Аргументы и функции, 6 декабря

О чём сегодня речь:

• Kubernetes 1.13.
• «Умные» подсказки IntelliCode для TS/JS и C++, а также библиотека для работы с задачами ранжирования.
• Открытый ML-движок ONNX Runtime.
• Карта использования ИИ, а также оповещения о прямых трансляциях.
• Робоплатформа для растений.

Спохватились

Разработчики Kubernetes выпустили новую версию платформы (1.13) и минорные обновления для предыдущих версий (вплоть до 1.10). А всё потому, что вскрылась уязвимость, которая позволяла «левым» пользователям повысить свои привилегии и получить полный контроль над кластером контейнеров. Можно и не обновляться: просто запретить анонимный доступ к API (опция --anonymous-auth=false) и аннулировать права на выполнение операций exec/attach/portforward.

В Kubernetes 1.13, помимо патча, ещё много изменений, часть их них мы рассмотрели на сайте.

Обучились

Microsoft реализовала функцию автозавершения кода IntelliCode на TypeScript/JavaScript (в Visual Studio Code) и C++ (в Visual Studio). Система доступна в виде расширения для каждой из IDE. В процессе написания кода IntelliCode выдаёт наиболее подходящие по контексту подсказки — в общем списке они отмечаются звёздочкой.

Работа IntelliCode строится на машинном обучении — чтобы выдавать релевантные результаты, система проанализировала сотни проектов. Но с машинным обучением можно делать не только серьёзные штуки. Некоторые развлекаются тем, что обучают нейросеть генерировать лица аниме-девиц. Это тоже нормально.

Google представила библиотеку TF-Ranking для TensorFlow, которая помогает работать с ранжированием и оценкой элементов. Пользователю доступны встроенные ML-модели, но можно использовать и свои.

Открылись

Microsoft открыла исходный код ONNX Runtime — это высокопроизводительный движок для работы с моделями машинного обучения разных форматов. Вот что с ним можно делать:

• скачивать готовые модели ResNet или TinyYOLO из ONNX Model Zoo;
• создавать собственные модели;
• конвертировать с помощью ONNXMLTools и TF2ONNX модели, созданные в TensorFlow, Keras, Scikit-Learn или CoreML;
• тренировать новые модели с помощью Azure и сохранять результат в формате ONNX.

Говорят — это чтобы людей к машинному обучению склонить. Turn to the ML Side.

Засветились

«АйПи Лаборатория» опубликовала интерактивную карту, которая отображает масштаб использования искусственного интеллекта в российском бизнесе. Там можно посмотреть соотношение компаний друг с другом, размещение по городам, динамику роста сегментов применения ИИ или общей выручки компаний в каждой области. Всего там 54 организации.

Google реализовала систему оповещения о прямых трансляциях прямо на странице поиска и в Google Assistant. Для этого компания открыла несколько инструментов для веб-мастеров. В итоге, когда трансляция начнётся, на превью-изображении в поиске/приложении появится значок Live.

Ходить научились

Команда MIT создала робота Elowan — это управляемая подставка колёсах под цветочный горшок. И управляет этой колесницей само растение — например, когда ему не хватает света, робот везёт его туда, где посветлее.

Система улавливает электрические импульсы, порождаемые растением в процессе жизни. Они разнятся в зависимости от потребности растения: в свете, воде, питательных веществах. Робот регистрирует сигнал, расшифровывает его тип и выполняет нужную команду.

Это можно будет использовать для создания автоматических ферм, где флора сможет сама о себе заботиться на благо человека. Вот, ещё один кусочек будущего.