0

Искусственный интеллект в интернете

Содержание

Что вы знаете про искусственный интеллект и машинное обучение? Современный тренд или потенциально мощная сила, способная убивать людей? Эти модные понятия всё чаще на слуху, но далеко не все знают, что же это на самом деле. Пришло время изучить эти технологии с помощью простого и интересного подхода — попробовать искусственный интеллект и нейросети самостоятельно на практике.

Semantris

Когда вы в последний раз играли в тетрис?

Это забавный и интерактивный проект, который позволяет играть в словесные ассоциации с искусственным интеллектом. Недавно созданная командой Google-AI, Semantris сосредоточена на обработке простой человеческой речи и дифференцировании логических связей между словами. Это аналог тетриса, но вместо блоков в нём слова. Игра имеет два режима работы: Blocks и Arcade.

В первом режиме ИИ устанавливает слово и просит вас найти наиболее близкое к нему сочетание, например, «спать» и «кровать». Затем он сравнивает отношение между вашим ответом и исходным словом с другими словами из списка. Чем больше совпадений с другими словами, тем больше очков вы получите. Правильное слово между блоками приводит к удалению этого блока. Второй режим реализован как простая игра в ассоциации на время с набором очков.

Нейронная сеть — это класс вычислительной системы. В данном приложении она устанавливает значение отдельных слов и находит семантически похожие. Она создана из очень простых узлов обработки, сформированных в сеть. Нейронные сети выполнены по образу биологических систем, наподобие мозга, но на много порядков менее сложные. Они представляют собой системы распознавания шаблонов и более полезны для задач распознавания образов.

Google, используя Semantris, обучает векторные модели для нейронных сетей и тестирует искусственный интеллект.

This Person Does Not Exist

Эта девушка выглядит красиво, но её не существует. Это просто ещё одно творение ИИ. Не пытайтесь найти кого-либо из созданных людей в сети, несмотря на то, что некоторые могут быть очень красивыми.

22–24 ноября, Москва, от 0 до 25 000 ₽

Вероятно, многие уже слышали о таком сервисе. Это первый проект в своем роде и неудивительно, что он стал вирусным. Здесь можно создавать поддельные образы за секунду. Всё, что нужно — это зайти на сайт и обновить страницу.

Автор проекта — инженер Uber Филипп Ван. Он использовал алгоритм (первоначально написанный в Nvidia), чтобы сделать гиперреалистичные портреты. Этот алгоритм известен как генеративно-состязательная сеть (GAN). Все изображения генерируются на основе обширной библиотеки. Система последовательно использует две нейронные сети: одна создаёт картинку, а другая оценивает её реализм.

Первоначально Ван использовал это как способ убедить нескольких друзей присоединиться к нему в независимом исследовании ИИ. После он решил, что широкая аудитория может извлечь выгоду из потенциала GAN. Ван также утверждал, как важно информировать людей о том, что этот тип технологий может быть как революционным, так и опасным.

Так началось это…

После запуска проекта с лицами другие разработчики использовали его код (находящийся в открытом доступе на Github) для других сайтов вроде thiscatdoesnotexist.com и thesecatsdonotexist.com, чтобы создавать несуществующих котов. Они выглядят довольно реалистично, но вы можете заметить некоторые странные фрагменты. Иногда это выглядит очень жутко.

AutoDraw

Это фиксирующий ваши каракули инструмент для получения идеального изображения.

Ещё один захватывающий и развлекательный сервис, а для кого-то очень полезный. Он помогает превращать небрежные наброски в чёткие изображения.

Вы можете нарисовать любой объект, который хотите. Просто начертите несколько линий и ИИ предскажет, что именно вы хотели изобразить. Он может легко распознать грубые наброски, будь то цветок, торт или смайлик. Он подготавливает заранее нарисованные альтернативные эскизы, созданные художниками, для замены ваших рисунков.

В основе этого сервиса лежит ИИ и машинное обучение. AutoDraw использует нейронные сети для сравнения изображений с обширной базой данных и выбора наиболее похожих вариантов. Чем больше деталей вы добавите, тем лучше и надёжнее будут рекомендации.

Cyborg Writer

Этот экспериментальный текстовый редактор может добавить продолжение к словам и высказываниям, которые вы напишете. Просто введите любые слова, а искусственная нейронная сеть завершит ваше предложение так, будто бы оно было написано Шекспиром, Верховным судом США, Тупаком Шакуром или кем-то ещё.

Вся система основана на обученной модели. Она используется для прогнозирования наиболее подходящего ответа на введённый текст.

Иногда варианты Cyborg Writer далеки от смысла введённого текста. Но создатели не обещали безупречную точность с самого начала и назвали его экспериментальным проектом. Возможно, сервис со временем станет более продвинутым. А пока он вполне подойдёт, чтобы просто поиграться и посмотреть какой вариант ответа ИИ подберёт для вас.

Talk to Books

Ещё одно приложение на базе ИИ от Google AI. Оно наглядно демонстрирует на что способна эта инновационная технология. Talk to Books даёт ответы на вопросы через цитаты из книг. В отличие от стандартного поиска этот сервис не боится даже самых абстрактных вопросов, например, «в чём смысл жизни?» или «что значит быть человеком?». Так что вы можете рассчитывать на честные ответы даже на самые необычные вопросы. Взгляните на результат по запросу: “что такое Ктулху?”:

Этот сервис использует векторное обучение языку для поиска книг с контекстно-релевантными ответами на вопросы. Всё это работает без соответствия ключевым словам. Моделирование языка векторных слов сопоставляет синонимы, антонимы, связанные термины, контекстные подсказки и другие естественные способы использования языка для нахождения соотношений между утверждениями.

В базе данных проекта содержится около 100 000 работ. Механизм рекомендаций пытается найти наиболее подходящие выдержки по смыслу. Также вы можете отфильтровать по категориям книги и выбрать только те жанры, которые захотите.

Quick, Draw!

По словам самих создателей эта игра создана с помощью машинного обучения. Вы рисуете, а нейронная сеть пытается угадать, что вы изобразили. Это не всегда работает, но чем больше вы практикуетесь, тем больше сеть будет учиться. Пока что этот ресурс обучен на примерах нескольких сотен рисунков и разработчики надеются добавить больше эскизов в будущем. Приложение сделано как пример того, что обучение ИИ можно использовать в увлекательной игровой форме.

Вам будет предложено нарисовать 6 разных предметов за ограниченное время. Пока вы рисуете и добавляете всё больше деталей, нейронная сеть пытается угадать, что вы пытались изобразить.

В конце будут подведены итоги, какие из предметов были угаданы. Кликнув на любой из них, можно посмотреть на основе каких рисунков было проведено обучение сети по каждому предмету.

ИИ-приложения для смартфона

Replika

Replika — это приложение, которое поможет вам расширить ваше общение.

Виртуальные помощники на базе ИИ есть везде. Siri может установить будильник, а Alexa вызовет Uber. Но по-настоящему поговорить по душам не с кем. Replika соответствует именно этой идее. Это искусственный интеллект, который сканирует ваши социальные сети и задаёт очень много вопросов о вас. Replika наивна и любопытна, как ребёнок, но это только на первый взгляд. Приложение обучается, поэтому многое зависит от вас. Каждый ответ будет сохранён в памяти и может быть использован позже. Таким образом, вы можете создать свою личную копию себя, а затем вступать с ней в диалог.

Jarvis Artificial Intelligent

Jarvis был создан Марком Цукербергом, который в свою очередь был вдохновлён виртуальным помощником из замечательного фильма «Железный человек». Jarvis может контролировать свет и температуру, выбирать музыку и настраивать системы безопасности в вашем доме. Этот виртуальный помощник постоянно учится распознавать голоса и лица. Все эти функции доступны с помощью мобильного приложения. Честно говоря, приложение ещё следует доработать, но его определённо стоит попробовать.

Читайте также:  Восстановление зрения по методу бейтса отзывы

Youper

Youper — это бесплатный и удобный помощник на базе искусственного интеллекта, который поможет решить ваши проблемы. Он подойдёт в качестве приложения для фитнеса, которое также содержит когнитивно-поведенческую терапию (КПТ), медитацию и терапию «Принятия и обязательств (ответственности)». Вместе с этим вы можете использовать его как приложение для растяжки. Youper старается заботиться о вас, давая различные советы по здоровью.

И в заключение

Искусственный интеллект — это не только простая программа, отвечающая на шаблонные вопросы. Это мощный инструмент, помогающий автоматизировать работу во многих отраслях. Доступность ИИ является поводом для радости. Такие технологии можно легко использовать с помощью многих мобильных приложений. Определённо стоит узнать об этом больше и следить за развитием событий в сфере новых технологических тенденций.

Кажется, что «интернет становится лучше»

Искусственный интеллект (ИИ) интернета уже, вероятно, залез в вашу голову, а если нет — то в ваш бумажник. Вы когда-нибудь ловили себя на том, что битый час смотрите видео на YouTube, хотя не собирались этого делать? Сайт со сверхъестественной догадливостью предлагает вам один за другим ролики, которые вы просто не можете не посмотреть до того, как вернетесь к работе? А Amazon, похоже, знает, что вы хотите купить, раньше, чем вы успеете об этом подумать? Если да, то вы уже пользуетесь преимуществами ИИ интернета (или уже стали его жертвой, в зависимости от того, как вы оцениваете свое время и деньги).

ИИ интернета — это в основном рекомендательные алгоритмы: они изучают наши личные предпочтения, а затем предлагают контент, подобранный специально для нас. Эффективность этих механизмов зависит от данных, к которым у них есть доступ, и именно крупные интернет-компании в настоящее время располагают самыми большими объемами цифровых данных в мире.

Однако эти данные становятся действительно полезными для алгоритмов только после того, как они были «размечены». Но вам, как пользователям, не нужно активно «размечать» что-либо — оценивать контент или привязывать к нему ключевые слова. Ярлыки появляются при сопоставлении части данных с конкретным результатом: «купил» против «не купил», «нажал» против «не нажал», «посмотрел до конца» против «перешел на другое видео». Эти метки — наши покупки, «лайки», просмотры или время пребывания на конкретных страницах — в дальнейшем используются для обучения алгоритмов, чтобы те могли предлагать нам подходящий контент.

У обычного пользователя появляется чувство, что интернет «становится лучше» — то есть дает ему то, чего он хочет, — а его интернет-зависимость усиливается.

Это еще одно доказательство силы ИИ: он использует данные, чтобы узнать нас как можно лучше, а затем оптимизирует свои действия, приспосабливаясь к нашим желаниям. Такая оптимизация приводит к существенному увеличению прибыли для интернет-компаний, зарабатывающих деньги на кликах: Google, Baidu, Alibaba, YouTube и их аналогов со всего мира.

Используя ИИ интернета, Alibaba рекомендует вам продукты, которые вы, скорее всего, купите, Google показывает целевую рекламу, на которую вы обязательно кликнете, а YouTube предлагает видеоролики, которые вам захочется просмотреть. Применив те же методы в другом контексте, компания Cambridge Analytica использовала данные Facebook, чтобы лучше повлиять на американских избирателей во время президентской кампании 2016 года. Кстати, считается, что именно Роберт Мерсер, основатель Cambridge Analytica, первым сказал: «Хорошие данные — это очень много данных».

Алгоритмы и редакторы

Первая волна ИИ породила интернет-компании совершенно нового типа. В Китае лидером среди них является Jinri Toutiao (что означает «Сегодняшние заголовки»). Основанную в 2012 году Toutiao иногда называют китайским BuzzFeed, потому что оба сайта служат агрегаторами, преподносящими пользователю «оптимизированные» под его интересы новости. Но на «оптимизации» под индивидуального пользователя сходство и заканчивается. В BuzzFeed штат молодых редакторов ловко готовит оригинальный контент. «Редакторы» Toutiao — это алгоритмы.

Механизмы ИИ Toutiao ищут в интернете контент, используя инструменты обработки естественного языка и компьютерного зрения для анализа материалов широкой сети партнерских сайтов и утвержденных источников. Затем они, опираясь на прошлое поведение своих пользователей — их клики, данные о прочтении, мнения, комментарии и так далее, — создают персонализированные новости, соответствующие интересам каждого человека.

Алгоритмы приложения даже меняют заголовки, чтобы увеличить число кликов.

И чем больше этих кликов, с тем большей точностью Toutiao будет предлагать им контент, который они хотели бы увидеть. Эта положительная обратная связь позволила создать одну из самых востребованных платформ контента в интернете, в приложении которой пользователи проводят в среднем по 74 минуты в день.

Отчеты роботов и фейковые новости

Toutiao использует машинное обучение не только для сбора контента, но и для создания статей и контроля над их содержанием. Во время летних Олимпийских игр 2016 года в Рио-де-Жанейро эта компания вместе с Пекинским университетом работала над созданием «журналиста», который мог бы писать короткие заметки об итогах спортивных событий за несколько минут после их завершения. Статьи получались не совсем «художественными», но скорость была невероятной: по окончании некоторых соревнований «репортер» выпускал короткие резюме в течение двух секунд и «охватывал» более 30 спортивных событий в день.

Алгоритмы также используются для выявления сфабрикованных новостей. Первоначально читатели обнаруживали вводящие в заблуждение тексты и сообщали о них — это была, по существу, бесплатная разметка данных. Затем Toutiao использовала эти помеченные данные, чтобы научить алгоритм самостоятельно распознавать фальшивые новости. А затем она пошла настолько далеко, что даже научила отдельный алгоритм такие новости создавать. Далее оба алгоритма заставили соревноваться в том, чтобы обмануть друг друга. В процессе этой борьбы они совершенствовались.

Основанный на ИИ подход к контенту принес компании огромную прибыль. К концу 2017 года Toutiao уже оценивалась в 20 млрд долларов и вышла на новый круг финансирования, после которого ее оценка может превысить 30 млрд долларов. Для сравнения, BuzzFeed стоит 1,7 млрд. Прогнозируемые доходы Toutiao на 2018 год составляют сумму между 4,5 и 7,6 млрд долларов. Компания прилагает много усилий, чтобы выйти на зарубежные рынки. После предпринятой в 2016 году неудачной попытки купить Reddit, популярный в США сайт-агрегатор, в 2017 году Toutiao прибрала к рукам французский агрегатор новостей и Musical.ly — китайское приложение для караоке, безумно популярное у американских подростков.

Успех Toutiao наглядно демонстрирует достижения Китая в области ИИ интернета. Имея аудиторию из более чем 700 млн интернет-пользователей, говорящих на одном языке, интернет-гиганты Китая зарабатывают огромные деньги на оптимизации онлайн-услуг с помощью ИИ. Это способствовало и быстрому росту рыночной капитализации Tencent, которая в ноябре 2017 года превысила рыночную капитализацию Facebook, а затем перешагнула показатель в 500 млрд долларов. Прежде этого рубежа не достигала ни одна китайская компания. Оставшиеся позади Alibaba и Amazon теперь были вынуждены соревноваться между собой. Несмотря на сильные позиции Baidu в исследовании ИИ, его мобильные сервисы значительно отстают от продуктов Google. Но эту нишу заполнили быстро выросшие китайские компании вроде Toutiao, которые строят свой бизнес на основе ИИ интернета и уже оцениваются в миллиарды долларов.

И прибыль этих интернет-компаний многократно возрастет, когда они научатся еще лучше и дольше удерживать наше внимание и собирать наши клики. В целом китайские и американские компании примерно одинаково сильны в области ИИ интернета, и их шансы на лидерство составляют приблизительно 50 на 50. Я предвижу, что через пять лет китайские технологические компании добьются небольшого преимущества (60 к 40). Мы ведь помним, что в Китае больше пользователей интернета, чем в Соединенных Штатах и всей Европе, вместе взятых, и эти пользователи легко переводят деньги создателям контента, платформам O2O и другим пользователям. Такая комбинация создает почву для выпуска креативных интернет-приложений на основе ИИ и открывает уникальные возможности для монетизации. Добавьте к этому хватких и хорошо финансируемых предпринимателей, и вот уже есть пусть не решающее, но вполне существенное преимущество Китая перед Кремниевой долиной.

Искусственный интеллект восприятия

До появления ИИ все машины были глухими и незрячими. Конечно, вы и раньше могли делать цифровые фотографии или аудиозаписи, но компьютеры не понимали их смысла. С точки зрения обычного компьютера, фотография — просто хаотический набор пикселей, который ему положено хранить. В понимании iPhone песня — это последовательность нулей и единиц, при воспроизведении которых человек получает наслаждение.

Однако с появлением ИИ восприятия все меняется. Алгоритмы могут теперь объединять пиксели фотографий или видеозаписей в значимые кластеры и распознавать объекты, пользуясь теми же механизмами, что и наш мозг: вот золотой ретривер, вот светофор, а вот твой брат Патрик, и так далее. То же самое касается и аудиоданных. Вместо того чтобы просто хранить звуковые архивы в виде последовательностей битов, алгоритмы теперь научились понимать слова, а зачастую и целые предложения.

…Окружающий нас мир будет оцифровываться благодаря распространению датчиков и интеллектуальных устройств.

Эти устройства превращают реалии физического мира в цифровые данные, которые затем могут быть проанализированы и оптимизированы с помощью алгоритмов глубокого обучения. Amazon Echo оцифровывает звуковую среду в домах. «Умный город» от Alibaba переводит городские транспортные потоки в цифровую форму, наблюдая за ними с помощью камер и применяя средства ИИ для распознавания объектов. Камеры Apple iPhone X и Face++ выполняют ту же самую оцифровку для лиц, используя полученные данные для защиты телефонов или цифровых кошельков.

Читайте также:  Как вернуть диалог в вк если удалил

Размытые границы и слияние миров

ИИ восприятия начинает стирать границы, разделяющие онлайн- и офлайн-миры. Он делает это, резко увеличивая число точек соприкосновения, через которые мы взаимодействуем с интернетом.

До появления ИИ восприятия мы делали это через клавиатуру нашего компьютера или экран смартфона. Эти устройства до сих пор выступают в качестве основных порталов в мир интернета, но они довольно неудобны и для ввода, и для извлечения информации, особенно когда вы делаете покупки или ведете автомобиль в реальном мире.

По мере того как ИИ восприятия начинает лучше распознавать наши лица, понимать нашу речь и видеть мир вокруг нас, он создает миллионы новых точек соприкосновения между онлайн- и офлайн-мирами. Эти узлы со временем окружат нас настолько, что словосочетание «войти в интернет» исчезнет из нашей речи.

Если вы заказали еду одной фразой, даже не вставая с дивана, это значит, что вы «вошли в интернет» или что вы находитесь офлайн? А когда ваш холодильник сообщает вашей корзине для покупок, что у вас закончилось молоко, то вы находитесь в физическом мире или в цифровом? Я называю такие новые смешанные среды OOМ: онлайн-oфлайн-мирами.

ООМ — следующий шаг в эволюции ИИ, которая уже привела нас от чисто электронной коммерции к оказанию услуг O2O (онлайн для офлайна). Каждый из этих шагов означал строительство новых мостов между онлайн-миром и нашим, физическим, но наступление эпохи ООМ будет означать их полную интеграцию. В недалеком будущем ИИ восприятия превратит торговые центры, гастрономы, улицы городов и наши дома в среду ООМ. Некоторые созданные при этом приложения позволят обычным пользователям почувствовать себя так, словно они оказались в фантастическом фильме.

Такие приложения уже есть. Один ресторан KFC в Китае недавно объединился с Alipay и ввел в нескольких своих филиалах оплату через сканирование лица посетителя. Посетитель выбирает на цифровом терминале свой заказ, система сканирует его лицо и находит соответствующую учетную запись Alipay: никаких наличных денег, карт или мобильных телефонов не требуется. В систему входит даже специальный алгоритм проверки, чтобы никто не мог использовать чужую фотографию. Приложения «плати лицом» — это забавно, но они всего лишь верхушка айсберга ООМ.

Читайте оригинал статьи в Блоге DTI.

В работе Oxford Martin School 2013 года говорилось о том, что 47% всех рабочих мест может быть автоматизировано в течение следующих 20 лет. Основным драйвером этого процесса является применение искусственного интеллекта, работающего с большими данными, как более эффективной замены человеку.

Машины теперь способны решать все больше процессов, за которые раньше отвечали люди. Кроме того, делают это качественнее и во многих случаях дешевле. О том, что это значит для рынка труда, в июле этого года говорил Герман Греф, выступая перед студентами Балтийского федерального университета им. Канта:

Мы перестаём брать на работу юристов, которые не знают, что делать с нейронной сетью. Вы — студенты вчерашнего дня. Товарищи юристы, забудьте свою профессию. В прошлом году 450 юристов, которые у нас готовят иски, ушли в прошлое, были сокращены. У нас нейронная сетка готовит исковые заявления лучше, чем юристы, подготовленные Балтийским федеральным университетом. Их мы на работу точно не возьмем.”

Искусственный интеллект, машинное обучение и нейросети: в чем разница

Нейронная сеть – один из способов реализации искусственного интеллекта (ИИ).

В разработке ИИ существует обширная область — машинное обучение. Она изучает методы построения алгоритмов, способных самостоятельно обучаться. Это необходимо, если не существует четкого решения какой-либо задачи. В этом случае проще не искать правильное решение, а создать механизм, который сам придумает метод для его поиска.

#справка Во многих статьях можно встретить термин «глубокое» — или «глубинное» — обучение. Под ним понимают алгоритмы машинного обучения, использующие много вычислительных ресурсов. В большинстве случаев под ним можно понимать просто “нейронные сети”.

Чтобы не запутаться в понятиях «искусственный интеллект», «машинное обучение» и «глубокое обучение», предлагаем посмотреть на визуализацию их развития:

#интересное Существует два типа искусственного интеллекта (ИИ): слабый (узконаправленный) и сильный (общий). Слабый ИИ предназначен для выполнения узкого списка задач. Такими являются голосовые помощники Siri и Google Assistant и все остальные примеры, которые мы приводим в этой статье. Сильный ИИ, в свою очередь, способен выполнить любую человеческую задачу. На данный момент реализация сильного ИИ невозможна, он является утопической идеей.

Как устроена нейросеть

Нейросеть моделирует работу человеческой нервной системы, особенностью которой является способность к самообучению с учетом предыдущего опыта. Таким образом, с каждым разом система совершает все меньше ошибок.

Как и наша нервная система, нейросеть состоит из отдельных вычислительных элементов – нейронов, расположенных на нескольких слоях. Данные, поступающие на вход нейросети, проходят последовательную обработку на каждом слое сети. При этом каждый нейрон имеет определенные параметры, которые могут изменяться в зависимости от полученных результатов – в этом и заключается обучение сети.

Предположим, что задача нейросети – отличать кошек от собак. Для настройки нейронной сети подается большой массив подписанных изображений кошек и собак. Нейросеть анализирует признаки (в том числе линии, формы, их размер и цвет) на этих картинках и строит такую распознавательную модель, которая минимизирует процент ошибок относительно эталонных результатов.

На рисунке ниже представлен процесс работы нейросети, задача которой — распознать цифру почтового индекса, написанную от руки.

История нейросетей

Несмотря на то, что нейросети попали в центр всеобщего внимания совсем недавно, это один из старейших алгоритмов машинного обучения. Первая версия формального нейрона, ячейки нейронной сети, была предложена Уорреном Маккалоком и Уолтером Питтсом в 1943 году.

А уже в 1958 году Фрэнк Розенблатт разработал первую нейронную сеть. Несмотря на свою простоту, она уже могла различать, например, объекты в двухмерном пространстве.


Mark I Perceptron — машина Розенблатта

Первые успехи привлекли повышенное внимание к технологии, однако затем другие алгоритмы машинного обучения стали показывать лучшие результаты, и нейросети отошли на второй план. Следующая волна интереса пришлась на 1990-е годы, после чего о нейросетях почти не было слышно до 2010 года.

Почему нейросети вновь популярны

До 2010 года попросту не существовало базы данных, достаточно большой для того, чтобы качественно обучить нейросети решать определенные задачи, в основном связанные с распознаванием и классификацией изображений. Поэтому нейросети довольно часто ошибались: путали кошку с собакой, или, что еще хуже, снимок здорового органа со снимком органа, пораженного опухолью.

Но в 2010 году появилась база ImageNet, содержащая 15 миллионов изображений в 22 тысячах категорий. ImageNet многократно превышала объем существовавших баз данных изображений и была доступна для любого исследователя. С такими объемами данных нейросети можно было учить принимать практически безошибочные решения.


Размер ImageNet в сравнении с другими существовавшими в 2010 году базами изображений

До этого на пути развития нейросетей стояла другая, не менее существенная, проблема: традиционный метод обучения был неэффективен. Несмотря на то что важную роль играет число слоев в нейронной сети, важен также и метод обучения сети. Использовавшийся ранее метод обратного шифрования мог эффективно обучать только последние слои сети. Процесс обучения оказывался слишком длительным для практического применения, а скрытые слои глубинных нейросетей не функционировали должным образом.

Результатов в решении этой проблемы в 2006 году добились три независимых группы ученых. Во-первых, Джеффри Хинтон реализовал предобучение сети при помощи машины Больцмана, обучая каждый слой отдельно. Во-вторых, Ян ЛеКан предложил использование сверточной нейронной сети для решения проблем распознавания изображений. Наконец, Иошуа Бенджио разработал каскадный автокодировщик, позволивший задействовать все слои в глубокой нейронной сети.

Примеры успешного применения нейросетей в бизнесе

Медицина

Команда исследователей из Ноттингемского университета разработала четыре алгоритма машинного обучения для оценки степени риска сердечно-сосудистых заболеваний пациентов. Для обучения использовались данные 378 тыс. британских пациентов. Обученный искусственный интеллект определял риск кардиологических заболеваний эффективнее реальных врачей. Точность алгоритма — между 74 и 76,4 процентами (стандартная система из восьми факторов, разработанная Американской коллегией кардиологии, обеспечивает точность лишь в 72,8%).

Финансы

Японская страховая компания Fukoku Mutual Life Insurance заключила контракт с IBM. Согласно нему, 34 сотрудников японской компании заменит система IBM Watson Explorer AI. Нейросеть будет просматривать десятки тысяч медицинских сертификатов и учитывать число посещений госпиталей, перенесенные операции и другие факторы для определения условий страхования клиентов. В Fukoku Mutual Life Insurance уверены, что использование IBM Watson повысит продуктивность на 30% и окупится за два года.

Машинное обучение помогает распознавать потенциальные случаи мошенничества в различных сферах жизни. Подобный инструмент использует, например, PayPal – в рамках борьбы с отмыванием денег компания сравнивает миллионы транзакций и обнаруживает среди них подозрительные. В результате, мошеннические транзакции в PayPal составляют рекордно низкие 0,32%, тогда как стандарт в финансовом секторе — 1,32%.

Читайте также:  Вероятность суммы и произведения событий

Коммерция

Искусственный интеллект существенно улучшил механизмы рекомендаций в онлайн-магазинах и сервисах. Алгоритмы, основанные на машинном обучении, анализируют ваше поведение на сайте и сравнивают его с миллионами других пользователей. Все для того, чтобы определить, какой продукт вы купите с наибольшей вероятностью.

Механизм рекомендаций обеспечивает Amazon 35% продаж. Алгоритм Brain, используемый YouTube для рекомендации контента, позволил добиться того, что практически 70% видео, просматриваемых на сайте, люди нашли благодаря рекомендациям (а не по ссылкам или подпискам). WSJ сообщало о том, что использование искусственного интеллекта для рекомендаций является одним из факторов, повлиявших на 10-кратный рост аудитории за последние пять лет.

Алгоритм Yandex Data Factory способен предсказывать влияние промоакций на объем продаж товаров. Анализируя историю продаж, а также тип и ассортимент магазина, алгоритм дал 87% точных (с точностью до коробки) и 61% ультраточных (с точностью до упаковки) прогнозов.

Нейросети, анализирующие естественный язык, могут использоваться для создания чат-ботов, позволяющих клиентам получить необходимую информацию о продуктах компании. Это позволит сократить издержки на команды колл-центров. Подобный робот уже работает в приемной Правительства Москвы и обрабатывает около 5% запросов. Бот способен подсказать, в том числе, расположение ближайшего МФЦ и график отключения горячей воды.

На технологии нейронных сетей также основана Albert – маркетинговая платформа полного цикла, самостоятельно осуществляющая практически все операции. Использующая ее компания-производитель нижнего белья Cosabella в итоге расформировала собственный отдел маркетинга и полностью доверилась платформе.

Транспорт

Беспилотные автомобили – концепт, над которым работает большинство крупных концернов, а также технологические компании (Google, Uber, Яндекс и другие) и стартапы, в своей работе опирается на нейросети. Искусственный интеллект отвечает за распознавание окружающих объектов – будь то другой автомобиль, пешеход или иное препятствие.


Так видит наш мир нейросеть

Потенциал искусственного интеллекта в этой сфере не ограничивается автопилотом. Недавний опрос IBM показал: 74% топ-менеджеров автомобильной индустрии ожидают, что умные автомобили появятся на дорогах уже к 2025 году. Такие автомобили, интегрированные в Интернет вещей (см. наш предыдущий лонгрид), будут собирать информацию о предпочтениях пассажиров и автоматически регулировать температуру в салоне, громкость радио, положение сидений и другие параметры. Помимо пилотирования, система также будет информировать о возникающих проблемах (и даже попытается решить их сама) и ситуации на дороге.

Промышленность

Нейросеть, разработанная Марком Уоллером из Шанхайского Университета, специализируется на разработке синтетических молекул. Алгоритм составил шестистадийный синтез производного бензопирана сульфонамида (необходим при лечении Альцгеймера) всего за 5,4 секунды.

Инструменты Yandex Data Factory помогают при выплавке стали: использующийся для производства стали металлический лом зачастую неоднороден по составу. Чтобы сталь соответствовала стандартам, при ее выплавке всегда нужно учитывать специфику лома и вводить специальные добавки. Этим обычно занимаются специально обученные технологи. Но, поскольку на таких производствах собирается много информации о поступающем сырье, применяемых добавках и результате, эту информацию с большей эффективностью способна обработать нейросеть. По данным Яндекса, внедрение нейросетей позволяет на 5% сократить расходы дорогих ферросплавов.

Аналогичным образом нейросеть способна помочь в переработке стекла. Сейчас это нерентабельный, хотя и полезный, бизнес, нуждающийся в государственных субсидиях. Использование технологий машинного обучения позволит значительно сократить издержки.

Сельское хозяйство

Инженеры Microsoft совместно с учеными из ICRISAT применяют искусственный интеллект, чтобы определить оптимальное время посева в Индии. Приложение, использующее Microsoft Cortana Intelligence Suite, также следит за состоянием почвы и подбирает необходимые удобрения. Изначально в программе участвовало всего лишь 175 фермеров из 7 деревень. Они начали посев только после соответствующего SMS уведомления. В результате, они собрали урожая на 30-40% больше, чем обычно.

Развлечения и искусство

В прошлом году вышли и мгновенно стали популярными приложения, использующие нейросети для обработки фото и видео: MSQRD от белорусских разработчиков (в дальнейшем сервис выкупила Facebook), и российские Prisma и Mlvch. Другой сервис, Algorithmia, раскрашивает черно-белые фотографии.

Яндекс успешно экспериментирует с музыкой: нейронные сети компании уже записали два альбома: в стиле Nirvana и “Гражданской обороны”. А музыка, написанная нейросетью под композитора-классика Александра Скрябина, была исполнена камерным оркестром, что заставляет вновь задуматься над вопросом о том, сможет ли робот сочинить симфонию. Нейросеть, созданная сотрудниками Sony, вдохновлялась Бахом.

Японский алгоритм написал книгу “День, когда Компьютер написал роман”. Несмотря на то что с характерами героев и сюжетными линиями неопытному писателю помогали люди, компьютер проделал огромную работу – в итоге одна из его работ прошла отборочный этап престижной литературной премии. Нейросети также написали продолжения к Гарри Поттеру и Игре Престолов.

В 2015 году нейросеть AlphaGo, разработанная командой Google DeepMind, стала первой программой, победившей профессионального игрока в го. А в мае этого года программа обыграла сильнейшего игрока в го в мире, Кэ Цзэ. Это стало прорывом, поскольку долгое время считалось, что компьютеры не обладают интуицией, необходимой для игры в го.

Безопасность

Команда разработчиков из Технологического университета Сиднея представила дронов для патрулирования пляжей. Основной задачей дронов станет поиск акул в прибрежных водах и предупреждение людей на пляжах. Анализ видеоданных производят нейросети, что существенно отразилось на результатах: разработчики утверждают о вероятности обнаружения и идентификации акул до 90%, тогда как оператор, просматривающий видео с беспилотников, успешно распознает акул лишь в 20-30% случаев.

Австралия занимает второе место в мире после США по количеству случаев нападения акул на людей. В 2016 году в этой стране были зафиксированы 26 случаев нападения акул, два из которых закончились смертью людей.

В 2014 году Лаборатория Касперского сообщала, что их антивирус регистрирует 325 тыс. новых зараженных файлов ежедневно. В то же время, исследование компании Deep Instinct показало, что новые версии вирусов практически не отличаются от предыдущих – изменение составляет от 2% до 10%. Самообучающаяся модель, разработанная Deep Instinct, на основании этой информации способна с высокой точностью определять зараженные файлы.

Нейросети также способны искать определенные закономерности в том, как хранится информация в облачных сервисах, и сообщать об обнаруженных аномалиях, способных привести к бреши в безопасности.

Бонус: нейросети на страже нашего газона

В 2016 году 65-летний инженер NVIDIA Роберт Бонд столкнулся с проблемой: соседские кошки регулярно посещали его участок и оставляли следы своего присутствия, что раздражало его жену, работающую в саду. Бонд сразу отсек слишком недружелюбную идею соорудить ловушки для незваных гостей. Вместо этого он решил написать алгоритм, который бы автоматически включал садовые разбрызгиватели воды при приближении кошек.

Перед Робертом стояла задача идентификации кошек в поступающем с внешней камеры видеопотоке. Для этого он использовал систему, основанную на популярной нейросети Caffe. Каждый раз, когда камера наблюдала изменение в обстановке на участке, она делала семь снимков и передавала их нейросети. После этого нейросеть должна была определить, присутствует ли в кадре кошка, и, в случае утвердительного ответа, включить разбрызгиватели.


Изображение с камеры во дворе Бонда

До начала работы нейросеть прошла обучение: Бонд “скормил” ей 300 разных фотографий кошек. Анализируя эти фотографии, нейросеть училась распознавать животных. Но этого оказалось недостаточно: она корректно определяла кошек лишь в 30% случаев и приняла за кошку тень Бонда, в результате чего он сам оказался мокрым.

Нейросеть заработала лучше после дополнительного обучения на большем количестве фотографий. Однако Бонд предупреждает, что нейросеть можно натренировать слишком сильно, в случае чего у нее сложится нереалистичный стереотип – например, если все снимки, использующиеся для обучения, сняты с одного ракурса, то искусственный интеллект может не распознать ту же самую кошку с другого угла. Поэтому чрезвычайно важным является грамотный подбор обучающего ряда данных.

Через некоторое время кошки, обучившиеся не на фотографиях, но на собственной шкуре, перестали посещать участок Бонда.

Заключение

Нейронные сети, технология середины прошлого века, сейчас меняет работу целых отраслей. Реакция общества неоднозначна: одних возможности нейросетей приводят в восторг, а других – заставляют усомниться в их пользе как специалистов.

Однако не везде, куда приходит машинное обучение, оно вытесняет людей. Если нейросеть ставит диагнозы лучше живого врача, это не значит, что в будущем нас будут лечить исключительно роботы. Вероятнее, врач будет работать вместе с нейросетью. Аналогично, суперкомпьютер IBM Deep Blue выиграл в шахматы у Гарри Каспарова еще в 1997 году, однако люди из шахмат никуда не делись, а именитые гроссмейстеры до сих пор попадают на обложки глянцевых журналов.

Кооперация с машинами принесет гораздо больше пользы, чем конфронтация. Поэтому мы собрали список материалов в открытом доступе, которые помогут вам продолжить знакомство с нейросетями:

admin

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *