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

Снижение конденсационных следов от самолетов назвали важной климатической мерой Снижение конденсационных следов от самолетов назвали важной климатической мерой

Чтобы снизить влияние авиации на климат, лучше сосредоточиться на следах

N+1
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
Дипфейк и верификация видео: как не стать жертвой обмана Дипфейк и верификация видео: как не стать жертвой обмана

Как обезопасить себя от дипфейков и мошеннических видео

Правила жизни
Маршрут на выходные: космические пейзажи Северной Осетии Маршрут на выходные: космические пейзажи Северной Осетии

Северная Осетия — роскошные отели и заброшенные деревни.

GQ
Первая минута Первая минута

Как заставить начало разговора работать на результат

kiozk originals
Как Курт Кобейн за один день родился на глазах публики, умер и был воскрешен силой любви Как Курт Кобейн за один день родился на глазах публики, умер и был воскрешен силой любви

Отрывок из книги о Курте Кобейне «Тяжелее небес» Чарльза Р. Кросса

Forbes
Медиация: решаем конфликты с помощью профессионального посредника Медиация: решаем конфликты с помощью профессионального посредника

Медиатор — помощник в решении конфликтных ситуаций и экологичных разводах

Psychologies
«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
5 способов познакомиться с девушкой на улице за 5 секунд... 5 способов познакомиться с девушкой на улице за 5 секунд...

...чтобы она пошла с тобой спать на край света!

Maxim
10 российских средств ПВО: ЗРК и ЗРС 10 российских средств ПВО: ЗРК и ЗРС

Зенитно-ракетные системы и комплексы - самые сложные военные машины

Популярная механика
Райан Гослинг, Серена Уильямс и другие звезды, которых критиковали за вес Райан Гослинг, Серена Уильямс и другие звезды, которых критиковали за вес

Многие публичные люди подвергались критике за лишний вес и выдающиеся формы

РБК
Женщины эмансипированы, а равенства нет: социолог — о гендерной повестке в России Женщины эмансипированы, а равенства нет: социолог — о гендерной повестке в России

Социолог Анна Темкина — о том, что мешает женщинам делать карьеру

Forbes
Сомнения батьки: ждет ли белорусов настоящий транзит власти Сомнения батьки: ждет ли белорусов настоящий транзит власти

Когда уйдет Александр Лукашенко

Forbes
Лондонская тюрьма для должников, куда можно было угодить на 30 лет за небольшой долг Лондонская тюрьма для должников, куда можно было угодить на 30 лет за небольшой долг

В середине XIX века в Англии с должниками обращались в высшей степени сурово

Maxim
Чего ждут работодатели от «свитчеров» — людей, которые решили сменить работу и пошли на онлайн-курсы Чего ждут работодатели от «свитчеров» — людей, которые решили сменить работу и пошли на онлайн-курсы

Работодатели — об ожиданиях от людей, сменивших род деятельности

VC.RU
Проще простого: 8 лайфхаков для уборки Проще простого: 8 лайфхаков для уборки

Полезные советы для тех, кто хочет тратить время на бесконечную работу по дому

Домашний Очаг
Гимн насилию, порно, жестокости и кино от Гаспара Ноэ Гимн насилию, порно, жестокости и кино от Гаспара Ноэ

Гордей Петрик сравнивает два фильма Гаспара Ноэ: «Необратимость» и «Вечный свет»

СНОБ
Пионеры Кремниевой долины: как Степан Пачиков создал первый российский стартап, покоривший мир Пионеры Кремниевой долины: как Степан Пачиков создал первый российский стартап, покоривший мир

Отрывок из книги «Пионеры Кремниевой долины»

Inc.
Когда ресницы нужно срочно снимать: SOS-сигналы, которые они тебе посылают Когда ресницы нужно срочно снимать: SOS-сигналы, которые они тебе посылают

Лэшмейкер рассказывает обо всем, что нужно знать перед наращиванием ресниц

Cosmopolitan
Был спрос, деньги и помощь Disney, но все равно обанкротились: как провалился перспективный бренд мороженого Ample Hills Был спрос, деньги и помощь Disney, но все равно обанкротились: как провалился перспективный бренд мороженого Ample Hills

Что будет, если вложить в рост бизнеса миллионы, но экономить на оборудовании

VC.RU
Корпорации узнали о менопаузе: как меняется аудитория фемтех-стартапов Корпорации узнали о менопаузе: как меняется аудитория фемтех-стартапов

Сфера фемтех-стартапов за последние два года существенно выросла

Forbes
«Зеленый» разворот: опасна ли политика Байдена для нефтегазового бизнеса «Зеленый» разворот: опасна ли политика Байдена для нефтегазового бизнеса

Новый президент Америки провозгласил курс на «зеленую» энергетику

Forbes
Алексей Слаповский: Недо Алексей Слаповский: Недо

Отрывок из романа-столковения Алексея Слаповского «Недо»

СНОБ
«Зай, а что тут нажать?»: почему мужчины беспомощны в быту (или делают вид) «Зай, а что тут нажать?»: почему мужчины беспомощны в быту (или делают вид)

Почему мужчины верят, что не в состоянии справиться с домашними обязанностями

Cosmopolitan
Прощайте, роботы: за что мы любим Daft Punk Прощайте, роботы: за что мы любим Daft Punk

Чем запомнится дуэт Daft Punk

Esquire
Физики научились управлять движением магнитных вихрей Физики научились управлять движением магнитных вихрей

Сделан важный шаг на пути к полному управлению магнитными вихрями

Наука
Космические тоннели Космические тоннели

Существуют ли кротовые норы?

Популярная механика
Можно ли обмануть Face ID с помощью фотографии? Можно ли обмануть Face ID с помощью фотографии?

Безопасно ли использовать камеру и собственное лицо для разблокировки смартфона

CHIP
«Не смотри на них!» 5 практик бодипозитива, от которых может стать только хуже «Не смотри на них!» 5 практик бодипозитива, от которых может стать только хуже

Бодипозитивные советы, которые не помогут тебе принять собственное тело

Cosmopolitan
Женская сила Женская сила

За художницей Артемизией Джентилески закрепилась слава первой феминистки

Вокруг света
Открыть в приложении