Kiwi.com

Den začal krátkým vstupem Romana Rožníka z Kiwi.com, který stručně pověděl o tom, jak se stal prvním data scientist v Kiwi, a v jakých rozměrech se pohybují jejich datové toky, které zpracovávají i pomocí strojového učení.

Roman presenting Ass pyramid #MLPrague finally said we do ML in @codekiwicom 🎉 pic.twitter.com/aw6azN151K

— Ondřej Veselý (@xorwen) April 23, 2017

TensorFlow & Deep Learning

Druhá, velmi informativní přednáška, se týkala TensorFlow opensource knihovny pro neuronové sítě a deep learning od Googlu. Přednášející vyzdvihoval sílu opensource komunity, která se kolem této knihovny vytvořila a ukázal několik zajímavých nástrojů, kde si člověk může hrát s neuronovými sítěmi (playground.tensorflow.org) či nalézt nástroje pro uvedení neuronových sítí do produkčního prostředí (tensorflow.github.io/serving).

@MLPrague hosted @yufengg talking @tensorflow @GoogleBrain #MLPrague #MachineLearning #python #prague pic.twitter.com/jDDEj0UY7w

— Alisa 알리사 (@la_femme_it) April 23, 2017

The World’s Most Efficient Supercomputer for AI and Deep Learning

Hinschke prezentoval nový čip od NVIDIA, ze kterého sestavili nejúčinnější superpočítač světa 9.4 GFLOPs/Watt. Jejich cílem je dosáhnout počítače s výkonem řádu exaFLOPS, který by ovšem i při současné spotřebě potřeboval obrovské množství energie.

Pretty decent machine from NVIDIA #mlprague pic.twitter.com/C6AMWnzQJ6

— Pavel Suchmann (@bver_en) April 23, 2017

Deep Learning in the Life-Sciences

Baldi přednášel o možném využití strojového učení v přírodních vědách. Jeho skupina má záběr opravdu široký od předpovídání vlastností jednoduchých molekul (jako je teplota tání nebo rozpustnost), 3D struktur proteinů a bílkovin až po online rozeznávání polypů z videa natáčeného přímo v průběhu kolonoskopického vyšetření. Zmíněné aplikace lze řešit i jinými způsoby než strojovým učením, nicméně musíme pro ně znát dané fyzikální zákony, což by právě strojové učení mohlo pomoci překonat. Hlavním problémem tohoto přístupu je především malé množství volně dostupných dat.

Deep Learning in the Life-Sciences by Pierre Baldi at #mlprague

Prediction of Molecular Properties pic.twitter.com/nDLQKFHf1D

— Kamil Krzyk (@F1sherKK) April 23, 2017

Seed-programmed self-improving machine learning

K.R. Thórisson předvedl ukázku modelu strojového učení, který je schopen se s časem sám vylepšovat. Jejich model dokázal z 20 hodin velmi jednoduchých (tzn. s omezenou slovní zásobou) rozhovorů pochytit nejen gramatickou strukturu věty, ale i nonverbální část komunikace probíhající mezi tazatelem a dotazovaným.

Algoritmus AERA Agent S1 se po 20 h povídání s člověkem naučil komunikovat stylem televizniho interview. Umi být docela ukecany. #MLPrague pic.twitter.com/C0LO4rSWT6

— Ondřej Novák (@OndrejVNovak) April 23, 2017

Creating adaptive worlds where people experience imagination

Vircikova ze slovenského herního studia Matsuko ukazovala, jak vytvářejí smíšenou realitu, ve které budou vystupovat 3D holografičtí společníci, které uvidíme i bez brýlí pro virtuální realitu. Možným použitím by mohli být jednak terapeutické programy pro děti, průvodci v muzeích, nebo zajímavé projekce podobné té v ZOO v Bordeaux.

Very good talk from @marivirci in #mlprague about virtual companions and AI. Good work with children and interactions! pic.twitter.com/uaVMnitOvN

— Seba García (@eldracote) April 23, 2017

Towards Good AI

Před obědem nás na výlet do apokalyptické budoucnosti vzal Roman Yampolskiy. Řeč byla o tom, co by se mohlo stát, až lidstvo vyvine superinteligentní počítač. Jedním z trochu překvapivých řešení by mohlo být nedělat nic a doufat, že výsledný algoritmus bude na nás hodný díky své vysoké inteligenci nebo prostě budeme muset přijmout porážku od inteligentnějšího a „sbalit si kufry“. V každém případě R. Yampolskiy nepochybuje o tom, že superinteligenci lidstvo v dohledné době vytvoří a že krátkodobé důsledky pro nás budou velmi přínosné. Jak to bude v dlouhodobějším horizontu, je otázkou…

Jak se můžete ubránit před superinteligencí? #mlprague pic.twitter.com/Oi6Ow9tqtI

— Pavel Šuchmann (@bver) April 23, 2017

DeepStack: Expert-Level Artificial Intelligence in No-Limit Poker

Schmid z MMF Univerzity Karlovy prezentoval unikátní výzkum, kdy se jim povedlo sestavit algoritmus, který poprvé dokázal porazit profesionálního hráče pokeru ve hře 1:1. Práce byla publikována ve vědeckém magazínu Science, ale výsledný algoritmus není k dispozici. Hlavním důvodem je obava ze zneužití. Zajímavostí je, že tento algoritmus dokáže porazit profesionální hráče, i pokud běží pouze na jediné grafické kartě.

@DeepStackAI claim they have #AI that beats humans in #poker. Can't stop thinking some might badly want to get their hands on it. #MLPrague

— Marcin Kowalski (@marcinkowalski) April 23, 2017

Multi-Instance Learning in Security

Pevný přednášel o multi-instance learningu, který využívají v Cisco pro odhalení nakažených počítačů podle jejich síťové komunikace. Výsledná identifikace daného počítače se zdá být proveditelná, nicméně vysvětlení, proč je daný počítač nakažen, je poměrný velký oříšek. Takovouto problematiku je potřeba řešit především kvůli samotným uživatelům, aby měli možnost zasáhnout proti danému škodlivému softwaru.

Please @MLPrague bring #TomasPevny from @cisco next year again. Great speech – fun and very informative #MLPrague #multiinstancelearning

— Lubomír Šerý (@gugatr0n1c) April 23, 2017

Fighting malicious software with machine learning

Poslední přednášku nedělního dne měl M. Vejmelka z Avastu. Ukazoval, jak za pomocí klastrování vzorků potenciálního malwaru a následného použití random forest algoritmů snižují false pozitivitu jejich antivirových programů. Pro analýzu získaných dat používají virtuální realitu a zpracovávají 300 TB dat vzorků během jediného dne.

Another impressive talk by @avast_antivirus on reducing false positives using clustering and cool VR to explore with t-SNE #MLPrague pic.twitter.com/yk3RmI5eHe

— Sergii 🇺🇦 (@lc0d3r) April 23, 2017

Sobotní program

Této části konference jsem se bohužel nemohl zúčastnit, nicméně prý stály za to především přednášky:

L. Backstroma o tom, komu a kdy ukázat jaký status na Facebooku,

Facebook knows it all. Great talk by Lars Backstrom #MLPrague pic.twitter.com/3VDg2kssJC

— Pepa (@pepastach) April 22, 2017

L. Vrábela o vyhledávání obrázků na Seznam.cz,

Jak funguje od letoška hledání obrázků Seznamu. Vektor má 300 čísel. #mlprague pic.twitter.com/XRqAy5Woh7

— Michal Illich (@michalillich) April 22, 2017

nebo M. Illicha o použití strojového učení pro obchodování na burze s překvapivým koncem.

https://twitter.com/xorwen/status/855725331902332928

Takže až se objeví záznamy z těchto přednášek buď na YouTube profily Jirky Materny nebo na samotné stránce konference www.mlprague.com  já se na ně určitě podívám.

Závěrem

Slovy jednoho z účastníků:

@MLPrague Obsahově i organizačně to pro mě byla jedna z nejlepších konferencí za poslední dobu. Díky @JiriMaterna #MLPrague

— Ondřej Novák (@OndrejVNovak) April 23, 2017

A na příští ročník se už můžete těšit teď.

And it's just started! "What?" are you asking? We are counting the days left to the next #MLPrague! Thank you all once again!

— MLPrague (@MLPrague) April 23, 2017