X Международная студенческая научная конференция Студенческий научный форум - 2018

В роботе проведённой Oxford Martin School 2013 году говорилось о том, что 47% всех рабочих мест могут быть автоматизированы в течении следующих 20 лет. Основным драйвером данного процесса является применение искусственного интеллекта. Машины на данный момент решают все больше процессов, за которые ранее отвечали люди. Кроме того, компьютеры делают это качественно и дёшево.

О значимости для рынка труда высказался Герман Греф, который выступал перед студентами Балтийского федерального университета имени 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 возьмём.» Тем самым продолжая освещать технобудущее, команда TDI подготовила всё необходимое знание для первого погружения в нейронные сети: как они устроены, почему всё больше компаний предпочитают нейронные сети живым сотрудникам и какой потенциал им дан для оптимизации различных процессов несущая эта технология [1].

Искусственные нейронные сети относится к определённому типу моделей обучения, которая эмулирует принцип работы синапсов в мозге любого человека. Традиционные вычисления используют ряд логических операторов для выполнения задачи. Входные данные проходят через систему и генерируются выходные данные. Затем выводы сравниваются с известными данными. Попытаемся на примере объяснить работу нейросетей. Вы хотите обучить компьютер распознавать изображения собаки. Вы пропускаете миллионы изображений собак через сеть, чтобы увидеть, какие изображения она решит принять похожими на собак. Затем человек подтверждает, какие изображения на самом деле являются собаками. Система отдаёт предпочтение пути в нейронной сети, который привёл к правильному ответ. Со временем и спустя миллионы итераций, эта сеть конечном итоге повысит точность своих результатов. Нейронные сети не панацея, но они прекрасно справляются со сложными данными. Google и Microsoft используют нейронные сети, чтобы обучать свои приложения перевода, поскольку перевод языков – это сложно.

Машинное обучение – это широкий термин, который охватывает все моменты, когда вы пытаетесь научить машину улучшаться самостоятельно. В частности, это относится к любой системе, в которой производительность компьютера при выполнении задачи становится лучше только за счёт большого опыта выполнения этой задачи. Нейронные сети являются примером машинного обучения, но они не являются единственным способом обучения компьютера. Примером машинного обучения является обучение с подкреплением. В этом методе компьютер выполняет задачу и затем оценивает её результат. Машинное обучение тоже не панацея. Машинное обучение более расплывчатое понятие, чем нейронные сети, но из него также следует, что программное обеспечение, которое вы используете, будет опираться на ваши отзывы, чтобы улучшать свою производительность.

Подобно тому как нейронные сети представляют собой форму машинного обучения, машинное обучение является формой искусственного интеллекта. Но категория «искусственного интеллекта» пока так плохо определена, что это словосочетание не имеет практического смысла. Да, оно вызывает в воображении картинки технологически развитого будущего, но в реальности мы ещё и близко к нему не подобрались. Когда-то оптическое распознавание символов было слишком сложным для машины, но теперь приложение на телефоне может сканировать документы и превращать их в текст. Причина того, что базовые телефонные возможности можно считать искусственным интеллектом, в том, что на самом деле есть два типа искусственного интеллекта. Слабый или узконаправленный ИИ который описывает любую систему, предназначенную для выполнения узкого списка задач. В противоположность этому, сильный ИИ – известный как общий ИИ, или «полный ИИ» - это система, способная выполнять любую человеческую задачу. В определённой степени «искусственный интеллект» на самом деле просто означает, что приложения будут чуть умнее, чем мы привыкли [2].

Рассмотрим как устроена нейросеть. Нейросеть позволяет модулировать работу человеческой нервной системы, особенностью которой является способность к самообучению с учётом предыдущего опыта. Таким образом, с каждым разом система совершает всё меньше ошибок. Нейросеть подобно нервной системе человека состоит из отдельных вычислительных элементов – нейронов, расположенных на нескольких слоях. Данные, которые поступают на вход нейросети, приходят последовательную обработку на каждом слое сети. При этом каждый нейрон имеет определённые параметры, которые могут измениться в зависимости от полученных результатов – в этом и заключается обучение сети [1].

Термин «нейронная сеть» появился в середине 20-го века. Первые работы, в которых были получены основные результаты данном, направлении, были проделаны Мак-Каллоком и Питтсом . В 1943 году ими была разработана компьютерная модель нейронной сети на основе математических алгоритмов и теории деятельности головного мозга. Они выдвинули предположение, что нейроны можно упрощённо рассматривать как устройства, оперирующие двоичными числами, и назвали эту модель «пороговой логикой». Данная модель заложила основы двух различных подходов исследования нейронных сетей. Один подход был ориентирован собственно на изучение биологических процессов в головном мозге, другой – на применение нейронных сетей как метода искусственного интеллекта для решения различных прикладных задач. В 1949 году канадский физиолог и психолог Хебб высказал идеи о характере соединения нейронов мозга и их взаимодействии. Он первым предположил, что обучение заключается в первую очередь в изменениях силы синоптических связей. В 1954 году в Массачусетском технологическом институте с использованием компьютеров Фарли и Кларк разработали имитацию сети Хебба. В 1957 году Розенблаттом были разработаны математическая и компьютерная модели восприятия информации мозгом на основе двухслойной обучающейся нейронной сети. При обучении данная сеть использовала арифметические и логические сложения. В 1975 году Фукусимой был разработан когнитрон, который стал одной из первых многослойных нейронных связей. Алгоритм параллельной распределённой обработки данных середине 1980 годов стал популярен под названием коннективизма. В 1986 году в роботе Руммельхарта и Мак-Клелланда коннективизм был использован для компьютерного моделирования нейронных процессов. Следующая волна интереса пришлась на 1990-е годы, после чего о нейросетях почти не было слышно до 2010 года [3].

Нейросистемы вновь стали популярны. До 2010 года попросту не существовало база данных, достаточно большой для того, чтобы качественно обучить нейросети решать определённые задачи, в основном связанные с распознаванием и классификацией изображений. Тем самым нейросети довольно часто ошибались: путали кошку с собакой, или, что ещё хуже, снимок органа со снимком органа, поражённого опухолью. Но в 2010 году появилась база ImagrNet, которая содержит 15 миллионов изображений в 22 тысячах категорий. ImageNet многократно превышала объём существовавших БД изображений и была доступна для любого исследователя. С такими объёмами данных нейросети можно было учить принимать практически безошибочные решения [1].

Приведем примеры применения нейросетей в различных сферах.

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%) [1].

Японская страховая компания Fukoku Mutual Life Insurance заключила контракт с IBM. Согласно нему, 34 сотрудников японской компании заменит система IBM Watson Explorer Al. Нейросеть будет просматривать десятки тысяч медицинских сертификатов и учитывать число посещений госпиталей, перенесённые операции и другие факторы для определения условий страхования клиентов. В Fukoku Mutual Life Insurance уверены, что использование IBM Watson повысит продуктивность на 30% и окупиться за да года [4].

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. Всё для того, чтобы определить, какой продукт вы купите с наибольшей вероятностью. Механизм рекомендации 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. WSJ сообщало о том, что использование ИИ для рекомендаций является одним из факторов, повлиявших на 10-кратный рост аудитории за последние 5 лет. [4]

Беспилотные автомобили – концепт, над которыми работает большинство крупных концернов, а также технологические компании (Google, Uber, Яндекс и др.) и стартапы, в своей работе опирается на нейросети. Искусственный интеллект отвечает за распознавание окружающих объектов – будь то другой автомобиль, пешеход или иное препятствие. Потенциал искусственного интеллекта в этой сфере не ограничивается автопилотом. Недавний опрос IBM показал: 74% топ менеджеров автомобильной индустрии ожидают, что умные автомобили появиться на дорогах уже к 2025 году.

Нейросеть, разработанная Марком Уоллером из Шанхайского университета, специализируется на разработке синтетических молекул. Алгоритм составил шестистадийный синтез производного бензопирана сульфонамида всего за 5,4 секунды. По данным Яндекса, внедрение нейросетей позволяет на 5% сократить расходы дорогих ферросплавов. Аналогичным образом нейросеть способна помочь в переработке стекла. Использование технологий машинного обучения позволит значительно сократить издержки [4].

Инженеры Microsoft совместно с учёными из ICRISAT применяют искусственный интеллект, чтобы определить оптимальное время посева в Индии. Приложение, использующие Microsoft Cortana Intelligence Suite, также следит за состоянием почвы и подбирает необходимые удобрение. [5]

В прошлом году вышли и мгновенно стали популярными приложения, использующие нейросети для обработки фото и видео: MSQRD от белорусских разработчиков, и российские Prisma и Mivch. Яндекс успешно экспериментирует с музыкой: нейронные сети компании уже записали два альбома: в стиле Nirvana и «Гражданской обороны». 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. [5]

Компания разработчиков из Технологического университета Сиднея представила дронов для патрулирования пляжей. Основной задачей дронов станет поиск акул в прибрежных водах и предупреждение людей на пляжах. В 2014 году Лаборатория Касперского сообщала, что их антивирус регистрирует 325 тыс. новых заражённых файлов ежедневно. Самообучающая модель, разработанная Deep Instinct, на основании этой информации способна с высокой точностью определять заражённые файлы. [5]

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 искусственные роботы. Вероятнее, врач будет работать вместе с нейросетью.

Список литературы:

Хаброхабр Нейросети: как искусственный интеллект помогает в бизнесе и жизни. [Электронный ресурс]. URL: https://habrahabr.ru/post/337870/ (дата обращения 12.08.17)

HI News Нейронные сети, искусственный интеллект, машинное обучение: что это на самом деле? [Электронный ресурс]. URL: https://hi-news.ru/science/nejronnye-seti-iskusstvennyj-intellekt-mashinnoe-obuchenie-chto-eto-na-samom-dele.html (дата обращения 14.12.17)

Портал искусственного интеллекта История возникновения нейронных сетей. [Электронный ресурс]. URL: http://neuronus.com/history/5-istoriya-nejronnykh-setej.html (дата обращения 24.11.17)

Analytics news Нейросети. Как искусственный интеллект помогает в бизнесе и жизни. [Электронный ресурс]. URL: https://analytics.news/neyroseti-kak-iskusstvennyiy-intellekt-pomogaet-v-biznese-i-zhizni/ (дата обращения 12.12.17)

Код для цитирования: Скопировать