Эксперт: Нейросеть может предсказать погоду и найти преступника за секунду
В 2016 году нейросети стали самым модным трендом в мире высоких технологий. Год назад благодаря мобильному приложению Prisma о принципах работы нейронных сетей узнали не только физики и программисты, но и обычные владельцы современных смартфонов.
С тех пор нейронные сети все чаще ассоциируются у пользователей именно с развлекательным контентом - с их помощью можно нарисовать картину как Ван Гог, наложить на лицо макияж или снять его, раскрасить черно-белое видео или даже определять возраст человека на фотографии. Но нейросеть - это не просто модное слово, а главный «мозг» искусственного интеллекта, программа, которую можно обучить выполнять любые команды.
Корреспондент «МИР 24» побеседовала с экспертами в области нейронных сетей и выяснила, чему сейчас обучают нейросети и почему они стали одним из главных прорывов в мире новых технологий.
Рассказывает Роман Душкин, эксперт по искусственному интеллекту, автор курса «Искусственный интеллект»:
[object Object],[object Object],[object Object]На мой взгляд, «развлекательная» функция нейронных сетей - это скорее «побочный» эффект их популярности. Дело в том, что у нейросетей есть огромное количество областей для применения именно в фундаментальных науках, связанных с технологией распознавания образов. Проще говоря, опознание лица - это самая элементарная задача, которую способна решать нейронная сеть, сложность состоит лишь во внедрении такой технологии.
Возьмем, к примеру видеофиксацию ДТП. Камеры на дорогах, которые фиксируют дорожные инциденты и любые нарушения правил дорожного движения, уже никого не удивляют, а ведь во многих из них могла бы работать искусственная нейронная сеть.
Другой пример - это технология распознавания лиц в толпе, которая позволяет искать пропавших людей. Это гораздо эффективнее, чем, клеить фоторобот на подъезды: мы даем фотографию этого человека на обработку нейронной сети, внедряем эту технологию примерно в камеры видеонаблюдения на улицах Москвы, которых сейчас около 150 тысяч. Все они ежедневно записывают каждую секунду происходящего в городе, и в результате эффективность поиска повышается в несколько десятков раз.
Под образами нужно понимать не только буквально лица, но и любые изображения, что активно используется в медицине - это расшифровки рентгенограммы, МРТ. Нейронные сети способны распознавать и кривые линии, например, электроэнцефалограмму или электрокардиограмму, и хотя это не визуальные образы, а последовательность сигналов, к ней тоже применимы технологии распознавания.
Прорывы в области обучения нейросетей - это уже не вопрос будущего, а происходящее в наши дни. Например, это объединение нескольких нейросетей в один комплекс, которые обучают друг друга. В процессе такого обучения родилась система AlphaGo от компании DeepMind - программа для игры в го (прим. одна из наиболее сложных логических настольных игр на стратегическое мышление и комбинационное зрение).
В этом году она стала первой компьютерной программой, способной обыграть профессионального игрока в го, хотя ранее считали, что на разработку искусственного интеллекта, способного конкурировать с мастером го, уйдут десятилетия. Следующее поколение этой системы - программа AlphaGo Zero сыграла 100 партий с системой AlphaGo, которая обыграла профессионала, и победила в 100 из них. Что важнее всего для нас - так это то, что подобная система универсальна, она может не только играть в го, но и выполнять любые подобные алгоритмические задачи.
Рассказывает Вадим Шемаров, сооснователь сервиса shikari.do для автоматического поиска клиентов в социальных сетях, блогах и форумах:
«Сегодня есть много примеров прикладного применения нейросетей в различных областях. К примеру, совсем недавно Yandex научил нейросети давать краткосрочный прогноз осадков с удивительной точностью, причем не только для города в целом, но и для конкретного района и улицы. На основе нейросетей у этого же сервиса сейчас работают системы поиска и перевода с одного языка на другой.
Система распознавания лиц с видео с уличных телекамер в режиме реального времени - это уже не сюжет из фантастического боевика, а наша реальность. Самодвижущиеся автомобили без водителей, которые активно испытываются сейчас многими компаниями, были бы не так совершенны без использования нейросетей.
Не так давно в Китае на фестивале пива все камеры на входе подключили к системе распознавания лиц, и с их помощью мгновенно нашли 25 преступников, находящихся в розыске. И подобные системы сейчас разрабатываются и внедряются не только в Китае.
Есть и более простые и утилитарные примеры использования нейросетей: например, мы в своих проектах учим нейросети искать потенциальных клиентов в социальных сетях для различных категорий бизнеса, учим отличать спам от нормальных «человеческих» сообщений. Такие системы мониторят источники, выискивая сообщения пользователе вида «Очень нужен...», «Посоветуйте специалиста..», «Ищем исполнителя для...» и так далее.
Затем эти сообщения прогоняются через обученные нейронные сети, которые отсеивают всяческую «шелуху», оставляя только те сообщения, где люди действительно интересуются какой-либо услугой (хотят ее купить или найти специалиста), и потом фильтруют сообщения по заданным категориям - для фотографов, дизайнеров, бухгалтеров. Кроме подобной схемы работы с текстами, есть системы поиска по изображениям, где нейросети умеют определять, что изображено на фотографии, и решать, в какую категорию эту фотографию отнести.
Сегодня даже энтузиасты-одиночки начинают использовать нейросети для своих нужд: один японский инженер научил нейросеть сортировать огурцы по заданным стандартам, а в США владелец дома научил нейросеть по видеоизображениям определять, что на лужайку его дома пришел кот, и отпугивать его включением поливальной установки».
