Ali lahko robot napiše simfonijo? Turingov test - »Ti si samo robot, imitacija življenja. Ali lahko robot premaga to igro? Slabosti VR terapije so razmeroma visoki stroški opreme in morebitna fiziološka intoleranca na virtualno resničnost.

Razvoj elementov sistemov umetne inteligence se aktivno razvija in postaja trend današnjega časa in samo leni ne pišejo pametnih botov. Zato smo intervjuvali Dmitrija Shwarsa Soshnikova, enega najboljših strokovnjakov za AI v državi. Je Microsoftov tehnološki evangelist, avtor knjig, člankov in vaj ter koordinator programa za učitelje in študente, specialist za funkcionalno programiranje, nevronske mreže in umetno inteligenco.

- Dmitry, povej nam nekaj besed o sebi in svojem delu.

Dmitrij Sošnikov: Kot evangelist za Microsoft sodelujem pri popularizaciji in implementaciji najsodobnejših tehnologij podjetja, zdaj predvsem tehnologij, povezanih z umetno inteligenco. To vključuje govorjenje na konferencah, delo s študenti in učitelji, startupi, včasih sodelovanje na hackfestih in programiranje prototipnih sistemov skupaj z razvijalci iz različnih podjetij. Prav tako populariziram funkcionalno programiranje in jezik F#, poučujem na MIPT, HSE in MAI ter razvijam spletne tečaje za MVA in Coursero.

Po mojem mnenju so nevronske mreže in umetna inteligenca nasploh zelo zanimivo področje, katerega hiter razvoj v zadnjih letih je že omogočil reševanje številnih problemov, ki prej niso imeli rešitve, kot je na primer samodejno določanje starost osebe iz njegove fotografije. In prihodnost nam ponuja še veliko zanimivih priložnosti.

Nevronske mreže - moda ali orodje?

- Kaj natančno je nedavno spodbudilo aktiven razvoj tehnologije nevronskih mrež?

Dmitrij Sošnikov: Tukaj se je uspešno prekrivalo več dejavnikov.
Prvič, na voljo je bila cenovno dostopna računalniška moč. Poleg tega so storitve v oblaku odigrale veliko vlogo, saj namesto v infrastrukturo za izračun nevronskih mrež lahko zdaj najamete samo za čas izračunov, nato pa najem zavrnete. Poleg tega so se začeli uporabljati grafični procesorji, ki so bili prvotno namenjeni računalniški grafiki. Izkazalo se je, da so zelo primerni za naloge umetne inteligence.

Drugič, po zaslugi interneta so se na številnih področjih začele kopičiti ogromne količine podatkov. Razmislite na primer o prej omenjeni nalogi prepoznavanja starosti osebe na fotografiji. Za usposabljanje nevronske mreže za reševanje je potrebnih več sto tisoč primerov. Zdaj lahko vzamete katero koli socialno omrežje, kjer ljudje sami objavijo svoje fotografije in podatke o računu (starost) - in takoj prejmemo podatke za usposabljanje.
Tretjič, seveda so se pojavile zanimive raziskave, vključno z novimi arhitekturami nevronskih mrež, ki omogočajo reševanje obstoječih problemov. Toda ta točka je verjetno posledica prvih dveh. Ko so viri in tehnologije na voljo, se območje seveda začne aktivno razvijati.

Tu se je pojavilo tudi veliko število orodij, ki omogočajo uporabo teh nevronskih mrež. Če ste prej morali imeti za reševanje problemov umetne inteligence veliko znanja in veliko programiranja, so sedaj na voljo storitve, ki jih lahko vzamete in uporabljate.

Tema umetne inteligence je danes zelo priljubljena. Koliko te priljubljenosti je zasluženo? Je tehnologija res tako impresivna ali gre za velik prispevek mode? In ali ni ta "moda" škodljiva za razvoj?

Dmitrij Sošnikov: Na področju AI so res veliki uspehi, o katerih se veliko piše, zato je besedna zveza »umetna inteligenca« zelo razširjena. Zahvaljujoč temu se pojavijo novi razvijalci - nekdo gre in zase preuči novo področje, tj. Več je ljudi, ki razumejo to področje. Po drugi strani pa ljudje bolj skrbno iščejo tiste naloge, kjer je mogoče uporabiti tehnologije umetne inteligence. S tega vidika je vse to načeloma dobro, saj imamo možnost avtomatizirati nekatera področja, ki jih prej nismo mogli avtomatizirati.

Na primer, lahko rešimo problem sprejemanja naročil v oknu MacAuto. Vedno se trudijo, da je rešitev tovrstnih težav cenejša. Na primer v ZDA je tam najprej sedel Američan, potem je prišlo do poskusa zunanjega izvajanja tega s prenosom glasu v državo s poceni delovno silo (kjer spet človek sedi in prepisuje). In zdaj lahko to naredi računalnik.

Ali imajo udeleženci na trgu napihnjena pričakovanja? So kakšne napovedi, ki se po vašem mnenju v bližnji prihodnosti zagotovo ne bodo uresničile?

Dmitrij Sošnikov: Seveda sem. Prvič, področje umetne inteligence je nekoliko romantično. Obstaja kar nekaj filmov - na primer "Matrix" ali "Terminator" - kjer se roboti uprejo in prevzamejo nadzor nad vsem. Zato obstaja določeno število ljudi, ki pričakujejo, da bo minilo še 5 let in bodo računalniki zavzeli svet. Ta pričakovanja so očitno še daleč od realnosti. Dandanes je reševanje določenih razredov problemov, povezanih s prepoznavanjem slik, prepoznavanjem govora in strojnim učenjem, zelo dobro avtomatizirano. Toda pred nami je še precej dolga pot, preden bomo razumeli, kako na splošno deluje človeško mišljenje. Zato je treba pred ustvarjanjem takšne umetne inteligence, ki bo razmišljala kot človek in delovala z nakopičenim znanjem, opraviti še veliko dela. Ni še zelo jasno, kako to storiti.

- Kaj pa pričakovanja glede finančnih vložkov, ne pa realizacije znanstvenofantastičnih scenarijev?

Dmitrij Sošnikov: Zdi se mi, da je za takšen pogovor potrebno temo umetne inteligence razdeliti na ločene sklope, saj gre za zelo široko področje.

Če pogledamo računalniški vid, že obstajajo osupljivi napredki, ki se zdaj uvajajo v podjetja, povečujejo njihovo učinkovitost in prinašajo gospodarske koristi. Računalniški vid že tako prepozna slike bolje kot človek, da ne omenjamo, da je bistveno cenejši.

Na drugih področjih, kot sta razumevanje naravnega jezika in sposobnost sklepanja o poljubnih temah, je bil napredek bolj skromen.

- Ali obstajajo dejavniki, ki po vašem mnenju ovirajo razvoj panoge?

Dmitrij Sošnikov: Če sem iskren, ne vidim očitnih dejavnikov. Mislim, da je to trenutno najhitreje rastoče področje.
Vendar bi rad opozoril, da je umetna inteligenca področje, ki še vedno zahteva nekaj kvalifikacij. Delo v tej smeri je malo težje kot samo učenje programiranja. Oseba, ki konča šolo in nima visoke izobrazbe, lahko verjetno začne uspešno delati na področju standardnega razvoja. Z umetno inteligenco je letvica za vstop višja, čeprav se postopoma znižuje, tudi s prizadevanji udeležencev v tej panogi. Predvsem ena od stvari, s katerimi se ukvarja Microsoft, je tako imenovana demokratizacija umetne inteligence. To pomeni, da je tehnologija dostopna najširšemu možnemu segmentu potrošnikov.

V praksi v tej smeri deluje ne samo Microsoft, ampak tudi mnoga druga podjetja, ki na primer ponujajo orodja za reševanje intelektualnih, kognitivnih problemov v obliki že pripravljenih storitev. Na primer storitve za določanje spola, starosti in razpoloženja osebe po fotografiji, preprosto jih pokličete in dobite rezultat. Enako velja za strojno prevajanje itd. Kot del poročila na DotNext 2017 bomo govorili o tem: kako lahko preprosto uporabite rezultate, ne da bi sploh razumeli, kako točno deluje.

A.NET morda?

- Pogovorimo se o mestu platforme .NET v segmentu umetne inteligence. Kako primeren je za reševanje tovrstnih težav? Ali obstajajo funkcije, ki pomagajo ali nasprotno ovirajo delo z nevronskimi mrežami?

Dmitrij Sošnikov: Metode AI je mogoče implementirati v katero koli tehnologijo. Kljub temu obstajajo določeni uveljavljeni ekosistemi okoli podobnih nalog. Na primer, Python in R ter njuni spremljevalni knjižnici sta zelo priljubljena jezika med podatkovnimi znanstveniki. Tisti. tukaj je že veliko skupnostnega dela. Kar zadeva ta razvoj, seveda .NET nekoliko zaostaja, podobno kot druge podobne platforme. Vendar pa .NET že ima določen nabor orodij, o katerih bom govoril v svojem poročilu.

Na splošno so platforme zdaj v nekem smislu integrirane, tudi med seboj. Isti jezik R se zelo dobro integrira s F#, ki je izviren iz platforme .NET. V skladu s tem, če potrebujemo nekaj orodij za strojno učenje, lahko uporabimo takšno verigo z uporabo zmogljivosti in knjižnic jezika R. To bo precej pregledno in enostavno.

Na splošno, če govorimo posebej o nevronskih mrežah, ima Microsoft Cognitive Toolkit, ki vam omogoča urjenje nevronskih mrež. In ker je bil prvotno zgrajen v Microsoftovem ekosistemu, zelo dobro deluje z .NET.

- To orodje nekako izstopa od analogov drugih proizvajalcev?

Dmitrij Sošnikov: V bistvu je Cognitive Toolkit Microsoftov analog ogrodij TensorFlow, Caffe itd.

Vsi so si načeloma ideološko zelo podobni. Toda Microsoft Cognitive Toolkit je bil prvi, ki je podpiral visoko porazdeljeno okolje za usposabljanje, kjer lahko nevronsko mrežo usposabljate ne samo na eni GPU, ampak na več GPU ali celo več postajah GPE. Tisti. Lahko naredite farmo za usposabljanje nevronske mreže.

Kolikor vem, Cognitive Toolkit premaga druga ogrodja glede hitrosti učenja. Poleg tega je zelo priročen za uporabo. Večina ogrodij je tako ali drugače povezanih z jezikom Python, vendar je Cognitive Toolkit sprva ubral nekoliko drugačno pot. Sprva je bilo mogoče opisati arhitekturo nevronske mreže v posebnem jeziku in jo nato usposobiti brez gradnje modelov v Pythonu. Bilo je malo lažje. Trenutno Cognitive Toolkit podpira obe možnosti, tj. je precej prilagodljiv.

- Verjetno obstajajo trenutki, v katerih je Cognitive Toolkit slabši od svojih analogov?

Dmitrij Sošnikov: Na splošno so takšna ogrodja orodja nizke ravni, na katerih je mogoče učiti poljubne nevronske mreže. Tako kot njegovi analogi Cognitive Toolkit podpira določeno osnovno plast, na kateri lahko zgradite arhitekturo omrežij poljubne kompleksnosti. Zato je obseg nalog, ki jih rešujejo različna orodja, približno enak.

Izbira okvira je v veliki meri odvisna od nekaterih osebnih preferenc in razpoložljivosti referenčnih materialov. In tukaj Microsoftov okvir nekoliko zaostaja, saj se je pojavil malo kasneje, zato na njem ni tako velike količine gradiva, zlasti spletnih tečajev. Toda stanje se seveda postopoma umirja.

Skupaj z MIPT načrtujemo izdajo spletnega tečaja, posvečenega posebej težavam, povezanim z uporabo umetne inteligence v praksi. Tam bodo vključene tudi nekatere informacije o Cognitive Toolkit.

Bližnja prihodnost

- Ali je že zdaj mogoče napovedati, v katero smer gre razvoj segmenta umetne inteligence?

Dmitrij Sošnikov: Verjetno je še prezgodaj za končne napovedi, saj se je v letih 2011-2012 začel izjemno hiter razvoj tehnologije. Od takrat so se izboljšale metode prepoznavanja, izboljšale so se arhitekture nevronskih mrež, t.i. poveča se natančnost reševanja problemov.

V tem segmentu je še veliko nerešenih vprašanj. Problemi prepoznavanja slike in glasu so že rešeni na dokaj visoki ravni. Naprej, verjetno najbolj zanimivo je poskusiti iz besedila izluščiti nekaj pomena. Tudi tukaj je nekaj osupljivih uspehov. Na primer, lahko trenirate nevronsko mrežo na fragmentih pogovorov iz filmov in dobite robota, ki lahko nekako vzdržuje dialog. Toda hkrati v dialogu ne bo veliko pomena. Ni še jasno, kako znanje prevesti v pomen, kako združiti implicitno predstavitev znanja v nevronskih mrežah s simbolnim sklepanjem. To je smer raziskav, ki jo bodo znanstveniki nadaljevali.

Kar zadeva orodja, se trenutno aktivno razvijajo. V nekem smislu proizvajalci orodij poskušajo slediti znanstvenemu napredku na svojem področju. Pojavijo se nove omrežne arhitekture - njihova podpora se pojavi v orodjih, tj. Funkcionalnost se nenehno širi.

Kot sem že povedal, je z vidika razvijalca opazen trend k demokratizaciji umetne inteligence, vključno z orodji. Poleg Microsoftovega kompleta kognitivnih orodij, ki sem ga omenil, obstaja zanimivo orodje, imenovano Azure Machine Learning, ki vam omogoča, da jih uporabite v resničnih podatkih brez globokega razumevanja izvajanja vseh algoritmov strojnega učenja in preverite, ali lahko prepoznate kakšne vzorce in jih uporabite naprej v svojih izdelkih. Tudi to orodje se precej intenzivno razvija - tam se uvajajo nove metode in algoritmi.

Na splošno postaja tehnologija vse bolj dostopna. Kompleksne stvari so poenostavljene, da jih je mogoče uporabiti v najrazličnejših projektih.
Še ena točka, ki bi jo rad omenil, je, da so to še vedno prvi poskusi v oblaku z uporabo učinkovitejših strojnih rešitev, ki izvajajo algoritme umetne inteligence. O tem na Dotnextu ne bomo govorili, je pa bila tema podrobno obravnavana na konferenci Microsoft Ignite. V oblaku namerava Microsoft ponuditi ne le klasične računalniške vire, ampak tudi programabilna logična integrirana vezja: FPGA ali FPGA. Če poenostavimo, so to čipi, ki jih je mogoče flashati za izvajanje določenih logičnih operacij in ki bodo te operacije izvedli zelo hitro. S tako shemo lahko veliko hitreje izračunamo nevronsko mrežo. Med poskusi je bil procesor "pozvan", naj prevede iz jezika v jezik, posledično se roman "Vojna in mir" prevede iz jezika v jezik v 2 sekundah. Če vzamete toliko takšnih procesorjev, ki jih ima Microsoft v oblaku, potem je mogoče Wikipedijo prevesti iz enega jezika v drugega v času, ko človek pomežikne z očesom.

Dmitry bo podal več praktičnih informacij o uporabi nevronskih mrež in tehnologij umetne inteligence v resničnih projektih (vključno z .NET) v svojem poročilu na DotNext 2017 Piter (»Razpoložljiva umetna inteligenca na platformi .NET: od chatbotov in kognitivnih storitev do globokih nevronske mreže").

Oznake: dodajte oznake

Turingov test je v bistvu test, ki odgovarja na vprašanje "ali lahko stroji razmišljajo?" Se pravi, to je niz testov, ki jih lahko opravi le oseba ali popolna umetna inteligenca, ki je sposobna razmišljati na enak način. To je točno tisto, kar se od nas zahteva v igri - dokazati, da ste Homo sapiens. Po mojem mnenju je to stvar principa!

Tisti, ki so jim bili všeč uganke The Talos Principle in Portal, bodo zagotovo cenili Turingov test. Te igre imajo res veliko skupnega. Lahko bi celo rekli, da tvorijo ločeno podzvrst, ki izvira prav iz Portala.

Prehod je niz logičnih testov, ki jih je treba rešiti zaporedno. Osnova igralne mehanike v Turingov test sestavljajo energijske krogle, ki jih je treba vstaviti v posebne celice za odpiranje vrat, zagon mehanizmov itd. Edino orodje, ki pomaga pri tej zadevi, je določena magnetna pištola, ki lahko absorbira te krogle in jih izstreli na pravo mesto.

Skupaj je več kot 70 testov, vendar jih je veliko opravljenih v nekaj sekundah. Zato celoten prehod ne vzame veliko časa. Na splošno je v igri malo težkih ovir, večino jih je mogoče premagati skoraj sproti. Nekaterim se morda zdijo uganke preveč preproste, meni pa je bilo všeč ravnotežje težavnosti. Nasprotno, ne maram biti dolgo "neumen" v takih igrah.

Tudi splošna ideja je podobna igram, ki so navdihnile razvijalce. Filozofsko-etični premisleki o inteligenci, o razliki med človekom in strojem.

Kar zadeva sam zaplet: glavna junakinja se znajde na vesoljski postaji na zasneženi površini Evrope, Jupitrovega satelita. Bazno osebje je izginilo in vse nadzoruje umetna inteligenca, ki se sreča z junakinjo. Morala bo opraviti prav ta Turingov test in ugotoviti, kaj se je zgodilo ljudem. Zgodba je precej zanimiva, vendar je predstavljena v tako majhnih koščkih (par računalniških vrstic na začetku vsake stopnje), da je skoraj vso igro ne opazite in ste pozorni šele proti koncu.

Ali lahko robot napiše simfonijo ali spremeni kos platna v umetniško mojstrovino? To vprašanje ostaja odprto. Ampak to je tisto, kar zagotovo vemo: sodobni medicinski nanoroboti so sposobni "odrezati kisik" tumorju tako, da prodrejo v krvni obtok in dostavijo zdravila v prizadete celice, ne da bi poškodovali zdrave. Nevronske mreže bodo kmalu presegle zdravnike pri diagnosticiranju številnih bolezni, preglede s tehnologijo CRISPR pa bo mogoče kmalu opraviti, ne da bi zapustili dom. Prihodnost medicine je že prišla - ugotovimo, kaj lahko pričakujemo od novih metod in kako bodo te vplivale na naše zdravje.

Diagnoza: umetna inteligenca

Uspeh zdravljenja je v veliki meri odvisen od hitre in brezhibne diagnoze: za to mora zdravnik pridobiti veliko praktičnih izkušenj in poznati aktualna znanstvena dela na svojem področju. Toda kje lahko najdete čas, da vse to preučite, ker se vsak mesec objavi toliko novih študij in poročil o primerih? Tu ljudem na pomoč priskočijo računalniki, ki so sposobni obdelati ogromne količine informacij v nekaj sekundah.

Danes algoritme za analizo zdravstvenih podatkov ustvarjajo velike korporacije, vključno z Microsoftom, IBM in Googlom. Najpogosteje njihov razvoj temelji na različnih oblikah samoučeče se umetne inteligence, ki zna najti vzorce v velikih nizih podatkov, kot so posnetki možganov ali slike sumljivih tvorb na koži. Takšni algoritmi se usposabljajo z uporabo knjižnic na tisoče primerov, kjer je vsaki sliki dodeljena diagnoza, ki jo je postavil usposobljen zdravnik.

Nevronske mreže so se že naučile prepoznati številne bolezni tako učinkovito kot ljudje, v nekaterih primerih pa jim uspe celo prekašati strokovnjake.

Konvolucijske nevronske mreže (CNN) vam omogočajo analizo več slik. To so globoke (večplastne) strukture, v katerih vsak umetni nevron prejme le majhen delček izhoda prejšnje plasti. Postopoma omrežje posplošuje lokalne značilnosti in ponovno ustvarja celotno sliko. Z združevanjem vseh podatkov lahko CNN na izvirni sliki prepozna različne podrobnosti, vključno z značilnimi elementi, na podlagi katerih zdravniki postavijo diagnozo.

Tehnologije CRISPR ne morejo le odpraviti vzrokov bolezni, ampak tudi prepoznati bolezni, na primer poiskati sledi DNK ali RNK povzročiteljev okužb.

Medtem ko se protein Cas9, povezan s CRISPR, največkrat omenja v povezavi s terapijo, so drugi proteini: Cas12a in Cas13a običajno »diagnostični« proteini.

Leta 2017 so raziskovalci z MIT predstavili diagnostično tehnologijo, imenovano SHERLOCK (Specific High Sensitivity Enzymatic Reporter UnLOCKing). Uporablja encim Cas13a, ki lahko prepozna specifične sekvence RNA in prereže podobne verige RNA, ki se nahajajo v bližini, ter popolnoma uniči sumljivi predmet. Tako kot knjiga Sherlock Holmes je tudi medicinski SHERLOCK sposoben poustvariti popolno sliko dogodkov iz najmanjšega dokaza: tehnologija deluje z atmolarnimi (10–18 molov na liter) koncentracijami nukleinskih kislin. Metoda je bila preizkušena na lentivirusih, ki vsebujejo fragmente virusa mrzlice denga in virusa Zika: SHERLOCK je lahko zaznal delce patogenov in jih med seboj razlikoval pri koncentraciji največ dveh atomov.

Med testiranjem se je izkazalo, da je reagente za diagnostiko s SHERLOCK-om mogoče posušiti in nato rekonstituirati, pri čemer se občutljivost metode ne zmanjša veliko. Za prenosne teste je priporočljiva uporaba papirja iz steklenih vlaken. Avtorji razvoja verjamejo, da bo en testni sistem stal približno 61 centov.

Tudi drugi raziskovalci delajo na ustvarjanju kompletov za testiranje CRISPR doma. Pred kratkim je razvoj na tem področju začela Jennifer Doudna, ena od začetnic medicinske revolucije CRISPR. Njena ekipa je ustvarila metodo, imenovano DETECTR (DNA endonuclease-targeted CRISPR trans reporter), z uporabo proteina Cas12a. Najde specifične sekvence DNK in izreže najbližje fluorescentno označene reporterske molekule nukleinske kisline, dodane vzorcu, ter tako proizvede signal. Na ta način je mogoče odkriti sledi povzročiteljev številnih bolezni, vključno z različnimi sevi virusa gripe.

Po mnenju ustvarjalcev takšnih testnih sistemov analiza CRISPR ne bo trajala dlje kot nekaj ur, rezultate pa je mogoče pridobiti prek interneta. Še vedno pa ni znano, kdaj se bodo tovrstni kompleti pojavili v javni prodaji.

To je iluzija: virtualna resničnost

O navidezni resničnosti se pogosto govori v kontekstu računalniških iger in »3D kina«, vendar ima tehnologija potencial tudi v medicini, in ne na najbolj očitnih področjih. Na primer, VR se učinkovito uporablja kot sredstvo za lajšanje bolečin.

Enota za opekline v univerzitetni bolnišnici Loyola v Illinoisu uporablja ta pristop.začela uporabljen pred desetimi leti: bolnišnični pacienti igrajo simulator med bolečimi posegiSnowWorld.

Akcija se odvija v ozadju napol fantastičnih severnih pokrajin s številnimi snežnimi zameti in zamrznjenimi rekami, junakova naloga je igrati snežne kepe s polarnimi medvedi, pingvini in snežaki. Za dokončanje vseh stopenj se pacient nehote osredotoči na uganko in se odvrne od fizičnih občutkov. MRI slikanje možganov je pokazalo, da SnowWorld dejansko zmanjša zaznavanje bolečine, zato bolniki potrebujejo manj močnih protibolečinskih zdravil, ki lahko škodijo telesu.

VR nadomešča ali dopolnjuje zdravila proti bolečinam na številnih področjih medicine. Tehnologija se uporablja za lajšanje bolečin med porodom in med zobozdravstvenimi posegi. Protibolečinske lastnosti navidezne resničnosti so še posebej pomembne v luči »opioidne krize« v Združenih državah - povezana je z naraščanjem priljubljenosti zdravil proti bolečinam na recept (na primer OxyContin in Vicodin) v zadnjih desetletjih.

VR ne deluje le pri fizični bolečini: premaga lahko tudi psihološke travme. Prvi poskusi so se zgodili v poznih devetdesetih letih prejšnjega stoletja, ko je psihologinji Barbari Rothbaum z virtualnimi modeli pilotske kabine helikopterja in jase v azijski džungli uspelo ublažiti simptome posttravmatske stresne motnje pri vietnamskih veteranih. Ta tehnika je dopolnjevala terapijo z izpostavljenostjo - postopen "približevanje" travmatičnim spominom, ki se jim bolnikova zavest skuša izogniti. Podobna shema deluje pri zdravljenju anksioznih motenj in fobij z uporabo virtualne resničnosti. Tehnologija pomaga pri soočanju z aerofobijo in strahom pred javnim nastopanjem: simulirano okolje omogoča večkratno "vajenje" zastrašujoče situacije.

Slabosti VR terapije so razmeroma visoki stroški opreme in morebitna fiziološka intoleranca na virtualno resničnost.

Nekateri udeleženci preskušanj novih metod zdravljenja so doživeli VR »slabost« (bolezen virtualne resničnosti), ki povzroča enake simptome kot potovalna ali morska bolezen. Po splošnih hipotezah obe motnji nastaneta zaradi motenj v delovanju receptorjev vestibularnega aparata ali konflikta med signali, ki prihajajo iz vestibularnega aparata in organov vida.

Razvijalci so že ustvarili več metod, ki lahko zmanjšajo "slabost" VR. Na zaslon lahko na primer postavite nepremični predmet, ki ga bodo oči uporabnika nenehno fiksirale. Avtorji tehnologije Nasum Virtualis predlagajo uporabo virtualne slike nosu, ki se nahaja na sredini zaslona, ​​​​kot referenčno točko. Igralčeve oči ga zaznavajo kot svoj nos, zato se občutek slabosti in vrtoglavice umakne.