It Integral

Искусственный интеллект. (Часть 2)
В этой публикации постараюсь максимально доступно, без формул и специальной терминологии объяснить принцип работы нейронной сети.
Исследования биологов позволили выделить нервные клетки организмов, нейроны, и изучить принципы их работы. На рис.1 показана клетка головного мозга. По усикам (дендрит) поступают сигналы возбуждения или торможения, клетка складывает плюс с минусом и получает среднее значение, которое передается на следующий нейрон. Все конечно значительно сложнее, но для нас, этого вполне достаточно.
На рис. 2 изображена компьютерная модель нейрона, его схематическое изображение. Как видите она аналогична живой клетке и работает точно также. На вход поступают числовые значения, внутри ячейки происходит суммирование чисел, результат которого подается на выход. Что бы получить нейронную сеть, нейроны собирают в последовательность, которая позволяет передавать сигнал, от входа на выход. На рис. 3 показан типичный пример, называемый персептрон.
Так что же такого «волшебного» делаю нейронные сети? Возьмем простой пример, попасть скомканным листом бумаги в мусорную корзину. Человек учится этому, раз за разом бросая бумажку в корзину, в результате, чем больше он тренируется, тем чаще попадает. Перед нами ставят задачу сделать механизм, который бы попадал без промаха. Классически это делается так, на основании опытов мы строим график движения комка. На основании графика выводим формулу движения (в нашем случае это парабола), дополняем формулу силой броска и углом склонения, теперь можем строить механизм. Благодаря математике мы можем точно рассчитать где и в какой момент времени находится ком бумаги во время броска.
Как видно с момента постановки задачи до момента реализации может пройти много времени, пока проведем испытания, рассчитаем математическую модель, а ведь чем больше параметров, тем сложнее вычисления.
Вот здесь и проявляется главное преимущество нейронных сетей. Они обучаются как человек. На вход подаются, данные о корзине и запускается процесс обучения.

Искусственный интеллект.
Этим постом начинаю серию публикаций про главную тему всех модных IT новостей и хайп журналистов – искусственный интеллект. Постараюсь рассказать об этом простыми словами и без «придыхания».
Как всегда, в начале немного истории. В 1943 г. У. Маккалок и У. Питтс формализуют понятие нейронной сети. В 1958 Ф. Розенблатт изобретает однослойный персептрон и демонстрирует его способность решать задачи классификации. Поднимается первая волна восторженных предположений. Начинаются разговоры о том, что до изобретения искусственного разума остался один шаг. В 1963 году в Институте проблем передачи информации АН СССР. А. П. Петровым проводится подробное исследование задач «трудных» для персептрона. Эта работа послужила отправной точкой для комплекса идей развития нейронных сетей и сгладила волну эйфории вокруг искусственного интеллекта. В 1969 году М. Минский публикует формальное доказательство ограниченности персептрона и показывает, что он неспособен решать некоторые задачи. Интерес к нейронным сетям резко спадает. Последнюю работу, перед этапом забвения, в 1975 году публикует Фукусима, представляя самоорганизующуюся сеть – когнитрон.
И вплоть до 1982 года существенных работ на эту тему не публикуется. В этом году Дж. Хопфилд показал, нейронную сеть с обратными связями, а Кохоненом представлены модели сети, обучающейся без учителя. Интерес к нейросетям вновь возрастает. В 1986 году, двумя группами западных и советских ученых, независимо, пере открыт и существенно развит метод обратного распространения ошибки. Начался взрыв интереса к обучаемым нейронным сетям.
На этом с историей все. В следующей публикации расскажу, как именно работают нейронные сети. Это вдвойне любопытно потому, что точно также работает и наш мозг.

Собирая информацию для программы столкнулся с таким явлением как «Боты». Наверное, каждый встречал, когда в комментариях к статье или на форуме появляется запись типа «Вы все дураки». Пользователи реагируют на нее и, если повезет, в ответ собирается целая ветка. При этом, «провокатор» больше не участвует в обсуждении. Особенно часто это заметно в политических и общественных обсуждениях.
Один из моих друзей, удивил меня, став блогером средней руки в Instagram. На вопрос: «Как!». Объяснил, что достаточно зарегистрироваться на специализированном сайте, создать посты на месяцы вперед и «бот» будет раскручивать, собирать просмотры, лайки и отзывы. Это довольно безобидно если не взглянуть на это в целом.
Согласно исследования, с 2013 года количество трафика, генерируемого ботами, превышает активность реальных людей. Только в 2015 году, люди были активнее, всего на 6%, а в прошлом году роботы вернули лидерство.
В исследовании боты делятся на «хороших» и «плохих». Однако все они влияют на то что мы просматриваем. Наберите в поиске «купить холодильник» и неделю будете смотреть их рекламу. Но самое скверное, это боты, работающие под видом реальных пользователей. Согласно исследования их количество превышает 7%, то есть каждый четырнадцатый.
Думаю, на политических темах их значительно больше, а «безголовые последователи» участвуют в обсуждениях, делают перепосты. На популярных темах журналисты делают материалы и весь этот мусор крутится в сети отдельно от реальной жизни.
А еще телевизор называют ЗОМБОЯЩИКОМ.
Источник: https://www.incapsula.com/blog/bot-traffic-report-2016.html

Очередной рубеж преодолён. Вышла первая бетта версия мобильного приложения . Теперь автоматический анализ содержания новостей доступен в реальном времени, можно уверено отделять «пустые» статьи и материалы рекламного содержания.
Выпуск мобильной версии затянулся. В первую очередь было необходимо проработать сам алгоритм, который уже более полу года совершенствуется на внутреннем сервере. Вообще этот проект реализуется в виде исследования, и на добровольных началах, поэтому быстрого прогресса я и сам от него не ожидаю.
Как и прежде, целью проекта является создание алгоритма способного предсказывать поведение на основании публикуемых текстов. Например, основываясь на постах в социальных сетях выявлять подростков, попавших под деструктивное влияние или людей склонных к суициду.
Как бы все не сложилось, я уже сейчас могу перед чтением новостей отделить мусор, что значительно экономит время. Конечно некоторые вещи еще необходимо доработать, сделать интерфейс более дружелюбным, а скорость обработки статей на мобильных устройствах оставляет желать лучшего.
#новости

Внимание! Рассылка вредоносного программного обеспечения

Служба реагирования на компьютерные инциденты сообщает о рассылки вредоносного программного обеспечения пользователям ПК.

С официальной почты банка «Сбербанк России», рассылается информация на почту пользователей, с целью распространения вредоносного программного обеспечения.

Данная информация содержит ознакомление о выставлении лицевого счета для оплаты в архивированном виде.

После открытия файла происходит заражение и удаление информации на устройствах.

Всех, кто пострадал от подобных действии, просим сообщить в Службу реагирования на компьютерные инциденты.

1400 – бесплатная горячая линия

Внимание! Рассылка вредоносного программного обеспечения

Служба реагирования на компьютерные инциденты сообщает о рассылки вредоносного программного обеспечения пользователям ПК.

С официальной почты банка «Сбербанк России», рассылается информация на почту пользователей, с целью распространения вредоносного программного обеспечения.

Данная информация содержит ознакомление о выставлении лицевого счета для оплаты в архивированном виде.

После открытия файла происходит заражение и удаление информации на устройствах.

Всех, кто пострадал от подобных действии, просим сообщить в Службу реагирования на компьютерные инциденты.

1400 – бесплатная горячая линия

Шифровальщик и вымогатель

Служба реагирования на компьютерные инциденты сообщает об участившихся случаях получения злоумышленниками несанкционированного доступа к данным коммерческих организаций Казахстана с целью получения денежных средств.
Подробнее на http://kz-cert.kz/page/551

Для того, чтобы не стать жертвой злоумышленников необходимо сделать акцент на информационную безопасность организации, для предотвращения более серьезных последствий.

Продолжение
Теперь непосредственно про программу, которую мы разрабатываем. Все приведённые примеры основаны на анализе уже готовых текстов, то есть анализируются свершившиеся события и анализ необходим для прогнозирования будущего. Основной целью программы NewsAnalysis является проработка алгоритмов контент-анализа в реальном времени, в частности прорабатываются алгоритмы анализа ленты новостей.
Это как говориться из меркантильного. Однако применение таких алгоритмов реального времени значительно шире.
Лично для нас, как и для всех родителей, важнее оградить наших детей от вредного влияния через социальные сети. Общество полно примерами, когда через интернет совершенно аморальные личности воздействуют на наших детей, и здесь программы, основанные на наших алгоритмах, могут помочь отслеживать всю среду общения ребенка, или даже целые группы детей, например, школьные классы.
При этом мы убиваем «двух зайцев», не вторгаясь в личное пространство ребенка, контролируем переписку и в случае отклонения в поведении получаем предупреждение. Так будет проще выявлять педофилов и группы самоубийств, а при дальнейшей проработке выявлять критические состояния в поведении, когда ребенок подавлен или испытывает проблемы в социальной жизни.
К сожалению, на все у нас не хватает времени, поэтому участие неравнодушных приветствуется. Если у кого-либо возникнет решимость помочь в этом направления, будем рады любой помощи. Необходимы: администратор, социолог, психолог, маркетолог, специалист по рекламе и другие у кого есть немного времени.
#новости #дети #психология #воспитание

It Integral

Продолжаем публикации по разрабатываемой нами программе . Друзья и знакомые, которые читали предыдущие посты, посетовали на то, что они мало понятные.
Поэтому для тех, кто хочет знать, несколько следующих постов будет о самом методе анализа. Немного истории, немного примеров и под конец, для чего эта программа.
Контент – анализ. Строгое определение каждый может прочитать в википедии, если же пересказывать своими словами, то суть этого метода состоит в том, что, анализируя компоненты текста (слова, словосочетания, предложения, абзацы и др.), можно выявить настойчиво повторяющиеся темы, ссылки на проблемы, утверждения, оценки и др. При этом нет необходимости читать и понимать сами исходные тексты.
Первые упоминания о применении контент-анализа на практике относятся к XVIII в. В то время, подсчитывая частоту упоминания тем, связанных с Христом, теологи судили о богословской основательности той или иной книги.
Современная история этого метода начинается с 1920х – 30х годов. Развивалось это направление социологами на обоих континентах, однако в 1940х годах в основном в Америке.
Г. Лассуэл формализовал основные подходы и использовал его в сфере политики и пропаганды. Ярким примером использования контент-анализа является работа американской военной цензуры в годы второй мировой войны. Основанием для обвинения в связях с нацистами редакторов американских СМИ служило выявление схожести в повторении определенных тем на страницах тех или иных изданий.
Новым этапом в развитии контент-анализа стала компьютеризация в 1960-х гг. С 1970-х гг. Стало возможно обрабатывать большое количество текстов за приемлемые промежутки времени. Существует байка, что перед смертью Л. Брежнева, ЦРУ пыталось определить его приемника, путем подсчета количества упоминаний членов политбюро в советской прессе.
В настоящее время контент-анализ применяется в социологии и политологии. Для описания социальных групп и их поведенческих реакций.
В политике для определения популярности кандидатов, выявления и анализа негативных или позитивных текстов, предсказание результатов выборов. Кому интересно прочитайте статью http://www.kp.ru/daily/26603.5/3620184/ в которой на основе контент-анализа СМИ, Владимир Шалак, предсказывает победу трампа, а ранее по анализу контента Твиттера, английский брегсит.
В маркетинге и рекламе, для продвижения товаров и услуг.
В литературоведение этот метод применяется для определения авторства текстов. Например, по такой методике, в некоторых вузах, определяют плагиат в студенческих работах.
Продолжение далее...
#новости

It Integral

В преддверии 8 марта поздравляем всех женщин с праздником, и пример из серии улыбнуло «Как отмечают День Святого Валентина в разных странах» (08.02.2017 11:42), результат анализа, «день, святого, валентина, только, шоколад».
Еще раз всех женщин с праздником!
#новости

Продолжаем публиковать результаты работы нашей программы.
На основании данных за январь скорректировали методы анализа для получения более достоверных данных. Вот два примера выявления скрытой рекламы. Статья «Впервые в Казахстане: квартира продана за 21000 тенге» (02.02.2017 10:48), результат анализа «almacloud, алматы, квартиры, аскар, тенге». Все становится ясным, название рекламодателя на первом месте. Второй пример тоже достаточно очевиден, рекламодатель проявился, статья «ПАММ-счет — на службе Ваших инвестиций» (06.02.2017 09:17), результат анализа «памм, альпари, счетов, от, можно». Источник новостей Zakon.kz.
#новости