Computers hebben leren denken. Waar leidt het toe?
DE REDDER IS GEKOMEN
Wist je dat AI het leven van een kankerpatiënt in Japan al heeft gered? Specialisten van het Tokyo Institute of Medical Research behandelden de patiënt voor acute leukemie. Alleen de therapie hielp niet. Wat te doen?
En de doktoren waagden hun kans - ze vroegen om hulp van de supercomputer van IBM Watson. De resultaten van de onderzoeken werden in de zielloze machine geladen en de "start" -knop werd ingedrukt. De machine analyseerde de medische geschiedenis van 20 miljoen kankerpatiënten, vergeleek de diagnoses en stuurde het resultaat terug: de artsen stelden de verkeerde diagnose. Dit betekent dat de vrouw niet is behandeld zoals het hoort. Het ging steeds beter.
"Voor het eerst in Japan kwam kunstmatige intelligentie van pas om het leven van een patiënt te redden", geeft Arinobu Tojo, een specialist aan het Tokyo Institute, toe.
DE MACHINE DENKT ALS EEN MAN
Promotie video:
De vage term "kunstmatige intelligentie" wordt nu steeds meer begrepen als een kunstmatig neuraal netwerk (ANN). Het simuleert het werk van onze hersenneuronen.
Dergelijke machines hoeven niet handmatig te worden geconfigureerd door miljoenen parameters in te voeren. Het neurale netwerk leert vanzelf! Hoe? Duizenden voorbeelden van de juiste oplossing voor het probleem worden erin geladen - hoe meer, hoe beter. Bovendien moet u nog steeds de netwerkstructuur instellen.
Indien nodig leert INS schaken en slaat ze de beste grootmeesters kapot. Wil je beginnen met het creëren van niet slechter dan Poesjkin. Gooi er gewoon een paar delen van Alexander Sergejevitsj in, en nu "Ik herinner me een prachtig moment …"
We zijn al in deze netwerken gevallen. Een spraakherkenningssysteem in een smartphone, toepassingen voor fotoverwerking, zelfs een weersvoorspelling - dit alles, waar je ook kijkt, is het resultaat van een neuraal netwerk.
Het zijn neurale netwerken die helpen om een auto te herkennen aan de hand van camerabeelden op snelwegen, om een persoon te identificeren op basis van een foto. En identificeer indien nodig de terrorist. En neurale netwerken zullen ook een auto besturen en de chirurg aan de operatietafel vervangen …
WACHTT U OP NEURON ARMAGEDDON?
De hoeveelheid digitale informatie verdubbelt elke 18 maanden. Volgens IT-specialisten zal het tegen 2020 40 biljoen gigabyte bedragen.
En alleen neurale netwerken zijn in staat om zulke hoeveelheden gegevens te vermalen waar zelfs supercomputers nooit van hadden kunnen dromen. Zullen zulke slimme machines de luie mensheid tot slaaf maken?
De grootste geesten - natuurkundige Stephen Hawking en Tesla-oprichter Elon Musk - bieden wetenschappers en programmeurs aan om, voordat het te laat is, de grens te bepalen waarbuiten neurale netwerken hun neus niet mogen porren en voorkomen dat machines in deze gebieden klimmen. Anders kunnen neurale netwerken vroeg of laat besluiten dat mensen op deze planeet overbodig zijn.
HOE DOEN WE?
Chaos op orde brengen …
"Ook wij gebruiken en ontwikkelen nu actief neurale netwerken", zegt Vladislav Belyaev, plaatsvervangend hoofd van het laboratorium voor neurale systemen en deep learning bij MIPT. - Dit wordt niet alleen gedaan door grote bedrijven - Yandex en Mail. Ru - maar ook door kleine. DeepHackLab houdt zich bijvoorbeeld bezig met gesprekssystemen en intelligente gedragsmodellering. Fiztech, Skoltech, Moscow State University kunnen bogen op succesvolle projecten …
- Maar dit vereist krachtige supercomputers zoals IBM Watson …
- We hebben ze. De Moscow State University bezit de krachtigste supercomputer van het land, Lomonosov-2. Hij is een van de dertig beste computers ter wereld. MIPT en de Advanced Research Foundation plannen een project om kunstmatige neurale netwerken te creëren.
- Zullen neurale netwerken de mensheid helpen om niet te verdrinken in deze enorme stroom aan informatie?
- Zeker! Hoe meer gegevens voor het trainen van een neuraal netwerk, hoe beter het resultaat. Tegelijkertijd kunnen neurale netwerken werken met zowel gestructureerde informatie als dat wat in een chaotische vorm is. Het belangrijkste is om te leren hoe u de juiste taken instelt, gegevens selecteert en neurale netwerkarchitecturen bouwt.
- Wat doet uw laboratorium?
- Het laboratorium wordt geleid door de kandidaat voor fysische en wiskundige wetenschappen Mikhail Burtsev. Ons doel is om algoritmen te ontwikkelen voor terugkerende neurale netwerken, dat wil zeggen, waarin er feedback is. De onderzoeksresultaten gebruiken we voor de analyse van teksten en de opbouw van dialoogsystemen.
UITZICHT VANAF 6E VERDIEPING
Nog maar een halve stap
Alexander MILKUS, redacteur van de afdeling onderwijs en wetenschap
Stemassistenten - Siri van Apple, Cortana van Microsoft, Ok Google, je weet van wie, en vele anderen (er zijn er nu veel) zijn een klassiek voorbeeld van een neuraal netwerk. Hoe vaker u met uw computerassistent communiceert, hoe beter hij uw stem verstaat, hoe sneller hij informatie vindt en hoe groter de mogelijkheden voor zijn antwoorden.
Ja, hij begrijpt je niet altijd precies. En hij reageert niet altijd adequaat. Maar de oplossing voor dit belangrijkste probleem van de 21ste eeuw is duidelijk niet ver weg. Zodra de computer leert om niet alleen in monosyllables te reageren op verzoeken, maar ook om de nuances van menselijke spraak te begrijpen, zal onze wereld op zijn kop staan.
