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

Ядерная война приведет к потере 80 процентов урожая кукурузы Ядерная война приведет к потере 80 процентов урожая кукурузы

Ядерная война уронит годовое производство кукурузы на планете на 80 процентов

N+1
Какое количество шоколада может убить человека Какое количество шоколада может убить человека

Что будет, если съесть сразу несколько килограмм шоколада?

Популярная механика
На седьмое небо за пиццей: удивительные факты о высотных вращающихся ресторанах На седьмое небо за пиццей: удивительные факты о высотных вращающихся ресторанах

Как работает это чудо строительной инженерии — высотные вращающиеся рестораны?

ТехИнсайдер
Иностранка в Японии: ошибки, которые я совершала Иностранка в Японии: ошибки, которые я совершала

Наша героиня Елена уже семь лет живет и работает в Японии

Psychologies
Накопленная усталость: почему молодые шведки чаще выбирают жизнь за счет партнера Накопленная усталость: почему молодые шведки чаще выбирают жизнь за счет партнера

Почему некоторые шведки выбирают отказ от карьеры и жизнь за счет партнера

Forbes
Золотой фонд цитат: как твиты Илона Маска влияют на рынок Золотой фонд цитат: как твиты Илона Маска влияют на рынок

Самые известные и неоднозначные высказывания Илона Маска в Twitter

Forbes
Как Джефф Безос стал самым богатым человеком в мире Как Джефф Безос стал самым богатым человеком в мире

Как Джефф Безос сколотил империю и заработал почти $200 млрд

РБК
От теории к практике: как меняется бизнес-литература От теории к практике: как меняется бизнес-литература

Какие авторы и аудиокниги жанра бизнеса и экономики сегодня на пике популярности

Inc.
Марс окружен роботами: почему ОАЭ, Китай и США почти одновременно решили послать свои аппараты к Марсу и куда смотрит Россия? Марс окружен роботами: почему ОАЭ, Китай и США почти одновременно решили послать свои аппараты к Марсу и куда смотрит Россия?

Откуда такое внимание к Марсу? В чем уникальность миссий и куда смотрит Россия?

Esquire
Эффект дома Эффект дома

После реновации дом в Подмосковье приобрёл своё собственное лицо

SALON-Interior
Только белый: как научиться носить самый нежный цвет и приручить total white Только белый: как научиться носить самый нежный цвет и приручить total white

Несколько практических советов по адаптации моды на белый цвет к реальной жизни

Cosmopolitan
«Не смотри на них!» 5 практик бодипозитива, от которых может стать только хуже «Не смотри на них!» 5 практик бодипозитива, от которых может стать только хуже

Бодипозитивные советы, которые не помогут тебе принять собственное тело

Cosmopolitan
Как помочь ребенку найти друзей и поддерживать отношения с ними Как помочь ребенку найти друзей и поддерживать отношения с ними

Родители и друзья ребенка: как общаться и не беспокоиться

Psychologies
10 самых редких наборов LEGO, производившихся серийно 10 самых редких наборов LEGO, производившихся серийно

Бывают нумизматы, бывают филателисты, а бывают – коллекционеры LEGO

Популярная механика
Создал AWS, получил свободу действий, мог возглавить Microsoft и Uber: что известно о новом главе Amazon Энди Джесси Создал AWS, получил свободу действий, мог возглавить Microsoft и Uber: что известно о новом главе Amazon Энди Джесси

Что известно о приемнике Джеффа Безоса

VC.RU
Чем заняться перед смертью Чем заняться перед смертью

Как сделать так, чтобы уход из этого мира был наполнен смысл для самого себя?

СНОБ
«Важно оставаться самим собой даже под слоем грима» «Важно оставаться самим собой даже под слоем грима»

Митя Фомин: о помощи от Робби Уильямса и квартире у моря

OK!
Существовала ли легендарная библиотека Ивана Грозного? Существовала ли легендарная библиотека Ивана Грозного?

Библиотека Ивана Грозного — предмет острых научных дискуссий

Культура.РФ
Почему мы заботимся о других в ущерб себе Почему мы заботимся о других в ущерб себе

Стоит ли забывать о собственных желаниях, ломать себя, чтобы угодить другому?

Psychologies
Пять самых известных политзаключенных Пять самых известных политзаключенных

Самые известные политзаключенные в истории

Maxim
...Бегом под парусом ...Бегом под парусом

Кубок «Америки» – 2021 и гонка бегущих яхт

Популярная механика
Опыт против разума: чем купоны на еду лучше контроля над ценами Опыт против разума: чем купоны на еду лучше контроля над ценами

Как помочь малоимущим без принятия вредных для экономики решений

Forbes
Пластик в океане назвали смертельной угрозой для альбатросов Южного полушария Пластик в океане назвали смертельной угрозой для альбатросов Южного полушария

Альбатросы Южного полушария регулярно глотают пластиковый мусор

N+1
10 причин, по которым «критические дни» все не приходят 10 причин, по которым «критические дни» все не приходят

Почему месячные не приходят?

Cosmopolitan
Угарный газ рассказал о циркуляции в атмосфере Марса Угарный газ рассказал о циркуляции в атмосфере Марса

Орбитальный аппарат смог построить карту глобальной циркуляции в атмосфере Марса

N+1
Живу чужую жизнь: какие трудности тебя ждут, если ты не на своем месте в семье Живу чужую жизнь: какие трудности тебя ждут, если ты не на своем месте в семье

Посещают ли тебя мысли, что ты живешь неправильно?

Cosmopolitan
Ваши сотрудники — это ваш бизнес. Четыре урока заботы о людях от успешных CEO Ваши сотрудники — это ваш бизнес. Четыре урока заботы о людях от успешных CEO

Заботьтесь о своих сотрудниках — и тогда они позаботятся о вашем бизнесе

Inc.
Как живут отцы, воспитывающие особенных детей Как живут отцы, воспитывающие особенных детей

Рассказываем о настоящих мужчинах, которые каждый день борются за своих детей

GQ
«Чахотка: другая история немецкого общества» «Чахотка: другая история немецкого общества»

Отрывок из книги Ульрике Мозер «Чахотка: другая история немецкого общества»

N+1
10 мини-сериалов, на которые не жалко потратить хоть все выходные 10 мини-сериалов, на которые не жалко потратить хоть все выходные

Мини-сериал - идеальное блюдо выходного дня

Cosmopolitan
Открыть в приложении