IX Международная студенческая научная конференция Студенческий научный форум - 2017

В начале 2000-х годов, человечество шагнуло в новую эпоху обработки и анализа информации на основе машинного обучения. Благодаря техническим прорывам в скорости обработки информации и в огромном количестве генерируемой информации человечеством ежедневно, стало возможным обучать компьютерные алгоритмы выполнять нелинейные задачи. Одним из прорывных алгоритмов машинного обучения, на сегодняшний день, являются искусственные нейронные сети. В 2016 году о нейронных сетях услышал мир благодаря наработкам Google, Microsoft (ряд сервисов для идентификации изображений), стартапы MSQRD, Prisma и другие.

Нейронные сети (далее нейросети) являются одним из направлений в разработке систем искусственного интеллекта. Суть их работы заключается в моделировании работы нервной системы живых организмов, а именно в человеческой нервной системы, её способности к обучению и исправлению ошибок. Главная особенность любой нейронной сети состоит в том, что она способна самостоятельно обучаться и действовать на основании предыдущего опыта, при этом делая всё меньше ошибок[1].

Стоит понимать, что создание человеческого мозга по образу и подобию на основе нейросетей, на сегодняшний день невозможно, и не нужно, т.к. важна сама идея обучения и принятия решений машинами на основе полученного опыта. Здесь можно провести аналогию с птицей. Человек сегодня не может создать точную копию птицы, однако будучи вдохновленным идеей полета, человек создал воздушный шар, дирижабль, самолет, ракеты. При этом птица не может полететь в космос или перевезти сотню человек через океан[2].

Рассмотрим часть достижений в области нейросетей:

1. Распознавание естественного языка (письменного и голосового). Примеры: голосовой ассистент Siri от Apple; распознавание текста с помощью программы Fine Reader от Abby и другие.

2. Распознавание образов из изображений. Благодаря большому массиву изображений в сети Интернет, машины уже умеют распознавать что нарисовано на изображении и может обработать его в соответствии с определенным стилем. Примеры: встроенная система Яндекса на сайт Авто.ру, которая распознает модели и марки автомобиля по фотографии; подбор похожих товаров по фото в сервисе Яндекс.Маркет.

3. Распознавание диагноза пациента на основе истории болезни и симптомов. Пример: когнитивная облачная система Doctor Watson от IBM.

4. Выдача релевантных и персонифицированных поисковых запросов по смыслу. Пример: поисковая система Google, Yandex.

Алгоритмы искусственных нейронных сетей нашли широкое применение в экономике. С помощью нейронных сетей решается задача разработки алгоритмов нахождения аналитического описания закономерностей функционирования экономических объектов (предприятие, отрасль, регион). Эти алгоритмы применяются к прогнозированию некоторых «выходных» показателей объектов. Применение нейросетевых методов позволяет решить некоторые проблемы экономико-статистического моделирования, повысить адекватность математических моделей, приблизить их к экономической реальности. Поскольку экономические, финансовые и социальные системы очень сложны и являются результатом человеческих действий и противодействий, создание полной математической модели с учётом всех возможных действий и противодействий является очень сложной (если разрешимой) задачей. В системах подобной сложности естественным и наиболее эффективным является использование моделей, которые напрямую имитируют поведение общества и экономики. Именно это способна предложить методология нейронных сетей[3].

Заведующий лабораторией нейронных систем и глубокого обучения Центра живых систем МФТИ Михаил Бурцев приводит предположительную карту развития нейронных сетей на 2016-2018 годы[1]:

• системы распознавания и классификации объектов на изображениях;

• голосовые интерфейсы взаимодействия для интернета вещей;

• системы мониторинга качества обслуживания в колл-центрах;

• системы выявления неполадок (в том числе, предсказывающие время технического обслуживания), аномалий, кибер-физических угроз;

• системы интеллектуальной безопасности и мониторинга;

• самообучающиеся системы, оптимизирующие управление материальными потоками или расположение объектов (на складах, транспорте);

• интеллектуальные, самообучающиеся системы управления производственными процессами и устройствами (в том числе, робототехнические);

• появление систем универсального перевода «на лету» для конференций и персонального использования;

• появление ботов-консультантов технической поддержки или персональных ассистентов, по функциям близким к человеку.

К основным игрокам рынка нейросетей можно отнести Google и её подразделение Google (DeepMind, AlphaGo, и Google Brain). Собственные разработки в этой области есть у Microsoft (Microsoft Research). Созданием нейронных сетей занимаются в IBM, Facebook (подразделение Facebook AI Research) и другие. Стоит отметить, что сейчас наблюдается отсутствие барьеров для использования нейронных сетей в малом и среднем бизнесах. Поскольку наработки в этой области открыты крупными игроками в связи с тем, что необходимо дать развитие этой области среди большого числа сфер человеческой деятельности.

В настоящее время мы пришли к тому, что происходит 4 научно-техническая революция, которая заключается в массовой доступности машинного обучения. Это приведет к переходу из информационных технологий в операционные технологии. Операционные технологии подразумевают делегирование принятия решений машине и самостоятельное выполнение действий на основе принятого решения.

СПИСОК ИСПОЛЬЗОВАНОЙ ЛИТЕРАТУРЫ

1. Бум нейросетей: Кто делает нейронные сети, зачем они нужны и сколько денег могут приносить. [Электронный ресурс] – Режим доступа: URL: https://vc.ru/p/neural-networks (дата обращения 16.12.2016).

2. Машинный интеллект и машинное обучение. Лекция Андрея Себранта. [Электронный ресурс] – Режим доступа: URL: http://malina.am/video/2016/9/29/intellektsii (дата обращения 16.12.2016).

3. Искусственная нейронная сеть. [Электронный ресурс] – Режим доступа: URL: https://ru.wikipedia.org/wiki/Искусственная_нейронная_сеть (дата обращения 16.12.2016).

4. Искусственный интеллект в поиске. Как Яндекс научился применять нейронные сети, чтобы искать по смыслу, а не по словам. [Электронный ресурс] – Режим доступа: URL: https://habrahabr.ru/company/yandex/blog/314222/ (дата обращения 16.12.2016).

Код для цитирования: Скопировать