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

Астрономы впервые нашли пару из миллисекундного пульсара и обнаженной гелиевой звезды Астрономы впервые нашли пару из миллисекундного пульсара и обнаженной гелиевой звезды

Что приводит к возникновению систем с миллисекундными пульсарами?

N+1
13 фактов о коррупции 13 фактов о коррупции

Что такое коррупция и что мы о ней знаем?

Maxim
Для чего нужен магниевый анод в бойлерах накопительного типа? Для чего нужен магниевый анод в бойлерах накопительного типа?

От чего и как именно защищает магниевый анод в бойлере косвенного нагрева?

CHIP
TikTok-сообщество создало таблетницу для людей с болезнью Паркинсона: оттуда легко достать таблетку, когда трясутся руки TikTok-сообщество создало таблетницу для людей с болезнью Паркинсона: оттуда легко достать таблетку, когда трясутся руки

Благодаря TikTok создана таблетница для людей с болезнью Паркинсона

VC.RU
Исследование: мозг пользователей TikTok работает иначе в рискованных ситуациях Исследование: мозг пользователей TikTok работает иначе в рискованных ситуациях

У пользователей TikTok и Reels возрастает склонность к импульсивным решениям

Inc.
10 скрытых возможностей поиска Google, о которых ты, скорее всего, не знал 10 скрытых возможностей поиска Google, о которых ты, скорее всего, не знал

В Google можно делать много интересных вещей!

Maxim
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
9 некогда популярных продуктов, которые исчезли из магазинов 9 некогда популярных продуктов, которые исчезли из магазинов

Ностальгическая подборка продуктов с оттенком злорадства

Maxim
«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
Обновлённый Hyundai Santa Fe выходит на российский рынок Обновлённый Hyundai Santa Fe выходит на российский рынок

Характеристики Hyundai Santa Fe, а также комплектации и стоимость кроссовера

Популярная механика
Империя Безоса: как богатейший человек на планете создал Amazon и зачем рвется в космос Империя Безоса: как богатейший человек на планете создал Amazon и зачем рвется в космос

История успеха Джеффа Безоса — самого состоятельного человека в мире

Forbes
Пять бытовых мифов, которые оказались правдой или имели реальные основания Пять бытовых мифов, которые оказались правдой или имели реальные основания

Легенды, в которые до сих пор наивно верят

Maxim
Как решить финансовые проблемы: руководство для тех, кто не хочет погрязнуть в долгах Как решить финансовые проблемы: руководство для тех, кто не хочет погрязнуть в долгах

Как справиться с денежными трудностями и начать относиться к деньгам рационально

Playboy
10 фильмов о плохих парнях, которых мы все обожаем 10 фильмов о плохих парнях, которых мы все обожаем

Все большие девочки обожают плохих парней - особенно в кино

Cosmopolitan
Ад каннибалов: какой получилась игра-хоррор Little Nightmares II Ад каннибалов: какой получилась игра-хоррор Little Nightmares II

Little Nightmares II — продолжение игры мире, где взрослые охотятся на детей

Esquire
20 забавных фактов о пингвинах 20 забавных фактов о пингвинах

20 фактов об одних из самых обаятельных существах на Земле

Популярная механика
5 физиологичных поз для сна: найдите свою 5 физиологичных поз для сна: найдите свою

Какие положения во время сна считаются физиологичными и кому они подходят

Psychologies
Как избавиться от прыщей: действенные способы, которые сделают из тебя красавчика Как избавиться от прыщей: действенные способы, которые сделают из тебя красавчика

Основные причины появления акне и методы борьбы с ним

Playboy
Вкусные ловушки Вкусные ловушки

Избыток жиров и сахара бывает и в продуктах, на которые сразу и не подумаешь

Лиза
Юмор, да и только Юмор, да и только

Декоратор Джонатан Адлер знает, как зарядить интерьер хорошим настроением

SALON-Interior
Настоящий доктор Лектер: кто был прототипом самого жуткого киноманьяка Настоящий доктор Лектер: кто был прототипом самого жуткого киноманьяка

Имя Ганнибала Лектера известно всем, но кто был его прообразом?

Cosmopolitan
Коперникианская революция: 9 мифов об отце современной астрономии Коперникианская революция: 9 мифов об отце современной астрономии

Что мы знаем о Николае Копернике?

Вокруг света
Управляя гневом Управляя гневом

Чему Кэри Маллиган научилась у своей новой героини?

OK!
Как убрать синяк: 8 научно обоснованных способов Как убрать синяк: 8 научно обоснованных способов

Несколько способов, как предотвратить образование гематомы

РБК
«Малкольм и Мари» — неудачный фильм, который все равно нельзя пропустить «Малкольм и Мари» — неудачный фильм, который все равно нельзя пропустить

На Netflix вышла драма о сумме и разнице двух творческих единиц

РБК
История одного здания: Дом Зингера в Петербурге История одного здания: Дом Зингера в Петербурге

Дом Зингера — одно из самых узнаваемых зданий на Невском проспекте

Культура.РФ
Как никуда не торопиться и все успевать: совет начинающим мамам Как никуда не торопиться и все успевать: совет начинающим мамам

Мама должна быть рядом, мама должна кормить, мама должна... А должна ли?

Psychologies
Северный «биток»: как устроен бизнес первого в российской Арктике майнинг-отеля Северный «биток»: как устроен бизнес первого в российской Арктике майнинг-отеля

Как устроена первая криптоферма в российской Арктике?

Forbes
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
Бокс, пробежки и торт «Шварцвальд»: Reuters рассказал о пребывании Навального в Германии после больницы Бокс, пробежки и торт «Шварцвальд»: Reuters рассказал о пребывании Навального в Германии после больницы

Reuters описал пребывание Навального в Германии

Forbes
Открыть в приложении