Може ли робот да напише симфония? Тестът на Тюринг - „Ти си просто робот, имитация на живот. Може ли робот да победи тази игра? Недостатъците на VR терапията са относително високата цена на оборудването и потенциалната физиологична непоносимост към виртуалната реалност.

Разработването на елементи от системи с изкуствен интелект се развива активно и се превръща в тенденция на днешния ден и само мързеливите не пишат умни ботове. Ето защо интервюирахме Дмитрий Шварс Сошников, един от най-добрите AI експерти в страната. Той е технологичен евангелизатор на Microsoft, автор на книги, статии и ръководства, както и координатор на програми за преподаватели и студенти, специалист по функционално програмиране, невронни мрежи и изкуствен интелект.

- Дмитрий, моля, кажете ни няколко думи за себе си и работата си.

Дмитрий Сошников: Като евангелист на Microsoft, участвам в популяризирането и внедряването на най-модерните технологии на компанията, сега предимно технологии, свързани с изкуствения интелект. Това включва изказвания на конференции, работа със студенти и учители, стартиращи фирми, понякога участие в хакфестове и програмиране на прототипни системи заедно с разработчици от различни компании. Също така популяризирам функционалното програмиране и езика F#, преподавам в MIPT, HSE и MAI и разработвам онлайн курсове за MVA и Coursera.

Според мен невронните мрежи и изкуственият интелект като цяло са много интересна област, чието бързо развитие през последните години вече направи възможно решаването на редица проблеми, които преди това нямаха решение, като например автоматичното определяне възрастта на човек от неговата снимка. А бъдещето крие още много интересни възможности за нас.

Невронните мрежи - мода или инструмент?

- Какво точно накара напоследък активното развитие на невронно-мрежовите технологии?

Дмитрий Сошников: Няколко фактора успешно се припокриха тук едновременно.
Първо, достъпна изчислителна мощност стана достъпна. Освен това облачните услуги изиграха голяма роля, тъй като вместо да инвестирате в инфраструктура за изчисляване на невронни мрежи, сега можете да я наемете само за времето на изчисленията, като впоследствие откажете да наемете. Освен това започват да се използват графични процесори, които първоначално са предназначени за компютърна графика. Оказа се, че те са много подходящи за задачи с изкуствен интелект.

Второ, благодарение на интернет в много области започнаха да се натрупват гигантски количества данни. Помислете например за споменатата по-горе задача за разпознаване на възрастта на човек от снимка. За да се обучи невронна мрежа да го решава, са необходими няколкостотин хиляди примера. Сега можете да вземете всяка социална мрежа, където хората сами публикуват своите снимки и информация за акаунта (възраст) - и ние веднага получаваме данни за обучение.
Трето, разбира се, появиха се някои интересни изследвания, включително нови архитектури на невронни мрежи, които позволяват решаването на съществуващи проблеми. Но тази точка вероятно е следствие от първите две. При наличие на ресурси и технологии районът естествено започва да се развива активно.

Тук също се появиха голям брой инструменти, които позволяват използването на тези невронни мрежи. Ако по-рано, за да разрешите проблеми с изкуствения интелект, трябваше да имате много знания и много програмиране, сега има налични услуги, които можете да вземете и използвате.

Темата за изкуствения интелект днес е много популярна. Колко от тази популярност е заслужена? Наистина ли технологиите са толкова впечатляващи или това е голям принос от модата? И тази „мода” не е ли вредна за развитието?

Дмитрий Сошников: Наистина има големи успехи в областта на AI, за които се пише много, така че фразата „изкуствен интелект“ е широко разпространена. Благодарение на това се появяват нови разработчици - някой отива и изучава нова област за себе си, т.е. Има повече хора, които разбират от тази област. От друга страна, хората все по-внимателно търсят онези задачи, в които могат да се приложат технологии с изкуствен интелект. От тази гледна точка всичко това по принцип е добре, защото имаме шанс да автоматизираме някои области, които не можехме да автоматизираме преди.

Например, можем да решим проблема с приемането на поръчки в прозореца MacAuto. Те винаги се опитват да направят решението на подобни проблеми по-евтино. Например в САЩ първо там седеше американец, после имаше опит да се изнесе това чрез прехвърляне на гласа в държава с евтина работна ръка (където пак човекът седи и преписва). И сега един компютър може да направи това.

Имат ли пазарните участници завишени очаквания? Има ли прогнози, които според вас със сигурност няма да се сбъднат в близко бъдеще?

Дмитрий Сошников: Разбира се. Първо, областта на изкуствения интелект е малко романтична. Има доста филми - например "Матрицата" или "Терминатор", където роботите се бунтуват и поемат контрола над всичко. Следователно има определен брой хора, които очакват, че ще минат още 5 години и компютрите ще превземат света. Тези очаквания явно все още са далеч от реалността. В днешно време решаването на определени класове проблеми, свързани с разпознаването на изображения, разпознаването на реч и машинното обучение, е много добре автоматизирано. Но все още ни предстои доста дълъг път, преди да разберем как функционира човешкото мислене като цяло. Ето защо, преди да се създаде такъв изкуствен интелект, който да мисли като човек и да оперира с натрупаните знания, трябва да се свърши още много работа. Все още не е много ясно как да стане това.

- А очакванията по отношение на финансовите инвестиции, а не реализирането на фантастични сценарии?

Дмитрий Сошников: Струва ми се, че за такъв разговор е необходимо темата за изкуствения интелект да се раздели на отделни компоненти, тъй като това е много обширна област.

Ако погледнем компютърното зрение, вече има невероятни постижения, които сега се внедряват в бизнеса, повишавайки тяхната ефективност и носейки икономически ползи. Компютърното зрение вече разпознава изображения по-добре от хората, да не говорим, че е значително по-евтино.

В други области, като разбирането на естествения език и способността да се разсъждава по произволни теми, напредъкът е по-скромен.

- Има ли фактори, които според вас пречат на развитието на бранша?

Дмитрий Сошников: Честно казано, не виждам никакви очевидни фактори. Мисля, че това е най-бързо развиващата се област в момента.
Все пак искам да отбележа, че изкуственият интелект е област, която все още изисква известна квалификация. Работата в тази посока е малко по-трудна от това просто да се научите да програмирате. Човек, който завършва училище и не получава висше образование, вероятно може да започне да работи успешно в областта на стандартното развитие. При изкуствения интелект летвата за навлизане е по-висока, но постепенно се сваля, включително и с усилията на участниците в тази индустрия. По-специално, едно от нещата, върху които Microsoft работи, е така наречената демократизация на изкуствения интелект. Това означава да направим технологията достъпна за възможно най-широк сегмент от потребители.

На практика не само Microsoft, но и много други компании работят в тази посока, предоставяйки например инструменти за решаване на интелектуални, когнитивни проблеми под формата на готови услуги. Например, услугите за определяне на пола, възрастта и настроението на човек по снимка могат просто да им се обадят и да получат резултата; Същото важи и за машинния превод и т.н. Като част от доклада на DotNext 2017 ще говорим за това: как можете, без изобщо да разбирате как точно работи, просто да използвате резултатите.

A.NET може би?

- Да поговорим за мястото на .NET платформата в сегмента на изкуствения интелект. Доколко е подходящ за решаване на подобни проблеми? Има ли функции, които помагат или, обратно, пречат на работата с невронни мрежи?

Дмитрий Сошников: AI методите могат да бъдат приложени на всяка технология. Въпреки това има определени установени екосистеми около подобни задачи. Например Python и R и придружаващите ги библиотеки са много популярни езици сред специалистите по данни. Тези. Тук вече има много обществена работа. По отношение на тези разработки, разбира се, .NET изостава малко, както и други подобни платформи. Въпреки това .NET вече разполага с определен набор от инструменти, за които ще говоря като част от моя доклад.

Като цяло платформите вече са в известен смисъл интегрирани, включително помежду си. Същият език R се интегрира много добре с F#, който е естествен за платформата .NET. Съответно, ако трябва да използваме някакви инструменти за машинно обучение, можем да използваме такава верига, използвайки възможностите и библиотеките на езика R. Това ще бъде доста прозрачно и лесно за изпълнение.

Като цяло, ако говорим конкретно за невронни мрежи, Microsoft има Cognitive Toolkit, който ви позволява да обучавате невронни мрежи. И тъй като първоначално е изграден в екосистемата на Microsoft, той работи много добре с .NET.

- Този инструмент по някакъв начин се откроява от аналозите на други производители?

Дмитрий Сошников: По същество Cognitive Toolkit е аналогът на Microsoft на фреймуърките TensorFlow, Caffe и др.

Всички те по принцип са много сходни идеологически. Но Microsoft Cognitive Toolkit беше първият, който поддържа силно разпределена среда за обучение, където можете да обучавате невронна мрежа не само на един GPU, но на множество GPU или дори множество GPU станции. Тези. Можете да направите ферма за обучение на невронни мрежи.

Доколкото знам, Cognitive Toolkit бие други рамки по отношение на скоростта на обучение. Плюс това е много удобно за използване. Повечето рамки са свързани с езика Python по един или друг начин, но Cognitive Toolkit първоначално пое по малко по-различен път. Първоначално беше възможно да се опише архитектурата на невронна мрежа на специален език и след това да се обучи, без да се изграждат модели в Python. Беше малко по-лесно. В момента Cognitive Toolkit поддържа и двете опции, т.е. е доста гъвкав.

- Вероятно има моменти, в които Cognitive Toolkit отстъпва на аналозите си?

Дмитрий Сошников: Като цяло такива рамки са инструменти от ниско ниво, върху които могат да се обучават произволни невронни мрежи. Подобно на своите аналози, Cognitive Toolkit поддържа определен базов слой, върху който можете да изградите архитектура на мрежи с произволна сложност. Следователно наборът от задачи, решавани от различни инструменти, е приблизително еднакъв.

Изборът на рамка до голяма степен се определя от някои лични предпочитания и наличието на референтни материали. И тук рамката на Microsoft изостава малко, тъй като се появи малко по-късно, така че няма толкова голямо количество материали за нея, по-специално онлайн курсове. Но ситуацията, разбира се, постепенно се изравнява.

Ние, заедно с MIPT, планираме да пуснем онлайн курс, посветен специално на проблемите, свързани с използването на изкуствения интелект на практика. И част от информацията за Cognitive Toolkit също ще бъде включена там.

Близко бъдеще

- Може ли сега да се прогнозира в каква посока ще върви развитието на сегмента с изкуствен интелект?

Дмитрий Сошников: Вероятно е твърде рано да се правят окончателни прогнози, тъй като през 2011-2012 г. започна изключително бързото развитие на технологиите. Оттогава методите за разпознаване са подобрени, архитектурите на невронните мрежи са подобрени, т.е. точността на решаване на проблеми се увеличава.

Все още има много нерешени проблеми в този сегмент. Проблемите с разпознаването на образ и глас вече са решени на доста високо ниво. След това, вероятно най-интересното нещо е да се опитате да извлечете някакъв смисъл от текста. Тук също има някои доста зашеметяващи успехи. Например, можете да обучите невронна мрежа на фрагменти от разговори от филми и да получите робот, който по някакъв начин може да поддържа диалог. Но в същото време няма да има много смисъл в диалога. Все още не е ясно как да се преведе знанието в смисъл, как да се комбинира имплицитното представяне на знанието в невронни мрежи със символично разсъждение. Това е посоката на изследване, която учените ще следват.

Що се отнася до инструментите, те в момента се разработват активно. В известен смисъл производителите на инструменти се опитват да следват научния напредък в съответната област. Появяват се нови мрежови архитектури - тяхната поддръжка се появява в инструменти, т.е. Функционалността непрекъснато се разширява.

Както казах по-рано, от гледна точка на разработчиците има забележима тенденция към демократизиране на изкуствения интелект, включително инструментите. В допълнение към Microsoft Cognitive Toolkit, който споменах, има интересен инструмент, наречен Azure Machine Learning, който ви позволява да ги прилагате към реални данни без задълбочено разбиране на изпълнението на всички алгоритми за машинно обучение и да видите дали можете да идентифицирате някакви модели и използвайте ги допълнително във вашите продукти. Този инструмент също се развива доста интензивно - там се въвеждат нови методи и алгоритми.

Като цяло технологиите стават все по-достъпни. Сложните неща са опростени, така че да могат да се използват във възможно най-широк набор от проекти.
Друг момент, който бих искал да спомена е, че това все още са първите експерименти в облака, използващи по-ефективни хардуерни решения, които прилагат алгоритми за изкуствен интелект. Няма да говорим за това в Dotnext, но темата беше обсъдена подробно на конференцията на Microsoft Ignite. В облака Microsoft планира да предложи не само класически изчислителни ресурси, но и програмируеми логически интегрални схеми: FPGA или FPGA. За да опростим, това са чипове, които могат да бъдат флашнати, за да изпълняват определени логически операции и които ще изпълняват тези операции много бързо. Имайки такава схема, можем да изчислим невронната мрежа много по-бързо. По време на експериментите процесорът беше „подканен“ да превежда от език на език, в резултат на което романът „Война и мир“ се превежда от език на език за 2 секунди. Ако вземете всички много такива процесори, които Microsoft има в облака, тогава Wikipedia може да бъде преведена от един език на друг за времето, необходимо на човек да мигне окото.

Дмитрий ще даде повече практическа информация за използването на невронни мрежи и технологии за изкуствен интелект в реални проекти (включително в .NET) в своя доклад на DotNext 2017 Piter („Наличен изкуствен интелект на платформата .NET: от chatbots и когнитивни услуги до дълбоки невронни мрежи“).

Тагове: Добавете тагове

Тестът на Тюринг е по същество тест, който отговаря на въпроса „могат ли машините да мислят?“ Тоест, това е набор от тестове, които може да премине само човек или перфектен изкуствен интелект, способен да мисли по същия начин. Точно това се иска от нас в играта – да докажем, че сте Хомо сапиенс. Според мен това е принципен въпрос!

Тези, които харесаха пъзелите The Talos Principle and Portal определено ще оценят Тестът на Тюринг.Тези игри наистина имат много общи неща. Дори може да се каже, че те образуват отделен поджанр, произлизащ именно от Портала.

Пасажът е набор от логически тестове, които трябва да бъдат решени последователно. Основата на игровата механика в Тестът на Тюрингсъставят енергийни сфери, които трябва да бъдат поставени в специални клетки за отваряне на врати, стартиране на механизми и т.н. Единственият инструмент, който помага в този случай, е определен магнитен пистолет, който може да абсорбира тези сфери и да ги изстреля на правилното място.

Има общо повече от 70 теста, но много от тях се изпълняват за секунди. Следователно целият пасаж не отнема много време. Като цяло има малко трудни препятствия в играта; повечето от тях могат да бъдат завършени почти в движение. Някои хора може да намерят пъзелите за твърде прости, но ми хареса балансът на трудност. Напротив, не обичам да бъда „глупав“ дълго време в такива игри.

Общата идея също е подобна на игрите, вдъхновили разработчиците. Философски и етични съображения за интелигентността, за разликата между човека и машината.

Що се отнася до самия сюжет: главният герой се озовава на космическа станция върху снежната повърхност на Европа, спътник на Юпитер. Персоналът на базата е изчезнал и всичко се контролира от изкуствен интелект, който се среща с героинята. Тя ще трябва да премине точно този тест на Тюринг и да разбере какво се е случило с хората. Историята е доста интересна, но е представена на толкова малки части (няколко компютърни реда в началото на всяко ниво), че не я забелязвате почти през цялата игра и обръщате внимание едва към края.

Може ли робот да напише симфония или да превърне парче платно в шедьовър на изкуството? Този въпрос остава открит. Но ето какво знаем със сигурност: съвременните медицински нанороботи са в състояние да „прекъснат кислорода“ на тумора, като проникнат в кръвния поток и доставят лекарства до засегнатите клетки, без да навредят на здравите. Невронните мрежи са на път да надминат лекарите в диагностицирането на много заболявания, а прегледите с помощта на технологиите CRISPR скоро ще могат да се извършват, без да напускате дома. Бъдещето на медицината вече е настъпило - нека разберем какво да очакваме от новите методи и как това ще се отрази на нашето здраве.

Диагностицирайте го: Изкуствен интелект

Успехът на лечението до голяма степен зависи от бързата и безпогрешна диагностика: за това лекарят трябва да натрупа много практически опит и да е запознат с актуалните научни разработки в своята област. Но с толкова много нови проучвания и доклади за случаи, които се появяват в печат всеки месец, къде можете да намерите време да ги изучавате? Тук на помощ на хората идват компютрите, способни да обработват огромно количество информация за секунди.

Днес алгоритми за анализиране на медицински данни се създават от големи корпорации, включително Microsoft, IBM и Google. Най-често техните разработки се основават на различни форми на самообучаващ се изкуствен интелект, който може да открие модели в големи масиви от данни, като мозъчни сканирания или изображения на подозрителни образувания по кожата. Такива алгоритми се обучават с помощта на библиотеки от хиляди примери, където на всяко изображение се присвоява диагноза, направена от квалифициран лекар.

Невронните мрежи вече са се научили да идентифицират много болести толкова ефективно, колкото хората, а в някои случаи дори успяват да надминат специалистите.

Конволюционните невронни мрежи (CNN) ви позволяват да анализирате множество изображения. Това са дълбоки (многослойни) структури, в които всеки изкуствен неврон получава само малък фрагмент от изхода на предишния слой. Постепенно мрежата обобщава местните характеристики, пресъздавайки пълната картина. Комбинирайки всички данни, CNN може да разпознае различни детайли в оригиналното изображение, включително характерни елементи, въз основа на които лекарите поставят диагноза.

Технологиите CRISPR могат не само да елиминират причините за заболяванията, но и да идентифицират заболявания, например да търсят следи от ДНК или РНК на инфекциозни агенти.

Докато свързаният с CRISPR протеин Cas9 най-често се споменава във връзка с терапията, други протеини: Cas12a и Cas13a обикновено са „диагностичните“ протеини.

През 2017 г. изследователи от MIT представиха диагностична технология, наречена SHERLOCK (Specific High Sensitivity Enzymatic Reporter UnLOCKing). Той използва ензима Cas13a, който може да разпознае специфични РНК последователности и да отреже подобни РНК вериги, разположени наблизо, като напълно унищожава подозрителния обект. Подобно на книгата Шерлок Холмс, медицинският ШЕРЛОК е в състояние да пресъздаде пълна картина на събитията от най-малкото доказателство: технологията работи с атомоларни (10–18 mol на литър) концентрации на нуклеинови киселини. Методът е тестван върху лентивируси, съдържащи фрагменти от вируса на треската на денга и вируса Zika: SHERLOCK успя да открие патогенни частици и да ги разграничи една от друга при концентрация не повече от два атомола.

По време на тестването се оказа, че реагентите за диагностика с помощта на SHERLOCK могат да бъдат изсушени и след това възстановени, докато чувствителността на метода не намалява много. За преносими тестове се препоръчва да се използва хартия от фибростъкло. Авторите на разработката смятат, че една тестова система ще струва приблизително 61 цента.

Други изследователи също работят върху създаването на комплекти за тестване на CRISPR у дома. Наскоро разработките в тази област започнаха от Дженифър Дудна, един от пионерите на медицинската CRISPR революция. Нейният екип създаде метод, наречен DETECTR (DNA endonuclease-targeted CRISPR trans reporter), използвайки протеина Cas12a. Той намира специфични ДНК последователности и отрязва най-близките флуоресцентно маркирани репортерни молекули на нуклеинова киселина, добавени към пробата, произвеждайки сигнал. По този начин могат да бъдат открити следи от патогени на много заболявания, включително различни щамове на грипния вирус.

Според създателите на такива тестови системи, CRISPR анализът ще отнеме не повече от няколко часа, а резултатите могат да бъдат получени чрез интернет. Все още обаче не е известно кога такива комплекти ще се появят в публична продажба.

Това е илюзия: виртуална реалност

За виртуалната реалност често се говори в контекста на компютърните игри и „3D киното“, но технологията има потенциал и в медицината, а не в най-очевидните области. Например VR се използва ефективно като средство за облекчаване на болката.

Отделението по изгаряния в университетската болница Лойола в Илинойс използва този подход.започна използван преди десет години: болничните пациенти играят на симулатор по време на болезнени процедуриСнежен свят.

Действието се развива на фона на полуфантастични северни пейзажи с много снежни преспи и замръзнали реки, задачата на героя е да играе снежни топки с полярни мечки, пингвини и снежни човеци. За да завърши всички нива, пациентът неволно се фокусира върху пъзела и се разсейва от физическите усещания. MRI сканиране на мозъка показа, че SnowWorld всъщност намалява усещането за болка, така че пациентите се нуждаят от по-малко силни болкоуспокояващи, които могат да бъдат вредни за тялото.

VR заменя или допълва болкоуспокояващите в много области на медицината. Технологията се използва за облекчаване на болката по време на раждане и по време на стоматологични процедури. Болкоуспокояващите свойства на виртуалната реалност са особено актуални в светлината на „опиоидната криза“ в Съединените щати - тя се свързва с нарастването на популярността на болкоуспокояващите с рецепта (например OxyContin и Vicodin) през последните десетилетия.

VR работи не само при физическа болка: той може да преодолее и психологическа травма. Първите експерименти са проведени в края на 90-те години на миналия век, когато психологът Барбара Ротбаум успява да облекчи симптомите на посттравматично стресово разстройство при ветерани от Виетнам, използвайки виртуални модели на кабина на хеликоптер и поляна в азиатската джунгла. Тази техника допълва експозиционната терапия - постепенен „подход“ към травматичните спомени, които съзнанието на пациента се опитва да избегне. Подобна схема работи при лечението на тревожни разстройства и фобии с помощта на виртуална реалност. Технологията помага да се справите с аерофобията и страха от публично говорене: симулираната среда позволява многократно „репетиране“ на плашеща ситуация.

Недостатъците на VR терапията са относително високата цена на оборудването и потенциалната физиологична непоносимост към виртуалната реалност.

Някои участници в изпитания на нови методи на лечение са имали VR „гадене“ (болест на виртуалната реалност), което причинява същите симптоми като прилошаване при пътуване или морска болест. Според общоприетите хипотези и двете нарушения възникват от нарушения във функционирането на рецепторите на вестибуларния апарат или конфликт между сигнали, идващи от вестибуларния апарат и органите на зрението.

Разработчиците вече са създали няколко метода, които могат да намалят „гаденето“ от VR. Например, можете да поставите неподвижен обект на екрана, който очите на потребителя ще фиксират постоянно. Авторите на технологията Nasum Virtualis предлагат като отправна точка да се използва виртуално изображение на носа, разположено в центъра на екрана. Очите на играча го възприемат като собствен нос, така че усещането за гадене и замаяност се оттегля.