Может ли машинное обучение предсказать свое будущее?

N+1Hi-Tech

Гадание на датасетах

Может ли машинное обучение предсказать свое будущее?

Богдан Сиротич

Вы каждый день сталкиваетесь с машинным обучением и его работой. Вас удивляет, как быстро его учат новым навыкам и совершенствуют в старых. Но что если мы скажем, что все это достигнуто с помощью всего половины процента от имеющихся у человечества данных? Вместе с экспертами Яндекса рассказываем, как в ближайшие годы машинное обучение изменит мир вокруг нас.

N + 1 совместно с экспертами Яндекса, а также членами жюри и лауреатами научной премии им. Ильи Сегаловича представляет материал о ближайших и более дальних перспективах машинного обучения. В 2019 году Яндекс учредил премию имени Ильи Сегаловича в память о создателе первой версии поисковика «Яндекс» и популяризатора компьютерных наук. Это ежегодная премия для молодых исследователей в области машинного обучения, компьютерного зрения, информационного поиска и анализа данных, а также обработки естественного языка.

Если вы студент, аспирант или научный руководитель из России, Беларуси или Казахстана и работаете над подобными задачами, вам стоит рассказать о своих успехах и подать заявку на соискание премии. В этом году они будут приниматься до 1 марта включительно.

Здесь нет заголовка, но машинное обучение может его придумать

Машинное обучение есть почти в каждом гаджете, который нас окружает. С его помощью работают поисковики, агрегаторы такси, камеры, отслеживающие нарушения ПДД. Сейчас этим никого не удивишь. Но в последние годы машинное обучение стало важной частью медицинских и даже гуманитарных исследований.

В январе разработчики из OpenAI представили нейросеть DALL-E, способную создавать изображения по текстовому описанию. Это не первая подобная разработка, но очень интересная и разносторонняя. Пока рано говорить, что у нейросетей появилось воображение, но DALL-E способен рисовать предметы, руководствуясь даже очень абстрактным описанием, — например, «кресло в форме авокадо». Нейросеть также способна дорисовывать существующему изображению прямоугольную область с любой стороны, создавать реалистичные изображения по наброску и разбирается в том, как менялись вещи со временем. К примеру, DALL-E отличает деревянный телефон 1920-х годов от не таких старых домашних барабанных телефонов.

Подобная технология помогает создавать сцену по имеющемуся сценарию — то есть рисовать примерное изображение того действа, которое задумал сценарист. И этим использование машинного обучения в кино не ограничивается. По словам Игоря Куралёнка, члена жюри научной премии им. Ильи Сегаловича, руководителя подразделения AI & ML Yandex.Cloud, можно выполнять дубляж зарубежных фильмов, не используя голоса российских актеров, а при помощи машинного обучения «заставляя» иностранных исполнителей говорить по-русски.

Беспилотные автомобили, которые мы раньше могли видеть только в качестве первых прототипов на специальных полигонах, уже разъезжают по Москве, пока в тестовом режиме. И пускай эта технология еще не достигла полного развития, от нее можно ждать большого прогресса в ближайшем будущем. Другая интересная технология, в которой широко применяется машинное зрение, — магазины без продавцов. Несколько торговых сетей уже запустили пилотные проекты в Москве.

«Технологии глубокого обучения необходимы для обработки данных после сканирования трехмерного пространства — с помощью лидаров, сканеров структурированного света и других инструментов. Результаты применяются и при создании беспилотных авто, и в разработке приложений для мобильных устройств». Евгений Бурнаев, доцент Сколтеха, стал обладателем научной премии им. Ильи Сегаловича среди научных руководителей в 2020 году

Гораздо необычнее то, что сейчас машинное обучение помогает расшифровывать забытую письменность. До начала предыдущего столетия в Японии использовалась письменная система, называемая кузусидзи. Сейчас — спустя более века после реформы системы образования — почти не осталось людей, способных ее понимать. Чтобы решить проблему расшифровки древних текстов Национальный институт японской литературы опубликовал датасет кузусидзи, содержащий более 4 тысяч классов символов и миллион их разнообразных изображений. Чтобы извлечь максимум из имеющихся данных, на платформе Kaggle открыли соревнование, победитель которого достиг F1 = 0,950. Суть соревнования заключалась в распознавании письменности и ее переводе на современную японскую письменность.

Постепенно машинное обучение проникает и в медицину. Как утверждает Александр Крайнов, член совета научной премии им. Ильи Сегаловича и руководитель Лаборатории машинного интеллекта Яндекса, медицина — самое интересное место для внедрения машинного обучения, начиная от распознавания медицинских снимков и заканчивая постановкой диагноза, пусть не в качестве конечного вердикта, но в виде весомого совета для докторов.

Пока машинное обучение помогает врачам иначе. Например, в американском госпитале алгоритм на основе машинного обучения предсказывает заполняемость больницы, распределяет время врачей и медсестер и заказывает расходники.

«Машинное обучение применяется в медицине и в сложных задачах — таких, как модель AlphaFold2, предсказывающая структуру белков. И в более приземленных и доступных — например, при создании элайнеров (ортодонтических капп на зубы)». Лариса Маркеева, лауреат научной премии им. Ильи Сегаловича в 2020 году

Предупрежден, значит вооружен

Может показаться, что машинное обучение всесильно и сможет вскоре заменить человека в любой области. Это не так. Не во всех задачах сейчас можно прибегнуть к помощи машинного обучения. Порой собранных данных просто недостаточно для создания качественного алгоритма. Но, как подсказывает Игорь Куралёнок, возглавляющий подразделения AI & ML Yandex.Cloud, иногда выход все же есть — применение трансферного обучения (transfer learning).

Эта методика позволяет экстраполировать имеющиеся алгоритмы на более узкие проблемы. Подходящим примером является переобучение готовой языковой модели на перевод специфической малоизученной литературы. Возможны ли в этом случае ошибки? Скорее всего, да. Но не стоит забывать, что ошибки, человеческие они или машинные, — это естественная часть совершенствования технологии. И чем больше мы о них знаем, тем проще их обнаружить и исправить.

Но использование даже самых современных методик пока что не позволяет доверить машинному обучению задачи, сопряженные с высоким риском. Дэвид Талбот, руководитель отдела NLP Яндекса и член жюри научной премии им. Ильи Сегаловича, считает, что полностью доверить машинам такие задачи, как, например, операции на сердце или даже управление автомобилем, еще нельзя.

«Очевидно, что приход transfer learning в NLP (от англ. natural language processing — "обработка естественного языка") — очень важный прорыв, который чуть раньше произошел и в компьютерном зрении. Отдельно стоит отметить модели (например, DeBERTa — Decoding-enhanced BERT with Disentangled Attention), которые смогли превзойти человека в задачах понимания текста (на SuperGLUE benchmark). Но стоит обратить внимание и на другие важные работы в области. Использование баз и графов знаний (knowledge bases и knowledge graphs) совместно с языковыми моделями становится популярным и используется, например, в диалоговых системах или для генерации текста». Анастасия Янина, лауреат научной премии им. Ильи Сегаловича в 2020 году

Александр Крайнов из Лаборатории машинного интеллекта Яндекса считает, что нейросети технически несовершенны в сравнении с мозгом. Мозг способен выполнять самые разнообразные задачи, затрачивая несравнимо меньше энергии, чем нейросети. В том числе поэтому не стоит ждать, что в скором времени машина сможет воспроизвести работу человеческого мозга. В ближайшее время нейросети будут эффективны лишь в решении узких конкретных задач.

Авторизуйтесь, чтобы продолжить чтение. Это быстро и бесплатно.

Регистрируясь, я принимаю условия использования

Рекомендуемые статьи

Иллюзия сознания и реальность игры Иллюзия сознания и реальность игры

Книги: очередная биография Эйнштейна и исследование эмоций

N+1
Как сделать очки виртуальной реальности из картона? Как сделать очки виртуальной реальности из картона?

Превращаем смартфон в очки виртуальной реальности отменного качества

Популярная механика
5 неожиданных технологий, которые изменили 3D-графику 5 неожиданных технологий, которые изменили 3D-графику

Какие технологии стояли у истоков современной 3D-графики

ТехИнсайдер
Бокс, пробежки и торт «Шварцвальд»: Reuters рассказал о пребывании Навального в Германии после больницы Бокс, пробежки и торт «Шварцвальд»: Reuters рассказал о пребывании Навального в Германии после больницы

Reuters описал пребывание Навального в Германии

Forbes
Как читать книги Как читать книги

Руководство по чтению великих произведений

kiozk originals
Персона Персона

О необычных запросах клиентов и репутации русских александритов

Robb Report
«Чай с любовью» «Чай с любовью»

Регина Тодоренко и Влад Топалов — о любви, браке и 30 книгах по психологии

OK!
Катя Смольникова Катя Смольникова

Инженер-физик колдует над мультикремами, которые не перекраивают ваше лицо

Собака.ru
7 нелепых теорий древних ученых о сексе 7 нелепых теорий древних ученых о сексе

Человечество занималось подробным изучением секса задолго до появления ученых

Maxim
Почему девушка не пишет первой: 8 возможных причин (рано паниковать) Почему девушка не пишет первой: 8 возможных причин (рано паниковать)

Подборка частых причин, по которым многие девушки не пишут парням первыми

Playboy
Мировой уровень Мировой уровень

Пять глобальных предпринимателей из России, известных далеко за пределами Рунета

Forbes
Антидепрессант остановил разрушение хрящей при остеоартрите Антидепрессант остановил разрушение хрящей при остеоартрите

Пароксетин может стать препаратом для лечения остеоартрита

N+1
Кто в доме хозяин Кто в доме хозяин

Муж, который готов потакать своей жене, со стороны кажется идеальным партнером

Лиза
«Были проблемы с деньгами»: близкий друг Андрея Мягкова о его последних годах «Были проблемы с деньгами»: близкий друг Андрея Мягкова о его последних годах

Георгий Штиль вспоминает давнего приятеля Андрея Мягкова

Cosmopolitan
Что делать, если оштрафовали за разметку под снегом. Инструкция Что делать, если оштрафовали за разметку под снегом. Инструкция

Как обжаловать «письмо счастья»?

РБК
Убрать излишки Убрать излишки

С чего начать, если вы решили привести себя в порядок после затянувшейся зимы?

Здоровье
12 звезд, которые разорились 12 звезд, которые разорились

Заработать сто миллионов любой дурак может. А вот спустить их — не любой

Maxim
Люди идут по свету? Люди идут по свету?

Свобода передвижения: так ли уж человечество добивалось этой привилегии?

Вокруг света
Вы считаете себя талантливым человеком? Вопрос дня Вы считаете себя талантливым человеком? Вопрос дня

Участники проекта «Сноб» рассказывают, считают ли они себя талантливыми

СНОБ
На пути к вершине Казбека: как новый Tiguan справляется с горными дорогами На пути к вершине Казбека: как новый Tiguan справляется с горными дорогами

Volkswagen Tiguan на живописных горных дорогах Северной Осетии

Forbes
Кто такой статский советник? Кто такой статский советник?

Статский советник — это один из гражданских чинов в дореволюционной России

Культура.РФ
Алгоритмические войны Алгоритмические войны

Как битвы будущего видят по ту сторону океана

Популярная механика
Секс, беременность, падения: 8 самых популярных снов и их значение Секс, беременность, падения: 8 самых популярных снов и их значение

Что означают твои сны?

Cosmopolitan
4 фразы, с помощью которых мы оправдываем прокрастинацию 4 фразы, с помощью которых мы оправдываем прокрастинацию

Эти слова подкрепляют нежелательное поведение и помогают откладывать дела

Psychologies
А ты пиши А ты пиши

Линор Горалик — о свободе творчества в мире, состоящем из ограничений

Vogue
«А вы думали, Земфира — не человек?»: почему новый альбом певицы «Борделайн» не звучит как открытие «А вы думали, Земфира — не человек?»: почему новый альбом певицы «Борделайн» не звучит как открытие

Почему Земфира не оправдала ожидания многих

Forbes
Я перестала делать из хорошего мужа «идеального отца» Я перестала делать из хорошего мужа «идеального отца»

Почему не нужно решать за мужа, каким он должен быть отцом

Psychologies
Фуху на островах южных морей Фуху на островах южных морей

Любой житель Британских островов скажет, что бокс придумали англичане

Вокруг света
Не спать всю ночь и пережить день? Легко! Не спать всю ночь и пережить день? Легко!

Как оставаться бодрой после бессонной ночи?

Cosmopolitan
Люк Бессон Люк Бессон

Правила жизни Люка Бессона

Esquire
Открыть в приложении