Привет всем

Кибенематика - математическая кибернетика с намеком на отсыл к едреней фене__(АБС)__

воскресенье, 8 января 2017 г.

Нейросеть — не просто модное слово Искусственный интеллект стал главной технологией 2016 года

Новостная лента форума ailab.ru
2017-01-06 13:53
     В январе 2016 года умер Марвин Ли Минский, пионер в области искусственного интеллекта и обладатель
премии Тьюринга. Следующие 11 месяцев весь мир с особым вниманием следил за прогрессом нейросетей: они перестали быть чем-то сложным и непонятным, доступным только ученым, и вошли в жизнь простых людей. Правда, пока в виде небольших развлекательных сервисов, которые, к тому же, иногда работают совсем не так, как планировали их создатели.


Достижения
     Популярности машинного обучения в 2016 году способствовало множество факторов: наконец-то появились достаточно удобные и простые инструменты для создания и обучения сложных нейросетей; а компьютеры стали достаточно мощными для соответствующих вычислений; разработчики начали выпускать простые и понятные продукты, а журналисты полюбили новости, начинающиеся со слов «компьютер научился…».
     Пожалуй, самая важная история года, связанная с искусственным интеллектом — машина научилась играть в го лучше человека. По крайней мере, программе AlphaGo, разработке компании Google DeepMind, удалось уверенно обыграть одного из самых титулованных игроков Ли Седоля. Теперь она замахнулась на лучшего — Кэ Цзе: они должны встретиться в 2017 году.
     Успехи AlphaGo важны по двум причинам. Первая — технологическая. Го — это игра, в которой невозможно просчитать все ходы наперед, поэтому игроки действуют интуитивно. Так вот, у AlphaGo фактически появилась интуиция. И ее можно будет использовать в более прикладных сферах.
     Вторая причина — матч с Ли Седолем разрекламировал машинное обучение. История с победой над человеком в го позволила «выстрелить» массе проектов, использующих нейросети. Даже если результаты были не самыми впечатляющими, сама идея — «что еще научился делать компьютер?» — двигала людей к тому, чтобы изучать выходящие сервисы и приложения.
     Этим, естественно, пользовалась и сама Google, чье подразделение и сделало AlphaGo. Корпорация показала несколько интересных приложений, основанных на искусственном интеллекте. Самое интересное — Quick, Draw! — угадывает то, что вы рисуете мышкой или пальцем.
     Конкуренты Google тоже пытались не отставать. Так, сервисы Microsoft с помощью машинного обучения научились угадывать возраст, пол и настроение человека на фотографии, а также определять породу собаки, складывать лица знаменитостей и придумывать подписи к фото.
     Правда, самое мощное достижение Microsoft в этом направлении осталось почти незамеченным в России и на Западе: в 2015 году корпорация запустила в Китае чат-бота Xiaoice, и к 2016-му он стал безумно популярен среди местной аудитории; многие пользователи относятся к виртуальному собеседнику как к своему другу.
      Прогресса в машинном обучении добились и российские компании. « Яндекс», например, внедрил в приложение «Авто.ру» сервис, определяющий модель и марку автомобиля по фотографии. Сотрудники Mail.Ru Group создали приложение для обработки фото Prisma, которое быстро стало популярным на Западе. И хотя основатели Prisma вскоре ушли из Mail.Ru, корпорация не растерялась и выпустила сразу два аналогичных приложения — Vinci для фото и Artisto для видео.
     Было бы неправильным думать, что в 2016 году лидеры рынка использовали машинное обучение исключительно для создания развлекательных сервисов. Многие IT-компании внедряли искусственный интеллект в свои продукты — от переводчика Google до распознавания речи в «Яндекс.Навигаторе».
     Но главное — это «умные помощники», которых активно продвигают Google и Amazon. У обеих компаний теперь есть «умные колонки»: они общаются с хозяином, включают музыку и управляют техникой.
     В этой гонке пока выигрывает Amazon, у которой разнообразнее линейка устройств (включая дешевый Echo Dot), но зато Google нет равных в мобильных «умных помощниках». В 2016 году корпорация представила Assistant — сервис, работающий в разных устройствах и разных приложениях (не только в Google Home). Два главных его применения — телефон Pixel и мессенджер Allo.
     В Pixel помощник вызывается одним нажатием; с ним можно общаться голосом или переписываться. В Allo, мессенджере от Google, ассистент предлагает свою помощь, когда вы переписываетесь с друзьями.
     К сожалению, с «умными ассистентами» пока не все радужно: их возможности все еще сильно ограничены, они часто не понимают пользователя. Но начало положено, и в следующем году Google, Amazon, Apple, Microsoft и другие корпорации будут работать над тем, чтобы помощники стали удобнее.

Опасения
     Самый громкий провал года, связанный с машинным обучением, случился с Microsoft. Она запустила Twitter-бота, который общался со всеми желающими и учился на ответах других пользователей сервиса. Уже через сутки он начал писать, что «Гитлер был прав», и признавался в ненависти к феминисткам. Microsoft его отключила, «настроила» и запустила снова. И бот опять сошел с ума.
     Еще несколько роботов вели себя так, словно они расисты. Один искусственный интеллект судил конкурс красоты, и у него почти все «красивые» люди оказались белокожими.
     Другой робот в 2016 году занимался тем, что обрабатывал фотографии для паспорта в Новой Зеландии. Получив фотографию гражданина азиатской внешности, машина решила, что его глаза закрыты — и отклонила снимок.

PASSPORT FAIL!! ' Subject eyes are closed' ?

Опубликовано Mashd N Kutcher 5 декабря 2016 г.
PASSPORT FAIL!! ' Subject eyes are closed' ?
     Есть и более серьезный пример «расизма» искусственного интеллекта. В некоторых штатах в США суды используют программу, которая оценивает данные преступника и сообщает, насколько высок шанс, что он снова пойдет на правонарушение. Оказалось, что эта программа заведомо плохо «думает» о чернокожих.
     Проблемы, с которым столкнулись разработчики, вызваны двумя вещами. Во-первых, никто точно не понимает, как работает та или иная нейросеть. Во-вторых, иногда она получает искаженный набор изначальных данных, и это влияет на результат. Если показать роботу миллион красивых европейцев и ни одного человека из Азии, он решит, что азиаты некрасивые. И это даже можно долго не замечать — ведь не очень понятно, как машина принимает решение.

Комментариев нет:

Отправить комментарий