Технологии машинного обучения и нейросети в 2016 году пришли в потребительские сервисы.

ForbesHi-Tech

Технологии / Нейросети

Системное образование

Технологии машинного обучения и нейросети в 2016 году пришли в потребительские сервисы.

Текст Елена Краузова

Основатель компании ABBYY Давид Ян уверен, что скоро у каждого человека появятся цифровые ассистенты. «Они смогут быстро найти нужный файл в почте или телефон партнера, которого вы встретили на конференции, но не помните его имени», — говорит Ян. Все это уже умеет персональный ассистент Findo, над которым команда предпринимателя работает с 2014 года. Findo анализирует открытую информацию в интернете, содержимое электронной почты, данные из заметок и облачных файлов. В разработки компания ABBYY, по словам Яна, вложила $3 млн, еще $4 млн проект привлек от венчурных и стратегических инвесторов, среди которых Flint Capital и компания Foxit (ведущий поставщик ПО для работы с PDF-документами). В декабре 2016 года у Findo уже было около 65 000 пользователей. «Findo понимает запросы вроде «Найди презентацию от кого-то из Лондона про медицинское страхование, которую я получал пару недель назад», правда, пока только на английском языке, — рассказывает предприниматель. — Но скоро сможет анализировать еще больше типов запросов и находить документы, близкие по смыслу».

Еще несколько лет назад такое распознавание смысла текстов и изображений казалось невозможным. Теперь с подобными задачами справляются все больше приложений, работающих по методам машинного обучения, в том числе глубоких нейронных сетей, как в случае с Findo. Нейросети — обучаемые системы, построенные по аналогии с сетью нейронов у человека. Они дали возможность выполнять задания, для которых очень сложно составить конкретный алгоритм. Нейросети состоят из образующих слои узлов, обрабатывающих информацию. Новая информация меняет состояние всей системы, проходя через слои нейронов. Этот процесс называется обучением нейросети. Алгоритм на основе нейросетей, например, может анализировать множество текстов на каком-либо языке и автоматически группировать слова, близкие по смыслу, определять смысловую тональность текста, вычленять конкретные сущности и отношения между ними.

Фотографии, обработанные в Deep Dream, вызвали всплеск интереса к нейросетям

Приручение машин

Об алгоритмах машинного обучения активно заговорили в 2016 году, когда бизнес стал использовать их в приложениях, понятных потребителям. Например, компания DeepMind, купленная Google более чем за $500 млн, снизила расходы на охлаждение дата-центра корпорации на 40%. Теперь DeepMind хочет научить искусственный интеллект сражаться в Starcraft II с реальными геймерами. Cуперкомпьютер IBM Watson, читающий 200 млн страниц за три секунды, будет систематизировать данные в сфере здравоохранения, 80% которых сегодня даже не принимаются в расчет при лечении пациентов. Алгоритмы машинного обучения позволили Microsoft сделать систему для предсказания результатов матчей чемпионата Европы по футболу. Facebook (соцсеть признана в РФ экстремистской и запрещена) использует машинное обучение для распознавания лиц на фото, анализа текстов и их переводов. В сентябре 2016 года Google, Facebook (соцсеть признана в РФ экстремистской и запрещена), Amazon, IBM и Microsoft объединили усилия для создания искусственного интеллекта, который позволит им обмениваться данными. Впервые методы машинного обучения появились в середине XX века. Суть их в том, что система не программируется заранее, а обучается в процессе работы, анализируя информацию об объектах и их признаках, соотнося их друг с другом. Система может учиться с учителем (когда ей дают правильные ответы) или без него (когда у нее есть только сырые данные). Каждый вид обучения предполагает, что объекты группируются в обучающей выборке по-разному. Отличаются и механизмы определения признаков, и то, как система определяет правильность своего решения.

Авторизуйтесь, чтобы продолжить чтение. Это быстро и бесплатно.

Регистрируясь, я принимаю условия использования

Рекомендуемые статьи

Физика с разоблачением Физика с разоблачением

Опыты и фокусы: проверяем физику через 130 лет

Наука и жизнь
Девушка с ружьем Девушка с ружьем

Ак­три­са Хей­ли Бен­нетт — од­на из тех, кто бу­дет за­да­вать мо­ду в Гол­ли­ву­де в бли­жай­шие де­сять лет. Звез­да «Ве­ли­ко­леп­ной се­мер­ки» — о том, как от­во­е­ва­ла се­бе ме­сто под солнцем.

Vogue
Анна Седокова Анна Седокова

Наверное, она уже привыкла к эпитетам «горячая», «аппетитная», «сочная»

Playboy
Сбежа­ли из дворца Сбежа­ли из дворца

Полто­ра года на­зад у прин­ца Уилья­ма и Кейт Миддл­тон ро­ди­лась дочь Шарлот­та. С тех пор ее по­чти ни­кто не ви­дел — прин­цес­са жи­вет с ро­ди­те­ля­ми и бра­том в ан­глий­ской глу­ши. Деревен­ский воз­дух и от­сут­ствие лон­дон­ско­го све­та идут все­му се­мей­ству толь­ко на пользу.

Tatler
Евгений Давыдович Евгений Давыдович

Генеральный директор «Связного» об управлении компанией в кризис, эффективном маркетинге и безупречном сервисе.

GQ
Дальнобои останутся без работы? Дальнобои останутся без работы?

В России создана первая организация по разработке и продвижению автомобилей с автономным управлением. Начать автоматизацию решено с грузовиков.

АвтоМир
Андрей Градов. Мой ангел-хранитель Андрей Градов. Мой ангел-хранитель

Андрей Градов рассказал о родителях и съемках в своих самых известных фильмах

Караван историй
Очень страшная болезнь Очень страшная болезнь

Почему мы не можем справиться с раком?

Maxim
Выросла из штанов Выросла из штанов

В жиз­ни ак­три­сы Юлии То­поль­ниц­кой раз­дра­же­нию ме­ста не остается

Glamour
Если прелюдия затянулась Если прелюдия затянулась

Миллионы женщин откладывают рождение детей на будущее и становятся бесплодными. На помощь им приходит маркетинг.

Forbes
Первая любовь: что делать родителям? Первая любовь: что делать родителям?

Почему-то так легко говорить с детьми об оценках и порядке в комнате и так сложно – о любви. А это, между прочим, гораздо важнее! Что же происходит с детьми и что мы можем сделать?

Домашний Очаг
Марина Зудина: «Когда Павел с нами, я счастлива, моя жизнь полнее» Марина Зудина: «Когда Павел с нами, я счастлива, моя жизнь полнее»

Супруга и сын Олега Табакова о плюсах и минусах громкой фамилии

Караван историй
Прощай, Бранджелина! Прощай, Бранджелина!

Главной сенсацией прошедшего года стал развод самой яркой голливудской пары

Караван историй
Душевное чаепитие Душевное чаепитие

В подмосковном Звенигороде не только самые звонкие колокола, но и самый «сладкий» музей с потрясающей историей.

Лиза
Есть такое дело Есть такое дело

Девушки рассказали о мифах, которыми окружены их модные профессии

Cosmopolitan
На розовой заре На розовой заре

Ита­льян­ской мар­ке Blumarine ис­пол­ня­ет­ся со­рок лет. К юби­лею Vogue пуб­ли­ку­ет от­рыв­ки из не­дав­но вы­шед­шей ав­то­био­гра­фии ее со­зда­тель­ни­цы Ан­ны Молинари.

Vogue
Ода другому месту Ода другому месту

Рассказ Кати Пицык

Esquire
Ивонн Кальман: «Мама жила своей жизнью, отец не мог ничего c этим поделать и очень страдал...» Ивонн Кальман: «Мама жила своей жизнью, отец не мог ничего c этим поделать и очень страдал...»

Интервью с Ивонн Кальман — последним потомком Императора оперетты

Караван историй
Избяная Америка Избяная Америка

Оформ­лен­ный ди­зай­не­ром Томом Филишиа дом на гор­но­лыж­ном ку­рор­те — пат­ри­ар­халь­ная и од­новре­мен­но экс­цен­трич­ная ва­ри­а­ция на тему аме­ри­кан­ской классики.

AD
Встреч­ные тре­бования Встреч­ные тре­бования

Что об­ще­го у лю­дей, су­мев­ших по­стро­ить счаст­ли­вые от­но­ше­ния?

Glamour
Все как есть Все как есть

Так называемые суперфуды: экзотические ягоды, злаки и водоросли с рекордным содержанием витаминов, минералов и питательных веществ — сегодня у всех на слуху. Но действительно ли они так полезны, что могут защитить нас от самых разных болезней?

Добрые советы
Наше величество Наше величество

Алексей Яблоков пытается вообразить, какой была бы февральская революция в 2017 году.

GQ
10 навыков, с которыми придется расстаться нашему телу 10 навыков, с которыми придется расстаться нашему телу

10 навыков, с которыми придется расстаться нашему телу

Esquire
Сражение невидимок Сражение невидимок

Истребители пятого поколения участвовали в каждом бою в истории

Популярная механика
Ева Польна. От зимы спасают путешествия Ева Польна. От зимы спасают путешествия

Артист не должен быть в образе 24 часа в сутки, считает певица. И четко разделяет творческую жизнь и время на семью.

Лиза
Невеста с приданым Невеста с приданым

В два­дцать шесть лет Дженни­фер Лоуренс ста­ла са­мой вы­со­ко­опла­чи­ва­е­мой ак­три­сой в мире. Роман с ре­жис­се­ром? лег­кий ха­рак­тер? а вот и нет: за­ра­ба­ты­вать ак­три­са ста­ла, как раз ко­гда ха­рак­тер у нее испортился.

Tatler
Духовные скрепы cвятого Владимира Духовные скрепы cвятого Владимира

Что же завещал нам всем князь Владимир?

Дилетант
Дары природы Дары природы

Це­лый ме­сяц ре­дак­тор Vogue сво­и­ми ру­ка­ми пек­ла хлеб, вы­жи­ма­ла мо­ло­ко из мин­да­ля и чуть бы­ло не за­ве­ла соб­ствен­ный ого­род. Сто­ит ли кра­со­та та­ких усилий?

Vogue
Томная Нега Услады Томная Нега Услады

Юля Маргулис – чирлидерша из хоккейного сериала «Молодежка» на «СТС»

Maxim
Человек, который умел считать Человек, который умел считать

Кто знает, как сложилась бы история Америки, если бы не Джордж Вашингтон

Дилетант
Открыть в приложении