Добре дошли при Тедчето

Ежедневно в социалните медии се споделят над 3 милиарда изображения и почти милиард часа видео. Кое е истинско и кое не е все по-трудно да се определи.

Фразата deep fakes е комбинация от deep learning и fake (фалшиво).

Deep learning е подобласт на машинното обучение. Моделите се обучават на големи обеми от данни, позволявайки да се справят с комплексни задачи като разпознаване на реч, компютърно зрение и обработка на естествен език.

Deep fakes могат да бъдат видеоклипове, снимки или аудио файлове, създадени с помощта на изкуствен интелект с цел да изглеждат истински.

Един от най-видимите белези, че едно изображение е фалшиво, са ръцете и по-точно дланите и пръстите. Друг, по-невидим белег са пропорциите на лицето: къде се намират ушите спрямо очите. Или формата на ключицата. Но моделите стават все по-добри. А фалшификатите, все по истински.

Наскоро беше представено ново изследване,  което предполата, че генерираните от изкуствен интелект изображения, в които присъстват хора, могат да бъдат отличени чрез анализ на очите по същия начин, по който астрономите изучават снимки на галактики.

Същността на изследването на студентката от магистърска програма на Университета в Хъл Адеджумоке Оволаби от Нигерия (Adejumoke Owolabi)  е свързана с анализ на отражението в очните ябълки на човек. Или “блясъкът в очите”.

Ако отраженията съвпадат, образът вероятно е на истински човек. Ако не – вероятно е дълбок фалшификат (deep fakes).

В изследването си учените адаптират методологията на Индекс/Коефициент на Джини, който оригинално се използва в статистиката за измерване на разпределението на благата в едно общество.

Стойността на коефициента варира в границите от 0 до 100. Ако коефициентът е равен на 100, това би означавало, че един човек получава 100% от доходите (максимално неравенство). Ако коефициентът е равен на 0, това би означавало, че всички в икономиката получават равни доходи (перфектно равенство). Следователно, колкото по-ниска е стойността на Коефициента на Джини, толкова по-равномерно са разпределени доходите в икономиката.

Коефициентът на Джини в България за 2023 г. е 70,6 пункта. Вярвам всеки сам може да прецени това какво означава.

Но да се върнем на физиката.

Учените използвът същия този коефициент за да измерват как светлината в изображение на галактика се разпределя между нейните пиксели. Стойност на Джини 0 е галактика, в която светлината е равномерно разпределена във всички пиксели на изображението, докато стойност на Джини 1 е галактика с цялата светлина, концентрирана в един пиксел.

Изследователите анализират отраженията на светлината върху очните ябълки на хората в реални и генерирани от AI изображения. След това определят количествено отраженията и проверяват за последователност между отраженията на лявата и дясната очна ябълка. Най-просто обяснено – това, което и аз съм направила, гледат пикселите „светлина“ в очите на хората по снимки.

Отраженията в очните ябълки са симетрични за двете очи за истинския човек, но неправилни (от физична гледна точка) за фалшивия човек, показва анализът.

Методът не е 100% ефективен и дава отклонения, но за сега е достатъчно надежден за отсяване на deep fakes.

Истински

Фалшиви

Основен източник: Want to spot a deepfake? Look for the stars in their eyes | The Royal Astronomical Society (ras.ac.uk)

За написването на този пост НЕ Е използван ИИ.

Водещата снимка на публикацията е комбинация от две генерирани от ИИ изображения по моя снимка от Photify AI. Изображенията на очите са пикселизирани с Paint. Цялата снимка е сглобена от 4 отделни снимки в Paint.

Read Full Post »

Преди няколко дни компанията Rabbit Inc. представи устройството си R1. Или джобният компаньон (pocket companion). Не можах да намеря по-подходяща българска дума, защото R1 прави точно това – компания. Вие му говорите, и то ви говори.

https://www.rabbit.tech/

Устройството е с тъч скрийн, 360 градусова камера, вградени спийкъри и слот за SIM-карта. Има собствена операционна система – Rabbit OS, използва генеративен изкуствен интелект, но за различа от GPT моделите, които са базирани на Large Language Models, това устройство е оживено от друг, нов модел Large Action Model (LAM). С устройството се комуникира гласово, но може също така да му изпратим и е-мейл.

LAM

Както подсказва и името, този нов модел – отново разработен от Rabbit Inc., предполага някакво действие. Ако при познатите ни GPT модели ние даваме задание, което моделът генерира (напр. блог пост), то LAM модела претендира, че извършва действия, които ние хората вършим.  Или както демонстрира създателят на „зайчето“ Джеси Лю – да му запази самолетни билети, кола под наем и хотел за семейното пътуване.

Заешката Операционна система

Следващо поколение OS, която елиминира ап-овете. Сега ако трябва да си резервирам семейно пътуване до Дубай първо ще отворя Expedia, за да проверя за самолетни билети, след това ще отворя Booking, за да запазя хотел и накрая ще отворя Europcar, за да запазя кола. Е, заешкият компаньон това го върши вместо нас – даваш му задание, напр: организирай пътуване за мен и семейството ми, трима възрастни и едно дете на 9 години до Дубай, полетът да е без прикачване, запази ми апартамент с две спални и кола SUV, на най-добрата цена. Зайчето обикаля аповете и ви връща за потвърждение това, което е намерило. Удобно, нали?! Не си мислете обаче, че няма апове. Има ги – това са си вашите апове, автентикирани с вашия си акаунт и добавена ваша си кредитна карта. Те се намират в „заешката дупка“ – или достъпна през браузер страница, където добавяте всички ваши приложения. А устройството върши вашата работа. Т.е. необходим ви е и компютър, с Уиндоус, примерно.

Другото, което ме впечатли от презентацията е възможността да направите снимка и да накарате устройството да произведе някакво действие – срещате се с приятелка, тя е с много фешън рокля. Снимате я и карате зайчето да ви намери и поръча същата, М-размер. Или, както демонстрираха, снимаш опразнени хладилник и зайчето ти дава рецепта какво да си сготвиш от наличните продукти. Стъпка по стъпка, ако и вие като мен не сте мастършеф.

И последно – можете да учите зайчето. Показвате му как работи определен ап и то се научава. За секунди.

Освен това зайчето разбира над 70 езика и ви превежда – но това с превода е ясно, вече си стана най-обикновена, ежедневна технологии.

Устройството струва 199 долара. Крайна цена! Без абонаментни такси. One-time-payment. Към момента на написването на този текст 4 рунд от предварителни поръчки е приключен. Всеки рунд е за 10 000 устройства. Доставката е след Великден. Абе – харчи се като топъл хляб.

Не по-малко интересен е човекът, който стои зад „зайчето“ – Джеси Лю. Роден в Китай през 1990, завъшил няколко престижни университета в Англия и САЩ, сериен предприемач. През 2014 Лю основава стартъп-а Raven Techq с който изгражда операционна система с изкуствен интелект, наречена FLOW и придобита от BAIDU – китайската търсачка. През 2018 основава стартъп компанията RCT Studios и продукта Morpheus – AI инструмент, който може да генерира истории, герои и анимации от въвеждане на текст. Rabbit Inc. Също е стартъп компания, създадена през 2021 г. и към момента официално и привлякла 30 милиона долара финансиране. За разработване на Large Action Model (LAM).

Read Full Post »

Първият ми пост в новата ми рубрика: Технологии и ИИ (изкуствен интелект)

Преди 6-7 години в Лас Вегас бях на презентация на технологии за симултантен превод. Т.е. докато презентаторът говори, зрителят/слушателят може да избере субтитри на друг език, които излизат на екрана със секунди закъснение. Към онзи момент демонстрираха как работи решението на най-популярните езици – английски, немски, френски и simplified chinese (опростена версия на традиционните китайски йероглифи, въведена през 50-те години на миналия век, за да повиши нивото на грамотност и да модернизира системата за писане).

Много бях впечатлена – за мен това означава в един момент трансформиране на много професии, в които владеенето на чужд език е ключово предимство, както и възможността да комуникираш с хора от всякакви народности на твоя си език.

Е – преди няколко дни, отново в Лас Вегас, на най-голямото изложение за потребителска електроника CEZ (Consumer Electronic Show) беше представено първото устройство, което извършва гласов превод в реално време на 40 езика, един от които и български.

Timekettle Technologies е американски технологичен стартъп, базиран в Шенжен, Китай. Основана през 2016 г., компанията Timekettle е специализирана в проектирането и продажбата на потребителска електроника, която се фокусира върху превод в реално време. Имат реализирани няколко продукта: слушалки WT2 Plus и смарт часовнис M2, които също предлагат функции за незабавен превод. X1 Interpreter Hub е техният най-нов и най-усъвършенстван продукт, който може да се справи със сложни и професионални сценарии като бизнес срещи, конференции, лекции и др.

Технологията, използвана от X1 Interpreter Hub, е базирана на изкуствен интелект. Устройството има вграден микрофон и високоговорител, както и сензорен екран, който показва преведения текст. То също така се свързва с приложение за смартфон, което позволява на потребителите да избират езиците и режимите, които искат да използват. Устройството поддържа четири режима:

режим на реч: устройството превежда това, което потребителят казва, и го възпроизвежда на глас.
текстов режим: устройството превежда това, което потребителят въвежда и го показва на екрана.
групов режим: устройството може да се свързва с множество устройства и да създава многоезичен разговор.
режим на излъчване: устройството може да превежда реч или презентация и да я излъчва към голяма аудитория.

https://www.timekettle.co/blogs/tips-and-tricks/x1-ai-interpreter-hub-bridging-language-gaps-with-the-worlds-first-all-in-one-solution

Логично, X1 Interpreter Hub има все повече конкуренти. На този етап най-голямото предимство е, че е единственото което поддържа толкова много езици. Цената му е 699.99 долара. Но – този тип технологии се развиват бързо, конкуренцията се засилва и неминуемо в следващите няколко години подобни решения ще бъдат все по-достъпни.

Ще станат ежедневие, дори бих прогнозирала. За това помислете – език или математика? Езикова гимназия или технологична гимназия. Аз съм за второто. Всеки сами си преценя.

PS: През последните дни много се пише за X1 Interpreter Hub в световните медии. Можете да си потърсите допълнително детайли.

Read Full Post »