Чего в настоящее время нельзя сделать с помощью нейросетей выберите один ответ
Что умеют нейросети: 10 крутых примеров из недавних новостей
Библиотека программиста
Мы погуляли по телеграм-каналам и насобирали кучу всего интересного о нейросетях. Вот наши основные источники:
Под каждым примером дали ссылку на источник.
«Удаление» человека с видеоизображения в режиме реального времени
Вы помните, как в кино на камеры подавали статическое изображение, чтобы не было видно злоумышленников? Так вот, им даже не снилось, что когда-то можно будет просто вставить в код камеры алгоритм, который стирает вас с видео, все остальное будет реальным.
Редкий случай, когда до такого не додумались даже в фантастических фильмах. Обратите внимание, система работает прямо в браузере, на клиентской стороне.
Поиск людей, похожих на художественный портрет
Что будет, если дать немного модернизированной нейронке StyleGAN2 на вход лицо с классической картины и попросить сгенерировать лица людей, которые по мнению нейронки максимально подходят под эти картины?
Получится что-то вроде такого, как ниже.
Шахматная партия с программой, пишущей тексты
Недавно была сыграна удивительная шахматная партия. Играла компьютерная программа против человека. Но удивителен не результат партии (шахматные программы сегодня легко обыгрывают даже чемпионов мира, хотя в этот раз победил человек), а то, что это была за программа. Это GPT-2, нейросеть, которая продолжает за тебя написанный текст.
GPT-2 успешно сопротивлялась в партии против человека … даже не зная о том, что играет в шахматы. Нейроcети дали тексты шахматной нотации (записи ходов латиницей, т.е. e2-e4 и т.д.) – базу из нескольких миллионов сыгранных шахматных партий. При этом программу не учили правилам шахмат, для неё все эти записи партий были просто текстом.
Вот инструкция для тех, кто хочет тоже сыграть партию с GPT.
«Пересадка» лиц актёров
DeepFake-ролики становятся всё более правдоподобными – вот, например, Роберт Дауни младший и Том Холланд в «Назад в будущее».
Можете потом сказать внукам, что это вырезанная сцена из «Мстителей: Финал». Но лучше, конечно, покажите оригинал.
Если хотите сами попробовать сделать DeepFake, вот туториал.
Один из главных популяризаторов Deepfake – Hao Li, у него миллион разных регалий, в том числе он сыграл ключевую роль в появлении анимоджи на IphoneX, бывший научный руководитель ILM и много чего еще.
На этом видео он тизерит своё приложение Pinscreen и алгоритмы, используемые в нем, в контексте вреда Deepfake для человечества на всемирном экономическом форуме в Давосе.
Массовое распространение дезинформации
Пример не из радостных, но хорошо, что такое пока умеют распознавать.
Facebook отчитался, что заблокировал 610 FB аккаунтов, 89 страниц, 156 групп (с названиями вроде «America Needs President Trump, TRUMP MAGA 2020, WE STAND WITH TRUMP & PENCE!») и 72 Instagram аккаунта из единого ботнета, у всех у них были аватарки, сгенерированные нейронной сетью. Владельцы ботнета потратили 9 миллионов долларов на рекламу «За-Трамповых взглядов» и «Анти-китайской пропаганды».
В Facebook сказали, что вычислили их по «фону», потому что на нем видны артефакты и следы алгоритмического шума. Вопрос времени, когда фон станет нормальным и придется искать новые способы выявления таких фотографий.
Колоризация фотографий
С каждым годом качество колоризации становится лучше, на фото ниже новая версия алгоритма DeOldify, пока не выложенная в паблик, но которая уже сейчас выглядит лучше, чем все, что было до этого.
Вы можете скинуть автору алгоритма ЧБ фото, и он вышлет вам, что получилось, кроме того можно посмотреть другие примеры:
Оптимизация поиска новых лекарств
Проблема современной фармакологии в том, что для разработки новых лекарств приходится создавать и тестировать очень сложные молекулы. Молекулы могут иметь много разных параметров.
Чтобы синтезировать и протестировать все потенциально эффективные формулы, фармацевтам элементарно не хватает времени и ресурсов. Цикл создания нового лекарственного препарата может составлять до пяти лет. Но вот это моделирование разных молекул и прогнозирование свойств вещества исходя из устройства молекулы – отличная задача для искусственного интеллекта.
Так вот, британский стартап совместно с японской фармацевтической компанией нашёл с помощью ИИ формулу потенциально нового средства от обсессивно-компульсивного расстройства. Скоро в Японии пройдёт первый этап его клинического тестирования.
Вы могли видеть об этом заголовки вроде «ИИ создал новое лекарство», но всё немного сложнее. Новое вещество может стать лекарством только после нескольких этапов клинических испытаний – оно должно оказаться эффективным, не токсичным и так далее.
То, что удалось сделать с помощью ИИ – по сути, дотестовая оптимизация, то есть лишь начальный этап разработки лекарства. Без ИИ формулы таких лекарств подбирают 2-3 года. Здесь же ИИ справился с перебором разных комбинаций и параметров молекулы всего за год.
В общем, всё как в большинстве новостей про ИИ – машины пока не дают таких фантастических результатов, как хотелось бы (т.е. до «нажали кнопку – получили новое лекарство» ещё очень далеко), но позволяют заметно оптимизировать рутинные процессы.
Создание анимаций с большими значениями FPS
Следующий пример искусственного интеллекта позволяет создавать новые кадры в видео и анимациях, делая движение объектов более гладким.
Вот пример с Чебурашкой. Чтобы почувствовать более гладкое движение, нужно поставить на YouTube 720p50.
Распознавание дорожных знаков для ограничения скорости автомобиля
В автомобилях Tesla есть опция Speed Assist – камера распознаёт дорожные знаки с ограничением скорости и передаёт данные системе круиз-контроля. Удобная фича – водителю не надо лишний раз обращать внимание на дорожные знаки, машина сама их видит и разгоняется только до разрешенной скорости.
Но в лаборатории McAfee нашли занятный баг – наклеив на дорожный знак всего одну наклейку, систему распознавания можно обмануть и заставить машину разгоняться до 85 миль в час вместо 35. Баг не работает в новых моделях Driver Assistant, но много машин используют старую версию. Побыстрее бы его пофиксили, а то ведь такую наклейку могут наклеить на знак не только исследователи в рамках эксперимента.
Оценка привлекательности
Есть такой краудсорсинговый сервис Photofeeler для отбора фотографий (для резюме, тиндера и т.п.), куда можно загрузить свою фотографию и получить оценок по разным шкалам (ум, привлекательность, благонадежность) от сообщества – это условно бесплатно, но чтобы получить оценки, надо самому оценить сколько-то чужих фотографий.
Так вот они подсобрали данных и обучили на них сетку Photofeeler-D3, неплохо предсказывающую человеческие оценки, в т. ч. по видеопотоку. Выше – пример видео из поста, где автор кривляется перед камерой, а сетка оценивает результат в реальном времени. Очки добавляют ума, но крадут привлекательность 😉
Бонус: пара ссылок позалипать
Думаете, что уж вас-то нейросети не обманут? Держите ссылку на наш клевый тест об успехах ИИ.
Если знаете ещё классные примеры, скидывайте в комментарии.
Хотите узнать больше – подписывайтесь на вышеперечисленные каналы и читайте наши статьи:
У нас тоже есть канал в телеграм (@proglibrary), учитесь вместе с нами.
Что может и чего не может нейросеть: пятиминутный гид для новичков
Если термины «катастрофическая забывчивость» и «регуляризация весов» вам пока ни о чем не говорят, читайте дальше: попробуем разобраться во всем по порядку.
За что мы любим нейросети
Основное преимущество нейронных сетей перед другими методами машинного обучения состоит в том, что они могут распознавать более глубокие, иногда неожиданные закономерности в данных. В процессе обучения нейроны способны реагировать на полученную информацию в соответствии с принципами генерализации, тем самым решая поставленную перед ними задачу.
К областям, где сети находят практическое применение уже сейчас, можно отнести медицину (например, очистка показаний приборов от шумов, анализ эффективности проведённого лечения), интернет (ассоциативный поиск информации), экономику (прогнозирование курсов валют, автоматический трейдинг), игры (например, го) и другие. Нейросети могут использоваться практически для чего угодно в силу своей универсальности. Однако волшебной таблеткой они не являются, и чтобы они начали функционировать должным образом, требуется проделать много предварительной работы.
Обучение нейросетей 101
Одним из ключевых элементов нейронной сети является способность обучаться. Нейронная сеть — это адаптивная система, умеющая изменять свою внутреннюю структуру на базе поступающей информации. Обычно такой эффект достигается с помощью корректировки значений весов.
Связи между нейронами на соседних слоях нейросети — это числа, описывающие значимость сигнала между двумя нейронами. Если обученная нейронная сеть верно реагирует на входную информацию, то настраивать веса нет необходимости, а в противном случае с помощью какого-либо алгоритма обучения нужно изменить веса, улучшив результат.
Как правило, это делают с помощью метода обратного распространения ошибки: для каждого из обучающих примеров веса корректируются так, чтобы уменьшить ошибку. Считается, что при правильно подобранной архитектуре и достаточном наборе обучающих данных сеть рано или поздно обучится.
Существует несколько принципиально отличающихся подходов к обучению, в привязке к поставленной задаче. Первый — обучение с учителем. В этом случае входные данные представляют собой пары: объект и его характеристику. Такой подход применяется, например, в распознавании изображений: обучение проводится по размеченной базе из картинок и расставленных вручную меток того, что на них нарисовано.
Самой известной из таких баз является ImageNet. При такой постановке задачи обучение мало чем отличается от, например, распознавания эмоций, которым занимается Neurodata Lab. Сети демонстрируются примеры, она делает предположение, и, в зависимости от его правильности, корректируются веса. Процесс повторяется до тех пор, пока точность не увеличивается до искомых величин.
Второй вариант — обучение без учителя. Типичными задачами для него считаются кластеризация и некоторые постановки задачи поиска аномалий. При таком раскладе истинные метки обучающих данных нам недоступны, но есть необходимость в поиске закономерностей. Иногда схожий подход применяют для предобучения сети в задаче обучения с учителем. Идея состоит в том, чтобы начальным приближением для весов было не случайное решение, а уже умеющее находить закономерности в данных.
Переобучение: в чем проблема и как ее решить
Главная проблема нейросетей — переобучение. Оно заключается в том, что сеть «запоминает» ответы вместо того, чтобы улавливать закономерности в данных. Наука поспособствовала появлению на свет нескольких методов борьбы с переобучением: сюда относятся, например, регуляризация, нормализация батчей, наращивание данных и другие. Иногда переобученная модель характеризуется большими абсолютными значениями весов.
Механизм этого явления примерно такой: исходные данные нередко сильно многомерны (одна точка из обучающей выборки изображается большим набором чисел), и вероятность того, что наугад взятая точка окажется неотличимой от выброса, будет тем больше, чем больше размерность. Вместо того, чтобы «вписывать» новую точку в имеющуюся модель, корректируя веса, нейросеть как будто придумывает сама себе исключение: эту точку мы классифицируем по одним правилам, а другие — по другим. И таких точек обычно много.
Очевидный способ борьбы с такого рода переобучением – регуляризация весов. Она состоит либо в искусственном ограничении на значения весов, либо в добавлении штрафа в меру ошибки на этапе обучения. Такой подход не решает проблему полностью, но чаще всего улучшает результат.
Второй способ основан на ограничении выходного сигнала, а не значений весов, — речь о нормализации батчей. На этапе обучения данные подаются нейросети пачками — батчами. Выходные значения для них могут быть какими угодно, и тем их абсолютные значения больше, чем выше значения весов. Если из каждого из них мы вычтем какое-то одно значение и поделим результат на другое, одинаково для всего батча, то мы сохраним качественные соотношения (максимальное, например, все равно останется максимальным), но выход будет более удобным для обработки его следующим слоем.
Третий подход работает не всегда. Как уже говорилось, переобученная нейросеть воспринимает многие точки как аномальные, которые хочется обрабатывать отдельно. Идея состоит в наращивании обучающей выборки, чтобы точки были как будто той же природы, что и исходная выборка, но сгенерированы искусственно. Однако тут сразу рождается большое число сопутствующих проблем: подбор параметров для наращивания выборки, критическое увеличение времени обучения и прочие.
Эффект от удаления аномального значения из тренировочного свода данных (источник)
В обособленную проблему выделяется поиск настоящих аномалий в обучающей выборке. Иногда это даже рассматривают как отдельную задачу. Изображение выше демонстрирует эффект исключения аномального значения из набора. В случае нейронных сетей ситуация будет аналогичной. Правда, поиск и исключение таких значений — нетривиальная задача. Для этого применяются специальные техники — подробнее о них вы можете прочитать по ссылкам (здесь и здесь).
Одна сеть – одна задача или «проблема катастрофической забывчивости»
Работа в динамически изменяющихся средах (например, в финансовых) сложна для нейронных сетей. Даже если вам удалось успешно натренировать сеть, нет гарантий, что она не перестанет работать в будущем. Финансовые рынки постоянно трансформируются, поэтому то, что работало вчера, может с тем же успехом «сломаться» сегодня.
Здесь исследователям или приходится тестировать разнообразные архитектуры сетей и выбирать из них лучшую, или использовать динамические нейронные сети. Последние «следят» за изменениями среды и подстраивают свою архитектуру в соответствии с ними. Одним из используемых в этом случае алгоритмов является метод MSO (multi-swarm optimization).
Более того, нейросети обладают определенной особенностью, которую называют катастрофической забывчивостью (catastrophic forgetting). Она сводится к тому, что нейросеть нельзя последовательно обучить нескольким задачам — на каждой новой обучающей выборке все веса нейронов будут переписаны, и прошлый опыт будет «забыт».
Безусловно, ученые трудятся над решением и этой проблемы. Разработчики из DeepMind недавно предложили способ борьбы с катастрофической забывчивостью, который заключается в том, что наиболее важные веса в нейронной сети при выполнении некой задачи А искусственно делаются более устойчивыми к изменению в процессе обучения на задаче Б.
Новый подход получил название Elastic Weight Consolidation (упругое закрепление весов) из-за аналогии с упругой пружинкой. Технически он реализуется следующим образом: каждому весу в нейронной сети присваивается параметр F, который определяет его значимость только в рамках определенной задачи. Чем больше F для конкретного нейрона, тем сложнее будет изменить его вес при обучении новой задаче. Это позволяет сети «запоминать» ключевые навыки. Технология уступила «узкоспециализированным» сетям в отдельных задачах, но показала себя с лучшей стороны по сумме всех этапов.
Армированный черный ящик
Еще одна сложность работы с нейронными сетями состоит в том, что ИНС фактически являются черными ящиками. Строго говоря, кроме результата, из нейросети не вытащишь ничего, даже статистические данные. При этом сложно понять, как сеть принимает решения. Единственный пример, где это не так — сверточные нейронные сети в задачах распознавания. В этом случае некоторые промежуточные слои имеют смысл карт признаков (одна связь показывает то, встретился ли какой-то простой шаблон в исходной картинке), поэтому возбуждение различных нейронов можно отследить.
Разумеется, указанный нюанс делает достаточно сложным использование нейронных сетей в приложениях, когда ошибки критичны. Например, менеджеры фондов не могут понять, как нейронная сеть принимает решения. Это приводит к тому, что невозможно корректно оценить риски торговых стратегий. Аналогично банки, прибегающие к нейронным сетям для моделирования кредитных рисков, не смогут сказать, почему этот самый клиент имеет сейчас именно такой кредитный рейтинг.
Поэтому разработчики нейросетей ищут способы обойти это ограничение. Например, работа ведется над так называемыми алгоритмами изъятия правил (rule-extraction algorithms), чтобы повысить прозрачность архитектур. Эти алгоритмы извлекают информацию из нейросетей либо в виде математических выражений и символьной логики, либо в виде деревьев решений.
Нейронные сети — это лишь инструмент
Само собой, искусственные нейронные сети активно помогают осваивать новые технологии и развивать существующие. Сегодня на пике популярности находится программирование беспилотных автомобилей, в которых нейросети в режиме реального времени анализируют окружающую обстановку. IBM Watson из года в год открывает для себя всё новые прикладные области, включая медицину. В Google существует целое подразделение, которое занимается непосредственно искусственным интеллектом.
Вместе с тем порой нейронная есть — не лучший способ решить задачу. Например, сети «отстают» по таким направлениям, как создание изображений высокого разрешения, генерация человеческой речи и глубокий анализ видеопотоков. Работа с символами и рекурсивными структурами также даётся нейросистемам нелегко. Верно это и для вопросно-ответных систем.
Изначально идея нейронных сетей заключалась в копировании и даже воссоздании механизмов функционирования мозга. Однако человечеству по-прежнему нужно разрешить проблему скорости работы нейронных сетей, разработать новые алгоритмы логического вывода. Существующие алгоритмы по меньшей мере в 10 раз уступают возможностям мозга, что неудовлетворительно во многих ситуациях.
При этом ученые до сих пор не до конца определились, в каком направлении следует развивать нейросети. Индустрия старается как максимально приблизить нейросети к модели человеческого мозга, так и генерировать технологии и концептуальные схемы, абстрагируясь ото всех «аспектов человеческой природы». На сегодняшний день — это что-то вроде «открытого произведения» (если воспользоваться термином Умберто Эко), где практически любые опыты допустимы, а фантазии – приемлемы.
Деятельность ученых и разработчиков, занимающихся нейросетями, требует глубокой подготовки, обширных знаний, использования нестандартных методик, поскольку нейросеть сама по себе — это не «серебряная пуля», способная решить любые проблемы и задачи без участия человека. Это комплексный инструмент, который в умелых руках может делать удивительные вещи. И у него еще всё впереди.
IT Диктант 2021 для студентов вузов и учреждений СПО — ответы
Всероссийский диктант по информационным технологиям пройдет в онлайн-формате 13 сентября. IT-диктант — это набор тестовых заданий разного уровня сложности, от основ работы с компьютерной техникой и навыков использования Интернет-ресурсов до знаний в таких темах, как блокчейн и интернет вещей.
В нашей статье мы предоставляем вашему вниманию вопросы и ответы. Если вы увидели ошибку или не согласны с ответом, пишите в комментариях.
Вопрос 1
Выберите ваше учреждение высшего или среднего профессионального образования
Вопрос 2. Гиперссылки на веб-странице могут обеспечить переход:
Выберите один ответ:
a. только в пределах данной веб-страницы
b. на любую веб-страницу любого сервера в Интернете
c. только на веб-страницы в пределах данного сайта
d. только на скачивание файла
Ответ: на любую веб-страницу любого сервера в Интернете
3. Каким сочетанием клавиш можно заблокировать компьютер в Windows?
Выберите один ответ:
4. Как можно уменьшить количество рекламы на сайтах, которую мы видим?
Выберите один ответ:
a. Использовать расширения браузера — блокировщики рекламы
b. Заплатить за интернет больше
c. Выбрать в настройках сайта «Не хочу видеть рекламу»
Ответ: Использовать расширения браузера — блокировщики рекламы, Выбрать в настройках сайта «Не хочу видеть рекламу»
5. Каким сочетанием клавиш можно открыть только что закрытую вкладку в большинстве браузеров?
Выберите один ответ:
Ответ: Ctrl + Shift + T
6. Файлы с каким расширением нельзя отправить с помощью почтового сервиса Gmail?
Выберите один ответ:
7. Чего НЕ должен содержать запрос в поисковике для наилучшего нахождения информации?
Выберите один ответ:
a. Конкретных чисел, фраз, которые нужно найти
b. Краткой и четкой формулировки
c. Ключевых слов запроса
d. Чрезмерной не уточняющей запрос информации
Ответ: Чрезмерной не уточняющей запрос информации
8. Как повысить свои шансы найти кроссовки, как у прохожего, если на них нет названия и поговорить с прохожим нельзя?
Выберите один ответ:
a. Пытаться описать максимально подробно текстовый поисковой запрос
b. Сделать фото и воспользоваться поиском по фото
c. Запомнить внешний вид кроссовок и искать такие во всех магазинах
d. В таком случае найти вещь никак не получится
Ответ: Сделать фото и воспользоваться поиском по фото
9. Если разные люди в одной поисковой системе одновременно вводят абсолютно идентичные запросы, они обязательно получат одинаковые результаты поиска?
Выберите один ответ:
a. Нет, на поисковую выдачу влияет местоположение и интересы пользователя
b. Нет, на поисковую выдачу влияет скорость набора текста
c. Да, но только если они из одной страны
d. Да, результаты будут абсолютно идентичными
Ответ: Нет, на поисковую выдачу влияет местоположение и интересы пользователя
Вопрос 10. Можно ли в популярных поисковых системах искать файлы определённого формата?
Выберите один ответ:
a. Нет, такое можно только в поиске в операционной системе
b. Нет, можно находить только изображения, видеозаписи, новости
c. Да, для этого существуют специальные фразы или настройки
d. Да, но только изображения
Ответ: Да, для этого существуют специальные фразы или настройки
11. Что необходимо ввести перед названием сайта в строке поиска, чтобы получить на выдаче сайты с похожим контентом?
Выберите один ответ:
12. Что чаще всего подразумевается под термином «облако» в сфере информационных технологий?
Выберите один ответ:
a. Природный объект
c. Виртуальное хранилище файлов
d. Некоторая папка на компьютере
Ответ: Виртуальное хранилище файлов
13. Что такое роутер?
Выберите один ответ:
a. Устройство, принимающее пакеты трафика из сети и передающее их на конкретные устройства
b. Устройство для создания локальной сети между компьютерами
c. Сервер, хранящий веб-страницы сайта
d. Устройство для объединения в сеть телефона и компьютера по Wi-Fi
Ответ: Устройство, принимающее пакеты трафика из сети и передающее их на конкретные устройства
14. Что из перечисленного не является спутниковой системой навигации?
Выберите один ответ:
15. Как называется программное обеспечение, с помощью которого операционная система получает доступ к аппаратному обеспечению (подключенным устройствам)?
Выберите один ответ:
16. Какой стандарт сети wi-fi является более новым?
Выберите один ответ:
17. Для чего не нужно указывать хэштеги (#) под постами в социальных сетях?
Выберите один ответ:
a. Для облегчения поиска информации другими пользователями
b. Для повышения количества просмотров поста
c. Для отправления текста на модерацию
d. Для структурирования информации в блоге
Ответ: Для отправления текста на модерацию
18. Логотип какого приложения изображен на картинке?
Выберите один ответ:
19. Как называются публикации в социальных сетях, которые обычно отображаются в профиле пользователя в течение 24 часов?
Выберите один ответ:
c. Личные сообщения
20. Как называется функция во многих социальных сетях, которая редактирует изображение, меняя цветовую гамму, насыщенность и другие параметры?
Выберите один ответ:
21. Можно ли работать с базой данных vk.com удаленно из стороннего приложения?
Выберите один ответ:
b. Это возможно, только если взломать «ВКонтакте»
c. Можно, существуют официальные API «ВКонтакте»
d. Можно, но нежелательно по причинам безопасности
Ответ: Можно, существуют официальные API «ВКонтакте»
22. Глобальная торговая площадка, на которой представлены товары преимущественно производителей из КНР
23. Чего не должны требовать интернет-магазины для оформления и онлайн-оплаты заказа?
Выберите один ответ:
a. Номер банковской карты
b. Серия и номер паспорта
c. Телефон заказчика
24. Почему при оплате онлайн-покупок лучше пользоваться виртуальной банковской картой?
Выберите один ответ:
a. Она позволяет вернуть деньги в случае обмана
b. Она позволяет сохранить в тайне данные настоящей личной банковской карты
c. Она позволяет совершить покупку быстрее
d. Так можно получить бóльшую скидку
Ответ: Она позволяет сохранить в тайне данные настоящей личной банковской карты
25. Что из перечисленного НЕ является онлайн платежной системой?
Выберите один ответ:
26. В социальной сети на официальной странице известной личности появилось сообщение с предложением: если вы переведете любую сумму на банковский счет, то вам вернется в два раза больше. Какие действия будут наиболее правильными?
Выберите один ответ:
a. Перевести все доступные деньги, редко бывает, чтобы знаменитость предлагала такое!
b. Это явно мошенничество, не буду ничего делать
c. Это явно мошенничество, напишу в техническую поддержку (пожалуюсь на пост)
d. Переведу чуть-чуть, авось повезет!
Ответ: Это явно мошенничество, напишу в техническую поддержку (пожалуюсь на пост)
27. Информация в каком источнике с большей вероятностью является достоверной?
Выберите один ответ:
a. Пост в группе в социальной сети
b. Новость в канале в приложении Telegram
c. Видео на канале популярного блогера в Youtube
d. Статья, проиндексированная в Scopus
Ответ: Статья, проиндексированная в Scopus
28. Каким значком отмечаются официальные сайты и профили в поисковой системе «Яндекс»?
Выберите один ответ:
a. Белый огонь в зеленом кружке
b. Белая корона в красном кружке
c. Белая галочка в синем кружке
Ответ: Белая галочка в синем кружке
29. Чего в настоящее время нельзя сделать с помощью нейросетей?
Выберите один ответ:
a. Сгенерировать голос любого человека для создания фальшивой аудиозаписи
b. Смонтировать изображение человека на фото, на котором его не было
c. Создать видеозапись с человеком, где он произносит слова, которых никогда не произносил
d. Всё вышеперечисленное возможно
Ответ: Всё вышеперечисленное возможно
30. Если под Вашей фотографией «ВКонтакте» незнакомый Вам симпатичный человек оставил загадочный комментарий с указанием ссылки, по которой нужно перейти, дабы иметь возможность познакомиться, это, скорее всего:
Выберите один ответ:
b. Вредоносный ресурс, созданный с целью наживы на Вашей доверчивости
c. Волонтёр из команды по борьбе с одиночеством среди людей всех возрастов и поколений
Ответ: Вредоносный ресурс, созданный с целью наживы на Вашей доверчивости
31. Как безопаснее передавать файлы с личными данными (фотографии документов, паспорта и т.д.)?
Выберите один ответ:
a. Просто отправить файл через электронную почту
b. Пересылаемые файлы заархивировать с использованием пароля, пароль передать в тексте письма
c. Пересылаемые файлы заархивировать с использованием пароля, пароль передать с помощью другого вида связи
d. Записать на флеш-карту и послать флеш-карту почтой
Ответ: Пересылаемые файлы заархивировать с использованием пароля, пароль передать с помощью другого вида связи
32. Какая информация, угрожающая личной безопасности, может храниться в цифровой фотографии (и содержаться на ней)?
Выберите один ответ:
a. Информация о месте, где был сделан снимок
b. Ваш адрес и другие данные, которые нежелательно сообщать посторонним
c. Информация об устройстве, на которое был сделан снимок
d. Всё вышеперечисленное
33. Вы со своего мобильного устройства обнаруживаете точку доступа Wi-Fi с названием “Free-WiFi”, не имеющую парольной защиты. Что вы сделаете?
Выберите один ответ:
a. Обязательно подключусь к ней, ведь необходимо экономить мобильный трафик
b. Приму во внимание, что её использование может быть опасно для моего устройства и данных
c. Подключусь и сохраню ее данные. Они могут мне помочь в будущем
d. Не буду подключаться, использование данной точки доступа может быть платным
Ответ: Приму во внимание, что её использование может быть опасно для моего устройства и данных