Ученые Института автоматики и информационных технологий погрузили машинный разум вглубокие размышления
Новая интеллектуальная компьютерная система, разработанная политеховцами, может заменить собой исследовательскую лабораторию, десяток мозговитых инженеров и бригаду путевых обходчиков.
Как используют технологию глубокого обучения машины на практике, рассказал научный руководитель нейрокомпьютерного центра кафедры «Вычислительная техника»института автоматики и информационных технологий СамГТУ, д.т.н. Сергей Орлов.
Мысль из машины
Искусственный интеллект – предмет далеко не новый. Им занимается мировая наука, он преподаётся в вузах. Одним из направлений изучения и применения машинного разума являются искусственные нейронные сети (ИНС) – компьютерные конструкции, построенные по принципу функционирования мозга человека. Сегодня нейросетевые алгоритмы применяются повсюду – от медицины до экономики. Программирование беспилотных автомобилей, в которых нейросети анализируют обстановку в режиме реального времени, а также системы распознавания лиц, где машина сама настраивает признаки, по которым проводит «опознание», вообще на пике популярности.
Пока искусственный интеллект не может обойтись без помощи человека. Для надежной и достоверной работы требуется обучить нейронную сеть, подобрать и разместить большой объем исходных данных. Хотя в последнее время машинное обучение вышло на новый уровень. Решения по методикам тренировки ИИ стали более технологичными. Во-первых, появились компьютеры с мощными видеокартами, которые обеспечивают высокую производительность работы за счет реализации параллельных вычислений. Во-вторых, созданы новые алгоритмы, которые учат сеть лучше понимать, что от неё требуется. Строго говоря, ИНС не программируются в привычном понимании этого слова, они обучаются. Собственно, термин «глубокое машинное обучение», которым занимаются учёные Политеха, как раз и подразумевает, что машина начинает думать, как человек –рассуждать, решать поставленные задачи, взаимодействовать с окружающей средой, улучшать точность рекомендаций и прогнозов, опираясь на полученный опыт. Понятно, что для того, чтобы ИНС соображали быстрее и эффективнее, нужно проделать много предварительной работы.
Нейронет в пути
— На кафедре «Вычислительная техника» накоплен большой опыт научно-исследовательских работ в этой области, который и позволил в начале этого года создать нейрокомпьютерный центр. Сотрудниками центра стали преподаватели, аспиранты и магистранты кафедры, занимающиеся исследованиями в области искусственного интеллекта. Первый заказ был получен от Научно-производственного центра «ИНФОТРАНС», мирового лидера по разработке и производству инновационной научно-технической продукции для железнодорожного транспорта,- рассказывает Сергей Павлович. – Нами была разработана диагностическая искусственная нейронная сеть (ДИНС) для распознавания и классификации дефектов рельсовых скреплений железнодорожного пути. ДИНС устанавливается на специализированном компьютере и работает совместно с видеокамерой, закрепленной под вагоном-лабораторией. На основе большого массива фотографий различных неисправностей железнодорожного полотна мы обучили ее распознавать девять классов состояний рельсовых скреплений с точностью до 98,4 %. В результате появилась возможность автоматически выявлять неисправности и дефекты. Это очень важно для своевременной диагностики состояния железнодорожных путей в современных условиях эксплуатации.
Далее «свежеобученная» сеть была запущена в дело. Испытания проходили в вагоне-лаборатории на участке Воронеж – ст. Касторное. Конечно, пришлось решить ряд проблем, связанных с внедрением нейронета в реальных условиях. Так, видеосъемка пути может быть затруднена из-за недостаточного освещения, загрязненности или колебаний скорости движения вагона-лаборатории. Несмотря на то, что в обучающей выборке использовались различные изображения, угадать все возможные случаи было невозможно. Кроме этого, при испытаниях в вагоне-лаборатории было использовано оборудование вычислительной системы меньшей производительности, что потребовало доработки программного обеспечения. Однако глубокая конволюционная нейронная сеть преодолела все проблемы, и в результате были продемонстрированы хорошие результаты по качеству классификации в разных режимах работы. Сейчас проект успешно завершен, и разработчики обсуждают с заказчиком планы по дальнейшему совершенствованию системы.
Искусственный интеллект, несомненно, стал к нам еще ближе. Интересно, что одна из проблем, которая при этом возникает – это доверие к нейросетям. Надо проблемами надежности и достоверности искусственного интеллекта сейчас работают целые группы учёных по всему миру. Ведь сложность работы с этим современным инструментом в том, что даже разработчики не могут точно предсказать, какие решения будет принимать ИНС. Поэтому финальные решения все равно остаются пока за человеком. Даже в случае интеллектуальной диагностики железнодорожных путей.
Светлана ЕРЕМЕНКО
Комментарий:
Антон Иващенко, д.т.н., зав. кафедрой «Вычислительная техника»
Нейрокомпьютерный центр создан как центр компетенции института автоматики и информационных технологий в области машинного обучения и искусственного интеллекта. В настоящее время технологии глубокого обучения позволяют создавать эффективные системы промышленного применения для решения широкого спектра задач технической диагностики. Сейчас мы можем решать задачи реального сектора экономики по идентификации дефектов в объектах и их последующей классификации, что актуально для анализа результатов видео и фото съемки, медицинской диагностики, дистанционного зондирования Земли. Существенно усилена подготовка студентов, которые выполняют учебные и исследовательские проекты в области анализа больших данных, машинного обучения и распараллеливания вычислений. Нами найден баланс в освоении фундаментальных дисциплин, аппаратуры и системногопрограммирования, который позволяет готовить востребованных специалистов в областипрактического применения вычислительной техники.
Мнение авторов может не совпадать с позицией редакции