Može li robot napisati simfoniju? Turingov test - „Ti si samo robot, imitacija života. Može li robot pobijediti ovu igru? Nedostaci VR terapije su relativno visoka cijena opreme i potencijalna fiziološka netolerancija na virtualnu stvarnost.
Razvoj elemenata sustava umjetne inteligencije aktivno se razvija i postaje trend današnjice, a samo lijeni ne pišu pametne robote. Zato smo intervjuirali Dmitrija Shwarsa Soshnikova, jednog od najboljih stručnjaka za umjetnu inteligenciju u zemlji. On je Microsoftov tehnološki evangelist, autor knjiga, članaka i tutorijala, kao i koordinator programa za nastavnike i studente, specijalist za funkcionalno programiranje, neuronske mreže i umjetnu inteligenciju.
- Dmitry, recite nam nekoliko riječi o sebi i svom radu.
Dmitrij Sošnjikov: Kao evangelizator Microsofta, uključen sam u popularizaciju i implementaciju najmodernijih tehnologija tvrtke, sada prvenstveno tehnologija povezanih s umjetnom inteligencijom. To uključuje govore na konferencijama, rad sa studentima i nastavnicima, startupove, ponekad sudjelovanje na hackfestovima i programiranje prototipnih sustava zajedno s programerima iz različitih tvrtki. Također populariziram funkcionalno programiranje i jezik F#, predajem na MIPT, HSE i MAI te razvijam online tečajeve za MVA i Coursera.
Po mom mišljenju, neuronske mreže i umjetna inteligencija općenito vrlo su zanimljivo područje čiji je brzi razvoj posljednjih godina već omogućio rješavanje niza problema koji dosad nisu imali rješenja, kao što je, na primjer, automatsko određivanje dob osobe s njegove fotografije. A budućnost nam donosi još mnogo zanimljivih prilika.
Neuronske mreže - moda ili alat?
- Što je točno nedavno potaknulo aktivan razvoj tehnologije neuronskih mreža?Dmitrij Sošnjikov: Ovdje se uspješno preklapa nekoliko čimbenika.
Prvo, pristupačna računalna snaga postala je dostupna. Štoviše, usluge u oblaku odigrale su veliku ulogu, jer umjesto ulaganja u infrastrukturu za izračunavanje neuronskih mreža, sada je možete iznajmiti samo za vrijeme trajanja izračuna, a naknadno odbiti najam. Osim toga, počeli su se koristiti grafički procesori koji su izvorno bili dizajnirani za računalnu grafiku. Ispostavilo se da su vrlo prikladni za zadatke umjetne inteligencije.
Drugo, zahvaljujući Internetu, počele su se gomilati ogromne količine podataka u mnogim područjima. Razmotrimo, na primjer, prethodno spomenuti zadatak prepoznavanja nečije dobi na fotografiji. Da bi se neuronska mreža osposobila za njegovo rješavanje, potrebno je nekoliko stotina tisuća primjera. Sada možete uzeti bilo koju društvenu mrežu gdje ljudi sami objavljuju svoje fotografije i podatke o računu (dob) - i odmah dobivamo podatke za obuku.
Treće, naravno, pojavila su se neka zanimljiva istraživanja, uključujući nove arhitekture neuronskih mreža koje omogućuju rješavanje postojećih problema. Ali ova točka je vjerojatno posljedica prve dvije. Kada su resursi i tehnologije dostupni, područje se prirodno počinje aktivno razvijati.
Ovdje se također pojavio velik broj alata koji omogućuju korištenje ovih neuronskih mreža. Ako ste prije za rješavanje problema umjetne inteligencije morali imati puno znanja i puno programiranja, sada su vam dostupne usluge koje možete preuzeti i koristiti.
Tema umjetne inteligencije danas je vrlo popularna. Koliko je ova popularnost zaslužena? Je li tehnologija doista tako impresivna ili je veliki doprinos mode? I nije li ta "moda" štetna za razvoj?
Dmitrij Sošnjikov: Doista postoje veliki uspjesi na području AI-ja o kojima se puno piše, pa se sintagma “umjetna inteligencija” često čuje. Zahvaljujući tome pojavljuju se novi programeri - netko odlazi i proučava novo područje za sebe, tj. Ima više ljudi koji se razumiju u ovo područje. S druge strane, ljudi sve pažljivije traže one zadatke u kojima se mogu primijeniti tehnologije umjetne inteligencije. S ove točke gledišta, sve je to načelno dobro, jer imamo priliku automatizirati neka područja koja prije nismo mogli automatizirati.
Na primjer, možemo riješiti problem prihvaćanja narudžbi u MacAuto prozoru. Rješenje takvih problema uvijek pokušavaju učiniti jeftinijim. Recimo, u SAD-u je prvo sjedio Amerikanac, pa se pokušalo to outsourcati prebacivanjem glasa u zemlju s jeftinom radnom snagom (gdje opet čovjek sjedi i prepisuje). A sada to može učiniti računalo.
Imaju li tržišni sudionici prenapuhana očekivanja? Postoje li neke prognoze koje se, po Vašem mišljenju, sigurno neće ostvariti u skoroj budućnosti?
Dmitrij Sošnjikov: Naravno da jesam. Prije svega, područje umjetne inteligencije pomalo je romantično. Ima dosta filmova – na primjer, “Matrix” ili “Terminator” – gdje se roboti pobune i preuzmu kontrolu nad svime. Dakle, postoji određeni broj ljudi koji očekuju da će proći još 5 godina i da će računala zavladati svijetom. Ta su očekivanja očito još uvijek daleko od stvarnosti. Danas je rješavanje određenih klasa problema vezanih uz prepoznavanje slike, prepoznavanje govora i strojno učenje vrlo dobro automatizirano. Ali još uvijek moramo prijeći dosta dug put prije nego što shvatimo kako funkcionira ljudsko razmišljanje općenito. Stoga, prije stvaranja takve umjetne inteligencije koja će razmišljati kao osoba i operirati s akumuliranim znanjem, treba još puno raditi. Još nije sasvim jasno kako to učiniti.
- Što je s očekivanjima u smislu financijskih ulaganja, a ne realizacije znanstvenofantastičnih scenarija?
Dmitrij Sošnjikov: Čini mi se da je za takav razgovor potrebno razdvojiti temu umjetne inteligencije na zasebne komponente, jer je to vrlo široko područje.
Ako pogledamo računalni vid, već postoje nevjerojatna dostignuća koja se sada implementiraju u poduzeća, povećavajući njihovu učinkovitost i donoseći ekonomske koristi. Računalni vid već prepoznaje slike bolje od ljudi, a da ne spominjemo da je znatno jeftiniji.
U drugim područjima, poput razumijevanja prirodnog jezika i sposobnosti rasuđivanja o proizvoljnim temama, napredak je bio skromniji.
- Postoje li čimbenici koji, po vašem mišljenju, koče razvoj industrije?
Dmitrij Sošnjikov: Da budem iskren, ne vidim nikakve očite faktore. Mislim da je ovo trenutno najbrže rastuće područje.
Ipak, želio bih napomenuti da je umjetna inteligencija područje koje još uvijek zahtijeva određene kvalifikacije. Raditi u ovom smjeru malo je teže nego samo naučiti programirati. Osoba koja završi školu i ne dobije visoko obrazovanje vjerojatno može početi uspješno raditi na području razvoja standarda. S umjetnom inteligencijom letvica za ulazak je viša, iako se postupno spušta, uključujući i trud sudionika u ovoj industriji. Konkretno, jedna od stvari na kojoj Microsoft radi je tzv. demokratizacija umjetne inteligencije. To znači učiniti tehnologiju dostupnom najširem mogućem segmentu potrošača.
U praksi, ne samo Microsoft, već i mnoge druge tvrtke rade u tom smjeru, pružajući, primjerice, alate za rješavanje intelektualnih, kognitivnih problema u obliku gotovih usluga. Na primjer, usluge za određivanje spola, dobi i raspoloženja osobe možete jednostavno nazvati i dobiti rezultat; Isto vrijedi i za strojno prevođenje itd. Kao dio izvješća na DotNext 2017, govorit ćemo o ovome: kako možete, bez da uopće razumijete kako to točno funkcionira, jednostavno koristiti rezultate.
A.NET možda?
– Razgovarajmo o mjestu .NET platforme u segmentu umjetne inteligencije. Koliko je prikladan za rješavanje takvih problema? Postoje li značajke koje pomažu ili, obrnuto, ometaju rad s neuronskim mrežama?Dmitrij Sošnjikov: AI metode mogu se implementirati na bilo kojoj tehnologiji. Unatoč tome, postoje određeni uspostavljeni ekosustavi oko sličnih zadataka. Na primjer, Python i R i njihove prateće biblioteke vrlo su popularni jezici među znanstvenicima podataka. Oni. ovdje već ima dosta društvenog rada. U smislu ovih razvoja, naravno, .NET malo zaostaje, kao i druge slične platforme. Međutim, .NET već ima određeni skup alata, o čemu ću govoriti u sklopu svog izvješća.
Općenito, platforme su sada na neki način integrirane, uključujući i jedna s drugom. Isti jezik R vrlo se dobro integrira s F#, koji je izvorni za .NET platformu. Sukladno tome, ako trebamo koristiti neke alate za strojno učenje, možemo koristiti takav lanac, koristeći mogućnosti i biblioteke R jezika. To će biti prilično transparentno i lako za napraviti.
Općenito, ako govorimo konkretno o neuronskim mrežama, Microsoft ima Cognitive Toolkit koji vam omogućuje treniranje neuronskih mreža. A budući da je izvorno izgrađen u Microsoftovom ekosustavu, vrlo dobro radi s .NET-om.
- Ovaj alat nekako se izdvaja od analoga drugih proizvođača?
Dmitrij Sošnjikov: U biti, Cognitive Toolkit je Microsoftov analog okvirima TensorFlow, Caffe itd.
Svi su oni, načelno, ideološki vrlo slični. Ali Microsoft Cognitive Toolkit prvi je podržao visoko distribuirano okruženje za obuku, gdje možete trenirati neuronsku mrežu ne samo na jednom GPU-u, već na više GPU-a ili čak na više GPU stanica. Oni. Možete napraviti farmu za obuku neuronske mreže.
Koliko ja znam, Cognitive Toolkit pobjeđuje druge okvire u pogledu brzine učenja. Osim toga, vrlo je praktičan za korištenje. Većina okvira je na ovaj ili onaj način povezana s jezikom Python, no Cognitive Toolkit je u početku krenuo nešto drugačijim putem. U početku je bilo moguće opisati arhitekturu neuronske mreže posebnim jezikom, a zatim je trenirati bez izgradnje modela u Pythonu. Bilo je malo lakše. Trenutno Cognitive Toolkit podržava obje opcije, tj. prilično je fleksibilan.
- Vjerojatno postoje trenuci u kojima je Cognitive Toolkit inferioran u odnosu na svoje analoge?
Dmitrij Sošnjikov: Općenito, takvi okviri su alati niske razine na kojima se mogu trenirati proizvoljne neuronske mreže. Poput svojih analoga, Cognitive Toolkit podržava određeni osnovni sloj na čijem vrhu možete izgraditi arhitekturu mreža proizvoljne složenosti. Stoga je raspon zadataka koje rješavaju različiti alati približno isti.
Izbor okvira uvelike je određen nekim osobnim preferencijama i dostupnošću referentnih materijala. I ovdje Microsoftov okvir malo zaostaje, jer se pojavio malo kasnije, tako da na njemu nema tako velike količine materijala, posebno online tečajeva. Ali situacija se, naravno, postupno izravnava.
Mi, zajedno s MIPT-om, planiramo izdati online tečaj posvećen posebno problemima povezanim s uporabom umjetne inteligencije u praksi. A neke od informacija o Cognitive Toolkitu također će biti uključene tamo.
Bliska budućnost
– Može li se sada predvidjeti u kojem smjeru ide razvoj segmenta umjetne inteligencije?Dmitrij Sošnjikov: Vjerojatno je prerano davati konačne prognoze, budući da je 2011.-2012. počeo iznimno brz razvoj tehnologije. Od tada su poboljšane metode prepoznavanja, poboljšane su arhitekture neuronskih mreža, tj. povećava se točnost rješavanja problema.
U ovom segmentu ima još dosta neriješenih pitanja. Problemi prepoznavanja slike i glasa već su riješeni na prilično visokoj razini. Sljedeća, vjerojatno najzanimljivija stvar je pokušati izvući neko značenje iz teksta. I ovdje postoje neki prilično zapanjujući uspjesi. Na primjer, možete istrenirati neuronsku mrežu na fragmentima razgovora iz filmova i dobiti robota koji nekako može održavati dijalog. Ali u isto vrijeme, u dijalogu neće biti puno smisla. Još nije jasno kako prevesti znanje u značenje, kako spojiti implicitnu reprezentaciju znanja u neuronskim mrežama sa simboličkim zaključivanjem. Ovo je smjer istraživanja kojim će se znanstvenici baviti.
Što se tiče alata, trenutno se aktivno razvijaju. U određenom smislu, proizvođači alata pokušavaju pratiti znanstvena dostignuća u svom području. Pojavljuju se nove mrežne arhitekture - njihova se podrška pojavljuje u alatima, tj. Funkcionalnost se stalno proširuje.
Kao što sam ranije rekao, sa stajališta programera, primjetan je trend prema demokratizaciji umjetne inteligencije, a posebno alata. Uz Microsoft Cognitive Toolkit koji sam spomenuo, postoji zanimljiv alat pod nazivom Azure Machine Learning, koji vam omogućuje da ih primijenite na stvarne podatke bez dubokog razumijevanja implementacije svih algoritama strojnog učenja i vidite možete li identificirati bilo kakve obrasce i koristite ih dalje u svojim proizvodima. I ovaj alat se dosta intenzivno razvija - uvode se nove metode i algoritmi.
Općenito, tehnologija postaje sve dostupnija. Složene stvari su pojednostavljene kako bi se mogle koristiti u što većem broju projekata.
Još jedna stvar koju bih želio spomenuti je da su ovo još uvijek prvi eksperimenti u oblaku koji koriste učinkovitija hardverska rješenja koja implementiraju algoritme umjetne inteligencije. O ovome nećemo govoriti na Dotnextu, ali tema je bila detaljno raspravljena na Microsoft Ignite konferenciji. U oblaku Microsoft planira ponuditi ne samo klasične računalne resurse, već i programabilne logičke integrirane sklopove: FPGA ili FPGA. Da pojednostavimo, radi se o čipovima koji se mogu flashati za izvođenje određenih logičkih operacija, a koji će te operacije izvesti vrlo brzo. S takvom shemom možemo puno brže izračunati neuronsku mrežu. Tijekom eksperimenata, procesor je bio "potaknut" da prevodi s jezika na jezik, kao rezultat toga, roman "Rat i mir" se prevodi s jezika na jezik za 2 sekunde. Ako uzmete toliko mnogo takvih procesora koje Microsoft ima u oblaku, onda se Wikipedia može prevesti s jednog jezika na drugi za vrijeme koje je potrebno da čovjek trepne okom.
Dmitry će dati više praktičnih informacija o korištenju neuronskih mreža i tehnologija umjetne inteligencije u stvarnim projektima (uključujući .NET) u svom izvješću na DotNext 2017 Piter (“Dostupna umjetna inteligencija na .NET platformi: od chatbota i kognitivnih usluga do dubokih neuronske mreže").
Oznake: Dodajte oznake
Turingov test je u biti test koji odgovara na pitanje "mogu li strojevi misliti?" Odnosno, radi se o skupu testova koje može proći samo osoba ili savršena umjetna inteligencija sposobna razmišljati na isti način. To je upravo ono što se od nas traži u igri - dokazati da ste Homo sapiens. Po meni je to stvar principa!
Oni kojima su se svidjele zagonetke The Talos Principle i Portal svakako će cijeniti Turingov test. Ove igre doista imaju mnogo toga zajedničkog. Čak bi se moglo reći da čine zaseban podžanr koji potječe upravo iz Portala.
Odlomak je skup logičkih testova koji se moraju riješiti uzastopno. Osnova mehanike igre u Turingov testčine energetske sfere koje treba umetnuti u posebne ćelije za otvaranje vrata, pokretanje mehanizama itd. Jedini alat koji pomaže u ovom slučaju je određeni magnetski pištolj koji može apsorbirati te kugle i ispaliti ih na pravo mjesto.
Ukupno postoji više od 70 testova, ali mnogi od njih se dovrše za nekoliko sekundi. Stoga cijeli prolaz ne oduzima puno vremena. Općenito, postoji nekoliko teških prepreka u igri; većina njih se može završiti gotovo u hodu. Neki ljudi mogu smatrati da su zagonetke prejednostavne, ali meni se svidjela ravnoteža težine. Naprotiv, ne volim dugo biti "glup" u takvim igrama.
Opća ideja također je slična igrama koje su inspirirale programere. Filozofsko-etička razmatranja o inteligenciji, o razlici između čovjeka i stroja.
Što se same radnje tiče: glavna junakinja nalazi se na svemirskoj postaji na snježnoj površini Europe, Jupiterovog satelita. Osoblje baze je nestalo, a sve kontrolira umjetna inteligencija koja se susreće s junakinjom. Morat će proći upravo ovaj Turingov test i saznati što se dogodilo ljudima. Priča je prilično zanimljiva, ali je prikazana u tako malim djelićima (par računalnih linija na početku svake razine) da je ne primjećujete gotovo cijelu igru i obratite pažnju tek pred kraj.
Može li robot napisati simfoniju ili pretvoriti komad platna u remek-djelo? Ovo pitanje ostaje otvoreno. Ali evo što znamo sa sigurnošću: moderni medicinski nanoroboti sposobni su "presjeći kisik" tumoru prodirući u krvotok i isporučiti lijekove zahvaćenim stanicama bez oštećenja zdravih. Neuronske mreže uskoro će nadmašiti liječnike u dijagnosticiranju mnogih bolesti, a pregledi pomoću CRISPR tehnologije uskoro će se moći obavljati bez napuštanja doma. Budućnost medicine već je stigla - saznajmo što možemo očekivati od novih metoda i kako će to utjecati na naše zdravlje.
Dijagnosticirajte to: Umjetna inteligencija
Uspjeh liječenja uvelike ovisi o brzoj i besprijekornoj dijagnozi: za to liječnik mora prikupiti mnogo praktičnog iskustva i biti svjestan aktualnih znanstvenih radova u svom području. Ali s toliko novih studija i izvješća o slučajevima koji se pojavljuju u tisku svakog mjeseca, gdje pronaći vremena za sve to proučavati? Tu ljudima u pomoć priskaču računala, sposobna obraditi ogromne količine informacija u sekundi.
Danas algoritme za analizu medicinskih podataka stvaraju velike korporacije, uključujući Microsoft, IBM i Google. Najčešće se njihov razvoj temelji na različitim oblicima samoučeće umjetne inteligencije koja može pronaći uzorke u velikim skupovima podataka, poput skeniranja mozga ili slika sumnjivih izraslina na koži. Takvi se algoritmi obučavaju korištenjem biblioteka od tisuća primjera, gdje je svakoj slici dodijeljena dijagnoza koju je postavio kvalificirani liječnik.
Neuronske mreže već su naučile identificirati mnoge bolesti jednako učinkovito kao i ljudi, au nekim slučajevima čak uspijevaju nadmašiti stručnjake.
Konvolucijske neuronske mreže (CNN) omogućuju vam analizu više slika. To su duboke (višeslojne) strukture u kojima svaki umjetni neuron prima samo mali fragment izlaza prethodnog sloja. Postupno, mreža generalizira lokalne značajke, ponovno stvarajući cjelovitu sliku. Kombinirajući sve podatke, CNN može prepoznati različite detalje na izvornoj slici, uključujući i karakteristične elemente na temelju kojih liječnici postavljaju dijagnozu.
CRISPR tehnologije ne samo da mogu eliminirati uzroke bolesti, već i identificirati bolesti, na primjer, tražiti tragove DNK ili RNK zaraznih agenasa.
Dok se protein Cas9 povezan s CRISPR-om najčešće spominje u vezi s terapijom, drugi proteini: Cas12a i Cas13a obično su “dijagnostički” proteini.
Godine 2017. istraživači s MIT-a predstavili su dijagnostičku tehnologiju pod nazivom SHERLOCK (Specific High Sensitivity Enzymatic Reporter UnLOCKing). Koristi enzim Cas13a, koji može prepoznati specifične RNA sekvence i rezati slične RNA niti koje se nalaze u blizini, potpuno uništavajući sumnjivi objekt. Poput knjige Sherlock Holmes, medicinski SHERLOCK sposoban je stvoriti cjelovitu sliku događaja iz najmanjeg dokaza: tehnologija radi s atomolarnim (10-18 mol po litri) koncentracijama nukleinskih kiselina. Metoda je testirana na lentivirusima koji sadrže fragmente virusa denga groznice i virusa Zika: SHERLOCK je uspio otkriti čestice patogena i razlikovati ih jedne od drugih u koncentraciji ne većoj od dva atomola.
Tijekom testiranja pokazalo se da se reagensi za dijagnostiku pomoću SHERLOCK-a mogu sušiti i zatim rekonstituirati, pri čemu se osjetljivost metode ne smanjuje mnogo. Za prijenosne testove preporučuje se korištenje papira od stakloplastike. Autori razvoja vjeruju da će jedan testni sustav koštati otprilike 61 cent.
Drugi istraživači također rade na stvaranju kompleta za CRISPR testiranje kod kuće. Nedavno je razvoj na ovom području pokrenula Jennifer Doudna, jedna od predvodnica medicinske CRISPR revolucije. Njezin tim stvorio je metodu nazvanu DETECTR (DNA endonuclease-targeted CRISPR trans reporter), koristeći protein Cas12a. Pronalazi specifične sekvence DNK i reže najbliže fluorescentno označene reporterske molekule nukleinske kiseline dodane uzorku, stvarajući signal. Na taj se način mogu otkriti tragovi uzročnika mnogih bolesti, uključujući različite sojeve virusa influence.
Prema kreatorima takvih testnih sustava, CRISPR analiza neće trajati dulje od nekoliko sati, a rezultati se mogu dobiti putem interneta. No, još uvijek nije poznato kada će se takvi setovi pojaviti u javnoj prodaji.
To je iluzija: virtualna stvarnost
O virtualnoj stvarnosti često se govori u kontekstu računalnih igrica i “3D kina”, ali tehnologija ima potencijala iu medicini, i to ne u najočiglednijim područjima. Na primjer, VR se učinkovito koristi kao lijek protiv bolova.
Jedinica za opekline u Sveučilišnoj bolnici Loyola u Illinoisu ima ovaj pristup.započeo korišten prije deset godina: bolnički pacijenti igraju simulator tijekom bolnih zahvataSnježni svijet.
Radnja se odvija u pozadini polu-fantastičnih sjevernih krajolika s mnogo snježnih nanosa i zaleđenih rijeka, junakov zadatak je da se grudva s polarnim medvjedima, pingvinima i snjegovićima. Kako bi dovršio sve razine, pacijent se nehotice usredotočuje na slagalicu i odvraća mu se od fizičkih osjeta. MRI skeniranje mozga pokazalo je da SnowWorld zapravo smanjuje percepciju boli, pa je pacijentima potrebno manje jakih lijekova protiv bolova koji mogu biti štetni za tijelo.
VR zamjenjuje ili nadopunjuje lijekove protiv bolova u mnogim područjima medicine. Tehnologija se koristi za ublažavanje boli tijekom poroda i tijekom stomatoloških zahvata. Svojstva virtualne stvarnosti za ublažavanje boli posebno su relevantna u svjetlu "opioidne krize" u Sjedinjenim Državama - povezana je s porastom popularnosti lijekova protiv bolova koji se izdaju na recept (na primjer, OxyContin i Vicodin) u posljednjim desetljećima.
VR ne djeluje samo na fizičku bol: također može prevladati psihičku traumu. Prvi eksperimenti dogodili su se krajem 1990-ih, kada je psihologinja Barbara Rothbaum uspjela ublažiti simptome posttraumatskog stresnog poremećaja kod vijetnamskih veterana pomoću virtualnih modela kokpita helikoptera i čistine u azijskoj džungli. Ova tehnika nadopunjavala je terapiju izlaganja - postupno "približavanje" traumatičnim sjećanjima koja pacijentova svijest pokušava izbjeći. Slična shema djeluje u liječenju anksioznih poremećaja i fobija korištenjem virtualne stvarnosti. Tehnologija pomaže u suočavanju s aerofobijom i strahom od javnog nastupa: simulirano okruženje omogućuje opetovano "uvježbavanje" zastrašujuće situacije.
Nedostaci VR terapije su relativno visoka cijena opreme i potencijalna fiziološka netolerancija na virtualnu stvarnost.
Neki su sudionici u ispitivanjima novih metoda liječenja doživjeli VR "mučninu" (bolest virtualne stvarnosti), koja uzrokuje iste simptome kao i mučnina kretanja ili morska bolest. Prema uobičajenim hipotezama, oba poremećaja nastaju zbog poremećaja u radu receptora vestibularnog aparata ili sukoba između signala koji dolaze iz vestibularnog aparata i organa za vid.
Programeri su već stvorili nekoliko metoda koje mogu smanjiti "mučninu" VR-a. Na primjer, na ekran možete postaviti nepomični objekt koji će korisnikove oči stalno fiksirati. Autori tehnologije Nasum Virtualis predlažu korištenje virtualne slike nosa koja se nalazi u središtu zaslona kao početne točke. Oči igrača to percipiraju kao vlastiti nos, pa se osjećaj mučnine i vrtoglavice povlače.
