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

Секвенирование ДНК из воздуха сообщило о составе биомов и человеческих популяций Секвенирование ДНК из воздуха сообщило о составе биомов и человеческих популяций

Секвенирование ДНК как способ быстрого и неинвазивного анализа биомов

N+1
Мастер спора международного класса Мастер спора международного класса

Главный спорщик XX века Амарилло Слим прославился невероятными пари

Maxim
Искусственный коллега: как российские нейросети трансформировали бизнес и заменят ли людей алгоритмы Искусственный коллега: как российские нейросети трансформировали бизнес и заменят ли людей алгоритмы

ИИ-экспансия в бизнесе: чего ждать дальше и как подобрать для себя нужный сервис

Inc.
Как менялось отношение к делу Вуди Аллена и Миа Фэрроу Как менялось отношение к делу Вуди Аллена и Миа Фэрроу

История отношения общества и прессы к Вуди Аллену и его семье с Миа Фэрроу

Weekend
Ежи от болезней и средневековый фастфуд: странные пищевые привычки времен Средневековья Ежи от болезней и средневековый фастфуд: странные пищевые привычки времен Средневековья

Страдающие ежи и Средневековье: что ели люди в эпоху рыцарей?

ТехИнсайдер
Что такое устойчивая архитектура, и почему «зеленые» здания не всегда покрыты растениями Что такое устойчивая архитектура, и почему «зеленые» здания не всегда покрыты растениями

Изменение климата заставляет многие сферы жизни человека «зеленеть»

Популярная механика
Компьютерная томография подтвердила драматическую гибель египетского царя Компьютерная томография подтвердила драматическую гибель египетского царя

Фараон Секененра Таа II попал в руки многочисленных врагов и был жестоко убит

N+1
Снижающий нагрузку рюкзак научили вырабатывать энергию Снижающий нагрузку рюкзак научили вырабатывать энергию

Как работает рюкзак, который снижает нагрузку и вырабатывает энергию

N+1
«Мы должны сделать комфорт максимально изысканным» «Мы должны сделать комфорт максимально изысканным»

Дизайн-директор Brioni Норберт Штумпфль о законах бренда и новой коллекции

Weekend
А вдруг это рак? Надо ли бояться генетической предрасположенности к онкологии А вдруг это рак? Надо ли бояться генетической предрасположенности к онкологии

Эксперт: следите за здоровьем и не бойтесь новообразований

Cosmopolitan
Машины, которые не ломаются и много новинок. Главные автоновости недели Машины, которые не ломаются и много новинок. Главные автоновости недели

Состоялась премьера новых Nissan Qashqai и Mitsubishi Outlander

РБК
Мы расстались, когда нам было по 14. Через двадцать лет мы снова вместе Мы расстались, когда нам было по 14. Через двадцать лет мы снова вместе

Наши герои, полюбив и расставшись подростками, встретились через двадцать лет

Psychologies
Чему нас может научить общение с нарциссами Чему нас может научить общение с нарциссами

Общение с нарциссами истощает и выматывает

Psychologies
Победителей не судят Победителей не судят

Александр Гудков и Иван Дорн — о звездном статусе, хайпе и друг друге

GQ
Почему Пентагон недоволен самолетом F-35 Почему Пентагон недоволен самолетом F-35

Истребители-бомбардировщики F-35 оказались почти непригодны к эксплуатации

Популярная механика
Погода, климат и жизнь птиц Погода, климат и жизнь птиц

Изменение поведения птиц — верный признак смены климатического сезона

Наука и жизнь
Интервью с Владимиром Золотухиным и премьера клипа Zoloto Интервью с Владимиром Золотухиным и премьера клипа Zoloto

Интервью с Владимиром Золотухиным о поэзии, поколении и протестах

СНОБ
Драма-принц Драма-принц

Встречайте: Джош О’Коннор

Glamour
19 существ, которые могут тебя съесть 19 существ, которые могут тебя съесть

Эти существа могут съесть человека

Maxim
Новый нос – за 3 дня и без реабилитации. Вся правда от пластического хирурга Новый нос – за 3 дня и без реабилитации. Вся правда от пластического хирурга

Сенсационный метод "сохраняющей" ринопластики по меньшей мере обнадеживает!

Cosmopolitan
«Рана» Оксаны Васякиной — роман о любви и нелюбви. Публикуем его фрагмент «Рана» Оксаны Васякиной — роман о любви и нелюбви. Публикуем его фрагмент

Отрывок из умного и эмоционально насыщенного романа о любви от Оксаны Васякиной

Esquire
«Дом стоит, свет горит. Я окей»: каким получился новый альбом Земфиры «Дом стоит, свет горит. Я окей»: каким получился новый альбом Земфиры

Рецензия на новый альбом Земфиры «бордерлайн»

РБК
Осторожно, окрашено! Осторожно, окрашено!

Визажистка Пэт Макграт превратила подиумный макияж в вид искусства

Vogue
Вместо «Секса в большом городе» и «Отчаянных домохозяек»: 10 женских сериалов Вместо «Секса в большом городе» и «Отчаянных домохозяек»: 10 женских сериалов

Лучшие сериалы о женщинах

Cosmopolitan
13,5 важнейших революций 13,5 важнейших революций

Краткий обзор революций, перевернувших мир

Maxim
Маркетинг мегаполисов: как бренды продвигают себя в умных городах Маркетинг мегаполисов: как бренды продвигают себя в умных городах

Как умные города меняют современную рекламу, рассказывает Сергей Галеев

СНОБ
Логика войны: почему приговор Навальному станет долгосрочным фактором нестабильности Логика войны: почему приговор Навальному станет долгосрочным фактором нестабильности

Оппозиционная деятельность окончательно приравнена к уголовным преступлениям

Forbes
Фитнес: начало Фитнес: начало

Добавить немного физической активности после долгой зимы

Худеем правильно
Топ-10 самых холодных фильмов про снежную бурю Топ-10 самых холодных фильмов про снежную бурю

Лучшее кино о не менее масштабных вьюгах

GQ
5 самых дорогих в мире обнаженных красавиц 5 самых дорогих в мире обнаженных красавиц

Картины с обнаженными женщинами сильнее всего задевают струны наших душ

Maxim
Открыть в приложении