Новая интеллектуальная система, разработанная самарскими учёными, может заменить собой исследовательскую лабораторию, десяток мозговитых инженеров и… бригаду путевых обходчиков.
Мысль из машины
Думать и творить. Это теперь — не только про человека. Не так давно настоящий шок среди участников мирового арт — сообщества вызвал факт продажи на аукционе «Портрета Эдмонда Белами» — полностью созданного искусственным интеллектом живописного полотна. В работе над портретом принимали участие две нейросети. Первая нарисовала картину, а вторая – проверила её подлинность. Кстати, перед актом творения ИИ изучил более 15 тысяч произведений искусства XIV—XX веков, чтобы сформировать на их основе собственные образы.
Сегодня искусственные нейронные сети (ИНС) – компьютерные конструкции, построенные по принципу функционирования мозга человека — применяются повсюду – от медицины до экономики. А программирование беспилотных автомобилей, в которых нейросети анализируют обстановку в режиме реального времени и системы распознавания лиц в тех же аэропортах, где машина сама настраивает признаки, по которым проводит «опознание», вообще на пике популярности. Понятно, что для того, чтобы ИНС соображали быстрее и эффективнее, нужно проделать много предварительной работы — подобрать и разместить большой объем исходных данных, «натаскать» ИИ на понимание задачи. Строго говоря, ИНС даже не программируются в привычном понимании этого слова, они обучаются. Отсюда и основное преимущество нейронных сетей перед другими методами машинного обучения. Они могут распознавать более глубокие, иногда неожиданные закономерности в данных. Учиться ИНС начинают с азов предмета, потом знания, которыми они наполняются программистами, становятся всё сложнее и сложнее. Один нейрон – один признак или одна форма, один звук, одна цвет и так далее. Всё устроено как в мозгу у хомо сапиенса. И однажды наступает момент, когда машинный разум — опа! – готов к самообразованию. В этом как раз и состоит суть термина «ГЛУБОКОЕ машинное обучение», которым занимаются, в том числе, и учёные самарского Политеха. За последние пару-тройку лет машинное обучение вышло на новый уровень.
– Скажу больше – в этой технологии совершен серьёзный прорыв. Решения по методикам тренировки ИИ стали более технологичными, — объясняет Антон Иващенко, д.т.н., зав. кафедрой «Вычислительная техника» СамГТУ. — 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.
То есть с помощью наставников-программистов машина начинает думать, как человек – рассуждать, решать поставленные задачи, взаимодействовать с окружающей средой, улучшать точность рекомендаций и прогнозов, опираясь на полученный опыт.
Неодиночество в сетях
Недавно программисты вуза разработали ДИНС — интеллектуальную систему глубокого обучения для диагностики железнодорожного пути. — На основе большого массива фотографий различных неисправностей железнодорожного полотна мы обучили ее распознавать девять классов состояний рельсовых скреплений с точностью до 98,4 %, — объясняет Иващенко. — Несмотря на то, что в обучающей выборке использовались различные изображения, угадать все возможные случаи было просто нереально. Но когда наша «свежеобученная» сеть, загруженная в компьютеры в вагоне-лаборатории, отправилась в путь, она «на ходу» сориентировалась и выдала 100% результат, обнаружив и вычленив как мелкие – например, кривой болт, так и потенциально опасные дефекты трещина в рельсе. Ну, и то, что не смогли бы разглядеть даже самые внимательные и опытные обходчики.
Мировой лидер по разработке и производству инновационной научно-технической продукции для железнодорожного транспорта «ИНФОТРАНС», готов вывести продукт самарских программистов на железнодорожную сеть страны. А тем временем в научном тандеме с Национальным исследовательским университетом ИТМО самарские учёные работают над созданием искусственного нейросети по анализу девиантного поведения пользователей социальных сетей.
По словам научного руководителя нейрокомпьютерного центра д.т.н. профессора Сергея Орлова, в настоящее время технологии глубокого обучения позволяют создавать эффективные системы промышленного применения для решения широкого спектра задач технической диагностики. — Современные возможности графических процессоров обеспечивают достаточную производительность для обучения искусственных нейронных сетей, — утверждает учёный. – И это открывает новые горизонты их практического использования. 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.
Ясно, что ИИ быстро и толково будет справляться с задачами, на решение которых раньше уходили труды и годы целых научных коллективов. Но вот что интересно: одна из проблем, которая при этом возникает – это доверие к нейросетям. Например, на сегодняшний день одна из самых обидных ошибок для ИИ, используемого на практике, связана с нейросетью Гугла, которая распознала двух темнокожих людей как горилл. Так что изучению проблемы надежности и достоверности искусственного интеллекта посвящают рабочее время целые группы учёных по всему миру. Ведь сложность работы с этим современным инструментом в том, что даже разработчикам сложно понять, КАК сеть принимает решения. Еще одна проблема, которая может возникнуть в будущем – насколько человек будет зависим от советов подобных «железяк». Мы же надеваем не раздумывая шапку, увидев в своем телефоне прогноз Гисметео на мороз.
Светлана КОЛЕСНИКОВА
Мнение авторов может не совпадать с позицией редакции