С приходом Новейшей эры человечество занялось разработкой ранее недоступных технологий в поисках ответов и решений все более трудных задач. Одной из таких — стала разработка искусственного интеллекта, в последствии, задействованного во всевозможных сферах.
Человеческий мозг — сложнейшая экосистема, обеспечивающая обработку n-го количества операций, что подразумевает полную поддержку жизнедеятельности организма в целом. Проводя параллель, это «центральный процессор», состоящий из миллиардов нейронов, соединенных с ещё большим количеством синапсов (имеющих возможность модифицироваться в процессе обучения).
Несмотря на частое сравнение человеческого мозга и ИИ подобное утверждение, является неверным. Да, изначально за основу был взят человеческий мозг (который до сих пор мало изучен). Однако архитектурное строение обеих моделей включая нейрофизиологические основы, процесс обучения, адаптации и тому подобное — абсолютно отличное. В процессе самообучения мозг создает новые нейроны. Этот процесс называют нейрогенезом. Искусственный интеллект в свою очередь использует доступные ресурсы, имея возможность расширения только за счет аппаратной составляющей. И таких отличий очень много. К тому же, существуют различные вариации самого ИИ.
Чаще всего нейросеть использует метод слоев (подобно нервным клеткам живого организма), обучаясь за счет последующего анализа данных. Для каждой записи нейросеть формирует описание, и в процессе обучения, сравнивая с верным ответом, исправляет или дополняет его. Этот процесс повторяется до тех пор, пока не срабатывает предварительно заданный критерий остановки. Такая нейросеть имеет поэтапную систему обучения (череда задач), которую делят на три части: входные, скрытые и выходные нейроны слоев. Каждому связующему нейроны звену (нечто типа синапсов) выдается «оценка» воздействия, регулирующая их полномочия. Далее входные данные поступают в первый слой, распространяясь от определенного нейрона слоя к нейронам следующих слоев (скрытые), после подбивая результат с выходного слоя.
Как упоминалось ранее, на сегодня система ИИ используется в огромном количестве различных сфер, начиная с развлекательной индустрии и заканчивая медициной, кардинально меняя способ подхода и представления людей. Keddr расскажет о некоторых из них.
Мультимедиа
Сотрудники компании «Яндекс» написали алгоритм, который создает рифмованные тексты на основе поисковых запросов. Спустя некоторое время ему «скормили» творчество Егора Летова («Гражданская оборона»), после записав музыкальный альбом, якобы копирующий манеру исполнения певца.
Одной из наиболее популярных категорий с использованием нейросети являются изображения. Причем метод использования опять же абсолютно разнообразный. И помимо развлекательных целей, в первую очередь, задействуется в области безопасности.
FindFace — сервис для поиска людей, использующий алгоритм идентификации пользователей социальной сети «Вконтакте» с помощью фотографии лица. Однако, как и всегда, разработкой заинтересовались спецслужбы, которые уже работают над внедрением алгоритма в существующую систему, используя в качестве промежуточного инструмента городские системы видеонаблюдения (тестируется в Москве). Схожую технологию под названием Next Generation Identification используют FBI. Если быть более точным, подобные технологии существовали ещё задолго до того, как о них стало известно рядовому гражданину.
А вот технология под названием NeuralTalk, разработанная Фей-Фей Ли и Андреем Карпати из Стэнфордской лаборатории искусственного интеллекта, помимо идентификации с последующей выдачей возможных вариантов умеет также описывать «увиденные» объекты в режиме реального времени.
Вот ещё один пример. Американский стартап Affectiva выпустил алгоритм под названием Affdex. Он умеет распознавать мимику и эмоции людей и изначально предназначен для использования в мобильных играх. Технология позволяет узнать, как пользователь реагирует на рекламу, или распознать эмоциональное состояние человека для персонализации игрового опыта, используя огромную базу данных (массив видеоданных), насчитывающую более 1,5 млрд. эмоций (в видео формате).
Медицина
Пациенту с сильной болью в животе был поставлен диагноз — острый аппендицит. Лабораторное исследования подтвердили высокое количество лейкоцитов в крови, на основе чего врачи сделали вышеупомянутое заключение. При проведении хирургического вмешательства (читай — операции) оказалось, что диагноз ошибочный. У больного оказались банальная кишечная колика и метеоризм. Надобность в операции отсутствовала.
Другая ситуация. Пациенту был поставлен диагноз метеоризм и кишечная колика. После обследования и лабораторной диагностики (лабораторные показатели в норме) пациент был отпущен домой. Через трое суток человек умер от перитонита вследствие неправильно установленного диагноза. По статистике, на третьи сутки заболевания, при перитоните выживает менее 15% больных. Причиной лабораторной ошибки стал человеческий фактор.
Ещё один пример. Инфаркт миокарда. При постановке диагноза используется порядка сорока различных параметров. Анализ на «быструю руку» вряд ли поможет дать точное определение. Возвращаясь к статистике: у 29% пациентов заключение – ошибочно. И снова человеческий фактор.
На заре прошлого века Вильям Бакст, сотрудник Калифорнийского медицинского университета (Сан-Диего) использовал нейросеть — многослойный персептрон (нейросеть прямого распространения), для диагностики инфаркта миокарда. Бакст задал только половину параметров, как-то: пол, возраст, реакция на нитроглицерин, рвотный рефлекс, потоотделение, обмороки, частота/количество дыхания и сердцебиения, история инфарктов, диабет, гипертония и других. Исходный результат продемонстрировал 92% точных и всего 4% ложных ответов.
Нестандартное применение
Британская компания Intelligent Brewing использует ИИ в качестве инструмента для поиска рецепта… идеального пива. В партнерстве с агентством 10X был создан алгоритм ABI (Automated Intelligence Brewing), использующий метод фидбека (с помощью вопросов). Линейка включает четыре сорта напитка: Amber AI, Black AI, Golden AI and Pale AI. После процесса дегустации клиент с помощью facebook-чат-бота проходит тест. Итоговые данные поддаются анализу, и в результате определяются наиболее популярные варианты ответов, после чего пивовары получают нужный рецепт.
Важно отметить, что программа не занимается банальным анализом данных, а самообучается (ИИ все же), часто самостоятельно принимая решения.
Вывод
Я привел лишь небольшое количество примеров, чего вполне достаточно для поверхностного знакомства с вопросом. Многие из нас даже не успели заметить, как нейронная сеть (она же искусственный интеллект) прочно въелась и стала уже повсеместным явлением. Пронизывая технологическое пространство, ИИ используется для большого множества задач. Идентификация и имитация личности после смерти, игра в го и военные технологии, мониторинг государственных границ и климатической обстановки, написания сценариев и создание музыки, социальные сети («шесть рукопожатий»), реалистичность поведения игровых персонажей, умные вещи/IoT, автопилот и многое-многое другое.
А ведь это только начало. По сравнению с человеком ИИ имеет просто колоссальный потенциал, причем использует его по максимуму. Многие ученные, медийные личности, а также просто «не последние люди» (например, Илон Маск, Билл Гейтс и Стив Хокинг) являются сторонниками теории технологической сингулярности, что является (по их мнению) неизбежным этапом в развитии данной технологии.
Но с другой стороны, нейросеть дала огромный толчок в развитии множества жизненно важных технологий, тем самым выведя человечество на новый уровень и открыв не доступные доселе тайны и возможности.
На роботу нейронних мереж дуже гарно впливають, ноотропні препарати, докладніше почитати про них ви зможете ось тут
https://rx.ua/
ДОВІДНИК ЕКВІВАЛЕНТНОСТІ ЛІКАРСЬКИХ ЗАСОБІВ, в якому можно довідатись про багоато цікавих речей що до різноманітниї препаратів, та почитати про ліки без реклами.
Денис, спасибо за материал. В свете увеличения значения нейронных сетей в нашей жизни, весьма познавательно.
Но хотелось бы больше подробностей. Вы вот в конце дали полезные ссылочки, хотелось бы увидеть их и для принципа работы ИИ – в одном абзаце сложно раскрыть детали..
В целом, Ваш ресурс как правило поверхностно освещает многие вопросы, было бы круто видеть ссылки на более подробные описания, если кто-то заинтересуется. Это удобно.
И в абзаце “Медицина” – 92 + 4 не равно 100%.
Олег, благодарю за комментарий.
Всё до банальности просто. Каждый день нужно публиковать как минимум одну статью, соответственно для должного освещения подобных вещей, просто не хватает времени.
Однако мы будем стараться, спасибо за ваш интерес к тематике.
P.S: по поводу медицины, а именно предложения со статистикой (92%; 4%). Информация взята из одной научной диссертации, которой уже больше 18 лет. А использованный метод (многослойный персептрон), довольно сложная система, что при отсутствии полного понимания его поведения в современном мире, оставляет место для множества возможных вариантов ответов.
Денис, это банальная теория множеств, которую проходят в третьем классе. Если камень мокрый, это еще не значит, что все камни мокрые, а все, что мокрое – камни.
Нейронная сеть — лишь одна из возможных архитектурных реализаций ИИ (что в свою очередь тоже расплывчатое понятие, которое включает в себя много вещей). Кроме того, нейронная сеть не обязательно ИИ. Если у кругов Эйлера есть пересечение, это не делает их тождественными.
Вы правда считаете, что от этого читателю стало понятно, что такое машинное обучение?) Кмк, это как раз ближе к “там происходит магия, вам не нужно об этом знать”. В то время как если объяснить, например, базовую кластеризацию и выделение параметров кластеризации путем “скармливания” категоризированных данных, то читателю станет гораздо понятнее, что происходит.
Отождествление понятий “нейронные сети” и “искуственный интеллект” мало того, что ошибочно, так еще и вводит людей в заблуждение.
И, кмк, если уже говорить о нейронных сетях, то упомянуть надо машинное обучение (собственно, главную причину, почему на сегодняшний день нейросети это круто и полезно), хотя бы примерно описать процесс, и чем это отличается от других подходов, какие у этого преимущества. А то без этого это расплывчатое и непонятное описание, которое сводится к тому, что “нейросеть это такая классная штука, там внутри происходит сложная магия, поэтому все ее используют”
1) “Отождествление понятий “нейронные сети” и “искуственный интеллект” мало того, что ошибочно, так еще и вводит людей в заблуждение.”
Идем в википедию (самый простой пример):
“Иску́сственная нейро́нная се́ть (ИНС) — математическая модель, а также её программное или аппаратное воплощение, построенная по принципу организации и функционирования биологических нейронных сетей — сетей нервных клеток живого организма. Это понятие возникло при изучении процессов, протекающих в мозге, и при попытке смоделировать эти процессы.
P.S: как-бы намекает, что ИИ.
2) “И, кмк, если уже говорить о нейронных сетях, то упомянуть надо машинное обучение (собственно, главную причину, почему на сегодняшний день нейросети это круто и полезно), хотя бы примерно описать процесс, и чем это отличается от других подходов, какие у этого преимущества. ”
Название статьи: “Где и как задействуют нейронные сети”.
Вступительная часть полностью посвящена описанию архитектуры. В конце (вывод), есть фраза: “Я привел лишь небольшое количество примеров, чего вполне достаточно для поверхностного знакомства с вопросом.” Ведь это одна из тех тем на которой можно спокойно накатать не одну диссертацию.
По отношению к машинному обучению, приведу одну из фраз (опять же, есть в статье): “Искусственный интеллект в свою очередь использует доступные ресурсы, имея возможность расширения только за счет аппаратной составляющей.”
Познавательно. Ну и странно что не упомянул Призму, это ж прям актуальный пример использования нейросетей.