„Ti si samo robot, imitacija. Može li robot napisati simfoniju? — intervju o AI sa Dmitrijem Sošnjikovim, Microsoft

Ti si samo robot, imitacija života- epizoda iz filma "Ja, robot" sa Willom Smithom, čiji je snimak postao popularan mem na internetu.

Porijeklo

Naučnofantastični film “Ja robot” objavljen je 2004. godine. U glavnoj ulozi Will Smith. U jednoj epizodi, Smithov lik, Del Spooner, ispituje robota Sunnyja.

Del: Ti si samo mašina, samo imitacija života. Hoće li robot komponovati simfoniju? Hoće li robot pretvoriti komad platna u remek-djelo umjetnosti?

Sunny: A ti "Ja, robot"?

Ovaj odlomak je prvi put kružio online kao mikrostrip. Neko je uzeo screenshotove iz filma i stavio titlove na njih. Sama epizoda je prilično smiješna, zbog čega je format postao viralan. Kasnije su od toga napravili mem u kojem su zamijenjene ili riječi u dijalogu ili lica likova.

Značenje

Mem "Ti si samo robot, imitacija života" koristi se za šale o superiornosti umjetne inteligencije nad ljudima, na primjer u vijestima o budućim tehnologijama. Takve slike se često koriste za ilustriranje šala o manama ili stereotipima neke osobe, uključujući i rasne.

Uzorak

Will Smith pije kafu

Još jedna epizoda iz filma "Ja, robot" postala je mem, iako ne toliko popularan. Ovo je trenutak kada lik Willa Smitha pije kafu i pravi kiselu facu, vjerovatno zbog lošeg ukusa. Zatim kihne i kaže: „Izvini, alergičan sam na sranja.“ Snimak heroja koji pravi grimasu postao je šablon koji se može koristiti za izražavanje nezadovoljstva ili gađenja.

Galerija

Razvoj elemenata sistema umjetne inteligencije aktivno se razvija i postaje trend današnjice, a samo lijeni ne pišu pametne botove. Zato smo intervjuisali Dmitrija Švarsa Sošnjikova, jednog od najboljih stručnjaka za veštačku inteligenciju u zemlji. On je evanđelista Microsoft tehnologije, autor knjiga, članaka i tutorijala, kao i koordinator programa za nastavnike i studente, specijalista za funkcionalno programiranje, neuronske mreže i veštačku inteligenciju.

- Dmitry, recite nam nekoliko riječi o sebi i svom radu.

Dmitry Soshnikov: Kao Microsoftov evanđelista, najviše sam uključen u promociju i implementaciju moderne tehnologije kompanije, sada su to prije svega tehnologije vezane za umjetnu inteligenciju. Ovo uključuje govorenje na konferencijama, rad sa studentima i nastavnicima, startup kompanije, ponekad učešće na hackfestovima i programiranje prototip sistema sa programerima iz različitih kompanija. Također populariziram funkcionalno programiranje i jezik F#, predajem na MIPT-u, HSE-u i MAI-u i razvijam online kurseve za MVA i Coursera.

po mom mišljenju neuronske mreže i umjetna inteligencija općenito je vrlo zanimljivo područje čiji je brzi razvoj posljednjih godina već omogućio rješavanje niza problema koji do sada nisu imali rješenja, kao npr. automatska detekcija starost osobe na osnovu njegove fotografije. A budućnost nam nudi još mnogo zanimljivih prilika.

Neuronske mreže - moda ili alat?

Dmitry Soshnikov: Ovdje se uspješno preklopilo nekoliko faktora.
Prvo, pristupačna računarska snaga je postala dostupna. Štaviše, odigrali su veliku ulogu usluge u oblaku, jer umjesto ulaganja u infrastrukturu za izračunavanje neuronskih mreža, sada je možete iznajmiti samo za vrijeme trajanja proračuna, a naknadno odbijate iznajmljivanje. Osim toga, grafički procesori, koji su prvobitno dizajnirani za kompjuterska grafika. Ispostavilo se da su vrlo pogodni za zadatke umjetne inteligencije.

Drugo, zahvaljujući internetu, gigantske količine podataka počele su se akumulirati u mnogim područjima. Razmotrite, na primjer, prethodno spomenuti zadatak prepoznavanja starosti osobe na fotografiji. Da bi se neuronska mreža obučila da to riješi, potrebno je nekoliko stotina hiljada primjera. Sada možete uzeti bilo koje društvena mreža, gde ljudi sami objavljuju svoje fotografije i podatke o nalogu (starost) - i mi odmah dobijamo podatke za obuku.
Treće, naravno, pojavila su se neka zanimljiva istraživanja, uključujući nove arhitekture neuronskih mreža koje omogućavaju rješavanje postojećih problema. Ali ova tačka je vjerovatno posljedica prva dva. Kada su resursi i tehnologije dostupni, područje se prirodno počinje aktivno razvijati.

Ovdje se pojavio veliki broj alata koji omogućavaju korištenje ovih neuronskih mreža. Ako ste ranije za rješavanje problema s umjetnom inteligencijom morali imati puno znanja i mnogo programiranja, sada su vam na raspolaganju servisi koje možete uzeti i koristiti.

Tema umjetne inteligencije danas je vrlo popularna. Koliko je ova popularnost zaslužena? Je li tehnologija zaista toliko impresivna ili je to veliki doprinos mode? I nije li ova "moda" štetna za razvoj?

Dmitry Soshnikov: Zaista postoje veliki uspjesi u oblasti AI, o kojima se dosta piše, pa se fraza "vještačka inteligencija" naširoko čuje. Zahvaljujući tome, pojavljuju se novi programeri - neko ide i proučava novo područje za sebe, tj. Ima više ljudi koji razumeju ovu oblast. S druge strane, ljudi pažljivije traže one zadatke u kojima se mogu primijeniti tehnologije umjetne inteligencije. Sa ove tačke gledišta, sve je to u principu dobro, jer imamo šansu da automatizujemo neke oblasti koje ranije nismo mogli.

Na primjer, možemo riješiti problem prihvatanja narudžbi u prozoru MacAuto. Uvijek se trude da rješenje takvih problema učine jeftinijim. Na primjer, u SAD-u je prvo sjedio Amerikanac, a onda je došlo do pokušaja da se ovo prepusti prenošenju glasa u zemlju sa jeftinom radnom snagom (gdje, opet, osoba sjedi i prepisuje). A sada to može i kompjuter.

Da li učesnici na tržištu imaju naduvana očekivanja? Postoje li neka predviđanja koja se, po vašem mišljenju, sigurno neće ostvariti u bliskoj budućnosti?

Dmitry Soshnikov: Naravno da postoji. Prije svega, polje umjetne inteligencije je pomalo romantično. Ima dosta filmova - na primjer, "Matrix" ili "Terminator" - gdje se roboti pobune i preuzmu kontrolu nad svime. Dakle, postoji određeni broj ljudi koji očekuju da će proći još 5 godina i da će kompjuteri zavladati svijetom. Ova očekivanja su očigledno još daleko od stvarnosti. Danas je vrlo dobro automatizirano rješavanje određenih klasa problema vezanih za prepoznavanje slike, govora i mašinskog učenja. Ali još uvijek imamo prilično dug put prije nego što shvatimo kako funkcionira ljudsko razmišljanje općenito. Stoga, prije nego što se stvori ovakva umjetna inteligencija koja će razmišljati kao osoba i djelovati nagomilanim znanjem, treba još puno raditi. Još uvijek nije jasno kako to učiniti.

- Šta je sa očekivanjima u pogledu finansijskih ulaganja, a ne realizacije naučnofantastičnih scenarija?

Dmitry Soshnikov: Čini mi se da je za ovakav razgovor potrebno temu vještačke inteligencije razbiti na zasebne komponente, jer je to vrlo široka oblast.

Ako pogledamo kompjuterski vid, već postoje zadivljujući napredak koji se sada implementira u preduzeća, povećavajući njihovu efikasnost i donoseći ekonomske koristi. Kompjuterski vid već prepoznaje slike bolje od čoveka, a da ne govorimo o činjenici da je znatno jeftiniji.

U drugim oblastima, kao što su razumijevanje prirodnog jezika i sposobnost rasuđivanja o proizvoljnim temama, napredak je bio skromniji.

- Postoje li faktori koji, po vašem mišljenju, koče razvoj industrije?

Dmitry Soshnikov: Da budem iskren, ne vidim nikakve očigledne faktore. Mislim da je ovo područje koje se trenutno najbrže razvija.
Međutim, želio bih napomenuti da je umjetna inteligencija oblast koja još uvijek zahtijeva određene kvalifikacije. Rad u ovom smjeru je malo teži od samog učenja programiranja. Osoba koja završi školu, a ne stekne visoko obrazovanje, vjerovatno može početi uspješno raditi u oblasti razvoja standarda. Sa umjetnom inteligencijom, granica za ulazak je viša, iako se postepeno snižava, uključujući i napore učesnika u ovoj industriji. Konkretno, jedna od stvari na kojima Microsoft radi je takozvana demokratizacija vještačke inteligencije. To znači učiniti tehnologiju dostupnom najširem mogućem segmentu potrošača.

U praksi, ne samo Microsoft, već i mnoge druge kompanije rade u tom pravcu, pružajući, na primjer, alate za rješavanje intelektualnih, kognitivnih problema u obliku gotovih usluga. Na primjer, usluge za određivanje spola, starosti i raspoloženja osobe sa fotografije, možete ih jednostavno nazvati i dobiti rezultat. Isto važi i za mašinsko prevođenje, itd. U sklopu izvještaja na DotNext 2017, govorit ćemo o ovome: kako možete, a da uopće ne razumijete kako točno funkcionira, jednostavno koristite rezultate.

A.NET mozda?

Dmitry Soshnikov: AI metode se mogu implementirati na bilo kojoj tehnologiji. Ipak, postoje određeni uspostavljeni ekosistemi oko sličnih zadataka. Na primjer, Python i R i njihove prateće biblioteke su veoma popularni jezici među naučnicima podataka. One. ovdje već ima puno društvenog rada. U pogledu ovih razvoja, naravno, .NET malo zaostaje, kao i druge slične platforme. Međutim, .NET već ima određeni skup alata, o kojima ću govoriti kao dio svog izvještaja.

Općenito, platforme su sada na neki način integrirane, uključujući i jedna s drugom. Isti R jezik se veoma dobro integriše sa F#, koji je izvorni za .NET platformu. U skladu s tim, ako trebamo koristiti neke alate za strojno učenje, možemo koristiti takav lanac, koristeći mogućnosti i biblioteke R jezika. To će biti prilično transparentno i lako za napraviti.

Generalno, ako govorimo konkretno o neuronskim mrežama, Microsoft ima Cognitive Toolkit koji vam omogućava da trenirate neuronske mreže. I pošto je prvobitno napravljen u Microsoft ekosistemu, veoma dobro radi sa .NET-om.

- Ovaj alat se nekako izdvaja od analoga drugih proizvođača?

Dmitry Soshnikov: U suštini, Cognitive Toolkit je Microsoftov analog okvira TensorFlow, Caffe itd.

Svi su, u principu, ideološki vrlo slični. Ali Microsoft Cognitive Toolkit bio je prvi koji je podržao vrlo distribuirano okruženje za učenje, gdje možete trenirati neuronsku mrežu ne samo na jednom GPU-u, već na nekoliko GPU-ovi ili čak na više grafičkih stanica. One. Možete napraviti farmu za obuku neuronske mreže.

Koliko ja znam, Cognitive Toolkit nadmašuje druge okvire u pogledu brzine učenja. Osim toga, vrlo je zgodan za korištenje. Većina okvira je nekako povezana sa Python jezik, i Cognitive Toolkit u početku su krenuli malo drugačijim putem. U početku je bilo moguće opisati arhitekturu neuronske mreže na posebnom jeziku, a zatim je obučiti bez izgradnje ikakvih modela u Python-u. Bilo je malo lakše. Trenutno Cognitive Toolkit podržava obje opcije, tj. je prilično fleksibilan.

- Vjerovatno postoje trenuci u kojima je Cognitive Toolkit inferiorniji od svojih analoga?

Dmitry Soshnikov: Generalno, takvi okviri su alati niskog nivoa na kojima se mogu trenirati proizvoljne neuronske mreže. Kao i njegovi analozi, Cognitive Toolkit podržava određeni osnovni nivo na kojem možete izgraditi arhitekturu mreža proizvoljne složenosti. Stoga je raspon zadataka koje rješavaju različiti alati približno isti.

Izbor okvira je u velikoj mjeri određen nekim ličnim preferencijama i dostupnošću referentnih materijala. I tu Microsoft framework malo zaostaje, pošto se pojavio malo kasnije, tako da za njega nema toga velike količine materijala, posebno online kurseva. Ali situacija se, naravno, postepeno izjednačava.

Zajedno sa MIPT-om planiramo izdati online kurs posvećen problemima vezanim za korištenje umjetne inteligencije u praksi. I neke od informacija o Cognitive Toolkitu će takođe biti uključene tamo.

Bliska budućnost

Dmitry Soshnikov: Vjerovatno je prerano davati konačne prognoze, jer je 2011-2012 počeo izuzetno brz razvoj tehnologije. Od tada su poboljšane metode prepoznavanja, poboljšane su arhitekture neuronskih mreža, tj. povećava se tačnost rješavanja problema.

U ovom segmentu ima još mnogo neriješenih pitanja. Problemi prepoznavanja slike i glasa su već riješeni na prilično visokom nivou. Dalje, vjerovatno najzanimljivije je pokušati izvući neko značenje iz teksta. I ovdje ima nekih prilično zapanjujućih uspjeha. Na primjer, možete trenirati neuronsku mrežu na fragmentima razgovora iz filmova i dobiti robota koji na neki način može održavati dijalog. Ali u isto vrijeme, dijalog neće imati mnogo smisla. Još uvijek nije jasno kako znanje prevesti u značenje, kako spojiti implicitnu reprezentaciju znanja u neuronskim mrežama sa simboličkim zaključivanjem. Ovo je pravac istraživanja kojim će se naučnici baviti.

Što se tiče alata, oni se trenutno aktivno razvijaju. U određenom smislu, proizvođači alata pokušavaju da prate naučna dostignuća u svojoj oblasti. Pojavljuju se nove mrežne arhitekture - njihova podrška se pojavljuje u alatima, tj. Funkcionalnost se stalno širi.

Kao što sam ranije rekao, sa stanovišta programera, primjetan je trend demokratizacije umjetne inteligencije, uključujući alate. Uz Microsoft Cognitive Toolkit koji sam spomenuo, postoji zanimljiv alat pod nazivom Azure Machine Learning, koji vam omogućava da ih primijenite na stvarne podatke bez dubokog razumijevanja implementacije svih algoritama za strojno učenje i vidite možete li identificirati neke obrasce i koristite ih dalje u svojim proizvodima. Ovaj alat se također prilično intenzivno razvija - tu se ubacuju nove metode i algoritmi.

Generalno, tehnologija postaje sve dostupnija. Složene stvari su pojednostavljene tako da se mogu koristiti u što je moguće širem spektru projekata.
Još jedna stvar koju bih želio napomenuti je da su ovo još uvijek prvi eksperimenti korištenje oblaka efikasnija hardverska rješenja koja implementiraju algoritme umjetne inteligencije. O tome nećemo pričati na Dotnextu, ali o toj temi se detaljno raspravljalo na Microsoft Ignite konferenciji. U oblaku, Microsoft planira da ponudi ne samo klasične računarske resurse, već i programabilna logička integrisana kola: FPGA ili FPGA. Da pojednostavimo, ovo su mikro krugovi koji se mogu flešovati da bi izvršili određene logičke operacije, a koji će ove operacije izvršiti vrlo brzo. Sa takvom šemom možemo mnogo brže izračunati neuronsku mrežu. Tokom eksperimenata, procesor je "podstaknut" da prevodi s jezika na jezik, kao rezultat toga, roman "Rat i mir" se prevodi sa jezika na jezik za 2 sekunde. Ako uzmete sve mnoge takve procesore koje Microsoft ima u oblaku, onda se Wikipedia može prevesti s jednog jezika na drugi za vrijeme koje je potrebno čovjeku da trepne okom.

Više praktične informacije Dmitrij će govoriti o upotrebi neuronskih mreža i tehnologija umjetne inteligencije u stvarnim projektima (uključujući .NET) u svom izvještaju na DotNext 2017 Piteru („Dostupna umjetna inteligencija na .NET platformi: od chatbota i kognitivnih usluga do dubokih neuronskih mreža“ ).

Oznake: Dodajte oznake

Može li robot napisati simfoniju ili pretvoriti komad platna u remek-djelo umjetnosti? Ovo pitanje ostaje otvoreno. Ali evo šta sigurno znamo: moderni medicinski nanoroboti su u stanju da "odsjeku kisik" tumoru prodiranjem u krvotok i isporučuju lijekove zahvaćenim stanicama bez oštećenja zdravih. Neuronske mreže uskoro će nadmašiti doktore u dijagnostici mnogih bolesti, a pregledi pomoću CRISPR tehnologija uskoro će se moći obavljati bez napuštanja kuće. Budućnost medicine je već stigla - hajde da saznamo šta očekivati ​​od novih metoda i kako će to uticati na naše zdravlje.

Dijagnosticirajte: umjetna inteligencija

Uspjeh liječenja umnogome ovisi o brzoj dijagnozi bez grešaka: za to liječnik treba akumulirati mnogo praktičnog iskustva i biti svjestan aktuelnih naučnih radova u svojoj oblasti. Ali s toliko novih studija i izvještaja o slučajevima koji se pojavljuju u štampi svakog mjeseca, gdje možete naći vremena da sve to proučite? Tu ljudima u pomoć priskaču kompjuteri, sposobni da obrade ogromne količine informacija u sekundi.

Danas algoritme za analizu medicinskih podataka kreiraju velike korporacije, uključujući Microsoft, IBM i Google. Najčešće se njihov razvoj temelji na različitim oblicima umjetne inteligencije koja se samouči, koja može pronaći obrasce u velikim skupovima podataka, kao što su skeniranje mozga ili slike sumnjivih izraslina na koži. Takvi algoritmi se obučavaju korišćenjem biblioteka hiljada primera, gde je svakoj slici dodeljena dijagnoza koju postavlja kvalifikovani lekar.

Neuronske mreže su već naučile identificirati mnoge bolesti jednako efikasno kao i ljudi, au nekim slučajevima čak uspijevaju i nadmašiti stručnjake.

Konvolucione neuronske mreže (CNN) omogućavaju vam analizu više slika. To su duboke (višeslojne) strukture u kojima svaki umjetni neuron prima samo mali fragment izlaza prethodnog sloja. Postepeno, mreža generalizuje lokalne karakteristike, rekreirajući kompletnu sliku. Kombinacijom svih podataka, CNN može prepoznati različite detalje na originalnoj slici, uključujući karakteristične elemente na osnovu kojih doktori postavljaju dijagnozu.

CRISPR tehnologije ne samo da mogu eliminirati uzroke bolesti, već i identificirati bolesti, na primjer, tražiti tragove DNK ili RNK infektivnih agenasa.

Dok se protein Cas9 povezan sa CRISPR-om najčešće spominje u vezi sa terapijom, drugi proteini: Cas12a i Cas13a su obično "dijagnostički" proteini.

Istraživači sa MIT-a su 2017. godine predstavili dijagnostičku tehnologiju pod nazivom SHERLOCK (Specific High Sensitivity Enzymatic Reporter UnLOCKing). Koristi enzim Cas13a, koji može prepoznati specifične RNA sekvence i preseći slične RNA lance koji se nalaze u blizini, potpuno uništavajući sumnjivi predmet. Poput knjige Sherlock Holmes, medicinski SHERLOCK je sposoban da rekreira potpunu sliku događaja iz najsitnijih dokaza: tehnologija radi s atomolarnim (10-18 mola po litri) koncentracijama nukleinskih kiselina. Metoda je testirana na lentivirusima koji sadrže fragmente virusa denga groznice i virusa Zika: SHERLOCK je mogao otkriti čestice patogena i razlikovati ih jedne od drugih u koncentraciji ne većoj od dva atomola.

Prilikom testiranja pokazalo se da se reagensi za dijagnostiku pomoću SHERLOCK-a mogu osušiti i zatim rekonstituirati, dok se osjetljivost metode ne smanjuje mnogo. Za prijenosne testove predlaže se korištenje fiberglas papira. Autori razvoja smatraju da će jedan test sistem koštati približno 61 cent.

Drugi istraživači takođe rade na kreiranju kompleta za CRISPR testiranje kod kuće. Nedavno je razvoj u ovoj oblasti započela Jennifer Doudna, jedna od pionira medicinske CRISPR revolucije. Njen tim je kreirao metod pod nazivom DETECTR (CRISPR trans reporter ciljani na DNK endonukleazu), koristeći protein Cas12a. On pronalazi specifične sekvence DNK i seče najbliže fluorescentno označene reporterske molekule nukleinske kiseline dodane uzorku, proizvodeći signal. Na taj način se mogu otkriti tragovi uzročnika mnogih bolesti, uključujući različite sojeve virusa gripe.

Prema tvorcima ovakvih test sistema, CRISPR analiza neće trajati duže od nekoliko sati, a rezultati se mogu dobiti putem interneta. Međutim, kada se takvi setovi pojave u otvorena prodaja, još uvijek je nepoznato.

To je iluzija: virtuelna stvarnost

O virtuelnoj stvarnosti se često govori u kontekstu kompjuterske igrice i „volumetrijski bioskop“, ali tehnologija takođe ima potencijal u medicini, a ne u najočitijim oblastima. Na primjer, VR se efikasno koristi kao sredstvo protiv bolova.

Jedinica za opekotine u Univerzitetskoj bolnici Loyola u Illinoisu koristi ovaj pristup.počeo korišteno prije deset godina: bolnički pacijenti igraju simulator tokom bolnih zahvataSnowWorld.

Radnja se odvija u pozadini polufantastičnih sjevernih pejzaža s mnogo snježnih nanosa i zaleđenih rijeka, zadatak junaka je da igra grudve snijega s polarnim medvjedima, pingvinima i snjegovićima. Da bi završio sve nivoe, pacijent se nehotice fokusira na zagonetku i odvlači pažnju od fizičkih senzacija. MRI skeniranje mozga pokazalo je da SnowWorld zapravo smanjuje percepciju boli, tako da pacijentima treba manje jakih lijekova protiv bolova koji mogu biti štetni za tijelo.

VR zamjenjuje ili nadopunjuje lijekove protiv bolova u mnogim područjima medicine. Tehnologija se koristi za ublažavanje bolova tokom porođaja i tokom stomatoloških zahvata. Svojstva virtuelne stvarnosti za ublažavanje bolova posebno su relevantna u svjetlu „opioidne krize“ u Sjedinjenim Državama - povezana je s porastom popularnosti lijekova protiv bolova na recept (na primjer, OxyContin i Vicodin) u posljednjih nekoliko desetljeća.

VR ne radi samo za fizičku bol: može i savladati psihičku traumu. Prvi eksperimenti dogodili su se kasnih 1990-ih, kada je psihologinja Barbara Rothbaum uspjela ublažiti simptome posttraumatskog stresnog poremećaja kod vijetnamskih veterana koristeći virtuelne modele pilotske kabine helikoptera i čistine u azijskoj džungli. Ova tehnika je nadopunila terapiju izlaganja - postupno "pristupanje" traumatskim sjećanjima koje pacijentova svijest pokušava izbjeći. Slična shema djeluje u liječenju anksioznih poremećaja i fobija koristeći virtuelnu stvarnost. Tehnologija pomaže da se nosite sa aerofobijom i strahom od javnog govora: simulirano okruženje omogućava da se više puta „uvežbava“ zastrašujuća situacija.

Nedostaci VR terapije su relativno visoka cijena opreme i potencijalna fiziološka netolerancija na virtuelnu stvarnost.

Neki sudionici u ispitivanjima novih metoda liječenja iskusili su VR „mučninu“ (bolest virtuelne stvarnosti), koja uzrokuje iste simptome kao i bolest kretanja ili morska bolest. Prema uobičajenim hipotezama, oba poremećaja nastaju zbog poremećaja u funkcioniranju receptora vestibularnog aparata ili sukoba između signala koji dolaze iz vestibularnog aparata i organa vida.

Programeri su već kreirali nekoliko metoda koje mogu smanjiti VR „mučninu“. Na primjer, možete postaviti stacionarni objekt na ekran koji će korisnikove oči stalno fiksirati. Autori tehnologije Nasum Virtualis predlažu da se kao referentna tačka koristi virtuelna slika nosa koja se nalazi u sredini ekrana. Oči igrača to doživljavaju kao vlastiti nos, pa se osjećaj mučnine i vrtoglavice povlači.

Razvoj elemenata sistema umjetne inteligencije aktivno se razvija i postaje trend današnjice, a samo lijeni ne pišu pametne botove. Zato smo intervjuisali Dmitrija Sošnjikova, jednog od najboljih stručnjaka za veštačku inteligenciju u zemlji. On je evanđelista Microsoft tehnologije, autor knjiga, članaka i tutorijala, kao i koordinator programa za nastavnike i studente, specijalista za funkcionalno programiranje, neuronske mreže i veštačku inteligenciju.

- Dmitry, recite nam nekoliko riječi o sebi i svom radu.

Dmitry Soshnikov: Kao evanđelista za Microsoft, uključen sam u popularizaciju i implementaciju najsavremenijih tehnologija kompanije, sada prvenstveno tehnologija vezanih za umjetnu inteligenciju. Ovo uključuje govorenje na konferencijama, rad sa studentima i nastavnicima, startup kompanije, ponekad učešće na hackfestovima i programiranje prototip sistema sa programerima iz različitih kompanija. Također populariziram funkcionalno programiranje i jezik F#, predajem na MIPT-u, HSE-u i MAI-u i razvijam online kurseve za MVA i Coursera.

Po mom mišljenju, neuronske mreže i umjetna inteligencija općenito su vrlo zanimljivo područje, čiji je brzi razvoj posljednjih godina već omogućio rješavanje niza problema koji do sada nisu imali rješenja, kao što je npr. automatsko određivanje starost osobe sa njegove fotografije. A budućnost nam nudi još mnogo zanimljivih prilika.

Neuronske mreže - moda ili alat?

Dmitry Soshnikov: Ovdje se uspješno preklopilo nekoliko faktora.
Prvo, pristupačna računarska snaga je postala dostupna. Štaviše, usluge u oblaku su odigrale veliku ulogu, jer umjesto ulaganja u infrastrukturu za izračunavanje neuronskih mreža, sada je možete iznajmiti samo za vrijeme trajanja proračuna, nakon čega odbijate iznajmljivanje. Osim toga, počeli su se koristiti grafički procesori, koji su prvobitno bili dizajnirani za kompjutersku grafiku. Ispostavilo se da su vrlo pogodni za zadatke umjetne inteligencije.

Drugo, zahvaljujući internetu, gigantske količine podataka počele su se akumulirati u mnogim područjima. Razmotrite, na primjer, prethodno spomenuti zadatak prepoznavanja starosti osobe na fotografiji. Da bi se neuronska mreža obučila da to riješi, potrebno je nekoliko stotina hiljada primjera. Sada možete uzeti bilo koju društvenu mrežu na kojoj ljudi sami objavljuju svoje fotografije i podatke o računu (starost) - i mi odmah primamo podatke za obuku.
Treće, naravno, pojavila su se neka zanimljiva istraživanja, uključujući nove arhitekture neuronskih mreža koje omogućavaju rješavanje postojećih problema. Ali ova tačka je vjerovatno posljedica prva dva. Kada su resursi i tehnologije dostupni, područje se prirodno počinje aktivno razvijati.

Ovdje se pojavio veliki broj alata koji omogućavaju korištenje ovih neuronskih mreža. Ako ste ranije za rješavanje problema s umjetnom inteligencijom morali imati puno znanja i mnogo programiranja, sada su vam na raspolaganju servisi koje možete uzeti i koristiti.

Tema umjetne inteligencije danas je vrlo popularna. Koliko je ova popularnost zaslužena? Je li tehnologija zaista toliko impresivna ili je to veliki doprinos mode? I nije li ova "moda" štetna za razvoj?

Dmitry Soshnikov: Zaista postoje veliki uspjesi u oblasti AI, o kojima se dosta piše, pa se fraza "vještačka inteligencija" naširoko čuje. Zahvaljujući tome, pojavljuju se novi programeri - neko ide i proučava novo područje za sebe, tj. Ima više ljudi koji razumeju ovu oblast. S druge strane, ljudi pažljivije traže one zadatke u kojima se mogu primijeniti tehnologije umjetne inteligencije. Sa ove tačke gledišta, sve je to u principu dobro, jer imamo šansu da automatizujemo neke oblasti koje ranije nismo mogli.

Na primjer, možemo riješiti problem prihvatanja narudžbi u prozoru MacAuto. Uvijek se trude da rješenje takvih problema učine jeftinijim. Na primjer, u SAD-u je prvo sjedio Amerikanac, a onda je došlo do pokušaja da se ovo prepusti prenošenju glasa u zemlju sa jeftinom radnom snagom (gdje, opet, osoba sjedi i prepisuje). A sada to može i kompjuter.

Da li učesnici na tržištu imaju naduvana očekivanja? Postoje li neka predviđanja koja se, po vašem mišljenju, sigurno neće ostvariti u bliskoj budućnosti?

Dmitry Soshnikov: Naravno da postoji. Prije svega, polje umjetne inteligencije je pomalo romantično. Ima dosta filmova - na primjer, "Matrix" ili "Terminator" - gdje se roboti pobune i preuzmu kontrolu nad svime. Dakle, postoji određeni broj ljudi koji očekuju da će proći još 5 godina i da će kompjuteri zavladati svijetom. Ova očekivanja su očigledno još daleko od stvarnosti. Danas je vrlo dobro automatizirano rješavanje određenih klasa problema vezanih za prepoznavanje slike, govora i mašinskog učenja. Ali još uvijek imamo prilično dug put prije nego što shvatimo kako funkcionira ljudsko razmišljanje općenito. Stoga, prije nego što se stvori ovakva umjetna inteligencija koja će razmišljati kao osoba i djelovati nagomilanim znanjem, treba još puno raditi. Još uvijek nije jasno kako to učiniti.

- Šta je sa očekivanjima u pogledu finansijskih ulaganja, a ne realizacije naučnofantastičnih scenarija?

Dmitry Soshnikov: Čini mi se da je za ovakav razgovor potrebno temu vještačke inteligencije razbiti na zasebne komponente, jer je to vrlo široka oblast.

Ako pogledamo kompjuterski vid, već postoje zadivljujući napredak koji se sada implementira u preduzeća, povećavajući njihovu efikasnost i donoseći ekonomske koristi. Kompjuterski vid već prepoznaje slike bolje od ljudi, a da ne spominjemo da su znatno jeftinije.

U drugim oblastima, kao što su razumijevanje prirodnog jezika i sposobnost rasuđivanja o proizvoljnim temama, napredak je bio skromniji.

- Postoje li faktori koji, po vašem mišljenju, koče razvoj industrije?

Dmitry Soshnikov: Da budem iskren, ne vidim nikakve očigledne faktore. Mislim da je ovo područje koje se trenutno najbrže razvija.
Međutim, želio bih napomenuti da je umjetna inteligencija oblast koja još uvijek zahtijeva određene kvalifikacije. Rad u ovom smjeru je malo teži od samog učenja programiranja. Osoba koja završi školu, a ne stekne visoko obrazovanje, vjerovatno može početi uspješno raditi u oblasti razvoja standarda. Sa umjetnom inteligencijom, granica za ulazak je viša, iako se postepeno snižava, uključujući i napore učesnika u ovoj industriji. Konkretno, jedna od stvari na kojima Microsoft radi je takozvana demokratizacija vještačke inteligencije. To znači učiniti tehnologiju dostupnom najširem mogućem segmentu potrošača.

U praksi, ne samo Microsoft, već i mnoge druge kompanije rade u tom pravcu, pružajući, na primjer, alate za rješavanje intelektualnih, kognitivnih problema u obliku gotovih usluga. Na primjer, usluge za određivanje spola, starosti i raspoloženja osobe sa fotografije, možete ih jednostavno nazvati i dobiti rezultat. Isto važi i za mašinsko prevođenje, itd. U sklopu izvještaja na DotNext 2017, govorit ćemo o ovome: kako možete, a da uopće ne razumijete kako točno funkcionira, jednostavno koristite rezultate.

A.NET mozda?

Dmitry Soshnikov: AI metode se mogu implementirati na bilo kojoj tehnologiji. Ipak, postoje određeni uspostavljeni ekosistemi oko sličnih zadataka. Na primjer, Python i R i njihove prateće biblioteke su veoma popularni jezici među naučnicima podataka. One. ovdje već ima puno društvenog rada. U pogledu ovih razvoja, naravno, .NET malo zaostaje, kao i druge slične platforme. Međutim, .NET već ima određeni skup alata, o kojima ću govoriti kao dio svog izvještaja.

Općenito, platforme su sada na neki način integrirane, uključujući i jedna s drugom. Isti R jezik se veoma dobro integriše sa F#, koji je izvorni za .NET platformu. U skladu s tim, ako trebamo koristiti neke alate za strojno učenje, možemo koristiti takav lanac, koristeći mogućnosti i biblioteke R jezika. To će biti prilično transparentno i lako za napraviti.

Generalno, ako govorimo konkretno o neuronskim mrežama, Microsoft ima Cognitive Toolkit koji vam omogućava da trenirate neuronske mreže. I pošto je prvobitno napravljen u Microsoft ekosistemu, veoma dobro radi sa .NET-om.

- Ovaj alat se nekako izdvaja od analoga drugih proizvođača?

Dmitry Soshnikov: U suštini, Cognitive Toolkit je Microsoftov analog okvira TensorFlow, Caffe itd.

Svi su, u principu, ideološki vrlo slični. Ali Microsoft Cognitive Toolkit je bio prvi koji je podržao visoko distribuirano okruženje za obuku, gdje možete trenirati neuronsku mrežu ne samo na jednom GPU-u, već na više GPU-a ili čak na više GPU stanica. One. Možete napraviti farmu za obuku neuronske mreže.

Koliko ja znam, Cognitive Toolkit nadmašuje druge okvire u pogledu brzine učenja. Osim toga, vrlo je zgodan za korištenje. Većina okvira je povezana s Python-om na ovaj ili onaj način, ali Cognitive Toolkit je u početku slijedio malo drugačiji put. U početku je bilo moguće opisati arhitekturu neuronske mreže na posebnom jeziku, a zatim je obučiti bez izgradnje ikakvih modela u Python-u. Bilo je malo lakše. Trenutno Cognitive Toolkit podržava obje opcije, tj. je prilično fleksibilan.

- Vjerovatno postoje trenuci u kojima je Cognitive Toolkit inferiorniji od svojih analoga?

Dmitry Soshnikov: Generalno, takvi okviri su alati niskog nivoa na kojima se mogu trenirati proizvoljne neuronske mreže. Kao i njegovi analozi, Cognitive Toolkit podržava određeni osnovni nivo na kojem možete izgraditi arhitekturu mreža proizvoljne složenosti. Stoga je raspon zadataka koje rješavaju različiti alati približno isti.

Izbor okvira je u velikoj mjeri određen nekim ličnim preferencijama i dostupnošću referentnih materijala. I ovdje Microsoftov okvir malo zaostaje, jer se pojavio nešto kasnije, tako da na njemu nema tako velike količine materijala, posebno online tečajeva. Ali situacija se, naravno, postepeno izjednačava.

Zajedno sa MIPT-om planiramo izdati online kurs posvećen problemima vezanim za korištenje umjetne inteligencije u praksi. I neke od informacija o Cognitive Toolkitu će takođe biti uključene tamo.

Bliska budućnost

Dmitry Soshnikov: Vjerovatno je prerano davati konačne prognoze, jer je 2011-2012 počeo izuzetno brz razvoj tehnologije. Od tada su poboljšane metode prepoznavanja, poboljšane su arhitekture neuronskih mreža, tj. povećava se tačnost rješavanja problema.

U ovom segmentu ima još mnogo neriješenih pitanja. Problemi prepoznavanja slike i glasa su već riješeni na prilično visokom nivou. Dalje, vjerovatno najzanimljivije je pokušati izvući neko značenje iz teksta. I ovdje ima nekih prilično zapanjujućih uspjeha. Na primjer, možete trenirati neuronsku mrežu na fragmentima razgovora iz filmova i dobiti robota koji na neki način može održavati dijalog. Ali u isto vrijeme, dijalog neće imati mnogo smisla. Još uvijek nije jasno kako znanje prevesti u značenje, kako spojiti implicitnu reprezentaciju znanja u neuronskim mrežama sa simboličkim zaključivanjem. Ovo je pravac istraživanja kojim će se naučnici baviti.

Što se tiče alata, oni se trenutno aktivno razvijaju. U određenom smislu, proizvođači alata pokušavaju da prate naučna dostignuća u svojoj oblasti. Pojavljuju se nove mrežne arhitekture - njihova podrška se pojavljuje u alatima, tj. Funkcionalnost se stalno širi.

Kao što sam ranije rekao, sa stanovišta programera, primjetan je trend demokratizacije umjetne inteligencije, uključujući alate. Uz Microsoft Cognitive Toolkit koji sam spomenuo, postoji zanimljiv alat pod nazivom Azure Machine Learning, koji vam omogućava da ih primijenite na stvarne podatke bez dubokog razumijevanja implementacije svih algoritama za strojno učenje i vidite možete li identificirati neke obrasce i koristite ih dalje u svojim proizvodima. Ovaj alat se također prilično intenzivno razvija - tu se ubacuju nove metode i algoritmi.

Generalno, tehnologija postaje sve dostupnija. Složene stvari su pojednostavljene tako da se mogu koristiti u što je moguće širem spektru projekata.
Još jedna stvar koju bih želio napomenuti je da su ovo još uvijek prvi eksperimenti u oblaku koji koriste efikasnija hardverska rješenja koja implementiraju algoritme umjetne inteligencije. O tome nećemo pričati na Dotnextu, ali o toj temi se detaljno raspravljalo na Microsoft Ignite konferenciji. U oblaku, Microsoft planira da ponudi ne samo klasične računarske resurse, već i programabilna logička integrisana kola: FPGA ili FPGA. Da pojednostavimo, radi se o čipovima koji se mogu flešovati za obavljanje određenih logičkih operacija i koji će te operacije izvršiti vrlo brzo. Sa takvom šemom možemo mnogo brže izračunati neuronsku mrežu. Tokom eksperimenata, procesor je "podstaknut" da prevodi s jezika na jezik, kao rezultat toga, roman "Rat i mir" se prevodi sa jezika na jezik za 2 sekunde. Ako uzmete sve mnoge takve procesore koje Microsoft ima u oblaku, onda se Wikipedia može prevesti s jednog jezika na drugi za vrijeme koje je potrebno čovjeku da trepne okom.

Dmitrij će dati više praktičnih informacija o upotrebi neuronskih mreža i tehnologija umjetne inteligencije u stvarnim projektima (uključujući i .NET) u svom izvještaju na DotNext 2017 Piter („Dostupna umjetna inteligencija na .NET platformi: od chatbota i kognitivnih usluga do dubokih neuronske mreže").

Tagovi:

• umjetna inteligencija
• neuronske mreže