 Arten, es zu vermeiden

Var Googletag = Googletag || {}; googletag.cmd = googletag.cmd || []; googletag.cmd.Push(function() {googletag.defineSlot ("/ 37886402/VN_PG_DCBM_BTF", [1, 1], 'VN_PG_DCBM_BTF').addService(googletag.pubads()) .setTargeting ("NOVA_TS",...

Dieses neuronale Netz umwerfend schlechte Bildbeschreibungen sind noch AI fortgeschritten.

Wann wird ein neuronales Netz, wer ist Donald Trump? Wie lange, bis man einen Witz auf eigene einfallen lassen? Erkennen, wie etwa Yoda? Es kann nicht sein viel länger, mit neuronale Netzwerkmodelle in rasantem Tempo voran. Aber es gibt noch ein langer We...

Kann man sagen "Doppelmoral"? Papa macht Nachrichten für gleiche schlechte Entscheidung Mütter machen jeden Tag [VIDEO]

Es ist so leicht zu kritisieren und anderen Eltern zu beurteilen – Mütter, vor allem – für wie schlecht sie ihre Kinder erhöhen. Die Kinder kommen mit Mac und Käse zum Abendessen jeden Abend. Sie Essen nicht genügend Früchte oder Gemüse. Zu viel Sendezeit...

5 Dinge, die Sie jeden Tag, die tun sind eigentlich sucht

Sucht ist eine lustige Sache in unserer Kultur--Menschen, die aktiv auf eine Substanz tatsächlich süchtig sind leugnen ("Ich möchte Rauchen!"), während andere Leute sucht für jede beliebige Sache behaupten sie geschehen zu genießen ("Ich bi...

5 Wörter, die Sie jeden Tag mit erschreckend dunkle Hintergrundgeschichten verwenden

Wenn wir über Worte wie "Gaydar" lesen, sind "Threequel" und "Bromance" wird dem Wörterbuch hinzugefügt, wir nicht helfen können, Gefühl wie in diesen Tagen unsere Vokabulare komplett von Douchebags erstellt (das auch im Wört...

Wie Sie verwenden können, diese 10 jeden Tag Objekte auf andere Weise ist Genie. Absolut liebe #7.

Hier sind ein paar wirklich clevere Ideen für was Sie tun können mit 10 jeden Tag... Dinge wie Glasflaschen Wein, alte Fahrräder oder Milchkisten Artikel. Mit diesen Ideen können hoffentlich Sie etwas machen, die Sie dachten, Junk-e-in Ihrem eigenen Kunst...

Es ist nicht jeden Tag, die Handschrift Sie umhauen wird. Aber dieser Kerl 30 Beispiele sind atemberaubend.

Sean McCabe hat eine wahre Leidenschaft für Hand-Schrift und Typografie sowie viel Liebe zum Detail akribisch. Sean ist eine Hand Schriftzug Künstler und Schriftgestalter aus San Antonio, der auch Podcasts auf Kreativität und Business in der Design-Branch...

5 scheinbar harmlose Möglichkeiten, riskieren Sie Ihre Identität jeden Tag

Wir neigen dazu, Identitätsdiebstahl als ausschließlich auf dumme Menschen verübten Verbrechen. Sicher, Sie fallen Sie nicht auf die nigerianischen Prinzen Schtick und senden Sie nicht Ihre Login-Daten an "offiziellen" e-Mails, die falsch schrei...

Kriecht sind mit Hilfe ein neuronales Netzes zu Dox Porn Schauspielerinnen

Anfang April dieses Jahres ein russischen Fotografen namens Egor Tsvetkov verwendeten Fotos und eine app namens FindFace, ein neuronales Netz, die mit social Media Profile mit Gesichtserkennung, um zu zeigen, wie viel Information wir vorsätzlich aufgeben...

18 kleine Dinge, die Sie jeden Tag Live-A tun besser leben

Wenn du ein unglückliches Leben lebst, gäbe es eine Menge von Faktoren. Sie könnten einen ungesunden Lebensstil leben, Sie nur hätte durch eine Trennung oder einen geliebten Menschen verloren haben könnte. Sie könnten nur mit alles satt werden, sondern zu...

6 Elemente berühren Sie jeden Tag, die schmutziger als eine Toilette

// Eine Person im Büro bekommt die Grippe, und bald jeder in ihrer Reihe hat es. Und so Paranoid wie die Leute denken, sie sind über Keime in diesen Tagen mit ihrer antibakteriellen Lotionen und sorgfältige Händewaschen nach dem sogar kurz berühren ihre G...

5 Möglichkeiten Statistiken dienen zur Lüge, Sie jeden Tag

Die Menschen sind schrecklich mit Zahlen. Sie passen nicht nur in unserem Gehirn. Es ist warum Wissenschaftler können uns hammer mit Statistiken über die globale Erwärmung, aber wir werden aufhören, daran zu glauben, sobald es kalt wird, wo wir leben. Es...

Dies ist, was geschieht, wenn Sie ein neuronales Netz Design Schriftarten lassen

Neuronale Netze übernehmen immer mehr auf die Arbeitsplätze, die früher die Erhaltung des menschlichen Gehirns. Erik Bernhardsson entschied, zu sehen, was passieren würde, wenn er 50.000 Schriften zu einem neuronalen Netzwerk warf an und verließ ihn, an i...