Искусственный интеллект требуется везде, где нужен разум

Искусственный интеллект (ИИ) уже сегодня применяется во многих сферах — от медицины и финансов до обороны и автопилотируемого транспорта. Если заглянуть в будущее, то можно предположить, что он станет ключевой технологией, на базе которой будут реализовываться самые эффективные проекты. С какими задачами способен справиться искусственный интеллект, при каких условиях и где он наиболее эффективен?

КАК И ЗАЧЕМ ОБУЧАТЬ ИИ?

При создании ИИ сегодня используются три основные методологии его обучения требуемым функциям: обучение с учителем, самообучение и обучение с подкреплением. Для каждой конкретной задачи эффективность ИИ достигается, если опираться на одну из упомянутых методологий. В тех сферах, где человек полностью понимает, как правильно выполнить те или иные действия, знает много примеров правильного решения, применяют обучение с учителем — «делай как я».

Когда, например, обучают робота для диагностики заболеваний, ему показывают массу данных о симптомах, анализах и правильно поставленные диагнозы. Он овладевает этими знаниями как истинными и зачастую может превзойти своего учителя благодаря тому, что обучился на таком количестве примеров, с которым ни один из врачей не в состоянии даже ознакомиться.

Плохо, если для обучения будут использоваться неверные диагнозы. Робот иногда их обнаруживает и учитель исключает такие примеры из материала обучения, но нередко человек абсолютно уверен в своей правоте и робот наследует его ошибки. При решении ряда задач человек сразу расписывается в своей беспомощности перед сложностью данных. Тогда он строит ИИ, который поможет разобраться в структуре этих данных, найти общие закономерности и описать их путем установления связей, общих конструкций.

Если мы говорим о построении ИИ с самообучением, то сегодня такой ИИ опирается на всю совокупность данных, предоставленных человеком. В последнее время самообучение связывают с обучением определенного класса моделей, которые человек выдвигает как наиболее подходящие для описания той предметной сферы, где он хотел бы использовать ИИ.

Наконец, обучение с подкреплением является прямым погружением ИИ в среду дальнейшего использования. При этом искусственный интеллект поощряют или наказывают за каждое совершенное им действие. Простейшей иллюстрацией здесь может служить обучение ИИ различным играм. Многократное повторение игры позволяет ИИ обучиться, используя очень скудные, с точки зрения человека, описания обстановки, в которой он действует.

Одно из больших достижений последнего времени — разработка ИИ, который сам научился играть в Го (играя сам с собой) и стал обыгрывать чемпионов. Этот подход привел к созданию искусственного интеллекта для обучения других ИИ.

ЗАДАЧИ ДЛЯ ИИ

К основным отраслям применения ИИ сейчас относят управление многими координированными процессами (например, в сфере транспорта, при изготовлении материальных объектов, в энергетике), быструю помощь людям для поддержания их здоровья и жизни (в медицине, при выполнении спасательных работ), в юридической сфере, где важно исключить человеческий фактор и принять взвешенное, объективное решение.

Медицина хорошо адаптирует средства искусственного интеллекта. Искусственный интеллект позволяет не только давать рекомендации при диагностике заболеваний каким-либо сложным методом, например функциональным МРТ, но и впервые рассмотреть очень много факторов, повлиявших на возникновение болезни.

В Южной Корее система диагностики и лечения с использованием ИИ вошла в национальную медицинскую программу. Первый успешный экспериментальный проект IBM Watson был реализован в сентябре 2016 г., когда искусственный разум внедрили в онкологическом центре Гиль. 61-летнему пациенту по результатам колоноскопии поставили диагноз — рак толстого кишечника. Необходимость химиотерапии и подбора наиболее эффективных препаратов стала причиной введения данных в ИИ. Специалисты и пациент остались довольны, поскольку в результате качественного лечения, назначенного машиной, удалось уничтожить оставшиеся после резекции раковые клетки.

В ближайшем будущем японские врачи собираются массово использовать системы визуальной диагностики, основанные на искусственном интеллекте. Такие системы смогут находить настолько незаметные аномалии, что доктор, скорее всего, не обратил бы на них внимания. В Японии разрабатывается несколько подобных проектов. Компания LPixel, связанная с Токийским университетом, конструирует систему, определяющую аневризмы. Аневризма может вызвать повреждение головного мозга. Если ее выявить на ранней стадии, можно предотвратить тяжкие последствия. Компания предоставляет свой диагностический ИИ вместе с базой МРТ-изображений, собранных из десяти медицинских учреждений. Доктору демонстрируется 3D-изображение кровеносной системы, на которой алгоритм красным маркером помечает место возможного нахождения аневризмы. LPixel планирует выйти на рынок со своей системой в 2019 г.

Исследовательская компания Fuji Keizai заявляет, что японский рынок медицинского ИИ к 2020 г. увеличится более чем вдвое — с 32,8 млн долл. (по данным 2016 г.) до 88 млн долл. Как объясняют авторы прогноза, за этим ростом стоит прогнозируемая нехватка врачей. Новая медицинская программа с использованием ИИ позволит врачу работать с бульшим количеством пациентов при сохранении качества медицинского обслуживания. К слову, в Японии производится очень большое количество визуальных медицинских данных, поэтому такой план кажется вполне реальным.

ФИНТЕХ И ТРАНСПОРТ

В последнее время область, получившая название «финтех», стала вкладывать серьезные средства в разработку систем ИИ. Известно немало примеров успешных проектов. В частности, анализ потока из миллионов банковских транзакций для обнаружения хищений. Человек без помощи машины просто не сможет заметить что-то подозрительное в огромном объеме информации.

Не стоит забывать и про транспорт, где уже видны выдающиеся успехи ИИ в поддержке автопилотов четвертого уровня. Беспилотные автомобили сегодня стали реальностью. Следующий шаг — развитие транспортных систем на основе обменивающихся информацией подвижных средств и предметов окружения: дорожных знаков, светофоров, мостов, сооружений, участков дороги. Никакая другая технология, кроме ИИ, не справится с задачей координации всех объектов в такой масштабной системе. Общее название этого направления разработок — Connected Vehicles.

Источник: Connect WIT, 10.12.2018
Связь с нами