ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ: НАСТОЯЩЕЕ И БУДУЩЕЕ
Трунов Дмитрий Константинович
студент
Финансовый университет при Правительстве
Российской Федерации, Липецкий филиал
Россия, г. Липецк
Научный руководитель: Пастухова Ольга Николаевна
cтарший преподаватель кафедры информатика,
математика и общегуманитарные науки
Финансовый университет при Правительстве
Российской Федерации, Липецкий филиал
Россия, г. Липецк
Аннотация. Данная статья носит обзорный характер и призвана рассмотреть применение ИИ в тех сферах жизни, в которых эти технологии нашли наиболее эффективное применение и уже сегодня играют значительную роль в жизни каждого, а также выявить основные тенденции и направления в которых стоит ожидать развития ИИ в ближайшие годы.
Ключевые слова: искусственный интеллект, интеллект, нейросети, здравоохранение, медицина, бизнес, машинное обучение, глубокое обучение, DeepMind.
Стоит ли говорить о важности этой темы. Искусственный интеллект уже давно не симулякр из фантастических произведений, а окружающая нас реальность. Всё больше электронных устройств и сервисов, которыми мы пользуемся на ежедневной основе, внедряют механизмы машинного обучения и этот процесс начался далеко не вчера.
Главы стран активно говорят о необходимости первенства в данной сфере. Они возлагают огромные ожидания от технологий, основывающихся на Искусственном Интеллекте, и вкладывают ресурсы в его развитие с целью первыми воспользоваться превосходством на этом поприще. Подобное положение дел близко по духу к Космической гонке второй половины XX века.
За последние год произошло явное увеличение количества сфер, в которых применяется Машинное обучение. Предлагаю рассмотреть имплементации ИИ в различных сферах жизни и науки, и на основе имеющихся данных спрогнозировать перспективы развития в будущем.
В данной статье не будут описаны подробности технологической реализации или разновидностей ИИ, как, впрочем, и не будут раскрыты вопросы о возможных моральных-этических, экономических и иных возможных угрозах, которые пророчат эксперты. Предлагается сфокусироваться на тех областях, в которых технологии ИИ уже сегодня играют значительную роль и помогают сделать нашу жизнь лучше. Попутно вы ознакомитесь с некоторыми фактами об Искусственном Интеллекте, которые и формируют столь светлые надежды и благодаря которым возлагаются высокие ожидания.
Обработка естественного языка и распознавание речи стали первыми примерами коммерческого использования машинного обучения. Вслед за ними появились задачи другие задачи автоматизации распознавания (текст, аудио, изображения, видео, лица и т.д.). Круг приложений этих технологий постоянно растёт и включает в себя беспилотные средства передвижения, медицинскую диагностику, компьютерные игры, поисковые движки, спам-фильтры, борьбу с преступностью, маркетинг, управление роботами, компьютерное зрение, перевозки, распознавание музыки и её классификация и многое другое [12]. За примерами далеко ходить не приходиться. Социальные сети, такие как Instagram, Twitter и Facebook активно анализируют информацию, поступающую от пользователя и при помощи механизмов машинного обучения, предлагает ему контент, который с наибольшим шансом окажется интересным и подходящим его увлечениям. Популярные сегодня стриминговые сервисы: Netflix [21], Amazon Prime, HBO GO, Spotify и другие базируются на ИИ, рекомендуя музыку, сериалы и кино на основе того, к чему пользователь проявлял своё внимание ранее. Голосовые помощники: Windows’s Cortana, Алиса от Яндекс, Apple’s Siri, Amazon’s Alexa. Огромное количество сервисов, подобных Google и Yandex, сегодня не могут существовать без систем с искусственным интеллектом.
На данном этапе, здравоохранение – это та сфера, в которой методы машинного обучения нашли наибольшее практическое применение. Согласно исследованиям [8] Global Market Insights, с 2017 по 2024 год на рынке здравоохранения ожидается взрывной ежегодный рост использования искусственного интеллекта в 40%.
Основным процессом, способствующим эффективной имплементации методов Машинного обучения в медицину является парадигма, которую авторы книги “Prediction Machines: The Simple Economics of Artificial Intelligence” Джошуа Ганс, Ави Гольдфарб, Аджай Агравал сформулировали как “Магия предсказания(The Magic of Prediction)” [17]. В то время как человек, анализируя результаты тестов пациента, его историю болезней и иные факторы, такие как диалог с больным, его ложь или незнание, тратит достаточно длительное время и конечный диагноз зачастую является ошибочным, что может привести к летальному исходу пациента, подобный синтез на основе данных об анализах за долгие годы лечения и выдача независимого результата на основе симуляции путём перебора миллиона вариантов поведения организма, не только займёт у системы искусственного интеллекта считанные минуты, но и окажется куда достовернее.
Подобным образом функционирует система IBM Watson Health. По предварительным оценкам в перспективе продвинутый анализ данных подобными платформами способствует победе над многими неизлечимыми болезнями, а также поможет заблаговременно диагностировать заболевания и справляться с ними на ранних стадиях.
Модуль Watson for Oncology, способный изучать медицинскую литературу со скоростью 2 миллиона статей в минуту и на основе полученных данных формировать несколько готовых вариантов лечения, применим для диагностики и лечения рака [16]. С подобной системой лечащим врачам достаточно определиться с окончательным диагнозом и в кратчайшие сроки перейти к лечению.
Такие программы как Sense.ly, Ada помогают людям, прошедшим длительное лечение или имеющим предрасположенность к каким-либо заболеваниям, следить за своим состоянием и получать рекомендации, в том числе по вопросам консультации с необходимыми специалистами. Проект Microsoft InnerEye [18] использует машинное обучение для формирования 3D моделей, которые помогают медэкспертам в хирургическом планировании и построение эффективного плана лечения путём лучевой терапии для людей, страдающих от онкологических заболеваний.
Различные смарт трекеры и часы, измеряющие ваш пульс [15] или служащие глюкометром точно так же наделены низшим искусственным интеллектом, который анализирует ваше состояние и предлагает рекомендации по смене темпа занятия спортом.
ИИ не обошёл и сферу исследования генома человека. Вычислительные алгоритмы способны определять последовательности ДНК и РНК у обширного числа пациентов для выявления новых целей для новых лекарств. Исследуя неструктурированные геномные последовательности в купе с технологиями глубокого обучения помогут выявить неочевидные закономерности и генетические вариации [22]. Подобные технологии существенно ускорили процесс синтеза новых нуклеотидных последовательностей и поиска наиболее эффективных лекарственных препаратов.
Переходя к более низшим уровням имплементации ИИ в сфере здравоохранения, обязательно следует отметить процессы, которые были успешно автоматизированы. Запись на приём, составление расписания, а также изучение данных медицинских снимков – МРТ, УЗИ, КТ и визуализация результатов проделанной работы, занимает у ИИ гораздо меньше времени чем у человека.
Процесс имплементации технологий ИИ в сферу образования начался недавно и всё ещё находится на ранних стадиях развития, можно выделить несколько уже начавших свою работы многообещающих проектов, а также перспективы развития в этом направлении.
Персонализация обучающих программ одна из наиболее развивающихся направлений в данной области. Нейронные сети, основываясь на способностях конкретного ученика, данных о темпе обучения, предпочтительном способе и личном опыте обучения, эмоциональном состоянии позволят сформировать индивидуальный план обучения [9]. Ожидается, что к 2024 году более 47% инструментов управления обучением будут включать в себя возможности ИИ и Машинного обучения [19]. Используя подобный подход станет возможным создание интерактивных онлайн-интерфейсов [2], которые позволят сформировать учебный план для каждого отдельного студента таким образом, чтобы каждый из студентов мог заниматься в удобных ему временных рамках и в своём темпе, а также при помощи обратной связи давать понять своему преподавателю, какие моменты он уже освоил, а какие ещё нет. Реализации подобных учебных программ уже существуют. В 2017 году стартап Parla, мобильное приложение с виртуальным преподавателем английского языка, привлёк два миллиона евро инвестиций. Программа адаптируется под ученика и обучается вместе с ним. Во время регистрации Parla анализирует аккаунт пользователя в социальной сети и на основе его интересов составляет индивидуальный план обучения.
В марте 2019 года Британская ИИ платформа Century [10], использующая гиперперсонализацию и сопутствующие ей методики и решения для повышения эффективности обучения в школах и университетах, подписала контракт с администрацией Фламандского регионом Бельгии для её внедрения в 700 школ в течении следующих 5 лет [1].
В дополнении к этому ИИ берёт на себя рутинные задачи, такие как генерация тестовых вопросов, оценивание креативных заданий, таких как сочинение [6]. По статистике педагоги очень часто тратят до 50% своего времени на непедагогические задачи, что сокращает прямой контакт с учениками. Системы искусственного интеллекта особенно полезны при управлении подобными задачами. Также они могут помочь с оценкой деятельности студентов, вопросами логистики и другими кадровыми вопросами. Системы искусственного интеллекта даже могут предоставить доступ к ресурсам и обеспечить обратную связь с родителями по мере необходимости для рутинных вопросов, давая учителям больше времени, чтобы сосредоточиться на вещах, которые требуют личного контакта с учениками.
Что касается высшего образования, сотрудники приемных комиссий колледжей рассматривают возможность использования систем искусственного интеллекта для повышения справедливости и качества процесса приема. Системы искусственного интеллекта, обученные таким образом, чтобы устранять большую часть человеческого предубеждения, начинают использоваться для обеспечения достоверного и справедливого допуска с использованием заданных критериев [2].
Беря во внимание данные факты, можно ожидать, что Нейронные сети и Машинное обучение займут весомое место в образовательном процессе. Уже сегодня ИИ в данной сфере демонстрирует свои преимущества в широком кругу учебных задач.
В вопросах национальной безопасности, в том числе и в военном деле, ИИ является технологическим базисом для перспективных систем управления вооружением [7] и координации на поле боя. Один из наиболее интересных аспектов машинного обучения в этой сфере связаны с подготовкой, обучением и отбором военнослужащих и офицерского состава. Подобно реализации в сфере образования, ИИ может быть использован для создания и обновления индивидуальных учебных планов. Механизмы ИИ в совокупности с технологиями виртуальной реальности способны генерировать эффективные испытания в более реалистичной и сложной манере, позволяя офицерам лучше готовится к возможным ситуациям на поле боя [4]. В особенности ВР-тренинги нашли применение в области авиации [3]. К тому же ИИ используется для прогнозирования технического обслуживания самолетов, который адаптирует его к особенностям отдельных моделей.
В 2017 году LOGSA заключила контракт с IBM's Watson для разработки персонализированного расписания для бронетранспортёров, основываясь на 17 датчиках, установленных на каждом из них. Уже в сентябре того же года LOGSA начала второй проект, использовавший Watson для анализа транспортных путей, пытаясь определить наиболее экономически выгодные временные периоды для доставки. Переключив данную задачу на нейронные сети, армия сумела сэкономить около 100 миллиона долларов в год. Потенциально возможно снизить расходы ещё больше за более меньший период времени [5].
Говоря об искусственном интеллекте, нельзя найти более заметного отображения этой технологии, чем беспилотные автомобили и летательные аппараты. Всего несколько лет назад использование полностью автоматизированного виртуального водителя было недостижимой мечтой, но уже сегодня, такие компании как Tesla добилась фантастического прогресса, благодаря которому на дорогах уже можно увидеть автомобили без водителя. На дорогах США уже более 50 000 беспилотных моделей Tesla [20].
Компания ExynTechnologies, мировой лидер в области анализа данных в средах без доступа к GPS, используют Машинное обучение для создания эффективного интерфейса, который предоставляется дронам для анализа окружающего пространства, благодаря чему дрон способен независимо выстраивать свой маршрут без спутниковых систем навигации. Данная технология активно применяется в горном деле, на больших складах и в строительстве [13].
Также необходимо упомянуть активно развивающуюся технологию, успехи которой вряд ли прошли мимо вашего внимания. Компания Google DeepMinds, создавшая нейронную сеть, способную профессионально играть в видеоигры на уровне человека. В октябре 2015 программ AlphaGo победила чемпиона Европы по го со счётом 5 – 0 [14]. В 2016 году, на ежегодном фестивале Blizzcon 2016 представитель DeepMind объявил [11] о сотрудничестве с компанией Blizzard для развития ИИ в рамках исследования своей технологии в стратегии StarCraft 2. Всего за 18 месяцев после начала тренировок AlphaStar, получившая название по аналогии с AlphaGo, уверенно обыграла самых опытных игроков. Помимо развития ИИ с помощью игр занимается распознаванием естественного языка и речи машинами [23].
Ознакомившись с применением ИИ, можно с уверенностью сказать, что он уже довольно плотно интегрировался во все сферы общества и отрицать это уже невозможно. Проанализировав различные имплементации удалось выявить основные тенденции на данный момент: Предсказания, автоматизация и персонализация. В будущем мы можем ожидать как развитие в областях, в которых нейронные сети и машинное обучение уже показывают значительные результаты, так и расширение спектра работы технологий ИИ в самых неожиданных направлениях.
Список использованной литературы:
1. A British start-up will put AI into 700 schools in Belgium [Electronic resource] / Jenny Anderson // Quartz. — 2019. — Access mode: https://qz.com/1577451/century-tech-signs-deal-to-put-ai-in-700-classrooms-in-belgium/ (accessed: 20.12.2019).
2. AI Applications In Education [Electronic resource] / Ron Schmelzer // Forbes. — 2019. — Access mode: https://www.forbes.com/sites/cognitiveworld/2019/07/12/ai-applications-in-education/#69d4120162a3 (accessed: 20.12.2019).
3. AI bests Air Force combat tactics experts in simulated dogfights [Electronic resource] / Sean Gallagher // Arstechnica. — 2016. — Access mode: https://arstechnica.com/information-technology/2016/06/ai-bests-air-force-combat-tactics-experts-in-simulated-dogfights/ (accessed: 22.12.2019).
4. AI in Military Enabling Applications / Niklas Masuhr // CSS. — 2019.
5. Army logistics integrating new AI, cloud capabilities [Electronic resource] / Adam Stone // C4isrnet. — 2017. — Access mode: https://www.c4isrnet.com/home/2017/09/07/army-logistics-integrating-new-ai-cloud-capabilities/ (accessed: 22.12.2019).
6. Artificial Intelligence (AI) and Education / Joyce J. Lu, Laurie A. Harris // Congressional Research Service. — 2018.
7. Artificial intelligence as the basis of future control networks / Vadym Slyusar // ResearchGate — 2019.
8. Artificial Intelligence in Healthcare Market Share to See 40% CAGR from 2017 to 2024 [Electronic resource] / Juee Kate // Iamwire. — 2017. — Access mode: http://www.iamwire.com/2017/07/artificial-intelligence-healthcare/156135 (accessed: 08.12.2019).
9. Artificial Intelligence: Investment Trends and Selected Industry Uses / Xiaomin Mou // IFC. — 2019.
10. CENTURY [Electronic resource] — Access mode: https://www.century.tech/ (accessed: 20.12.2019).
11. DeepMind and Blizzard open StarCraft II as an AI research environment [Electronic resource] / Oriol Vinyals, Stephen Gaffney, Timo Ewalds // DeepMind. — 2017. — Access mode: https://deepmind.com/blog/announcements/deepmind-and-blizzard-open-starcraft-ii-ai-research-environment (accessed: 22.12.2019)
12. Everything you need to know about AI [Electronic resource] / Adam Mackay // Medium. — 2018. — Access mode: https://medium.com/mechanized/ai-for-dinosaurs-67848a90fce3 (accessed: 07.12.2019).
13. ExynTech [Electronic resource] — Access mode: https://www.exyn.com/ (accessed: 22.12.2019).
14. Google achieves AI 'breakthrough' by beating Go champion [Electronic resource] / BBC. — 2016. — Access mode: https://www.bbc.com/news/technology-35420579 (accessed: 22.12.2019).
15. Heart sound analysis for symptom detection and computer-aided diagnosis/ Todd R. Reed, Nancy E. Reed, Peter Fritzson. // Simulation Modelling Practice and Theory. — 2004-05-01. — V. 12, 126–147 p.
16. IBM: Watson for Oncology [Electronic resource] — Access mode: https://www.ibm.com/ru-ru/marketplace/clinical-decision-support-oncology (accessed: 08.12.2019).
17. Prediction Machines: The Simple Economics of Artificial Intelligence [Text] / Ajay Agrawal, Joshua Gans, Avi Goldfarb // Harvard Business Review Press. — 2018. — 272 p.
18. Project InnerEye – Medical Imaging AI to Empower Clinicians [Electronic resource] — Access mode: https://www.microsoft.com/en us/research/project/medical-image-analysis/ (accessed: 18.12.2019).
19. Role Of Artificial Intelligence In Shaping The Future Workforce [Electronic resource] / Amit Gautam // eLurningIndustry. — 2019. — Access mode: https://elearningindustry.com/artificial-intelligence-in-workplace-role-shaping-future (accessed: 20.12.2019).
20. TESLA: Future of Driving [Electronic resource] — Access mode: https://www.tesla.com/autopilot?redirect=no (accessed: 22.12.2019).
21. The power of recommendations [Electronic resource] / Vinod Kathayat // Medium. — 2019. — Access mode: https://medium.com/swlh/how-netflix-uses-ai-for-content-creation-and-recommendation-c1919efc0af4 (accessed: 07.12.2019).
22. Uniting humans and data: the role of AI in genomics [Electronic resource] / Victoria Rees // Drugtargetreview. — 2019. — Access mode: https://www.drugtargetreview.com/article/47942/uniting-humans-and-data-the-role-of-ai-in-genomics (accessed: 12.12.2019).
23. WaveNet: A generative model for raw audio [Electronic resource] / Aäron van den Oord, Sander Dieleman // DeepMind. — 2016. — Access mode: https://deepmind.com/blog/article/wavenet-generative-model-raw-audio (accessed: 22.12.2019).
ARTIFICIAL INTELLIGENCE: The Present and the Future
Trunov Dmitry Konstantinovich
Undergraduate Russia, Financial university under the Government of
the Russian Federation, Lipetsk branch
Scientific supervisor: Pastukhova Olga Nikolayevna
сenior lecturer of the department of informatics,
mathematics and general humanitarian sciences
Abstract. This article is an overview and aims to consider the use of AI in those areas of life in which these technologies have found the most effective application and today play a significant role in everyone's life, as well as to identify the main trends and directions in which to expect the development of AI in the coming years.
Keywords: Artificial Intelligence, Intelligence, Healthcare, Neural Network, Medicine, Business, Machine Learning, Deep Learning, DeepMind.