Наступление 2020 года ознаменовано одними из самых сильных прорывов в создании искусственного интеллекта и машинного обучения. Это позволяет отойти от привычных концепций к практической сфере применения технологий в быту и повседневности, ведь ИИ (искусственный интеллект) все меньше походит на описание фантастов и все больше выполняет функции, свойственные специалистам в различных отраслях деятельности. Порою он справляется с подобными задачами куда эффективнее человека.
Машинное обучение же, представляющее собой совокупность методов развития путём решения множества схожих задач, выводит процесс создания ИИ на новый уровень, делая его доступным многим людям.
Создание умного «помощника», способного выполнять различные задачи, – основной вектор при разработке любого ИИ. Уже сейчас интеллектуальные системы внедрены во многие сферы жизни. На их основе подбираются рекомендации в сети, благодаря им вы можете в любой момент поговорить с «Алисой» или «Siri».
Иные же программные комплексы решают «закулисные» вопросы, невидимые простому человеку, но не менее важные (например, помощь в навигации и управлении самолётом, отслеживание и регулирование дорожно-транспортного движения и т.д).
Далее — интереснее. Оставайтесь с нами.
Первый искусственный интеллект же был разработан Фрэнком Розенблаттом. Последующие годы технологии улучшались, исходя из чего сформировалась следующая классификации ИИ:
- Слабый ИИ – бот, используемый в компьютерных играх, простых процессах, подразумевающих систематичное повторение ограниченного ряда действий. Отлично выполняет узкие задачи, но непредсказуемость загоняет их в тупик.
- Сильный ИИ – программный комплекс, сопоставимый с человеческим мозгом по возможностям. Самый продвинутый представитель этого класса – Warson.
- Совершенный ИИ – искусственный интеллект будущего, который многократно превзойдёт по вычислительной мощности и динамике процессов огромные совокупности человеческих умственных ресурсов.
Последний тип не был достигнут до сих пор. Наиболее передовые разработки проводятся в сфере сильных ИИ, которые имеют шанс перерасти в класс совершенных.
Использование искусственного интеллекта в бизнесе
Использование искусственного интеллекта в бизнесе – одно из направлений, которое активно поддерживается инвесторами. Разработка нейросетей, методы математического построения компьютерного интеллекта, аналогичного человеческому мозгу, все активнее спонсируется различными компаниями (по приблизительным данным — треть мировых брендов активно разрабатывают собственные программные решения из сферы ИИ).
Нейросети являются наиболее частыми представителями искусственного интеллекта в бизнесе. С ними можно столкнуться повсеместно.
Учёные расходятся во мнениях относительно того, как ИИ повлияет на цивилизацию. В то же время он незаметно для глаз меняет мир, внедряясь во многие деловые сферы. Так, искусственный интеллект в малом и среднем бизнесе – явное преимущество в конкурентной борьбе.
Не стоит недооценивать искусственный интеллект, говоря, что еще вчера подобные программные комплексы годились только для игры в шахматы. На данный момент использование искусственного интеллекта в бизнесе перестало быть «необоснованным усложнением деловых циклов». Теперь он подчас гораздо более эффективен, чем работник с аналогичными задачами.
Преимущества ИИ дополняются также тем, что Вам нет необходимости интегрировать сильный искусственный интеллект, чтобы решать большую часть информационных и логических задач, каким бы типом бизнеса Вы не управляли.
Допустим, искусственный интеллект в гостиничном бизнесе не потребует огромного сервера и дорогостоящего оборудования. Использование подобного программного решения подойдёт для всех, у кого есть минимальное или среднее техническое оснащение в виде компьютеров и интернета. Усиление этого набора в сторону наращивания мощностей безусловно является плюсом, но совсем не обязательно.
Способы применения искусственного интеллекта в бизнес-процессах
Использование искусственного интеллекта для сбора, анализа и обработки данных
Когда даже самые малые предприятия и организации получают доступ к аналитическим инструментам, их эффективность возрастает. Частично или полностью автономный ИИ способен взять на себя задачи по сбору и работе со статистическими данными, определяя различные факторы, стимулирующие клиентов совершать повторные действия. Подобными функциями обладает, например, Facebook, рекламные алгоритмы Яндекса или ДоДо Пицца!
Улучшенная организация бэкэнда
Рассматривая информационные системы в роли дополнения и инструмента для работы человека, становится понятно, что ИИ может улучшить выполнение задач в сфере бэкэнда. Благодаря ИИ происходят улучшения в сфере разумного использования человеческого труда, увеличивается ресурс бизнеса. Так, соучредитель inniAccounts, Джеймс Пойзер, демонстрирует оптимизацию бухгалтерии с использованием ИИ. Подобные технологии избавляют сотрудников от рутинных и монотонных задач, позволяя фокусироваться на главном.
Маркетинговые инновации
Применение искусственного интеллекта в сфере маркетинга – наиболее перспективная отрасль. Охватывая широкую аудиторию, малый и средний бизнес рискует тратить определённую часть средств на привлечение нецелевых клиентов. В свою очередь маркетинговые программные решения с машинным обучением позволят составить «портрет» идеального клиента, а также отыскать его на различных площадках. Тем самым показ рекламы происходит более точечно, таргетированно, то есть бьет по целевой аудитории.
Повышение уровня качества сервиса
Благодаря искусственному интеллекту бизнес может стать более клиенториентированным. Различные чат-боты и виртуальные помощники уже сейчас взяли на себя более четверти всего мирового объёма консультаций и поддержки. Безусловно, на нынешнем этапе развития технологиий подобный виртуальный консультант не способен в полной мере заменить человека, однако справки по базовым вопросам уже предоставляются. Вы сами можете увидеть множество таких «виджетов» на сайтах, продающих товары или продвигающих услуги.
Подбор персонала
Используя ИИ, бизнес может уменьшить нагрузку на отдел кадров или вовсе обойтись без него. Алгоритмы машинного обучения способны выделять лучшую стратегию для найма, сортировать полученные данные из анкет, систематизировать информацию об опыте и задачах конкретного кандидата. Однако в данном случае требуется сотрудник, который будет взаимодействовать с кандидатами, оформляя и передавая данные о них ИИ.
Искусственный интеллект — FAQ
Как создать искусственный интеллект?
Создание искусственного интеллекта – процесс, требующий знаний в различных сферах. Как правило, это: линейная алгебра; логика и её принципы; теория вероятностей и математическая статистика; теория вероятностей. Подобный базис – отправная точка в вопросе создания собственного ИИ. Далее можно приступать к программированию, посредствам языков, таких как Python.
Среднего уровня владения синтаксисом для начала будет достаточно, ведь в нём имеются многочисленные библиотеки и модули, которые облегчат процесс. Погружаясь все глубже в нишу, ваша команда вполне сможет создать слабый и сильный ИИ.
В чём разница меду искусственным интеллектом и машинным обучением?
Искусственный интеллект – обширное понятие, в которое в свою очередь входит машинное обучение. Это термины связаны, но характеризуют различные вещи. Так, ИИ – совокупность программных решений, выполняющих действия, свойственные человеческому разуму. Машинное обучение в свою очередь – один из методов реализации искусственного интеллекта.
Как работает искусственный интеллект?
Двумя основными направлениями деятельности ИИ являются выполнение заложенных обязательств и развитие посредством машинного обучения. В зависимости от конкретного системного продукта вторая часть задач может отсутствовать. В этом случае все развитие искусственного интеллекта возлагается на программистов. Однако есть сферы, где без машинного обучения не обойтись, например, алгоритмы по поиску мошенников. От сферы деятельности также зависит принцип работы конкретного ИИ.
Какие страны занимаются активными исследованиями в области искусственного обучения?
Лидером в исследованиях в области ИИ и машинного обучения являются США. В стране активно продвигается технологический процесс, в том числе искусственного интеллекта. Здесь находятся более 2000 компаний из сферы. Китай и Великобритания также проводят исследования. Крупнейшие компании, такие как Alibaba, внедряют новые технологии в свои бизнес-процессы.
Из прочих стран, работающих над развитием ИИ следует выделить Канаду, Индию, Израиль, Германию.
Какое отношение к искусственному интеллекту с точки зрения философии?
Споры и дискуссии о различных аспектах, связанных с ИИ опережают его развитие. Отчасти это полезно, ведь при подобных условиях позиционирование программных решений происходит раньше их появления. Сложно однозначно охарактеризовать общее мнение мирового сообщества относительно активного использования и развития технологий искусственного интеллекта и машинного обучения.
Причиной этому является отсутствие однозначного взгляда. Так, знаменитый бизнесмен и изобретатель Илон Маск считает, что искусственный интеллект представляет серьезную угрозу. В то же время владелец Alibaba, Джек Ма, думает, что ИИ будет дополнять деятельность человека, облегчая его жизнь.
Создание действительно умного и осознанного ИИ поднимает множество философских вопросов, связанных со свободой воли, понятием сознания и эпистемологии (теории познания). Подобные концепции годами поднимаются в различных видах творчества, в литературе (творчество Айзека Азимова, Рика Декарда и т.д.), в искусстве, в играх (Mass Effect, Stellaris, Detroit Become Human), кинематографе (Я, робот) и иных сферах человеческой жизни. Можно утверждать точно, что философскому отношению к ИИ ещё предстоит сформироваться.
Какие компании и бизнесы уже используют ИИ?
Список фирм и брендов, использующих искусственный интеллект, обширен и постоянно растет. Из основных следует выделить – Google, IBM, Яндекс, Apple, Amazon, Сбербанк и т.д. Безусловно, ИИ в каждой из них не похож на другие и выполняет свои индивидуальные функции.
Опасен ли искусственный интеллект для бизнеса?
Все мы знакомы с фильмами цикла «Терминатор», однако реальной опасности для бизнес-процессов внедрение ИИ не предвещает. Напротив, подобные программные решения направлены на оптимизацию и ускорение циклов, что благотворно влияет на получение прибыли. Впрочем, не все так однозначно.
Могут ли решения ИИ предусматривать моральные стандарты?
Этот вопрос близок к философским размышлениям, ведь в каждом обществе – свои стандарты морали и этики. Могут ли технологии подражать им или понимать их? Пока что моральные решения задаются программистами. Так, в автомобилях компании «Tesla» предусмотрено, что встроенный автопилот в аварийной ситуации станет спасать в первую очередь своего владельца.
Возможно ли такое, что ИИ станет причиной безработицы?
Многие всерьёз рассматривают данную перспективу, однако можно также утверждать, что с исчезновением одних профессий возникают новые. Автоматизация не занимается замещением человеческого труда, она предусматривает комбинирование искусственного и человеческого интеллектов. Однако что делать с «нерентабельными» кадрами, которым потребуется профессиональная переподготовка, — неизвестно.
Может ли искусственный интеллект принимать контекстные решения?
Контекстные решения – задачи, основанные на ситуациях. Они являются неотъемлемой частью жизни каждого человека. Может ли алгоритм принимать подобные решения? Обучение данному функционалу – одна из сложнейших задач. Важно понять, что без подобной свободы невозможно создать действительно разумный ИИ.
На данный момент данная цель пока не достигнута.
Источник: ratenger.com
Восстание машин или верные роботы: в каких сферах используется искусственный интеллект
Цифровой разум перестал быть чем-то фантастическим и футуристичным. Появляется всё больше сфер, в которых осуществляется применение искусственного интеллекта. Промышленность, транспорт, добыча полезных ископаемых, банковские сервисы и электронная коммерция – это лишь малая часть направлений, в которых уже эффективно используется ИИ.
1. Яндекс [потребительские интернет-сервисы]
Яндекс – самый узнаваемый российский бренд, связанный с инновациями. Эта компания занимается машинным обучением, нейронными сетями и искусственным интеллектом, чтобы справляться с объёмами информации, которую она ежедневно получает и производит.
В той или иной степени, ИИ применяется в каждом проекте Яндекса:
• Яндекс.Переводчик, благодаря нейронной сети, переводит тексты с учётом контекста. Он рассматривает исходник полностью, а не по частям, поэтому точнее подбирает синонимы и составляет предложения.
• «Алиса» — голосовой помощник, который самостоятельно обучается и подстраивается под человека. «Алиса» учитывает свои прошлые ответы и тем самым приобретает опыт. Разработчики утверждают, что она понимает 89-95% человеческой речи. Для людей считается нормой 96-98%. «Алиса» может рассказать историю, поиграть в игры и просто поболтать с пользователем.
• Яндекс.Погода уже в 2015 году научилась предсказывать погоду (по крайней мере, так писала компания в своём блоге). Уникальная технология Meteum использует машинное обучение и классические метеорологические модели для прогноза погоды с точностью до района и дома.
• Яндекс.Пробки собирают данные с устройств пользователей, анализируют, а затем прогнозируют дорожную ситуацию, составляют оптимальные маршруты для поездок.
• Алгоритм «Королёв» улучшает поисковую выдачу за счёт анализа семантики страниц и учёта поведения пользователей. Асессорами служат миллионы человек. При поиске проверяется не только соответствие ключевым запросам, но и смысл контента.
2. Когнитивный геолог [нефть и полезные ископаемые]
Интеллектуальная система «Когнитивный геолог» применяется компанией «Газпром нефть». Её функции включают прогноз запасов, оценку рисков и планирование стратегии разработки. Для повышения точности анализа «Когнитивный геолог» не только использует исходную геологическую информацию и данные разведки, но и самообучается. Он накапливает опыт, анализирует его и устраняет недочёты.
Искусственный интеллект помогает «Газпром нефти» избегать грубых ошибок на ранних стадиях добычи, которые почти невозможно исправить в дальнейшем.
3. ABBYY [лингвистика и интеллектуальная обработка данных]
Эта российская компания осуществляет применение искусственного интеллекта в нескольких направлениях:
• Технология Adaptive Document Recognition распознаёт оформление страниц, отделяет текст от нетекстового контента, определяет роль таких элементов, как колонтитулы и проверяет логическую структуру.
• Банк «Точка» использует интеллектуальные решения ABBYY для поддержки клиентов. Система автоматически расставляет теги запросов, обрабатывая звонок или беседу в чате.
• Искусственный интеллект от ABBYY позволяет банку ВТБ обслуживать на 25% больше клиентов из малого и среднего бизнеса. Алгоритм сегментирует документы, проверяет их состав, сравнивает данные заявлений, выписок и справок.
• Compero – уникальная технология понимания текстов на естественном языке. Алгоритм анализирует семантику и синтаксис, извлекает события, связи между ними и распознаёт смысл текста.
4. Vision Labs [банковское обслуживание]
Этот стартап делает технологии распознавания лиц для бизнес-клиентов. Продукты ориентированы на системы безопасности, видеонаблюдение, банки, финансовый сектор и ритейл. Сама компания утверждает, что их система обрабатывает изображения в 200 раз быстрее, чем разработки конкурентов. По мнению MIT (Массачусетского технологического института), это одна из трёх лучших коммерческих систем по идентификации лиц в мире.
Продуктами VisionLabs пользуются крупнейшие компании России: Mail.Ru, МТС, Сбербанк, Тинькофф-банк, МТС. Технологическими партнёрами являются Intel, SAS, ABBYY. В 2016 году совместно с Google и Facebook запущена открытая платформа для разработчиков систем компьютерного зрения.
5. Home App [недвижимость]
Российский математик Алексей Игошин разработал и осуществил применение искусственного интеллекта, который помогает оценивать стоимость квартиры в Москве. Вот что делает система, основанная на машинном анализе больших данных:
• анализирует объявления с ЦИАН, «Авито» и шести десятков других платформ по продаже недвижимости;
• удаляет ложные объявления из выдачи;
• анализирует историю цен на квартиры в конкретном районе за последние годы;
• изучает динамику спроса;
• анализирует соотношение спроса и предложения на отдельные виды квартир или на жильё в конкретном районе.
HomeApp помогает всем: покупателям – найти хорошую недвижимость по оптимальной цене, продавцам – быстрее осуществить сделку, но не продешевить. Эффективность системы увеличивается за счёт того, что в результате анализа определяется целевая группа клиентов. Она получает предложения через таргетированную рекламу на сайтах, в социальных сетях и на самих площадках объявлений.
6. Ростелеком [подбор персонала]
В 2017 году «Ростелеком» начал набирать персонал на работу с помощью искусственного интеллекта. Система анализирует анкеты соискателей на конкретные должности с нескольких профильных ресурсов (Superjob, Headhunter, Avito), а также оценивает страницы в социальных сетях. Цель ИИ – найти таких кандидатов, которые смогут проработать на конкретной позиции не меньше 6 месяцев.
Сначала «Ростелеком» использовал технологию для подбора операторов в колл-центры. В этом направлении у компании большая текучка кадров. Машинный отбор кандидатов помог существенно сократить расходы на собеседования, оформления и увольнения сотрудников. Компания JungleJobs (создатель системы) сообщала, что так бюджет на поиск и найм персонала уменьшился в 1,5-2 раза.
7. Avito [онлайн-объявления]
Одна из главных площадок объявлений в России использует искусственный интеллект для точности рекомендаций на страницах, улучшения поисковой выдачи и удаления фейковых заявок. В мобильном приложении сервиса есть функция «Поиск по фото». Система использует компьютерное зрение, отбирая из базы товары с максимально похожим изображением.
8. Tesla [автомобилестроение]
Этот производитель электромобилей разрабатывает и осуществляет применение искусственного интеллекта для управления машинами. Элон Маск утверждает, что цифровое зрение Hardware 3 будет обрабатывать до 2 000 кадров в секунду. Это собственный продукт компании. Ранее Tesla пользовались Nvidia Drive, оборудование которое было менее эффективно (200 fps).
Прогнозы Элона Маска фантастические. Миллиардер говорит, что уже через 10 лет искусственный интеллект превзойдёт человека в безопасности и надёжности вождения автомобиля.
9. Amazon.com [электронная коммерция]
Amazon входит в число пионеров внедрения искусственного интеллекта в реальную деятельность. Компания использовала ИИ для отбора кандидатов на работу ещё в 2014. В следующем году нейронную сеть «уволили», когда оказалось, что она отдавала предпочтение мужчинам. Примечательно, что это не ошибка проектировщиков, а особенность, приобретённая при самообучении. Система анализировала резюме людей, принятых на работу в последние 10 лет, и в этой подборке просто было больше мужчин.
Этот пример говорит, что ИИ действительно способен упростить некоторые задачи. Главное, правильно его использовать, регулярно проверять и своевременно корректировать.
Вот ещё несколько проектов Amazon, связанных с искусственным интеллектом:
• Kiva. Amazon купили компанию-производителя складских роботов за $775 млн и стали производить их для себя. Kiva сокращает время на транспортировку, и помогают компании размещать на складах на 50% больше товара. Так, они снизили операционные расходы на 20%. Планируется внедрение роботов в этапы сортировки и упаковки.
• Alexa. Это интеллектуальный голосовой помощник от Amazon. Сейчас он доступен на iOS, в приложении Lexi и в браузерном интерфейсе. Функционал системы ограничен информацией о новостях, погоде и онлайн-покупками, но она явно будет совершенствоваться. Например, разработчики из Amazon трудятся над алгоритмом, который распознаёт не только текст, но и его эмоциональную окраску.
• В Берлине и Нью-Йорке работают исследовательские группы компании, которые с помощью искусственного интеллекта анализируют большие данные. Технология направлена на прогнозирование цены продуктов и поиск рыночных закономерностей. Управляющей директор центра развития Amazon в Германии говорит, что это ПО составляет сценарий поведения клиента как на ближайшие секунды, так и на недели.
Джефф Безос делает крупную ставку на ИИ. Сейчас в его бизнес-империи трудится более 100 инженеров, проектировщиков и учёных, создающих «умные» машины.
10. Netflix [развлекательные сервисы]
Крупнейший и один из самых успешных стриминговых сервисов осуществляет применение искусственного интеллекта, чтобы рекомендовать пользователям наиболее интересные сериалы и фильмы. Система опирается на историю просмотров человека, а также на привычки других людей (аудитория сегментируется по возрасту, географии, привычкам и расходам).
Netflix отчасти общается с ИИ более свободно и нетрадиционно. Так, в 2016 году в каталоге фильмов появилась короткометражка, созданная именно для ИИ. Фильм сделан для тестирования кодеков, которые используются для шифровки и дешифровки видеопотока. Они же проверяют качество вещания в 4K.
Другой проект компании – «Другая сторона ветра». Это фильм Орсона Уэллса, снятый в 1970-х, но не прошедший все этапы монтажа при жизни режиссёра. Система на базе ИИ делала монтаж уже в наши дни, и, по словам разработчиков, значительно улучшила качество изображения (до 4K).
Источник: invlab.ru
Нейросети: как искусственный интеллект помогает в бизнесе и жизни
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.”
Продолжая освещать #технобудущее, команда DTI подготовила все, что необходимо знать для первого погружения в нейронные сети: как они устроены, почему все больше компаний предпочитают нейросети живым сотрудникам и какой потенциал по оптимизации различных процессов несет эта технология.
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%.
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:
- Курс “Машинное обучение” от Школы анализа данных (ШАД) Яндекса
- Курс по Deep Learning от Google
- Книга «Математические методы обучения по прецедентам (теория обучения машин)» К. В. Воронцова
- Книга «Нейрокомпьютерная техника: Теория и практика» Ф. Уоссермена
- Movidius Neural Compute Stick – нейронная сеть размером с флешку
- Подборка фреймворков для машинного обучения
- искусственный интеллект
- машинное обучение
- нейронные сети
- нейросети
- Data Mining
- Алгоритмы
- Машинное обучение
Источник: habr.com
