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

CAR-T-терапия поставила на ноги двух пациентов с тяжелой аутоиммунной нейропатией CAR-T-терапия поставила на ноги двух пациентов с тяжелой аутоиммунной нейропатией

Частично обездвиженные заболеванием люди начали ходить с помощью CAR-T-терапии

N+1
Почему у тебя могут сохнуть глаза ночью (да, так бывает) Почему у тебя могут сохнуть глаза ночью (да, так бывает)

Крайне неприятное ощущение

Playboy
Цифровое око правосудия. Как роботы помогают искать преступников в России Цифровое око правосудия. Как роботы помогают искать преступников в России

Смогут ли роботы заменить следователей и нужно ли это?

Inc.
И в шутку, и всерьез. Премьера по пьесе Ивана Вырыпаева на сцене «Современника» И в шутку, и всерьез. Премьера по пьесе Ивана Вырыпаева на сцене «Современника»

Спектакль «Иллюзии» — несколько историй любви длиною в жизнь

СНОБ
В режиме «не беспокоить»: что такое синдром цифровой усталости, чем он опасен и как с ним бороться В режиме «не беспокоить»: что такое синдром цифровой усталости, чем он опасен и как с ним бороться

Как зумеры столкнулись с выгоранием от бесконечного скроллинга социальных сетей

Правила жизни
«Без везения не обошлось. Но должно быть что-то больше, чем везение»: Юрий Мильнер о принципах, инвестициях и космосе «Без везения не обошлось. Но должно быть что-то больше, чем везение»: Юрий Мильнер о принципах, инвестициях и космосе

Главное из большого интервью Юрия Мильнера проекту «Русские норм»

VC.RU
Сердце компании Сердце компании

Почему организационная культура значит больше, чем стратегия или финансы

kiozk originals
Перекачанные лица, или Overfilling: как выходят и чем грозят, знает косметолог Перекачанные лица, или Overfilling: как выходят и чем грозят, знает косметолог

Зачем так надуваться? Психологическая проблема или ошибка пластического хирурга?

Cosmopolitan
Звезда «Топей» и будущий «Майор Гром»: интервью с Тихоном Жизневским Звезда «Топей» и будущий «Майор Гром»: интервью с Тихоном Жизневским

Тихон Жизневский — о том, почему важно вовремя уйти и вовремя вернуться

Cosmopolitan
Мощные ледниковые щиты за последние 150 тысяч лет дважды опреснили Северный Ледовитый океан Мощные ледниковые щиты за последние 150 тысяч лет дважды опреснили Северный Ледовитый океан

Арктика превращается в изолированный пресноводный резервуар

N+1
Миллиардер Андрей Андреев — Forbes: «После сделки с Blackstone вопрос финансирования у меня не стоит» Миллиардер Андрей Андреев — Forbes: «После сделки с Blackstone вопрос финансирования у меня не стоит»

Почему миллиардер Андрей Андреев инвестировал в рынок аудиосервисов

Forbes
Когда цветет миндаль Когда цветет миндаль

Почему бы в последние дни зимы не помечтать о далекой Майорке, где всё в цвету?

Лиза
Как разговаривать с подростками о политике Как разговаривать с подростками о политике

Расскажи сыну про митинги, либерализм и демократию

Maxim
Чешское образование. Речь Филипа Рота на вручении американской литературной премии Чешское образование. Речь Филипа Рота на вручении американской литературной премии

Отрывок из книги Филипа Рота «Зачем писать?»

СНОБ
Я разрешаю себе уйти в отрыв! Я разрешаю себе уйти в отрыв!

Актриса Екатерина Гусева о танцах, откровенных сценах и принятии возраста

Добрые советы
Свободные взгляды Свободные взгляды

Режиссеры фильма «Дом Кардена» приглашают в путешествие по вселенной дизайнера

Vogue
За черным пнем За черным пнем

Как живут люди и овцы в австралийской пустоши

Вокруг света
Как распознать ложь по языку тела Как распознать ложь по языку тела

Как поймать лжеца с поличным

Psychologies
«Предпринимательство — это сублимация». Основатели «Ясно» и Compot о том, зачем бизнесменам психотерапия и как не «отъехать кукухой» в мегаполисе «Предпринимательство — это сублимация». Основатели «Ясно» и Compot о том, зачем бизнесменам психотерапия и как не «отъехать кукухой» в мегаполисе

У многих российских предпринимателей всё еще сложное отношение к психотерапии

Inc.
Остров сокровищ Остров сокровищ

Алмазные старатели Борнео

Вокруг света
5 шагов к эффективному управлению командой на удаленке 5 шагов к эффективному управлению командой на удаленке

Как сделать дистанционную работу максимально эффективной

СНОБ
Тайна перевала Дятлова: неожиданный источник разгадки Тайна перевала Дятлова: неожиданный источник разгадки

Удалось ли современной науке разгадать тайну перевала Дятлова?

Cosmopolitan
Свидание с Албанией: отправляемся в самую неизвестную страну Европы Свидание с Албанией: отправляемся в самую неизвестную страну Европы

Что вы знаете про Албанию? Скорее всего, ничего

Cosmopolitan
Правильное питание: инструкция для начинающих Правильное питание: инструкция для начинающих

Что и как есть с пользой и без строгих запретов

РБК
Подмосковное озеро расскажет о развитии Земли Подмосковное озеро расскажет о развитии Земли

В Московской области нашли озера, которые могут иметь метеоритное происхождение

Наука и жизнь
«Ложечку за маму» и другие опасные послания про еду из нашего детства «Ложечку за маму» и другие опасные послания про еду из нашего детства

Как родители прививают детям вредные установки про еду

Psychologies
Правила жизни Мэтта Гроунинга Правила жизни Мэтта Гроунинга

Правила жизни создателя «Симпсонов» и «Футурамы» Мэтта Гроунинга

Esquire
Штаны вместо юбки: как на самом деле одевалась Хюррем Султан: сериал VS жизнь Штаны вместо юбки: как на самом деле одевалась Хюррем Султан: сериал VS жизнь

Как же на самом деле одевалась Роксолана в реальной жизни

Cosmopolitan
Какой получилась игра The Medium — первый в истории хоррор с двумя реальностями в одном экране Какой получилась игра The Medium — первый в истории хоррор с двумя реальностями в одном экране

The Medium — самый дорогой проект студии Bloober Team, и это их лучшая игра

Esquire
10 самых бесящих фраз из вакансий, и что они значат на самом деле 10 самых бесящих фраз из вакансий, и что они значат на самом деле

Представляем понятный переводчик с хедхантерского на соискательский

Maxim
Открыть в приложении