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

Окислительное присоединение на палладии прошло по радикальному механизму Окислительное присоединение на палладии прошло по радикальному механизму

Представление о реакции окислительного присоединения на палладии было неполным

N+1
История актрисы Наоми Гроссман, которая не боится быть смешной История актрисы Наоми Гроссман, которая не боится быть смешной

Наоми Гроссман — одна из самых смелых женщин современного кинематографа

Cosmopolitan
Дорого и сложно: что тормозит внедрение ИИ в медицину Дорого и сложно: что тормозит внедрение ИИ в медицину

Почему внедрение инноваций в медицине происходит так медленно?

Forbes
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
Когда медицина перестает быть бумажной: как Москва лечит людей и спасает деревья Когда медицина перестает быть бумажной: как Москва лечит людей и спасает деревья

Как электронная медицина спасает сотни деревьев?

Правила жизни
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
Вам с ними интересно? Вам с ними интересно?

Сегодняшние родители уверены, что им интересно со своими детьми

СНОБ
Выжившие: как выглядели реальные герои фильмов про экстремальные путешествия Выжившие: как выглядели реальные герои фильмов про экстремальные путешествия

Прототипы героев фильмов о выживании и опасных путешествиях

Cosmopolitan
Как понять, что девушка обойдется тебе дорого: 10 признаков Как понять, что девушка обойдется тебе дорого: 10 признаков

Есть девушки, на которых уходит целое состояние и последние нервные клетки

Maxim
Не как у всех: зачем нужна персонализация для женского здоровья? Не как у всех: зачем нужна персонализация для женского здоровья?

Персонализированный подход в медицине — новый способ заботиться о здоровье

Cosmopolitan
Как полюбить зиму вопреки всему и насладиться последним ее месяцем Как полюбить зиму вопреки всему и насладиться последним ее месяцем

Зима — это в том числе и солнечные дни, и красота заснувшей природы, и спорт

Psychologies
В чертах лица латиноамериканцев обнаружили наследие денисовцев В чертах лица латиноамериканцев обнаружили наследие денисовцев

Ученые из 13 стран выявили у латиноамериканцев гены, связанные с чертами лица

N+1
В XXI веке кардинально изменилась статистика по супружеским изменам. Угадай, что произошло? В XXI веке кардинально изменилась статистика по супружеским изменам. Угадай, что произошло?

Опубликована полная статистика супружеских измен за последние 20 лет

Maxim
5 способов усилить мотивацию для похудения (теперь у тебя точно получится) 5 способов усилить мотивацию для похудения (теперь у тебя точно получится)

Как получить мотивацию для похудения?

Playboy
Тюркские юрты, саамский футбол, хоомей и тихий Дон: куда поехать, чтобы познакомиться с культурой народов России Тюркские юрты, саамский футбол, хоомей и тихий Дон: куда поехать, чтобы познакомиться с культурой народов России

Пять российских этнопарков, раскрывающих разные стороны России

Forbes
8 книг о важном: как говорить с детьми на серьезные темы 8 книг о важном: как говорить с детьми на серьезные темы

7 книг, которые помогут тебе поднять сложные темы в разговоре с ребенком

Cosmopolitan
Возрожденная британская популяция журавлей преодолела рубеж в двести особей Возрожденная британская популяция журавлей преодолела рубеж в двести особей

Как в Великобритании восстанавливают популяцию журавлей

N+1
Клатч у груди и вибратор в сумочке: что скрывала леди Диана — 6 тайн принцессы Клатч у груди и вибратор в сумочке: что скрывала леди Диана — 6 тайн принцессы

Вспоминаем самые странные привычки принцессы Дианы и раскрываем их тайный смысл

Cosmopolitan
Как позволить себе стать собой и изменить жизнь Как позволить себе стать собой и изменить жизнь

Как найти свое место в потоке жизни, как узнать, куда плыть?

Psychologies
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
Приз за подписку: как устроены и чем оборачиваются розыгрыши в Instagram Приз за подписку: как устроены и чем оборачиваются розыгрыши в Instagram

Как устроены гивы в инстаграме и почему вокруг них так много скандалов?

РБК
Как «БКС Мир инвестиций» помогает банкам и нефинансовым партнёрам наладить продажи инвестпродуктов Как «БКС Мир инвестиций» помогает банкам и нефинансовым партнёрам наладить продажи инвестпродуктов

Как нефинансовой компании создать свой инвестиционный продукт

Inc.
15 лайфхаков для макияжа на каждый день 15 лайфхаков для макияжа на каждый день

Приемы, которые помогут сократить время, которое ты тратишь на утренний макияж

Cosmopolitan
Одна вокруг света: долина вулканов и песчаная буря на озере Одна вокруг света: долина вулканов и песчаная буря на озере

109 серия о кругосветном путешествии москвички Ирины Сидоренко и ее собаки Греты

Forbes
Чем пахнет эпоха? Она пахнет кофе Чем пахнет эпоха? Она пахнет кофе

Как кофе вызывал споры между поэтами и провоцировал насилие

GQ
7 скрытых опасностей старых квартир 7 скрытых опасностей старых квартир

Что нужно иметь при себе покупателю квартиры в старом доме

Maxim
Наука о землетрясениях, вулканах и гораздо большем Наука о землетрясениях, вулканах и гораздо большем

Сколько же на самом деле происходит землетрясений и извержений в мире и России

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

Когда уйдет Александр Лукашенко

Forbes
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
«Я не в монастыре, я работающая женщина третьего тысячелетия»: кто разбивает стеклянные потолки в Ватикане «Я не в монастыре, я работающая женщина третьего тысячелетия»: кто разбивает стеклянные потолки в Ватикане

Как меняется гендерный баланс вокруг Верховного понтифика

Forbes
Открыть в приложении