Наука

Как новое поколение исследователей развивает искусственный интеллект

Юные исследователи используют машинное обучение и нейронные сети для диагностики заболеваний, отслеживания космического мусора, проектирования дронов и объяснения заключений на ярмарке Intel ISEF 2017.

И хотя появление разумных компьютеров вроде HAL из культового научно-фантастического фильма «Космическая одиссея 2001 года» или Саманты из фильма «Она» 2013 года ждет нас, возможно, лишь в отдаленном будущем, некоторые формы искусственного интеллекта уже улучшают жизнь людей.

На международной научно-технической ярмарке Intel ISEF 2017 года приблизительно 1800 учащихся старших классов представляли свои исследования и сражались за призы общей стоимостью свыше 4 млн долларов. Новое поколение ученых использовало машинное обучение и искусственные нейронные сети, чтобы найти решения наиболее острых на сегодняшний день проблем.

«Искусственный интеллект в будущем будет играть важную роль», — говорит Кристофер Канг (Christopher Kang), начинающий программист из Ричленда (штат Вашингтон, США), который получил награду ISEF в категории «Робототехника и автоматизированные механизмы».

Крис Канг разработал приложение, которое может диагностировать рак кожи.

«Человеческий мозг может анализировать ограниченное количество данных, — продолжает Канг. — А искусственный интеллект способен анализировать и сопоставлять огромные объемы данных. Мы можем использовать его возможности для интерпретации и сравнения результатов уже проведенного исследования. Затем искусственный интеллект может анализировать дополнительные данные и превращать их в практически значимую информацию».

Искусственный интеллект в роли ассистента врача

После того как у отца Канга обнаружили рак кожи, юный программист создал искусственную нейронную сеть, способную определять злокачественные родимые пятна и кожные повреждения.

Школьник разработал приложение, с помощью которого пользователи могут сфотографировать подозрительное родимое пятно или кожное повреждение. Затем приложение сможет определить, является ли это кожное образование злокачественным. При этом точность диагноза сопоставима с точностью диагноза, поставленного дерматологом.

«Таким образом, пациенты могут понять, нужно ли им записаться на прием к врачу, — объясняет Канг. —

Важно выявить рак кожи на ранней стадии, потому что после появления на коже метастазов продолжительность жизни с этим заболеванием (которая в среднем составляет 5 лет) резко сокращается в 5 раз».

Использование искусственного интеллекта для диагностики

Гурав Бехера (Gaurav Behera) из Рочестера (штат Миннесота, США) применил похожий подход к разработке искусственной нейронной сети, которая определяет серповидноклеточную анемию по микроскопическому изображению мазка крови.

«Серповидноклеточная анемия в основном распространена в развивающихся странах, где зачастую нет возможности получить медицинское образование и провести диагностику либо это слишком дорого обходится», — рассказывает Бехера. Его двоюродная бабушка, которая жила в Индии, умерла от этой болезни.

Гурав Бехер использует искусственный интеллект для совершенствования диагностики серповидноклеточной анемии.

«Благодаря этому приложению снижается стоимость диагностики серповидноклеточной анемии, а сам процесс становится эффективнее», — продолжает Бехера.

Сейчас для диагностики этого заболевания необходимо проверить каждый эритроцит из 300–400 эритроцитов в одном мазке крови, из которых лишь 10 клеток могут иметь серповидную форму. Приложение Бехера устраняет риск возникновения ошибок, вызванных человеческим фактором.

«Приложение хранит информацию в централизованном месте, поэтому оно может постоянно обновляться, — говорит Бехера. — Так, нейронная сеть может обучаться, и со временем она будет работать еще точнее».

Искусственный интеллект для составления прогнозов

В настоящее время машинное обучение чаще всего используется для выполнения классификаций, однако нейронные сети также можно использовать для отслеживания данных и прогнозирования.

Эмбер Янг (Amber Yang) из Уинтер Парка (штат Флорида, США) получила награду ISEF за разработку искусственной нейронной сети, которая способна прогнозировать местоположение космического мусора, создающего угрозу для космических аппаратов. Девушка создала алгоритм, который может обучить сети распознавать определенные облака космического мусора в космосе и прогнозировать местоположение мусора в будущем на основе предыдущих траекторий.

Эмбер Янг обнаружила, что искусственный интеллект может находить космический мусор.

А Винсент Мойкенс (Vincent Moeykens) из Виндзора (штат Вермонт, США) создал нейронную сеть для анализа данных и прогнозирования курсов акций.

Мойкенс протестировал алгоритм на исторических данных о курсах акций компаний Apple, Amazon, Google, GoPro и Tesla. Он ввел данные за три квартала и позволил нейронной сети спрогнозировать ситуацию в четвертом квартале.

В более чем половине случаев разница между спрогнозированным алгоритмом и актуальным на тот период времени курсом акций составила менее 0,15%.

По словам Мойкенса, после добавления дополнительных переменных «нейронная сеть смогла преодолеть ограничения благодаря самостоятельному обучению и повышению точности».

Машина и человек

Роберт ван Зейл (Robert van Zyl) из Пичтри-Сити (штат Джорджия, США) получил награду в категории «Техническая механика» за свое исследование на тему «Может ли машинное обучение превзойти возможности инженеров-проектировщиков».

Так, разработанные ван Зейлом алгоритмы «соревновались» с инженерами в разработке сложных силовых установок для гоночных дронов.

«Я выбрал гоночные дроны из-за высоких ставок на соревновании и степени сложности проблем, которые стоят перед инженерами», — объясняет ван Зейл.

Начинающий инженер предоставил обеим сторонам характеристики и эксплуатационные данные бесщеточных двигателей и пропеллеров в различных конфигурациях и дал им задание выбрать наиболее оптимальную конструкцию, учитывающую три переменные: максимальная тяга, эффективность и динамичное ускорение.

В конечном итоге, победу одержал компьютер.

«Несмотря на некоторые хорошие подборки людей, алгоритмы искусственного интеллекта обошли лучших инженеров в двух из трех соревнований, — рассказывает Зейл. — Алгоритмы машинного обучения показали особенно впечатляющие результаты при поиске оптимальной конструкции силовой установки для оптимизации ускорения — пожалуй, наиболее важная составляющая гонок дронов».

Искусственный интеллект на благо общества

«Проблема искусственных нейронных сетей заключается в том, что нельзя понять, о чем они думают, — рассказывает Робби Баррат (Robbie Barrat) из Шенандоа (штат Западная Виргиния, США). — Они напоминают «черный ящик»».

Исследования Баррата направлены на то, чтобы сделать внутренние процессы искусственного интеллекта более прозрачными.

Робби Баррат использует искусственные нейронные сети для объяснения их работы.

Юный исследователь разработал две отдельные модели машинного обучения, которые позволяют нейронным сетям объяснять свои заключения при решении проблем, связанных как с прогнозированием, так и классификацией.

«Объяснения не только подкрепляют заключения, предоставленные искусственными нейронными сетями, но и помогают понять «мыслительный процесс» сетей», — объясняет Баррат.

Что касается опасений по поводу неблагоприятного исхода, который продвигается в научной фантастике, по мнению Баррата, такая прозрачность может гарантировать, что в будущем искусственный интеллект будет продолжать помогать человеку, а не начнет действовать ему во вред.

«Нужно признать, что искусственный интеллект находится только в начале своего развития, — говорит Баррат, обращая внимание на то, что только к 1990-м гг. вычислительная мощность стала достаточно высокой для реализации проектов с искусственным интеллектом. — Однако в будущем он станет неотъемлемой частью нашей жизни. Поскольку искусственные нейронные сети — это мощный инструмент, и при наличии достаточной вычислительной мощности они смогут выполнять любые задачи».

Поделиться этой статьей

Read Full Story