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

Напряженное слушание заставило людей напрячь ушные мышцы Напряженное слушание заставило людей напрячь ушные мышцы

Как ушные мышцы, отвечающие за шевеление ушей, реагируют на напряженное слушание

N+1
10 современныx фильмов про отношения детей и родителей 10 современныx фильмов про отношения детей и родителей

Фильмы на тему родительства, всех его граней и оттенков

Seasons of life
Как искусственный интеллект меняет бьюти-индустрию Как искусственный интеллект меняет бьюти-индустрию

Как технологии ИИ ежедневно помогают бьюти-мастерам в работе?

Inc.
Роман Должанский: По России с любовью. Сад камней. Нерехта Роман Должанский: По России с любовью. Сад камней. Нерехта

Очерк Романа Должанского о старинном городе Нерехта

СНОБ
5 психологических терминов, которые пока не перевели на русский язык 5 психологических терминов, которые пока не перевели на русский язык

Пять психологических терминов из англоязычного интернета

РБК
Мне надо сейчас Мне надо сейчас

Известный фотограф Ольга Павлова – о том, как случайно найти свое призвание

Домашний Очаг
Циничная жизнь Бэзила Захароффа — «оружейного барона» и серого кардинала Циничная жизнь Бэзила Захароффа — «оружейного барона» и серого кардинала

По сравнению с этим человеком Гитлер был нежным собирателем цветочков!

Maxim
Нас не сломаешь! Нас не сломаешь!

Как избежать остеопороза

Лиза
Новые Sonata, Haval, Granta, Sentra: на что жалуются владельцы на форумах Новые Sonata, Haval, Granta, Sentra: на что жалуются владельцы на форумах

Проблемы на свежих моделях авторынка и как их решают производители

РБК
В главных ролях В главных ролях

Московская квартира с авангардными принтами для художницы по костюмам

AD
Каменные гости:  как топ-менеджер «Адаманта» стал коллекционером минералов Каменные гости:  как топ-менеджер «Адаманта» стал коллекционером минералов

Как Владимир Голубев увлекся камнями и что ему удалось собрать

Forbes
Валерия: «Удивляет все, что происходит на сцене» Валерия: «Удивляет все, что происходит на сцене»

Валерия все успевает и всегда остается молодой, красивой и безупречно элегантной

Лиза
Оптогенетический инструмент управления экспрессией белков in vivo применили для терапии диабета Оптогенетический инструмент управления экспрессией белков in vivo применили для терапии диабета

Ученые создали инструмент, который можно использовать для терапии диабета

N+1
10 дешевых иномарок, которые понравились бы россиянам. Фото 10 дешевых иномарок, которые понравились бы россиянам. Фото

Аналоги бюджетных иномарок, популярных в России

РБК
Стрижка не удалась? Как выйти из салона довольной волосами — 5 советов мастера Стрижка не удалась? Как выйти из салона довольной волосами — 5 советов мастера

Как клиенту подготовиться к визиту в парикмахерскую и что обсудить с мастером?

Cosmopolitan
Виталий Несис Виталий Несис

Виталий Несис рекомендует бизнесменам играть в го

Собака.ru
Самые известные ниндзя в истории Самые известные ниндзя в истории

Имена тех ниндзя, которых удалось поймать

Maxim
Проклятое платье Монро, которое не могли продать, и еще 5 ее скандальных нарядов Проклятое платье Монро, которое не могли продать, и еще 5 ее скандальных нарядов

Самые известные, громкие и скандальные наряды Мэрилин

Cosmopolitan
«Часики тикают»: как отвечать на бестактные вопросы о личной жизни «Часики тикают»: как отвечать на бестактные вопросы о личной жизни

«Когда свадьба?», «Скоро обзаведетесь наследниками?», «Пойдете за вторым?»

Psychologies
Археологи нашли пурпурные ткани времен царя Соломона и воссоздали процесс добычи красителя Археологи нашли пурпурные ткани времен царя Соломона и воссоздали процесс добычи красителя

Исследование окрашенного текстиля времен царя Соломона

N+1
Туманный Даль: расшифровываем самые непонятные пословицы Туманный Даль: расшифровываем самые непонятные пословицы

Мы решили растолковать пословицы Даля самостоятельно, и сделали это, как смогли

Maxim
Как найти хорошую работу: 10 советов для построения успешной карьеры Как найти хорошую работу: 10 советов для построения успешной карьеры

Пришло время двигаться по карьерной лестнице

Playboy
Янковский, Мухаметов, Бикович: самые горячие парни российского кино Янковский, Мухаметов, Бикович: самые горячие парни российского кино

Самые привлекательные и обаятельные парни российского кино

Cosmopolitan
TikTok против убийств и расизма. Как алгоритмы соцсети помогают индейцам Канады бороться за жизнь и права TikTok против убийств и расизма. Как алгоритмы соцсети помогают индейцам Канады бороться за жизнь и права

Одни используют TikTok для самовыражения, другие — для борьбы за свои права

СНОБ
Пробки навсегда? О транспортных сетях в Москве и России Пробки навсегда? О транспортных сетях в Москве и России

Что не так с российскими путями сообщения и что можно с этим сделать

N+1
Физики поставили рекорд в измерении размера альфа-частицы Физики поставили рекорд в измерении размера альфа-частицы

Для этого они провели измерение частоты 2S-2S перехода в мюонном ионе гелия

N+1
Летающий танк или летающий гроб? 6 железных фактов о штурмовике Ил-2 Летающий танк или летающий гроб? 6 железных фактов о штурмовике Ил-2

Каким был штурмовик Ил-2?

Maxim
«Мне больно, когда выбирают другого»: есть ли польза от ревности? «Мне больно, когда выбирают другого»: есть ли польза от ревности?

Психолог: почему мы ревнуем и что с этим делать?

Psychologies
Вредные советы: какие стартапы никогда не получат инвестиции Вредные советы: какие стартапы никогда не получат инвестиции

Как точно не привлечь деньги венчурных инвесторов

Forbes
Прощайте, роботы: за что мы любим Daft Punk Прощайте, роботы: за что мы любим Daft Punk

Чем запомнится дуэт Daft Punk

Esquire
Открыть в приложении