Что может ИИ и машинное обучение в 2021 году

В последние годы на IT-рынке произошёл настоящий бум из-за искусственного интеллекта. И в этом нет ничего удивительного: современные вычислительные и нейросетевые технологии достигли уровня, позволяющего AI-системам решать весьма сложные для человека практические задачи, а разработчикам создавать инновационные сервисы.

В этой статье мы расскажем о том, как уже применяется ИИ в разных сферах и о самых перспективных технологиях будущего.

Медицина

Оптимизированная обработка данных о пациентах

Число больных по всему миру ежедневно растёт. Помочь обработать такое количество данных и автоматизировать информацию о пациентах по всему миру может искусственный интеллект. Один из примеров — созданный нейросетью сервис OLIVE — платформа для автоматизации задач здравоохранения (особенно актуально в пандемию коронавируса).

Создание медикаментов

Создание новых лекарств — трудоёмкий процесс, потому что медикам нужно проводить множество тестов для поиска правильной формулы. В этом им помогает ИИ. Atomwise — один из примеров технологии, которая позволяет обнаруживать новые молекулы. Она используется в создании новых лекарств от 27 болезней в сотрудничестве с Гарвардским и Стэнфордским университетами и фармацевтическими компаниями.

Диагностика рака

Патологи применяют ИИ для более точной диагностики рака. Данные о различных видах рака применяют для создания предиктивной модели. Например, для этого используют технологию PathAI.

Финансы

Деньги становятся цифровыми. Общая сумма электронных платежей на сегодняшний день составляет 4 триллионов долларов, и, по прогнозам, может составить более 8 триллионов к 2024 году.

Все данные о таких операциях будут обрабатываться нейросетями, что позволит улучшить финансовую индустрию к концу 2021 года. Например, сервис Dataminr уже собирает информацию из различных текстовых источников и представляет пользователю график важных событий, которые могут отразиться на его инвестициях.

Безопасность

Цифровые платежи имеют определённые риски. Например, в 2020 году россияне потеряли 2,5 миллиарда рублей из-за мошенников. Машинное обучение идеально подходит для борьбы с ними. Например, британская компания AimBrain, с помощью машинного обучения предотвращает кражу аккаунтов и обнаруживает аккаунты мошенников. Ждём похожий сервис и от российских разработчиков. 😉 

Трейдинг

Алгоритмы, созданные нейросетью, можно использовать для автоматизации ведения торгов. Если предоставить данные о ценах, объёмах продаж, датах и настроению людей (или «погоде» в обществе), то в 2021 году возможно создать систему, которая сможет создавать прогнозы для рынка. Алгоритм сможет обучаться и адаптироваться к изменениям в реальном времени, чтобы создавать максимально точные предсказания. Этим проектом занимается Kayrros — компания, анализирующая данные для успешных инвестиций. 

GAN 

Генеративно-состязательная нейросеть (Generative adversarial network, сокращённо GAN) — это модель машинного обучения, умеющая имитировать заданное распределение данных. GAN состоят из двух нейронных сетей, одна из которых обучена генерировать данные, а другая — отличать смоделированные данные от реальных (отсюда и «состязательный» характер модели). Если вам интересна эта тема — можете почитать наши предыдущие статьи о GAN, например, «Генерация аниме с помощью нейросети StyleGAN» или «Реалистичные пейзажи из рисунков».

С помощью GAN можно получить датасеты изображений, лиц, персонажей мультфильмов, переводить изображения в текст и обратно, создавать 3D объекты и так далее. Областей применения GAN множество, но они могут принести не только пользу. Одно из последних применений GAN-приложений это дипфейки. 

Дипфейки используют технологии искусственного интеллекта для синтеза изображений, в результате чего один персонаж как бы накладывается на другого и получается «комбо» (да-да, можно даже сделать терминатора из Бреда Питта).

Дипфейки 2020 года отличаются от своих предшественников более высоким качеством — технология не стоит на месте. Вот несколько областей, в которых используются GAN:

Архитектура

Компания NVIDIA создала нейросеть GauGAN, которая превращает скетчи в реальные изображения. Программа помогает архитекторам собирать из чертежей проекты зданий, а геймдизайнерам — быстрее создавать локации для игр. Попробуйте сами и убедитесь! 😉

Индустрия моды

Например, российское модельное агентство Areola Models оцифровало 10 моделей — сегодня виртуальные копии девушек участвуют в съёмках по всему миру и работают 24 часа и 7 дней в неделю.

Журналистика

Благодаря GAN и дипфейкам журналисты-расследователи меняют внешность героев в своих репортажах, чтобы сохранить анонимность людей. Такой приём, например, использовал канал НВО при создании документального фильма «Добро пожаловать в Чечню».

Астрофизика 

Алгоритм GAN предлагается использовать в 2021 году и в астрофизике для того, чтобы избавляться от помех и шумов при съёмке космических объектов и получать качественные изображения.

Сегодня технология GAN остаётся предметом жарких споров: с одной стороны можно создавать полезные сервисы, а с другой дипфейки могут уничтожить чью-то репутацию. Например, так осенью 2020 в Италии пострадали тысячи женщин: появился бот, который мог соединять на картинке лицо любого человека и фейковое обнажённое тело. Также дипфейк-видео неоднократно использовались в политических или мошеннических целях. К примеру, у генерального директора британской энергетической компании мошенники смогли выманить 220 тысяч евро с помощью дипфейковой имитации голоса его руководителя.

Важно помнить, что сама по себе GAN-технология не может расцениваться как хорошая или плохая — главный вопрос в том, будет человек использовать её как оружие или как инструмент.

Reinforcement learning (обучение с подкреплением)

RL — это область машинного обучения ИИ, где й изучается, как испытуемая система (агент) взаимодействует с окружением (средой) для получения максимального вознаграждения (отклика этой среды, то есть — подкрепления).

RL можно сравнить с дрессировкой пса. Представьте, что вы взяли себе щенка. Чтобы научить его чему-то, вам нужно использовать систему вознаграждений. Если пёс вас слушает — вы даёте ему вкусняшку. Также происходит и с машинным обучением.

Например, посмотрите как программисты из OpenAI, компании, основанной Илоном Маском, показали, как агенты играют в прятки.

Им не давали явных инструкций о том, как играть. После миллионов симуляций агенты научились взаимодействовать с окружающей средой самостоятельно:

• тот, кто прячется, научился строить маленькие форты и баррикады;
• тот, кто ищет, начал использовать пандусы чтобы забираться на стены и находить спрятавшихся.

Какой плюс от этой технологии? Именно с помощью неё можно обучать роботов, которые смогут кардинально изменить нашу жизнь.

Быт

Если бы вас попросили ответить не задумываясь, в каких областях применяют роботов, вы бы наверняка первым делом представили футуристические пейзажи, на фоне которых андроиды завоевывают космос. Но нет, технология «обучения с подкреплением» ближе, чем вы думаете. Наверняка каждый уже слышал о роботе-пылесосе или роботе-газонокосильщике. 

Безопасность

Уже сегодня применяются устройства со специальными датчиками, которые оперативно обнаруживают пожароопасные ситуации и успешно предотвращают их.

Автомобили

Посмотрите пример академического проекта курса машинного обучения в Римском университете La Sapienza. В нём применяется нейронная сеть, которая использует RL, чтобы научиться водить машину, используя только три датчика на передней части автомобиля. Возможно через пару лет нам и машиной управлять не придётся — кто знает!

⌘⌘⌘

Что вы думаете по этому поводу? Принесут ли технологии искусственного интеллекта пользу или, может быть вы видите в них опасность?Делитесь своими мыслями в комментариях.

А если вы хотите изменить мир своим проектом, не забудьте выбрать подходящую инфраструктуру.  Меняйте будущее вместе с нами!

Адаптированный перевод статьи Machine Learning Trends to Watch Out in 2020 and 2021.