Подробности

Категория: Новости

Искусственные нейронные сети и машинное обучение: направления развития, области применения и угрозы для человека

Появление вычислительных машин значительно упростило жизнь человека. Одна из перспективных технологий, которой отводят будущее, - это искусственная нейронная сеть (ИНС). Искусственная нейронная сеть – это совокупность алгоритмов, моделирующих принципы работы нервных клеток реального мозга.

Изучение искусственных нейронов ведется достаточно давно. Тема особенно популярна в сюжетах фантастических фильмов. Но, в связи с последними достижениями науки, программы на основе искусственной нейронной сети входят в нашу жизнь.

Перспективные области применения нейронных сетей

Нейронная сеть – это не просто математическая модель. Искусственная нейронная сеть состоит из множества элементов, которые называют нейронами или процессорами, подобно тому, как биологическая нейронная сеть состоит из нервных клеток. Копируя работу мозга человека, она действует не только по строгому алгоритму и формулам, но и накапливает и использует прошлый опыт. Т.е. нейроны способны обучаться.

Специалисты выделяют 5 главных областей, в которых нейронные сети произведут революцию в ближайшей перспективе.

Таблица – Области применения нейронных сетей

Автопилот Tesla – это громкий проект 2016 года. Компания встраивает в свои автомобили искусственные нейронные сети, которые обучаются на опыте всех машин данной марки. «Тренирует» нейросети водитель. Объезжая препятствия, он дает автомобилю пример верных действий. Специалисты полагают, что за ближайшие 5 лет, автопилотная система вождения станет такой же привычной, как сейчас автоматическая коробка передач.

Большие надежды специалисты возлагают на такую возможность нейронных сетей, как распознавание лиц и предметов. Она особенно востребована в системах безопасности. Предполагается, что она снизит уровень преступности, т.к. вычислить злоумышленника станет реально даже по голосу и в режиме реального времени. Также искусственные нейронные сети помогут отражать кибератаки. Не останавливаясь на достигнутом, специалисты стремятся расширить возможности нейросети до чтения эмоций.

Принцип накапливания и использования предыдущего опыта может стать весьма полезным в медицине. В частности, для диагностики заболеваний, которые возможно определить по снимкам. Для обучения врача требуется время. В то время как нейронная сеть, проанализировав рентгеновские снимки последних 10 лет с верным диагнозом, определяет заболевание с точностью до 98%.

В социальных сетях искусственную нейронную сеть используют для составления портрета пользователя и выявления его потребностей. Аккумулирует все наши «цифровые отпечатки» технология Big Data. Психоанализ O.C.E.A.N, таргетированная реклама, сервисы поисковых сетей, поиск музыки по звуковому оттиску Shazam, навигаторы и т.д. – это все нейронные сети.

Примером использования искусственных нейронных сетей в творческом процессе может служить проект Яндекса. В честь 150-летнего юбилея Василия Кандинского компания создала ролик, раскрашенный нейросетью. Искусственная нейронная сеть изучила работы живописца и воссоздала точный набор форм и цветов в его стиле. Человек на такое не способен.

Машинное обучение

Однако область применения искусственных нейронных сетей безгранична. В искусственных нейронных сетях выделяют свои мейнстримы. В частности, машинное обучение, в основу которого также положено главное преимущество искусственной нейронной сети - самообучение.  

Межмашинное обучение (англ. Machine Learning) – это направление развития искусственного интеллекта, основанное на математической статистике, численных методах оптимизации, теории вероятностей, дискретного анализа, позволяющее извлекать знания из этих данных. Система будет обучаться на своем опыте. Например, если загрузить в машину несколько фотографий, с указанием, на каких из них изображены люди, а на каких нет, то на новых загруженных снимках компьютер сможет определять это без вмешательства человека.

Машинное обучение реализуется на трех «китах»:

1. Вычислительный ресурс.

2. Математические методы.

3. Данные для обучения.

Все три составляющие в настоящее время сформированы достаточно, поэтому препятствий для развития Machine Learning нет.     

Поединок между человеком и машиной

В 2016 году нейросеть проявила свои впечатляющие возможности. Многоуровневая нейросеть Google DeepMind AlphaGo смогла обыграть со счетом 4:1 восемнадцатикратного чемпиона мира по игре в Го корейца Ли Седоль. Немного ранее данная система стала абсолютным победителем в соревновании с многократным чемпионом Европы Фань Хуэй. Игра закончилась со счетом 5:0. Для научного мира эти события стали прорывом, т.к. число конфигураций игровой доски в игре Го превышает количество атомов во Вселенной. Т.е. Го – это не стратегия с перебором множества вариантов. Она основана на интуиции. Кроме того, Google DeepMind AlphaGo – это не узкоспециализированная машина, поэтому может использоваться для других целей.

Области применения машинного обучения

Компания Medecision применяет алгоритмы Machine Learning для выявления рисков возникновения различных заболеваний. В частности, анализируя 8 переменных, система определяет, нужна ли больному диабетом госпитализация. Кроме того, технологии могут создать персонализированную медицину, учитывающую генетику человека и его образ жизни.  

Как и искусственные нейронные сети в целом, так и машинное обучение в частности активно используются в онлайн-торговле. Например, если запрашивать в поисковой системе информацию о каком-то товаре, то в течение некоторого времени будет появляться его таргетная, персонализированная под запрос реклама. Это стимулирует потребителя к покупке.

Способность машин обрабатывать естественный язык может заменить операторов на «горячих» линиях, при этом более оперативно реагируя на запрос.

В цифровом мире Machine Learning будет использоваться для обеспечения информационной безопасности, а именно вычисления кибератак, обнаружения инфицированных программ и построения систем защиты электронных денег. Самообучаемые машины, установленные в аэропортах, на стадионах и в иных местах массового скопления людей, смогут устранять потенциальные угрозы.

Проблемы развития машинного обучения и потенциальные угрозы для человека

С появлением новых технологий возникают и новые сложности. Одна из главных в части развития нейросети – это нормативное регулирование области. В общем доступе размещено открытое письмо, подписанное всемирно известными специалистами в сфере искусственного интеллекта и смежных областей, призывающее не медлить с принятием общих правил, регулирующих работу искусственного интеллекта. Например, мир находится на пороге коммерциализации беспилотных автомобилей. Возникает вопрос: «В случае потенциальной аварийной ситуации, чья безопасность будет иметь приоритет: пешехода или пассажира?».

Кроме того, большие опасения вызывает вероятность роста безработицы по причине вымирания некоторых специальностей и передачи ряда функций машинам и искусственному интеллекту. Не стоит забывать, что роботехника – это также перспективное направление ИТ-сектора. В совокупности эти технологии решают многие задачи эффективнее и быстрее, чем человек. He Future of Jobs прогнозирует, что в течение 5 лет цифровые системы лишат работы порядка 5 млн. человек во всем мире.  

С техническими особенностями функционирования сетей мобильной связи существующих и новых поколений, а также с перспективными отраслями и специальностями в области ИТ и инфокоммуникаций можно ознакомиться в книге "Мобильная связь на пути к 6G". 

Читайте также:

Искусственный интеллект, интернет вещей, машинное обучение - вместе эффективнее.

Новые угрозы и направления развития информационной безопасности в 2017 году

Трафик мобильного видео - ключевой драйвер развития телекоммуникационной отрасли

Развитие цифровой экономики в России. Модели и направления

Индустриальный Интернет вещей (IIoT) в России и мире. Обзор состояния и перспективы развития

Благодарность Оргкомитету IV Конференции из Министерства связи и массовых коммуникаций РФ

Ответы на самые животрепещущие вопросы пассажиров

{jcomments on}