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

Органический радикал нарушил правило Каши Органический радикал нарушил правило Каши

Анион-радикал замещенного арена может нарушать правило Каши

N+1
Почему власть отрекается от общественных организаций Почему власть отрекается от общественных организаций

Кремль не умеет и не хочет работать с гражданским обществом

СНОБ
Отключили мобильный интернет: новая реальность российского цифрового пространства Отключили мобильный интернет: новая реальность российского цифрового пространства

Кто страдает от отключений интернета и как бизнесу адаптироваться к этому

Inc.
Семь грехов памяти: почему забытые слова вертятся на языке Семь грехов памяти: почему забытые слова вертятся на языке

Дэниел Шектер изучает ошибки памяти и разделяет их на несколько категорий

Forbes
Сохраняйте спокойствие Сохраняйте спокойствие

Спокойствие — мощный способ достижения успеха в жизни

kiozk originals
13,5 вещей с аппетитными названиями, которые несъедобны и даже смертельны 13,5 вещей с аппетитными названиями, которые несъедобны и даже смертельны

Выплюнь это немедленно!

Maxim
Стать лучше! Стать лучше!

15 практик для построения продуктивных отношений на работе

kiozk originals
Галадриэль или королева Елизавета I: 10 лучших ролей Кейт Бланшетт Галадриэль или королева Елизавета I: 10 лучших ролей Кейт Бланшетт

Список обязательных к просмотру фильмов с участием Кейт Бланшетт

Cosmopolitan
Алло, гараж! Алло, гараж!

Смартфон и кнопочный телефон: как выбрать мобильник для своей мамы или бабушки?

Лиза
Открыта ранее неизвестная форма льда Открыта ранее неизвестная форма льда

Гигапаскали давления и чудовищный холод — вот что нужно для нового льда

Популярная механика
Задачи маршрутизации адаптировали к квантовым вычислениям Задачи маршрутизации адаптировали к квантовым вычислениям

Правильная формулировка задачи может уменьшить число кубитов

N+1
Первый полет в космос: 8 неизвестных фактов Первый полет в космос: 8 неизвестных фактов

Малоизвестные подробности первого полета в космос

РБК
Три мысли о зрелом возрасте Три мысли о зрелом возрасте

Как принять свою новую идентичность и полюбить новую себя

Psychologies
Как игра разработчиков из Нижнего Новгорода попала в Apple Arcade Как игра разработчиков из Нижнего Новгорода попала в Apple Arcade

Как трем любителям игр из России удалось влюбить в себя мировой рынок

РБК
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
Cosmo TV: 9 звездных пар, где мужчина сильно младше Cosmo TV: 9 звездных пар, где мужчина сильно младше

Несколько примеров звездных пар, в чьих отношениях мужчина младше своей женщины.

Cosmopolitan
Отрывок из книги Ирины Левонтиной «Честное слово» Отрывок из книги Ирины Левонтиной «Честное слово»

Книга с рассказами и эссе об отдельных словах и выражениях русского языка

СНОБ
Чао, дорогой! 6 мотивирующих сериалов про развод Чао, дорогой! 6 мотивирующих сериалов про развод

Героини этих сериалов доказывают, что развод — это не конец всего

Cosmopolitan
7 нон-фикшн книг, которые увлекут подростка 7 нон-фикшн книг, которые увлекут подростка

Подборка нон-фикшн произведений для подростков

Популярная механика
Как по поведению девушки понять, что у тебя есть шанс закрутить с ней служебный роман Как по поведению девушки понять, что у тебя есть шанс закрутить с ней служебный роман

10 признаков, что твоя симпатичная коллега на работе не против

Maxim
Можно ли сделать иммунную систему сильнее или это миф Можно ли сделать иммунную систему сильнее или это миф

Йогурт или аскорбинка вряд ли помогут вам «усилить» иммунитет

Популярная механика
Предельный Туле Предельный Туле

Край мира: где его искать

Вокруг света
Мигрень: что нужно знать? Мигрень: что нужно знать?

Всё самое новое о профилактике и лечении мигрени

Домашний Очаг
Почему то, что одному — лекарство, для другого если и не яд, то бесполезная пилюля Почему то, что одному — лекарство, для другого если и не яд, то бесполезная пилюля

Медицина начинает лечить не абстрактного пациента, а конкретного тебя

Maxim
Прощай, Женя Лукашин! 9 лучших ролей Андрея Мягкова Прощай, Женя Лукашин! 9 лучших ролей Андрея Мягкова

Лучшие фильмы и роли Андрея Мягкова

Cosmopolitan
Производство плитки Производство плитки

Производство едва ли не самого изысканного (и дорогого) шоколада в мире

Robb Report
Выход из тупика: почему Голливуд все время снимает новые франшизы по старым блокбастерам Выход из тупика: почему Голливуд все время снимает новые франшизы по старым блокбастерам

Продолжения и ремейки успешных картин становятся основной стратегией киностудий

Forbes
Варя, надежда, любовь Варя, надежда, любовь

Актриса Варвара Шмыкова говорит, что эмоции у нее всегда через край

Cosmopolitan
На два фронта На два фронта

Что делать женщине, если ее муж – «двоеженец» и не собирается ничего менять?

Лиза
Билет в один конец Билет в один конец

Илон Маск мечтает умереть на Марсе, и он по-своему прав

Популярная механика
Открыть в приложении