Прогресс в сфере искусственного интеллекта: диагностирование болезней и понимание речи

Разработка и развитие искусственного интеллекта (ИИ) является одной из самых быстрорастущих и прогрессивных областей современных технологий. Для того, чтобы ничего не упустить, необходимо не только пристально следить за развитием отрасли, но и анализировать и сравнивать по ряду параметров. Именно это и сделали основатель Air Street Capital и RAAIS Натан Бенайч и ИИ-инвестор и приглашенный профессор Университетского колледжа Лондона Ян Хогарт, сообщает Zdnet.

"Мы считаем, что существует растущая потребность в доступной, но подробной информации о состоянии ИИ по нескольким направлениям (исследования, индустрия, таланты, политика и Китай). Цель нашего отчета – вести информированный разговор о развитии ИИ и его значении для будущего", - поделился Бенайч. Важно отметить, что эксперты выделяют развитие ИИ в Китае в отдельную область и рассматривают его отдельно.

Обучение ИИ с помощью игр

Повышение обучаемости ИИ привлекает внимание экспертов со всего мира на протяжении нескольких последних лет. При этом программы учатся по принципу "обучения с подкреплением", то есть, они целенаправленно изучают среду с помощью метода проб и ошибок и получают награды за достижение определенных результатов. Одним из достижений в этой области стало обучение ИИ играть в игры и обыгрывать в них профессионалов.

Обучение через игры позволяет ИИ обучаться, как дети, применяя разные стратегии и сложные навыки поведения в среде с низкой степенью риска. Это, например, позволяет исследователям наделить роботов контрольными навыками в среде, более устойчивой, чем в реальном мире.

Например, OpenAI использовал компьютерную симуляцию для обучения робота сочетать объекты физического мира с поражающей точностью. С помощью компьютерного зрения робот научился предсказывать форму объекта, а затем смог просчитывать последующие действия, основываясь на положении и конфигурации предмета.

"Данные, которые генерируются в виртуальной среде, чаще дешевле и более доступны, что создает грандиозное пространство для экспериментов. Более того, игровое поле можно сделать более или менее сложным, в зависимости от цели эксперимента. Вместе с тем, компьютерные симуляции не всегда точно имитируют реальный мир со всеми его нюансами. Это значит, что они – отличное начало, но не цель", - подчеркивают авторы отчета.

Обработка естественного языка и понимание общих смыслов

По мнению экспертов, прошлый год стал прорывом в области обработки естественного языка. Разработки Google, Microsoft и других компаний показали, что заранее обученные языковые модели могут существенно улучшить производительность по разным направлениям развития этой области.

Обучение компьютерного зрения стало возможно благодаря функционированию ImageNet – гигантской базы данных, которая содержит более 20 тысяч категорий. Например, такие категории как "воздушный шар" и "клубника" содержат несколько сотен изображений – аннотаций. С 2010 года проект ImageNet проводит конкурс, в котором программы соревнуются в более точном определении и классификации изображений и сцен.

За последний год было сделано несколько прорывов в языковых моделях, которые обучались на больших массивах текстовых данных. В этом случае ИИ обучался на основе текстов из интернета. Авторы исследования приводят в пример конкурс GLUE, который является единым эталоном для системы оценивания обработки естественного языка по таким параметрам, как логика, понимание здравого смысла и лексической семантики.

Для того, чтобы продемонстрировать, насколько быстро развивается ИИ, авторы отмечают, что ему понадобилось всего 13 месяцев на то, чтобы добраться с 69 до 88 баллов, набранных в ходе тестирования. Средний показатель для человека составляет 87 баллов.

Были совершены прорывы и в сфере понимания общего смысла. Так, исследователи из Университета Нью-Йорка продемонстрировали, что, основываясь на общих данных, нейронные сети могут рассуждать о событиях и предметах, которых они раньше не видели.

Достижения ИИ в медицине

Среди достижений ИИ в этой отрасли можно выделить такие, которые когда-то казались научной фантастикой: "чтение мыслей" с помощью расшифровки мозговой активности и восстановление контроля над парализованными конечностями.

Кроме того, нейросети достигли успехов в диагностировании и лечении болезней. Например, ИИ может более эффективно, чем врачи, диагностировать болезни глаз и сердца.

Дальнейшие пути развития

Одним из возможных путей развития ИИ в дальнейшем может стать сочетания глубокого обучения и знания предметной области. "Особенно, когда целью ИИ является решение реальной проблемы, а не создание обобщенного агента, который решает проблему "сферического коня в вакууме"", - отметил Бенайч.

Кроме того, он отметил, что необходимо расширять базы данных, которые помогут ИИ решать сложные задачи с привлечением здравого смысла. Одной из таких баз является Cyc. Примерами знаний в этой базе данных является "Каждое дерево является растением" и "Растения смертны". Если спросить у ИИ "умирают ли деревья?", он сделает логический вывод на основании имеющейся информации.

Вместе с тем, Бенайч считает, что достичь успехов в этой области только с помощью текстов нельзя.

Подписывайтесь на наш Telegram-канал с новостями технологий и культуры.