Как искусственный интеллект изменит нашу жизнь в ближайшие годы

Нейросети опутали нашу жизнь, даже если не все об этом подозревают. Сложные программы, на которых построен “мозг” искуственного интеллекта, не только глубже внедряются в технологии будущего, но и становятся частью ежедневного быта.

В основе работы нейросетей — способность к самообучению, то есть умение вырабатывать собственные реакции на основе полученного в процессе предварительной тренировки опыта.

Автор Russian Gap, программист Аля Позднякова подготовила обзор продуктов и сфер, где влияние искусственного интеллекта и нейросетей особенно заметно уже сегодня. А если не заметно сегодня, то станет неизбежным в ближайшие несколько лет.

Изобразительное искусство

Компьютерные программы учились рисовать уже в 1970-х годах. Именно тогда художник Гарольд Коэн заинтересовался программированием и решил проверить, возможно ли создавать произведения искусства, руководствуясь лишь небольшим набором правил. Он рассказал своему творению, Aaron’у, как выглядят люди и какого цвета должны быть деревья, а также обучил его основам художественной композиции. И Aaron начал рисовать. Поначалу Гарольд дорабатывал его работы, но со временем они стали настолько хороши, что этого уже не требовалось. Результаты коллаборации машины и человека выставлялись в музее Tate.

Facebook и Google тоже экспериментировали с программами-художниками. В Facebook использовали два алгоритма, работающих последовательно: первый рисует, а второй проверяет получившиеся изображения на реалистичность и удаляет те, которые выглядят странно. Со временем остаются только самые лучшие, и около 40% из них настолько хороши, что люди не могут отличить их от настоящих изображений.

У Google другой сценарий: их программа DeepDream хорошо умеет распознавать разные объекты, и именно на этом умении основан её подход к рисованию. Получив на входе изображение, программа приступает к главной задаче — сделать более чёткими те элементы, которые она узнала. Иногда это приводит к странным результатам. Получив изображение синего неба, программа очень старалась увидеть в нём что-то большее, и в результате получилось небо, по которому плавают необычные существа — the Pig-Snail (свиноулитка), the Dog-Fish (рыбособака), the Camel-Bird (верблюптица). Безумие, но очень интересное безумие — такое мог бы нарисовать живой человек под действием ЛСД.

Интересное исследование провели в университете Тренто в Италии. Используя алгоритмы машинного зрения, они обработали 500 картин в стиле абстракционизма, проанализировав формы, линии и распределение цветов. После этого они собрали тестовую группу из 100 человек и рассказали программе, какие эмоции они испытывали, когда смотрели на эти картины. Так программа научилась определять закономерности: к примеру, чёрный цвет и острые формы вызывают негативные эмоции. После этого ей показали картины, которых не было в начальной выборке, и попросили предсказать, какие эмоции они вызовут у людей. Предсказания оказались верны в 80% случаев. Продолжая обучение программы, этот результат можно значительно улучшить. Со временем она научится идеально понимать человеческие эмоции, и это поможет ей создавать свои собственные произведения искусства — такие, которые берут за душу.

Пожалуй, именно глубокое понимание человеческих эмоций позволит системам искусственного интеллекта стать великими художниками. Имея возможность обрабатывать большие массивы данных, они смогут не только улучшить качество и реалистичность своих изображений, но и сделать так, чтобы они понравились именно вам — например, проанализировав вашу ленту в Instagram. Возможно, зайдя в Tate в недалеком будущем, мы уже не сможем отличить картины, созданные людьми, от тех, что создали машины.

Транспорт. Автомобили

Беспилотные автомобили переехали со страниц фантастических книг на дороги Mountain View, где Google активно тестирует их уже несколько лет. Во многих городах мира ходят поезда метро, не нуждающиеся в управлении человеком. Автопилот в самолетах становится все более умным и давно способен самостоятельно приземлиться в Heathrow. Традиционно безопасность в сфере транспорта основывалась на надежности техники и контроле со стороны человека. Но что будет, если отдать этот контроль искусственному интеллекту?

Первый шаг — создание умных ассистентов, которые сделают процесс управления транспортными средствами приятнее и безопаснее. Над этим уже работают в BMW в партнёрстве с IBM Watson; они выделяют шесть областей, в которых хотят «прокачать» своего ассистента. Их планы связаны исключительно с автомобилями, но отражают следующие основные тренды во всей транспортной индустрии.

САМОИЗУЧЕНИЕ — анализ состояния систем автомобиля и информирование водителя о необходимости технического осмотра. САМОЛЕЧЕНИЕ — самостоятельная диагностика и устранение неполадок. САМОНАСТРАИВАЕМОСТЬ — адаптация под предпочтения водителя. САМОИНТЕГРАЦИЯ — возможность подключения к другими девайсами. СОЦИАЛИЗАЦИЯ — коммуникация между машинами на дороге (в самолетах уже есть подобные системы, позволяющие уходить от столкновений). И, наконец, АВТОНОМНОСТЬ — возможность управлять машиной без участия человека.

Похоже, что грань между умными ассистентами и беспилотными автомобилями становится все тоньше. В октябре 2016 года стало известно, что в каждом новом автомобиле Tesla будет предустановлено оборудование, необходимое
для полностью автономного управления. Но перед тем, как эти автомобили можно будет переключить в беспилотный режим, компании ещё предстоит протестировать их программное обеспечение и получить одобрение регуляторов. Тем временем Uber обещает, что к 2021 году в Питтсбурге не останется Uber-водителей: их там заменят полностью автоматизированные Volvo VC90.

Но есть и обратная сторона медали. В 2016 году в Массачусетском технологическом институте (MIT) запустили проект Moral Machine. Это тест, цель которого — изучение мнения общества по этическим вопросам, связанным с управлением автомобилей. Пользователям предлагается выбрать, как беспилотная машина должна вести себя в той или иной ситуации. К примеру, у неё отказали тормоза, и есть выбор — ехать прямо или повернуть левее. И там, и там люди. Кого лучше сбить — детей или взрослых? Беременных женщин или грабителей? А если одни из них переходят дорогу на красный свет? А если есть ещё один вариант: впереди стена, и при столкновении с ней погибнут те же пять человек, но уже внутри машины?

К счастью, большинству из нас не приходится отвечать на такие вопросы в реальной жизни. В аварийной ситуации водитель действует так, как подсказывают ему инстинкты. Правильных ответов не существует. Но для того, чтобы беспилотные автомобили смогли ездить по улицам больших городов, нам предстоит их сформулировать. И это может быть непростой задачей.

Медицина

Инновациям в сфере медицины всегда мешали три вещи: регуляторы, нехватка финансирования и недоверие общества. В этом плане за последние сто лет ничего не изменилось. Зато сегодня можно с помощью одного приложения для айфона спасти тысячи людей в год, как это планируют делать Google DeepMind с помощью своего проекта Streams.

Главное преимущество машины перед человеком — умение быстро обрабатывать информацию. Даже самый лучший врач не способен изучить результаты всех существующих научных исследований, зато это может сделать суперкомпьютер IBM Watson. Обработав эти данные, он сможет использовать их для постановки диагнозов пациентам. Это значительно упростит и ускорит процесс диагностики. Для пациентов с редкими болезнями это особенно важно. Порой их жизнь зависит от того, встретят ли они врача, который поставит правильный диагноз и будет в курсе последних исследований в соответствующей области.

Следующий шаг — построение плана лечения. Имея доступ к полной истории болезни пациента, программа может предложить наиболее оптимальные методы его лечения. Готовые решения уже существуют, к примеру, в области онкологии — IBM Watson for Oncology. Важно, что и при диагностике, и при построении плана лечения последнее слово всегда будет за врачом. Программа-ассистент может только делать предположения, основываясь на имеющихся у неё данных.

Ещё одна важная задача для умных ассистентов — повышение качества и скорости анализа КТ (компьютерной томографии), МРТ (магнитно-резонансной томографии) и рентгеновских снимков. Уже были проведены испытания, в ходе которых программа смогла обнаружить опухоли, узелки и другие патологии — даже те, которые настолько малы, что человеческий глаз практически не способен их увидеть. У IBM и тут есть своя наработка — исследовательский проект Medical Sieve.

Нельзя не упомянуть и такое классическое использование систем искусственного интеллекта, как персональные помощники. К примеру, они могут следить за тем, вовремя ли пациенты принимают прописанные им лекарства. Это большая проблема: в США 50% пациентов либо вообще не принимают свои лекарства, либо принимают их неправильно. Несоблюдение правил приема лекарственных препаратов считается причиной смерти 125 тысяч американцев в год. К счастью, there’s an app for that: приложение AiCure использует технологию распознавания лиц, чтобы убедиться, что пациент действительно выпил правильную таблетку в правильное время.

С помощью систем искусственного интеллекта решение целых классов медицинских задач может преобразиться до неузнаваемости. К примеру, если программы научатся качественно симулировать физиологию человека, то испытания лекарств на живых людях уйдут в прошлое. Но пока даже самые продвинутые симуляции от HumMod далеки от идеала, есть и другие способы ускорить процесс поиска новых препаратов. Например, Atomwise используют алгоритмы глубинного обучения (deep learning algorithms), чтобы искать новые лекарства. В 2014 они смогли обнаружить два вещества, которые потенциально эффективны против вирусы Эболы.

В ближайшем будущем нам предстоит привыкнуть к тому, что теперь нас лечат не только врачи, но и программы. Тогда, возможно, мы сможем достичь дерзкой цели Марка Цукерберга и вылечим все болезни к концу 21-го века.

Иллюстрация на заставке: Татьяна Плахова