Всемогущие нейроны. Как в Перми создали детектор лжи

МЕНЮ


Главная страница
Поиск
Регистрация на сайте
Помощь проекту
Архив новостей

ТЕМЫ


Новости ИИРазработка ИИВнедрение ИИРабота разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика

Авторизация



RSS


RSS новости


За 70 лет с момента создания нейрокомпьютера искусственный разум сделал громадный прорыв – от примеров для дошкольников перешёл к задачам, которые человеку не под силу.

Профессор ПГНИУ, доктор технических наук Леонид Ясницкий – о том, как искусственный интеллект снизит брак в металлургии, как в Перми создали детектор лжи и о кибернетике в кардиологии.

Прорыв в «лженауке»

Наталья Стерледева, «АиФ-Прикамье»: Леонид Нахимович, трудно ли было заниматься искусственным интеллектом в СССР?

Леонид Ясницкий: Я занимаюсь искусственным интеллектом очень давно, в 1973 г. вышла моя первая статья, а в 1992-м – первая книга. Фактически, эстафету принял у Юрия Девингталя, основателя кафедры прикладной математики и создателя первого в Перми вычислительного центра в ПГУ.

Как известно, в СССР кибернетика долгое время считалась буржуазной лженаукой. И даже когда я в 90-е гг. начал читать курс искусственного интеллекта в Пермском университете, не раз испытал на себе скептическое отношение коллег. В первом своём реальном проекте я применил методы ИИ для диагностики авиационных двигателей. Результаты диагностики получались весьма обнадёживающими, но подвела репутация кибернетики как лженауки, да и денег тогда в стране не было, и проект не нашёл продолжения. А потом начались победы. В 2005 г. вместе с сотрудниками Пермского управления МВД мы создали первый в мире нейросетевой детектор лжи. Совместно с учёными медицинского университета мы создали одну из первых интеллектуальных систем, способных не только диагностировать заболевания, но и прогнозировать их развитие и на основании этих прогнозов оптимизировать образ жизни, лечение пациентов. В числе первых мы начали развивать и применять методы искусственного интеллекта в социологии, политологии, психологии, экономике, промышленности и даже в спорте. Например, прогнозировали, какое место займёт Россия на Олимпиаде на основе характеристик спортсменов, и прогнозы оказались очень точными. «Предсказали» победу Дмитрия Медведева за два года до президентских выборов 2008 г. Хотя эти прогнозы в то время казались нереальными, они были опубликованы в научных статьях – и они потом подтвердились.

Многие наши инновационные проекты появились благодаря креативности студентов пермских вузов. Из курсовых работ вырастали магистерские, а затем кандидатские и даже, были случаи, докторские диссертации. Были победы на конкурсах стартапов.

Многие наши инновационные проекты появились благодаря креативности студентов пермских вузов.

Для примера, на нашем сайте в разделе «Проекты», вы можете познакомиться с некоторыми результатами студенческого творчества. Запустив нейронные сети и ответив на ряд вопросов, вы можете оценить ваши способности к бизнесу, к научной работе и к руководящей деятельности. Или оценить предрасположенность вашего организма к наркомании, анорексии, пьянству, насилию – и получить рекомендации, как от этого избавиться. Можете выполнить прогноз продолжительности вашего будущего брака и оптимально подобрать себе будущего спутника жизни. Можете узнать состояние вашей сердечно-сосудистой и гастроэнтерологической систем и подобрать оптимальный образ жизни, снижающий риски заболеваний. Можете оценить стоимость вашей квартиры и узнать степень надёжности банка, в котором храните сбережения, и т. д.

– Можно ли назвать сегодняшние разработки полноценным искусственным интеллектом?

– Строгого определения искусственного интеллекта нет. Планка постоянно поднимается. Когда-то компьютер научился складывать 2 + 2, считал площадь круга, и это уже считалось интеллектуальной задачей. Сейчас ИИ связывают, в первую очередь, с нейронными сетями. В 50-х гг. ХХ в. американские учёные МакКаллок и Питтс придумали модель математического нейрона и постарались придать ему свойства биологического нейрона. Розенблатт с помощью таких нейронов создал первый нейрокомпьютер и обучил его распознавать буквы латинского алфавита. Это был колоссальный успех. Казалось, удалось разгадать секреты мозга, и теперь нейрокомпьютеры будут совершать чудеса. Учёным стали поступать заказы. Военные захотели создать систему распознавания «свой-чужой», чтобы узнавать пролетающие самолёты. Экономисты просили научить предсказывать курсы валют, медики – расшифровывать электрокардиограммы. Программисты взялись за выполнение этих заказов, но со многими проектами справиться не смогли. После этого американцы 20 лет не занимались нейросетями, сочли их тупиковым направлением.

А в СССР, напротив, стали развивать ИИ. И в конце 80-х гг. в России появился первый в мире промышленный нейрокомпьютер, успешно решивший ту самую проблему, с которой американцы тогда не справились – распознавать свои и чужие самолёты. Но перестройка свела на нет успех советских учёных.

– Вы автор учебников по искусственному интеллекту. Нет ощущения, что вы сегодняшний прогресс построили?

– Вспомнился случай. Сидим мы в диссертационном совете, решаем вопросы о присуждении учёных степеней. Выступает приезжий аспирант. Он научил нейронную сеть определять надёжность кредитозаёмщиков и внедрил свою интеллектуальную систему в банках своего города. В своём докладе он перечисляет всех, кто имел отношение к созданию ИИ: Пифагор, Евклид, Лул­лий, Аристотель, Ясницкий… После выступления подхожу к нему и говорю: «Что ж вы меня к Аристотелю причислили? Я ведь живой», а он мне: «Так я по вашим учебникам учился, думал, вы уже умерли». После таких случаев коллеги стали в шутку задавать иногородним соискателям учёных степеней «контрольный» вопрос – жив ли Ясницкий? А если серьёзно, есть ощущение, что мы своими публикациями и правда отчасти помогли создать эту сегодняшнюю сверхпопулярность ИИ.

Спастись от брака

– Что побудило вас заняться проблемой заводского брака?

– Есть общая проблема для машиностроительных предприятий: процесс изготовления литейных изделий очень капризный. На качество создаваемого изделия влияет очень много факторов – температура, давление, влажность, условия кристаллизации металла и т. д. В некоторых отраслях процент брака доходит до 50 и больше. Конечно, испорченный материал потом переплавляют, но это лишняя трата ресурсов. Идёт вечный бой между технологами и разработчиками о том, кто виноват в том, что деталь не укладывается в заданные допуски, а изделие при испытаниях не дотягивает до требуемых характеристик. Мы решили поручить решение проблемы искусственному интеллекту – взялись построить нейросетевую модель технологического процесса создания изделий одного из пермских заводов и с её помощью снизить процент брака и повысить качество изделий.

Вместе с заводскими работниками мы месяцами собирали данные по литью деталей, направили на завод студентов – они бегали с секундомером, записывали мельчайшие тонкости: время нахождения заготовки в форме для литья, время переноса её на другой участок, температуру, давление, влажность. И главное – результаты контроля качества каждой полученной заготовки. Данные «скармливали» нейронной модели. Она обогащалась опытом, и, в конце концов, выдала нам сочетание параметров, при котором на одном из участков литейного процесса процент брака удалось снизить в два раза. Этот факт подтверждён промышленными экспериментами и зафиксирован в заводском отчёте.

Это, конечно, успех, но успех незначительный. Поскольку для полноценного экономического эффекта нужно оптимизировать не один отдельно взятый участок, а всю цепочку технологического процесса. Сейчас мы ждём финансирования, чтобы продолжить работы и оптимизировать как можно больше технологических участков и процессов, которых на заводе множество.

– Сколько нужно времени, чтобы заново создать такую модель под конкретную деталь и под конкретный завод?

– Успех зависит от многих факторов. Завод должен быть серийным – иначе не собрать историю для обучения нейросетевой модели. Очень важно правильно сформулировать задачу, нащупать те параметры, которые в сочетании с другими параметрами действительно влияют на качество изделий. Нужны возможности и время, чтобы собрать нужные параметры, накопить данные для обучения нейронных сетей.

Пока темой применения нейросетевого моделирования в этой области мало кто занимается, причём не только у нас, но и за рубежом. По крайней мере, сообщений о головокружительных успехах пока нет. Но я уверен, что цифровизация дотянется и до этой темы. Возможно, в ближайшие пять-десять лет. И мы с нашим опытом можем в этом помочь.

Нейронный доктор

– Вы занимались разработкой ИИ в кардиологии. Как это случилось?

– Лет 15 назад у меня были проблемы с сердцем, с приступом меня увезли в клиническую больницу № 4. И там я уговорил своего лечащего врача Андрея Думлера, прекрасного диагноста, сделать модель ИИ, которая будет ставить диагнозы так же, как он. Он поверил в эту идею и стал вместе со своими коллегами собирать необходимые для обучения нейронных сетей данные.

В нейронную модель мы вводили опыт диагностики – возраст, пол, болезни родственников пациента, было ли давление, кружилась ли голова, в какой области боли, что провоцирует приступы, их характер и как они снимаются и т. д. Все эти данные мы помещали на входе нейросетевой модели, а на выходе – известный нам диагноз, который уже поставил врач – инфаркт, гипертония, аритмия, стенокардия и т. д. Нейросети накопили эту информацию, обучились, как человек. И стали ставить диагнозы, причём не хуже врача. Более того, нейросети научились прогнозировать развитие заболеваний на многие годы вперёд, предсказывать риски их возникновения в разные периоды жизни пациента. Они обучились давать рекомендации, как эти риски снизить, затормозить прогрессирование заболеваний. Пациенты могут наблюдать на экране компьютера, как изменится состояние их сердечно-сосудистой системы через пять, десять, 15 лет, если, например, они не будут выполнять рекомендаций врача и перестанут принимать таблетки, снижающие давление, перестанут соблюдать гипохолестериновую диету или бросят курить, станут злоупотреблять сладким, часто пить кофе, наберут или сбросят свой вес и т. д.

Наша интеллектуальная медицинская система уже давно применяется в Пермской клинической больнице № 4 для поддержки врачебных решений. У неё консультируются фельдшеры в подшефных этой больнице фельдшерских акушерских пунктах Пермского края, где не хватает квалифицированных врачей.

Наша интеллектуальная медицинская система уже давно применяется в Пермской клинической больнице № 4 для поддержки врачебных решений.

Система консультирует бесплатно. В разное время проект по её созданию финансировался крупной IT-компанией, правительством Пермского края, Российским фондом фундаментальных исследований. Совсем недавно мы подали новую заявку в Российский научный фонд. Обещаем с помощью неё получить ряд новых, неизвестных ранее полезных медицинских знаний. У нас уже есть некоторый научный задел в этом направлении. Например, в авторитетных международных журналах мы опубликовали ряд статей, в которых утверждаем, что врачи поступают неправильно, когда дают всем подряд кардиологическим больным одни и те же рекомендации: не пить, не курить, сбавить вес, соблюдать гипохолестериновую диету, заниматься физзарядкой и т. д. Опыт же использования нашей нейросетевой системы показал, что иногда попадаются такие пациенты, которым эти общепринятые рекомендации вместо пользы могут причинить вред. Знания, извлечённые нейронными сетями из статистической информации показывают, что эти рекомендации должны даваться сугубо индивидуально, с учётом как текущего состояния пациента, так и с учётом индивидуальных особенностей его организма. И давать такие рекомендации может нейронная сеть.

– Медицина и искусственный интеллект шагают вперёд. Футурологи говорят, что в скором времени ИИ будут внедрять человеку непосредственно в мозг – как третье полушарие, которое заменит человеку годы обучения.

– Я занимаюсь реальными вещами. В полушариях я не специалист.

Но хотел бы поделиться своими прогнозами будущего ИИ. К сожалению, они не такие радужные, как у нынешних футурологов. Я опасаюсь, что с ИИ произойдёт то, что уже не раз с ним происходило. Боюсь, что в ближайшее время эйфория сменится разочарованием. Сейчас на разработчиков ИИ льётся золотой дождь. Выделяются огромные гранты, открываются и щедро финансируются амбициозные проекты. За выполнение этих проектов берутся неопытные разработчики, которые могут неверно оценить свои возможности и, как бывало раньше, не справиться с заказами. Ко мне уже приходили мои бывшие ученики с просьбой защитить их в суде. Заказчики через суд требовали вернуть аванс за невыполненные обещания.

А ещё мне жаловались руководители серьёзных предприятий, что им приходится скрываться от так называемых продавцов искусственного интеллекта. Это молодые люди, научившиеся кое-как пользоваться иностранными платформами ИИ, каких сейчас в интернете множество. Им кажется, что теперь они могут решить все мировые проблемы. А это совсем не так.

Проблема в том, что нейронные сети унаследовали от мозга не только положительные, но и отрицательные свойства. Таким отрицательным свойством является способность обманывать своих разработчиков. Создадут разработчики интеллектуальную систему, проверят её на тестовых примерах, получат подтверждающиеся прогнозы, сдадут заказчикам. А потом, в самый ответственный момент нейросеть вдруг такую рекомендацию выдаст, от которой станет плохо и заказчикам, и разработчикам. Чтобы этого не случалось, нужно глубоко разбираться в теории и иметь большой практический опыт.

С другой стороны, сегодняшние успехи искусственного интеллекта налицо. Изобретение нейронных сетей свёрточного типа открыло действительно фантастические возможности обработки видеоизображений. Стала возможной работа с большими объёмами данных.

Но дальнейшие успехи ИИ я вижу не в этом. Я их вижу в применении нейросетевых технологий именно для научных целей. Почему-то современные учёные как-то мало обращают внимание на одно из самых замечательных свойств нейронных сетей – способность извлекать новые знания, получать новые закономерности, открывать новые законы природы и общества. Это свойство нейронные сети унаследовали от мозга. Они ведь выполнены «по образу и подобию» мозга и переняли от своего прототипа много свойств, причём как полезных, так и вредных.

С другой стороны, сегодняшние успехи искусственного интеллекта налицо. Изобретение нейронных сетей свёрточного типа открыло действительно фантастические возможности обработки видеоизображений.

Так вот, научив студентов создавать нейронные сети, я обычно даю им такое задание: открыть заново теорему Пифагора, закон Архимеда, открыть все законы Ньютона. И студенты с этими заданиями, как правило, справляются. Они вырезают из бумаги прямоугольные треугольники разной формы, измеряют катеты и гипотенузу и «скармливают» эту информацию нейронным сетям. И нейросети повторяют подвиг великого геометра древности. Они делают научное открытие, выдают известный всем со школы результат: «Квадрат гипотенузы равен сумме квадратов катетов». И так нейронные сети поступают со всеми известными законами природы, которые студенты изучали в школе. Они их открывают заново.

Но раз так, значит, нейронные сети можно использовать для открытия не только известных, но и неизвестных законов и закономерностей, например – медицинских. Их можно использовать для познания мира. И не только мира, но и для познания самих себя – человека, для познания законов развития общества, галактики, Вселенной.

Именно в этом я вижу главный, ещё пока не раскрытый потенциал искусственного интеллекта, который обязательно будет раскрыт в будущем.


Источник: perm.aif.ru

Комментарии: