Нейронная сеть – это тот самый искусственный интеллект, который неизменно устраивает бунт против человечества в научной фантастике. Основное назначение нейросети – решение интеллектуальных задач. Как будет развиваться сотрудничество людей и роботов в реальности – покажет время. Пока что для опасений оснований нет, зато поводов для энтузиазма уже достаточно: нейронные сети становятся повседневными, практичными, высокоэффективными инструментами.

Отличие нейронной сети от алгоритма

Модель нейронной сети основана на принципе работы живого мозга, в котором нейроны связаны синапсами. Термин возник в ходе изучения мозговой деятельности и первой попытки создать математическое описание мыслительных процессов. Сейчас под нейросетями понимается не только математическая модель, но также ее программное и аппаратное воплощение.

Нейронные сети решают сложные интеллектуальные задачи, этим НС и отличается от алгоритма, который описывает определенную последовательность действий.

К примеру, традиционный алгоритм в Photoshop сможет изменить любые показатели изображения – форму, цвет, контраст, размер. Но найти визуально похожие изображения в папках пользователя алгоритму не по силам – для распознавания необходима интеллектуальная система.

Второе фундаментальное отличие нейронных сетей от алгоритма – способность к обучению и запоминанию, как это свойственно живому мозгу, а не запрограммированной машине. Обучение нейронных сетей включает применение математической статистики. Результаты машинного обучения применяются на практике – для частичной или полной автоматизации комплексных профессиональных задач.

Мировой рынок и известные разработки

Цифровые гиганты – от западных Google и Amazon до китайских платформ Alibaba и Baidu – не только используют достижения машинного обучения, но и вкладывают огромные средства в исследования и приобретение перспективных стартапов. Реальные цифры неизвестны – далеко не все компании раскрывают стоимость сделок.

Известно, что с 2006 года Google инвестировал более $3,9 млрд в искусственный интеллект, из них $3,2 млрд было потрачено на приобретение стартапа Nest Labs (технологии для «умного дома»).

Среди других крупных инвесторов в нейросети – Амазон ($871 млн), Apple ($786 млн), Intel ($776 млн). Uber, как ни странно, вложил в нейронные сети больше, чем Facebook — $680 млн против $60 млн.

Помимо Nest, Google приобрел компанию Waymo – создателя беспилотных такси. Первые такси без водителей были запущены в октябре 2020, лицензию на использование беспилотной системы уже получила компания Volvo. Еще один интересный проект Гугл – Duplex, сервис голосового резервирования по телефону.

Торговые площадки Amazon и Alibaba также интенсивно используют преимущества нейронных сетей. Амазон начал с анализа предпочтений покупателей для использования их в системе рекомендаций, затем представил виртуального помощника Алексу, а совсем недавно открыл сеть офлайновых магазинов без уже привычных касс самообслуживания: покупки отслеживаются и оплачиваются автоматически.

Искусственный интеллект на Alibaba не только генерирует описания товаров и формирует рекомендации. Деятельность распространяется на «умные города» в офлайне – для оптимизации автомобильного трафика и уменьшения пробок, и даже на фермерские поля – для повышения урожайности.

Apple использует ИИ в «умных» гаджетах – голосовой помощник Сири, система распознавания лиц Face ID в iOS. Китайский аналог Google, Baidu, применяет ИИ для анализа и имитации голоса – всего за 3,7 секунды система клонирует голос автора и начинает читать электронные книги – без необходимости записывать аудио-книги в студии.

Facebook анализирует не только контекст сообщений, но и фотографии. Система автоматически распознает лица и предотвращает загрузку непристойных фото злоумышленниками.

Компания IBM в 2018 представила Project Debater: искусственный интеллект, способный вести осмысленные голосовые дебаты с профессиональными ораторами на сложные этические и научные темы.

Microsoft предоставляет лицензию на использование ИИ Azure в разработках сторонних компаний. Azure протестирован на всех продуктах Майкрософт – от Office 365 до Xbox и Bing, и с учетом самообучения способен выполнять любые бизнес-задачи.

Известно, что прибыль YouTube возросла в 10 раз после внедрения системы рекомендаций. ИИ генерирует 35% всех продаж на Амазон. В компаниях Vodafone, Intel и Nike нейронные сети предсказывают увольнение топ-менеджеров.

Банковские клерки JPMorgan Chase раньше тратили по 30 часов на рассмотрение одной заявки – сейчас ИИ обрабатывает заявку за пару секунд. Netflix использует интеллектуальное сжатие видео – для быстрой передачи по медленному каналу.

Российские разработки

Один из самых известных российских проектов – голосовой помощник Алиса, разработка Яндекса. Помимо участия в играх и осмысленных диалогах, Алиса выполняет практические поручения: голосовой поиск, автомобильная навигация, включение музыки, вызов такси.

Военная промышленность – одно из главных направлений российских разработок в области нейронных сетей. Антропоморфный робот-спасатель Федор, созданный по заказу МЧС (частично из зарубежных деталей и ПО), в 2019 году побывал в космосе. Робот дает осмысленные ответы, реагирует на голосовые команды, водит автомобиль и пользуется дрелью.

Платформа Retail Rocket применяет нейронную сеть для формирования пользовательских рекомендаций в онлайн-магазинах. Подразделение Сбербанка VisionLabs работает в области распознавания лиц и объектов, решения используются в крупных коммерческих и государственных компаниях.

В сентябре 2020 стало известно о российской разработке, обещающей совершить переворот в «интернете вещей»: принципиально новая архитектура нейронной сети работает с очень малым объемом памяти (до 20 Кб), что позволяет использовать изобретение в любых «умных» вещах – от кроссовок до окон, и связывать умные предметы в сеть.

В октябре 2020 российские ученые объявили об еще одном революционном изобретении: первом в мире нейрохимическом компьютере.

Принцип работы основан на нейронной сети, скорость – на порядок выше обычных процессоров. Открытие имеет перспективы для применения в медицине.

Компания «Мобильные Медицинские Технологии» разработала бота-диагноста, подсказывающего, к какому специалисту пациент должен обратиться. Стартап Leadza создает виртуальных ассистентов для оптимизации рекламных кампаний в Instagram и Facebook.

Сервис GuaranaCam с привлечением Azure от Майкрософт анализирует данных о покупателях, полученные с видеокамер в торговых залах. Компания LogistiX использует ИИ для логистики и автоматизации складов.

Платформа BFG создает цифрового двойника любого производства, чтобы опробовать различные стратегии, изменения и новшества на основе виртуальной модели.

Стартап Stafory разработал робота Веру – для анализа резюме кандидатов и ведения диалогов с претендентами на должность. Компания Cognitive Technologies использует НС для распознавания пешеходов, знаков, транспортных средств – в итоге наработки будут использованы в отечественной технологии для беспилотных автомобилей.

Перспективы для бизнеса

По данным исследования НИУ ВШЭ и РАЭК при поддержке Майкрософт, самые популярные сферы коммерческого применения нейронных сетей в России – таргетированная реклама и онлайн-маркетинг, виртуальные помощники, прогнозный анализ, а также машинное обучение под специфические нужды компании.

Типичные задачи, для которых российские компании применяют ИИ, уже включают:
• кластерный анализ в маркетинге;
• увеличение среднего чека;
• классификация обращений в техподдержку;
• распознавание отметок в бюллетенях и формах для переноса в электронную базу данных;
• персонализация контента;
• планирование материальных, финансовых и человеческих ресурсов;
• прогноз поведения заказчика на основе предыдущего опыта;
• прогноз срока изготовления и времени доставки заказа.

К основным препятствиям к расширению сферы использования ИИ в России исследование относит сложности со сбором и анализом данных, недостаток квалифицированных специалистов и устаревшие бизнес-модели.

При этом исследование показывает высокий уровень интереса и доверия руководителей крупных российских компаний, и открытость к внедрению ИИ в повседневные рабочие процессы.

Разработка собственного ИИ пока еще обходится слишком дорого: нужны опытные программисты, огромные объемы данных для машинного обучения, серьезные вычислительные мощности. Однако существуют инструменты, которые можно освоить без глубоких знаний в области программирования и математики – от Microsoft Azure ML Studio и Google Cloud Atom ML до бесплатных платформ.

Внедрение ИИ, несмотря на сложности и стоимость, окупается быстро – везде, где требуется интеллектуальная обработка больших массивов информации и анализ поведения пользователей.

Крупные компании экономят с помощью нейронных сетей миллиарды: ожидается, что вклад ИИ в мировой ВВП к 2030 достигнет $15,7 трлн. Российские разработки значительно отстают от мировых, но стабильно растущий рынок для внедрения простых нейронных решений уже есть.


Новые комментарии:

Ваш адрес email не будет опубликован. Обязательные поля помечены *