Какие сети нас опутают на этот раз

Нейросети всё сильнее опутывают нашу с вами реальность и уже перестали быть просто одним из определений в IT-сфере. Этот термин заиграл новыми красками. А если для вас это пустой звук, который пока не играет вообще никакими красками, то давайте поговорим об областях применения этой технологии, а также перспективах на будущее.

Здесь не будет копипаста определений из Википедии, всё будет расписано доступными понятными словами. Нейронная сеть – это некий алгоритм, который построен по принципу человеческой нервной системы, сутью которого является обработка огромного количества информации для её анализа и последующего предоставления результата или прогноза. Главная функция человеческой нервной системы, которую перенимает сеть нейронная, — это возможность учиться на опыте.
Но тогда встает следующий вопрос: почему человек не может выполнять функции нейросети, если она построена по подобию его нервной системы? Зачем так усложнять себе жизнь и придумывать отдельную технологию, которая повторяет функции нашего мозга?
Ответ на самом деле очень прост. Человек не может обрабатывать такие объёмы данных, как нейросеть. Поэтому его прогнозы не так точны, как прогнозы нейросети, ведь она анализирует намного больше информации.

Именно из-за того, что для эффективного функционирования нейронных сетей требуется очень большой объём данных, на протяжении длительного времени они не были популярны. А ведь первую нейронную сеть разработал Фрэнк Розенблатт в 1958 году. Несмотря на свою простоту, она уже могла различать, например, объекты в двухмерном пространстве. Но до 2010 года просто не было возможностей для качественного обучения нейросетей, потому что не было баз данных необходимого объёма.
В 2010 году появилась база ImageNet, содержащая 15 миллионов изображений в 22 тысячах категорий. Она превышала в несколько раз объём существовавших баз данных изображений и при этом была доступна для всех. Теперь с таким количеством данных можно было учить нейросети принимать практически безошибочные решения.
Эта способность нейросетей помогает и будет помогать во многих сферах нашей жизни.

Одной из самых важных областей применения является здравоохранение. Например, команда исследователей из Ноттингемского университета обучила искусственный интеллект, который определял риск кардиологических заболеваний, и делал он это эффективнее реальных врачей.

Процент точности постановки диагноза увеличился с 72% до 78%, и это, надо сказать, серьёзный результат. В качестве исходных данных нейронная сеть брала показатели по различным параметрам и уже на их основании делала заключение.
Ещё одна сфера применения нейронных сетей – финансы. Нейросети уже начали определять, кому можно выдавать кредит, а кому нет, определять условия страхования. Также они помогают распознавать потенциальные случаи мошенничества в различных сферах жизни. Подобный инструмент использует, например, PayPal – в рамках борьбы с отмыванием денег компания сравнивает миллионы транзакций и обнаруживает среди них подозрительные. В результате мошеннические транзакции в PayPal составляют рекордно низкие 0,32%, тогда как стандарт в финансовом секторе – 1,32%.

Нейронные сети готовят исковые заключения, считывают данные счётчиков, заменяют колл-центры, разрабатывают синтетические молекулы и обыгрывают чемпионов мира в шахматы.

Одним из впечатляющих примеров использования нейросети является опыт инженеров Microsoft, которые совместно с учеными из ICRISAT применили искусственный интеллект, чтобы определить оптимальное время посева в Индии. Приложение также следило за состоянием почвы и подбирало необходимые удобрения. Изначально в программе участвовало всего лишь 175 фермеров из 7 деревень. Посев начали они только после того, как получили соответствующее SMS-уведомление. В результате они собрали урожая на 30-40% больше, чем обычно. Даже в сельском хозяйстве, которое, казалось бы, далеко от информатизации, нейросети смогли принести выгоду.

Но, конечно же, не всё так радужно. Например, существуют некие автомобили-беспилотники, в них нейросети используются для распознавания препятствий. Однако не так давно по Интернету блуждала новость о том, как такой «умный» автомобиль сбил насмерть пешехода. При том, что он распознал его как человека, почему-то программа не замедлила ход, не включились тормоза, а машина целенаправленно поехала на незадачливого пешехода. Поэтому всегда есть риск, и лучше не полагаться на технологию в полной мере, а контролировать её.

Повторяясь, стоит еще раз упомянуть, что нейросети во многих случаях выполняют определённые функции намного лучше человека, и бизнесу бывает выгоднее вложиться в эту технологию, чем держать штат сотрудников. Герман Греф говорил: «В прошлом году 450 юристов, которые у нас готовили иски, ушли в прошлое, были сокращены. У нас нейронная сетка готовит исковые заявления лучше, чем юристы, подготовленные Балтийским федеральным университетом». На технологии нейронных сетей также основана Albert – маркетинговая платформа полного цикла, самостоятельно осуществляющая практически все операции. Использующая её компания-производитель нижнего белья Cosabella в итоге расформировала собственный отдел маркетинга и полностью доверилась платформе.
Таким образом, чем более совершенными будут становиться нейросети, тем больше рабочих мест потеряют люди.

По сути, нейросеть — это шаг к Сверхчеловеку, но не тому, о котором писал Ницше, а к некоему совершенному роботу. Многих эта технология очень впечатляет и вдохновляет и, нет, не пугает. Ведь если обращаться с ней разумно, если нейросеть будет работать совместно с человеком, а не автономно, то показатели эффективности во многих сферах жизни будут только улучшаться.

Написала Полина Гусева

Источник: m.vk.com

Комментарии: