Итоги года в области Искусственного интеллекта, Машинного обучения и Науки о данных
Что искусственный интеллект сделал за 2018 год: сдал экзамены, обнаружил болезнь Альцгеймера раньше врачей и научил робота паркуру
В 2018 у ИИ и роботов были как победы, так и поражения. Машины лучше человека сдали экзамен на понимание текста, значительно улучшили свою краткосрочную память и научились более ловко прыгать через препятствия. В то же время у ИИ нашлись и новые ограничения: оказалось, что алгоритмы не слишком хорошо работают в команде, уступая в этом умении людям. ИИ активно обсуждали на крупнейших глобальных экономических форумах, а проблемы этики в области машинного обучения стали настолько значимыми, что ряд крупных компаний и международных организаций создал комитеты по этим вопросам.
Не только человечество усердно трудилось весь год, разрабатывая и внедряя новые технологии, совершая научные прорывы и осваивая космос. У ИИ тоже выдался насыщенный год. Несмотря на скепсис многих экспертов, предсказывающих совсем скорое наступление «зимы» для технологии ИИ, дата-сайентистам удается преодолевать технологические тупики. Из неудач — команда ботов OpenAI впервые проиграла людям в чемпионате по Dota 2. В остальном 2018-й стал годом под знаком ИИ, машинного обучения и успехов в роботехнике.
Уже сдал экзамен лучше человека
15 января. Нейросеть сдала Стэнфордский тест на чтение и понимание текста лучше человека. Тест считается одним из наиболее точных инструментов для измерения способностей интеллекта. В этом году ИИ прошел опросник с результатом 82,6%, лучший результат человека — 82,3%. Чем лучше ИИ понимает человека, тем проще бизнесу применять его для различных задач, в том числе — связанных с обслуживанием клиентов. ИИ сможет полноценно принимать и правильно адресовать специалистам вопросы от пользователей, регистрировать людей на рейс, автоматически открывать счет в банке, делать заказы в интернет-магазине и выполнять другие поручения. Развитие технологий обработки естественного языка особенно значимо для юристов, анализирующих большой объем договоров и контрактов на предмет нарушений, риск-менеджеров, которые оценивают последствия решений для компании, а также для создания более интеллектуальных виртуальных ассистентов.
23 января. ИИ стал главной темой Всемирного экономического форума в Давосе 2018 года — глобальной трибуны для обсуждения экономических и общественных вопросов. Глава IBM Джинни Рометти рассказала о концепции «объясняемого ИИ», когда технологии не только решают задачи компаний, но и аргументируют свои действия. Это уменьшает недоверие людей к новым технологиям и допускает их применение в более сложных процессах.
29 марта. Microsoft организовала комитет по этике ИИ. Вслед за ней подобные подразделения создали и другие корпорации — Facebook, Google и SAP. Игрокам есть чего бояться — ИИ не только кардинально меняет нашу жизнь, но и приносит в нее новые вызовы. Вместе с автоматизацией появляется риск, что часть людей потеряет рабочие места. ИИ дает огромное конкурентное преимущество крупному бизнесу, а это, в свою очередь, может усилить экономическое неравенство. ИИ зависит от качества и количества данных, которые используются для обучения. Их недостаток приводит к ошибкам или даже предвзятости в работе технологий. Известны примеры, когда роботы-рекрутеры принимали на работу только мужчин, отказывали в кредите людям определенной национальности или даже видели в них потенциальных преступников. В постановке медицинских диагнозов ИИ сегодня тоже недостаточно точен: по некоторым оценкам, машина не ошибается только в 60% случаев. Люди не могут во всем доверять ИИ, и для спорных ситуаций корпорациям и государствам нужно выработать общие принципы взаимодействия с технологиями: не нарушать права человека, повышать прозрачность работы ИИ, соблюдать стандарты безопасности, защищать персональные данные и не вредить.
Победил катастрофическую забывчивость
31 августа. ИИ научился помнить. Новая нейросеть отделяет распознанные объекты от окружающей их виртуальной среды, чтобы затем «представить» их в другой обстановке. Условный кактус в пустыне она распознает и в комнатном горшке. Система понимает, как объект выглядит под другим углом и освещением. Это еще одна попытка преодолеть проблему ИИ — «катастрофическую забывчивость». Традиционные нейросети не способны последовательно учиться новому и не забывать при этом старое. Подобные технологии будут особенно полезны в работе с изображениями: например, позволят лучше распознавать лица людей с разными прическами или цветом глаз.
5 сентября. Google запустила поиск по открытым датасетам. В выдаче Dataset Search указывается информация о ресурсе, на котором опубликован набор данных, авторы, лицензия, дата обновления, описание и доступные для скачивания форматы. Тематика наборов не ограничена.
24 сентября. Команда ботов OpenAI впервые проиграла людям в чемпионате по Dota 2, что удивительно, — ведь в последнее время алгоритмы все чаще побеждают человека в различных играх: Jeopardy, шахматы и го. А еще год назад алгоритм, созданный компанией Open AI, выиграл у человека в ту же Dota 2 один на один. Сентябрьское сражение показало, что машины по-настоящему сильны в индивидуальном зачете, а вот работа в команде, коммуникация, распределение обязанностей и работа в изменчивых условиях — не самые сильные стороны ИИ. С одной стороны, это яркий пример того, какие профессиональные навыки будут востребованы у людей в ближайшем будущем. С другой стороны, индивидуализм характерен для человека, а это значит, что технологии больше становятся похожими на нас самих.
12 октября. Человекоподобные роботы Boston Dynamics научились бегать и перепрыгивать через препятствия. Теперь они обрабатывают видео в реальном времени, а специальная программа помогает балансировать конечностям и торсу машины. За последние пять лет робот научился ходить по снегу, стоять на одной ноге и делать сальто. ИИ помогает роботам лучше ориентироваться в пространстве и работать в необычных, иногда даже экстремальных ситуациях. В ближайшие несколько лет подобных роботов будут активно использовать в условиях, где человеку опасно находиться: при производстве автомобилей, в металлургии и химической промышленности, а еще для спасения людей при чрезвычайных ситуациях.
Обещает полностью излечить генетические заболевания
7 ноября. ИИ научился прогнозировать болезнь Альцгеймера на ранних стадиях: распознавать изменения в участках нервной ткани, вызванные обменом веществ в определенных отделах мозга. В отличие от томографии, ИИ способен определить симптомы заболевания на шесть лет раньше. С его помощью у врачей появится возможность замедлять или вообще останавливать деменцию. 2018-й вообще можно назвать годом медицинских достижений для ИИ: технологии уже помогают выделять признаки клинической депрессии, диагностируют переломы, прогнозируют вероятность развития рака груди, ожирения и разрабатывают новые лекарства. С помощью текстовой аналитики врачи быстрее находят научные статьи в глобальной базе знаний, ставят диагноз и назначают лечение. В дальнейшем ИИ будет все активнее работать не на лечение, а именно на предотвращение болезней, в том числе на генетическом уровне: блокировать наследственные заболевания, склонность к ожирению и диабету, аллергии. Например, компания Deep Genomics обещает через десять лет полностью излечить спинальную мышечную атрофию — наследственное заболевание, повреждающее нейроны спинного мозга.
11 декабря. Проведены первые исследования, выяснившие, насколько человек доверяет ИИ. Для этого ученые использовали алгоритмы машинного обучения и анализировали психофизиологические показатели — пульс и данные электроэнцефалографии. Исследователи определяли, как человек настроен по отношению к машине в конкретной жизненной ситуации: может ли он полностью довериться ИИ или предпочтет взять ответственность на себя. Такие эксперименты особенно важны для задач, в которых машины и люди уже действуют совместно: уход за пожилыми людьми с помощью роботов-ассистентов, сложные хирургические операции, работа в чрезвычайных ситуациях или на опасном производстве. Пока говорят о взаимодействии только одного человека и машины. В недалеком будущем потребуется слаженная координация в работе целых команд людей и роботов, и нам потребуется больше доверять ИИ.
А что ждет нас в 2019 году? Вот несколько предположений.
1. Усилится борьба за данные для обучения алгоритмов специфическим отраслевым задачам — банковским, юридическим, кадровым, в медицине, космосе, сельском хозяйстве, коммуникациях.
Второй способ — в условиях ограниченного количества данных обучать технологии с помощью перспективных алгоритмов, таких как transfer learning, knowledge transfer, one-shot learning и generative adversarial networks (GAN). Метод transfer learning заключается в том, что если обучить глубокую нейронную сеть выполнять одну задачу, то можно будет использовать ту же архитектуру для обучения на другом наборе данных. Благодаря transfer learning виртуальный ассистент Alexa быстро научился понимать не только английский, но также французский и испанский и значительно расширил свой «кругозор».
2. Увеличится спрос на разработчиков ИИ. Еще по итогам 2018-го они получали сотни тысяч долларов в год, но зарплаты дата-сайентистов продолжат расти.
Это связано с тем, что они должны обладать уникальным набором знаний, в числе которых — машинное обучение, программирование, статистика, математика, визуализация данных, глубокое обучение и коммуникация. Именно эти навыки, по данным порталов LinkedIn, Indeed, SimplyHired, Monster и AngelList, пользуются наибольшим спросом. В среднем на одного специалиста охотятся сразу три-четыре компании. Поэтому HR следует подумать, чем еще они могут привлечь специалистов высокого класса, помимо денег. В 2018 году HeadHunter провел исследование среди ИТ-специалистов: для 49% соискателей важны гибкий график и возможность работать удаленно, 46% желательно, чтобы у них были интересные проекты и задачи, а для 41% оказалась значимой работа в профессиональной команде.
3. В связи с ростом конкуренции за готовых специалистов корпорации будут активнее инвестировать в школьное и университетское образование.
4. Виртуальные помощники станут более умными и от простейших действий перейдут к более сложным — смогут поддерживать телефонный разговор с человеком, записывать нас в парикмахерскую на нужное время без напоминаний или предупреждать о необходимости посетить врача.
5. Разработчики будут уделять больше внимания интерпретации результатов работы нейросетей.
Сейчас в 99% случаев технологии ИИ напоминают черный ящик: система получает данные, обрабатывает их и выдает результат. Например, определяет, какой кредит и с какими процентами можно дать клиенту, вычисляет задержку авиарейса, выбирает готовый ответ на обращение пользователя. Но мы не всегда понимаем, почему она приходит к этому выводу, на основании чего выбираются те или иные гипотезы, какие признаки и вводные считает значимыми, какие оценки учитываются. Это затрудняет работу бизнеса и людей с системой, так как не всегда можно доверять выводам без аргументов.
Поэтому исследователи все больше интересуются не только качеством решения задач с помощью моделей, но и тем, насколько хорошо нейросети способны передать какое-то лингвистическое или математическое явление. Эту тему, например, активно обсуждали в октябре на крупнейшей конференции по технологиям обработки естественного языка в Брюсселе — Empirical Methods in Natural Language Processing. Разработки в области «объясняемого ИИ» особенно активно ведутся в здравоохранении, инвестиционных компаниях и банках, в производстве самоуправляемых автомобилей, в робототехнике — областях, где неверное решение ведет к финансовым потерям или рискам для жизни.
Больше подробностей:
Что искусственный интеллект сделал за 2018 год: сдал экзамены, обнаружил болезнь Альцгеймера раньше врачей и научил робота паркуру
В 2018 у ИИ и роботов были как победы, так и поражения. Машины лучше человека сдали экзамен на понимание текста, значительно улучшили свою краткосрочную память и научились более ловко прыгать через препятствия. В то же время у ИИ нашлись и новые ограничения: оказалось, что алгоритмы не слишком хорошо работают в команде, уступая в этом умении людям. ИИ активно обсуждали на крупнейших глобальных экономических форумах, а проблемы этики в области машинного обучения стали настолько значимыми, что ряд крупных компаний и международных организаций создал комитеты по этим вопросам.
Не только человечество усердно трудилось весь год, разрабатывая и внедряя новые технологии, совершая научные прорывы и осваивая космос. У ИИ тоже выдался насыщенный год. Несмотря на скепсис многих экспертов, предсказывающих совсем скорое наступление «зимы» для технологии ИИ, дата-сайентистам удается преодолевать технологические тупики. Из неудач — команда ботов OpenAI впервые проиграла людям в чемпионате по Dota 2. В остальном 2018-й стал годом под знаком ИИ, машинного обучения и успехов в роботехнике.
Уже сдал экзамен лучше человека
15 января. Нейросеть сдала Стэнфордский тест на чтение и понимание текста лучше человека. Тест считается одним из наиболее точных инструментов для измерения способностей интеллекта. В этом году ИИ прошел опросник с результатом 82,6%, лучший результат человека — 82,3%. Чем лучше ИИ понимает человека, тем проще бизнесу применять его для различных задач, в том числе — связанных с обслуживанием клиентов. ИИ сможет полноценно принимать и правильно адресовать специалистам вопросы от пользователей, регистрировать людей на рейс, автоматически открывать счет в банке, делать заказы в интернет-магазине и выполнять другие поручения. Развитие технологий обработки естественного языка особенно значимо для юристов, анализирующих большой объем договоров и контрактов на предмет нарушений, риск-менеджеров, которые оценивают последствия решений для компании, а также для создания более интеллектуальных виртуальных ассистентов.
23 января. ИИ стал главной темой Всемирного экономического форума в Давосе 2018 года — глобальной трибуны для обсуждения экономических и общественных вопросов. Глава IBM Джинни Рометти рассказала о концепции «объясняемого ИИ», когда технологии не только решают задачи компаний, но и аргументируют свои действия. Это уменьшает недоверие людей к новым технологиям и допускает их применение в более сложных процессах.
29 марта. Microsoft организовала комитет по этике ИИ. Вслед за ней подобные подразделения создали и другие корпорации — Facebook, Google и SAP. Игрокам есть чего бояться — ИИ не только кардинально меняет нашу жизнь, но и приносит в нее новые вызовы. Вместе с автоматизацией появляется риск, что часть людей потеряет рабочие места. ИИ дает огромное конкурентное преимущество крупному бизнесу, а это, в свою очередь, может усилить экономическое неравенство. ИИ зависит от качества и количества данных, которые используются для обучения. Их недостаток приводит к ошибкам или даже предвзятости в работе технологий. Известны примеры, когда роботы-рекрутеры принимали на работу только мужчин, отказывали в кредите людям определенной национальности или даже видели в них потенциальных преступников. В постановке медицинских диагнозов ИИ сегодня тоже недостаточно точен: по некоторым оценкам, машина не ошибается только в 60% случаев. Люди не могут во всем доверять ИИ, и для спорных ситуаций корпорациям и государствам нужно выработать общие принципы взаимодействия с технологиями: не нарушать права человека, повышать прозрачность работы ИИ, соблюдать стандарты безопасности, защищать персональные данные и не вредить.
Победил катастрофическую забывчивость
31 августа. ИИ научился помнить. Новая нейросеть отделяет распознанные объекты от окружающей их виртуальной среды, чтобы затем «представить» их в другой обстановке. Условный кактус в пустыне она распознает и в комнатном горшке. Система понимает, как объект выглядит под другим углом и освещением. Это еще одна попытка преодолеть проблему ИИ — «катастрофическую забывчивость». Традиционные нейросети не способны последовательно учиться новому и не забывать при этом старое. Подобные технологии будут особенно полезны в работе с изображениями: например, позволят лучше распознавать лица людей с разными прическами или цветом глаз.
5 сентября. Google запустила поиск по открытым датасетам. В выдаче Dataset Search указывается информация о ресурсе, на котором опубликован набор данных, авторы, лицензия, дата обновления, описание и доступные для скачивания форматы. Тематика наборов не ограничена.
24 сентября. Команда ботов OpenAI впервые проиграла людям в чемпионате по Dota 2, что удивительно, — ведь в последнее время алгоритмы все чаще побеждают человека в различных играх: Jeopardy, шахматы и го. А еще год назад алгоритм, созданный компанией Open AI, выиграл у человека в ту же Dota 2 один на один. Сентябрьское сражение показало, что машины по-настоящему сильны в индивидуальном зачете, а вот работа в команде, коммуникация, распределение обязанностей и работа в изменчивых условиях — не самые сильные стороны ИИ. С одной стороны, это яркий пример того, какие профессиональные навыки будут востребованы у людей в ближайшем будущем. С другой стороны, индивидуализм характерен для человека, а это значит, что технологии больше становятся похожими на нас самих.
12 октября. Человекоподобные роботы Boston Dynamics научились бегать и перепрыгивать через препятствия. Теперь они обрабатывают видео в реальном времени, а специальная программа помогает балансировать конечностям и торсу машины. За последние пять лет робот научился ходить по снегу, стоять на одной ноге и делать сальто. ИИ помогает роботам лучше ориентироваться в пространстве и работать в необычных, иногда даже экстремальных ситуациях. В ближайшие несколько лет подобных роботов будут активно использовать в условиях, где человеку опасно находиться: при производстве автомобилей, в металлургии и химической промышленности, а еще для спасения людей при чрезвычайных ситуациях.
Обещает полностью излечить генетические заболевания
7 ноября. ИИ научился прогнозировать болезнь Альцгеймера на ранних стадиях: распознавать изменения в участках нервной ткани, вызванные обменом веществ в определенных отделах мозга. В отличие от томографии, ИИ способен определить симптомы заболевания на шесть лет раньше. С его помощью у врачей появится возможность замедлять или вообще останавливать деменцию. 2018-й вообще можно назвать годом медицинских достижений для ИИ: технологии уже помогают выделять признаки клинической депрессии, диагностируют переломы, прогнозируют вероятность развития рака груди, ожирения и разрабатывают новые лекарства. С помощью текстовой аналитики врачи быстрее находят научные статьи в глобальной базе знаний, ставят диагноз и назначают лечение. В дальнейшем ИИ будет все активнее работать не на лечение, а именно на предотвращение болезней, в том числе на генетическом уровне: блокировать наследственные заболевания, склонность к ожирению и диабету, аллергии. Например, компания Deep Genomics обещает через десять лет полностью излечить спинальную мышечную атрофию — наследственное заболевание, повреждающее нейроны спинного мозга.
11 декабря. Проведены первые исследования, выяснившие, насколько человек доверяет ИИ. Для этого ученые использовали алгоритмы машинного обучения и анализировали психофизиологические показатели — пульс и данные электроэнцефалографии. Исследователи определяли, как человек настроен по отношению к машине в конкретной жизненной ситуации: может ли он полностью довериться ИИ или предпочтет взять ответственность на себя. Такие эксперименты особенно важны для задач, в которых машины и люди уже действуют совместно: уход за пожилыми людьми с помощью роботов-ассистентов, сложные хирургические операции, работа в чрезвычайных ситуациях или на опасном производстве. Пока говорят о взаимодействии только одного человека и машины. В недалеком будущем потребуется слаженная координация в работе целых команд людей и роботов, и нам потребуется больше доверять ИИ.
А что ждет нас в 2019 году? Вот несколько предположений.
1. Усилится борьба за данные для обучения алгоритмов специфическим отраслевым задачам — банковским, юридическим, кадровым, в медицине, космосе, сельском хозяйстве, коммуникациях.
Второй способ — в условиях ограниченного количества данных обучать технологии с помощью перспективных алгоритмов, таких как transfer learning, knowledge transfer, one-shot learning и generative adversarial networks (GAN). Метод transfer learning заключается в том, что если обучить глубокую нейронную сеть выполнять одну задачу, то можно будет использовать ту же архитектуру для обучения на другом наборе данных. Благодаря transfer learning виртуальный ассистент Alexa быстро научился понимать не только английский, но также французский и испанский и значительно расширил свой «кругозор».
2. Увеличится спрос на разработчиков ИИ. Еще по итогам 2018-го они получали сотни тысяч долларов в год, но зарплаты дата-сайентистов продолжат расти.
Это связано с тем, что они должны обладать уникальным набором знаний, в числе которых — машинное обучение, программирование, статистика, математика, визуализация данных, глубокое обучение и коммуникация. Именно эти навыки, по данным порталов LinkedIn, Indeed, SimplyHired, Monster и AngelList, пользуются наибольшим спросом. В среднем на одного специалиста охотятся сразу три-четыре компании. Поэтому HR следует подумать, чем еще они могут привлечь специалистов высокого класса, помимо денег. В 2018 году HeadHunter провел исследование среди ИТ-специалистов: для 49% соискателей важны гибкий график и возможность работать удаленно, 46% желательно, чтобы у них были интересные проекты и задачи, а для 41% оказалась значимой работа в профессиональной команде.
3. В связи с ростом конкуренции за готовых специалистов корпорации будут активнее инвестировать в школьное и университетское образование.
4. Виртуальные помощники станут более умными и от простейших действий перейдут к более сложным — смогут поддерживать телефонный разговор с человеком, записывать нас в парикмахерскую на нужное время без напоминаний или предупреждать о необходимости посетить врача.
5. Разработчики будут уделять больше внимания интерпретации результатов работы нейросетей.
Сейчас в 99% случаев технологии ИИ напоминают черный ящик: система получает данные, обрабатывает их и выдает результат. Например, определяет, какой кредит и с какими процентами можно дать клиенту, вычисляет задержку авиарейса, выбирает готовый ответ на обращение пользователя. Но мы не всегда понимаем, почему она приходит к этому выводу, на основании чего выбираются те или иные гипотезы, какие признаки и вводные считает значимыми, какие оценки учитываются. Это затрудняет работу бизнеса и людей с системой, так как не всегда можно доверять выводам без аргументов.
Поэтому исследователи все больше интересуются не только качеством решения задач с помощью моделей, но и тем, насколько хорошо нейросети способны передать какое-то лингвистическое или математическое явление. Эту тему, например, активно обсуждали в октябре на крупнейшей конференции по технологиям обработки естественного языка в Брюсселе — Empirical Methods in Natural Language Processing. Разработки в области «объясняемого ИИ» особенно активно ведутся в здравоохранении, инвестиционных компаниях и банках, в производстве самоуправляемых автомобилей, в робототехнике — областях, где неверное решение ведет к финансовым потерям или рискам для жизни.
Больше подробностей:
Тільки зареєстровані користувачі бачать весь контент у цьому розділі
