Создана система искусственного интеллекта, способная заменить психиатра

Как искусственный интеллект изменит психиатрию

Он «захватит мир» или будет служить людям? Пока писатели и режиссеры эксплуатируют страшилки про искусственный разум, ученые добиваются практических результатов, разрабатывая приложения для помощи психиатрам и их пациентам.

Исследователи разработали систему ИИ — искусственного интеллекта, — которая может обнаруживать ежедневные изменения в речи, свидетельствующие об ухудшении психического здоровья человека.

«Мы не пытаемся заменить врачей. »

Благодаря достижениям в области искусственного интеллекта компьютеры теперь могут помогать врачам диагностировать заболевания и контролировать жизненные показатели пациентов, находящихся за сотни миль. Исследователи Университета Колорадо в Боулдере работают над применением машинного обучения в психиатрии. Они проектируют мобильное приложение, которое на основе речи пациента может классифицировать состояние его психического здоровья так же хорошо, как и другой человек.

«Мы ни в коем случае не пытаемся заменить врачей, — говорит Питер Фольц, профессор в Институте когнитивных наук. Он также соавтор новой статьи в «Бюллетене о шизофрении», где излагаются перспективы и потенциальные ловушки применения искусственного интеллекта в психиатрии. — Но мы верим, что сможем создать инструменты, которые позволят психиатрам лучше контролировать своих пациентов».

В поиске надежного метода диагностики

Почти каждый пятый взрослый живет с психическим заболеванием. Многие из этих людей живут в отдаленных районах, где доступ к психиатрам или психологам весьма ограничен. Другие не могут позволить себе часто посещать врача, не располагают временем или средствами для оплаты частых визитов. Даже если пациент регулярно показывается психотерапевту, тот использует для диагностики и составления плана лечения беседу с пациентом. Это вековой метод, который может оказаться субъективным и недостаточно надежным, убеждена соавтор статьи Брита Эльвевог, когнитивный нейробиолог из Университета Тромсе в Норвегии.

«Люди несовершенны. Они могут отвлекаться и иногда пропускать едва заметные речевые сигналы и предупреждающие знаки, — комментирует доктор Эльвевог. — К сожалению, в медицине не существует объективного анализа крови на психическое здоровье». Ученые задались целью найти более объективный способ определения проблемы.

Используя мобильные устройства и искусственный интеллект, мы можем ежедневно мониторить пациентов

В поисках «ИИ-версии» подобного анализа крови Эльвевог и Фольц объединились для разработки технологии машинного обучения, способной обнаруживать повседневные изменения в речи, которые могут показать ухудшение психического здоровья. Например, при шизофрении критическим симптомом могут стать предложения, которые не следуют обычному логическому шаблону. Изменения тона или темпа речи могут указывать на манию или депрессию. А потеря памяти может быть признаком проблем и психологических, и психических.

«Язык — важный фактор для выявления психических состояний пациентов, — говорит Фольц. — Используя мобильные устройства и искусственный интеллект, мы можем ежедневно мониторить пациентов и улавливать тончайшие изменения в их состоянии».

Как это работает?

Новое мобильное приложение предлагает пользователю ответить по телефону на 5-10-минутную серию вопросов. Помимо других заданий, человека спрашивают о его эмоциональном состоянии, просят рассказать небольшую историю, затем, в свою очередь, выслушать историю и повторить ее, а также пройти серию тестов на моторику с помощью касаний и проведения пальцем по экрану смартфона.

В сотрудничестве с Челси Чандлером, аспирантом факультета Университета Колорадо в Боулдере, и другими коллегами авторы проекта разработали такую систему искусственного интеллекта, которая может оценить эти образцы речи, сравнить их с предыдущими ответами того же пациента и более широкой контрольной группы и в результате оценить психическое состояние человека.

Точность и надежность

В одном из недавних исследований команда ученых попросила врачей-клиницистов выслушать и оценить образцы речи 225 участников. Из них у половины были ранее диагностированы серьезные психиатрические проблемы, а половина была здоровыми добровольцами из сельской местности штата Луизианы и Северной Норвегии. Затем исследователи сравнили результаты опроса врачей с результатами работы программы искусственного интеллекта.

Наша задача — не перекладывать на машины принятие решений, а использовать их в том, что они делают действительно хорошо

«Мы обнаружили, что модели искусственного интеллекта компьютера могут быть как минимум такими же точными, как и врачи», — с уверенностью говорит Питер Фольц. Он и его коллеги убеждены: настанет день, когда системы ИИ, которые они разрабатывают для психиатрии, будут присутствовать в кабинете на встрече терапевта и пациента для того, чтобы помогать в сборе данных или служить в качестве системы удаленного мониторинга для тяжелых психически больных, которые нуждаются в присмотре.

Система контроля

Обнаружив тревожные изменения, приложение может уведомить врача о необходимости обратить внимание и взять пациента под контроль. «Для того, чтобы избежать дорогостоящей неотложной помощи и неприятных событий, пациенты должны превентивно проходить регулярные клинические собеседования с квалифицированными специалистами, — говорит Фольц. — Но для этого порой просто не хватает врачей».

Его предыдущая разработка в области искусственного интеллекта сейчас широко используется. Фольц уверен, что и новый проект докажет эффективность применения технологий машинного обучения. В своей статье ученые призвали коллег проводить еще более масштабные исследования для доказательства эффективности и завоевания общественного доверия. Это важно для того, чтобы технология искусственного интеллекта была широко внедрена в клиническую психиатрическую практику.

«Ореол тайны вокруг ИИ не способствует укреплению доверия, которое крайне необходимо при применении медицинских технологий, — пишут они. — Наша задача — не перекладывать на машины принятие решений, а использовать их в том, что они делают действительно хорошо». Таким образом, возможно, психиатрия и медицина в целом стоят на пороге новой эры, в которой искусственный интеллект станет важным помощником врачей в заботе о здоровье пациентов.

Что будет, когда компьютеры станут умнее нас?

Пусть это произойдет не скоро, важно задуматься о последствиях уже сейчас, считает философ Ник Бостром: «Машинный сверхразум — возможно, последнее изобретение человечества».

Анорексия: когда начинать беспокоиться?

Ей лет 10–14, она за столом вяло ковыряется в тарелке и считает калории по схемам. Ведь скоро лето, и нужно быть сногсшибательной в купальнике и мини. Что это — начало болезни?

Создана система искусственного интеллекта, способная заменить психиатра

Искусственный интеллект, распознающий психоз по вашей речи

Психиатры могут поставить диагноз человеку по тому, как он говорит. Подобная диагностика используется для определенного рода психозов и психических расстройств, а также в случае шизофрении. Но обычно для подобной диагностики нужны высококвалифицированные профессионалы.

Так было до сих пор, но команда из Исследовательского отдела IBM по вычислительной психиатрии и нейровизуализации решила это исправить. Она разработала искусственный интеллект, способный предсказать с относительной точностью начало развития психоза у пациента, преодолевая проблему специалистов и оценки. Статья об этом ИИ опубликована в журнале World Psychiatry.

Свои выводы группа построила на исследованиях 2015 года, проведенных IBM, которые продемонстрировали способность искусственного интеллекта распознавать различия в речевых паттернах пациентов, у которых впоследствии развился психоз, и тех, у которых ничего подобного не было. В частности, они квантифицировали такие особенности речи как «бедность речи» и «перескакивание идей», то есть синтаксическую сложность и семантическую последовательность, с помощью метода искусственного интеллекта под названием «обработка естественного языка». Оценка речи велась на монологах пациентах, которые рассказывали о себе.

В новом исследовании ученые оценивали куда большую группу пациентов, задействованных в иной речевой активности: участников попросили пересказать историю, о которой они только что прочитали. Используя наработки 2015 года, команда сумела построить ретроспективную модель речевых паттернов пациентов.

В результате, система предсказала развитие психотических расстройств с точностью в 83%.

Главный автор исследования Гильермо Сеччи в блоге IBM пишет , что традиционные подходы к оценке пациентов крайне субъективны. Он и его команда полагают, что использование ИИ и машинного обучения в качестве инструментов так называемой вычислительной психиатрии сможет устранить эту субъективность, а также улучшить шансы точной оценки пациента.

Заменит ли искусственный интеллект доктора?

Рынок машинного обучения в медицине препарирует Илья Ларченко, директор по инновациям мобильной клиники DOC+.

Системы искусственного интеллекта (ИИ) и технологии машинного обучения постепенно проникают во все сферы нашей жизни. Где-то, например, в поисковых сервисах или рекомендательных системах интернет-магазинов, их присутствие стало для нас незаметным. Где-то, скажем, в области беспилотных автомобилей, мы ждем, пока технология выйдет из R&D-центров и «попадет» на дороги.

Читать еще:  Что делать, если нее выключается посудомоечная машина

Не исключение и одна из самых консервативных сфер — медицина. Первые попытки внедрить искусственный интеллект в медицинские системы предпринимались еще 40 лет назад, но по-настоящему массовым этот процесс стал недавно.

Внедрение любых новых технологий всегда вызывает много вопросов и шквал критики со стороны консерваторов. В медицине это особенно актуально, так как решения, принимаемые машиной, могут повлиять на жизнь и здоровье людей. Чтобы внести ясность в эту область, далее я отвечу на ряд популярных вопросов о применении систем искусственного интеллекта в медицине.

Что могут системы ИИ в медицине

Термин «искусственный интеллект» зачастую понимается людьми не совсем корректно. Под влиянием массовой культуры, люди, не знакомые с этой областью науки, считают, что ИИ — это суперсложный и умный компьютер, способный мыслить как человек и решать любые задачи, в том числе творческие. Для описания такого искусственного интеллекта обычно использую термин «сильный ИИ», но пока он существует лишь в фантастических фильмах и книгах. При этом нет 100% гарантии, что он действительно будет когда-либо создан.

Поэтому обычно под «искусственным интеллектом» подразумевают «слабый ИИ» — алгоритм который не имеет «разума», но решает одну узкоспециализированную задачу, например, находит котиков на картинках или предсказывает изменение курса акций.

Термин искусственный интеллект стал часто «мелькать» в научных статьях и в прессе несколько лет назад. Но самой науке уже десятки лет, и в разные годы популярность приобретали различные синонимы ИИ: машинное обучение (Machine Learning), интеллектуальный анализ данных (Data Mining), наука о данных (Data Science), но по сути, все эти термины взаимозаменяемы и обозначают одну область.

На практике задачи машинного обучения обычно сводятся к автоматическому нахождению неизвестных и неочевидных зависимостей в данных. Популярный пример — задача классификации: есть обучающая выборка, для которой известны входные (например, КТ снимок легких человека) и выходные данные (информация, есть ли у человека рак легких), на основании этих пар система должна определять наличие известной информации на ранее неизвестных ей снимках.

Разработчик не задает правила поиска рака на снимках, он задает правила обучения системы, а критерии наличия раковой опухоли алгоритм формирует для себя сам. Именно в этом и заключается его «интеллектуальность».

Машинное обучение может показывать хорошие результаты на любых задачах с большим объемом структурированных (или хотя бы структурируемых) данных. В медицине машинное обучение чаще всего применяется для:

  • Распознавания изображений (КТ, рентген, МРТ, снимки сетчатки, фотографии кожи). Например, в этой области работает стартап Behold.ai. Решение компании определяет заболевания легких на рентгеновских снимках с вероятностью, близкой к 85%.
  • Оценки риска осложнений заболеваний. Компания RxPREDiCT использует машинное обучение для определения «групп риска» среди больных. RxPREDiCT предоставляет специальные инструменты, которые учитывают заболевания пациентов и помогают людям поддерживать здоровый образ жизни. Например, система подбирает индивидуальную диету и отслеживает потребляемые калории.
  • Предпервичной медицнинской помощи и маршрутизации пациентов. Различные симптом-чекеры на базе ИИ (например, ADA, Babylon, Your.MD, WebMD и др.) анализируют жалобы пациента, дают ему информацию о возможных заболеваниях и при необходимости направляют к нужному специалисту. Точность постановки диагноза по одним только жалобам далека от 100%, и в большинстве случаев система так или иначе направляет пациента к доктору, однако такие решения покрывают широкий спектр «популярных» заболеваний, выявляют осложнения ОРВИ, борются с «самолечением» и существенно снижают нагрузку на врачей первичного звена.
  • Помощи в постановке диагнозов и назначении лечения. Решения Bay Labs, в основе которых лежат системы искусственного интеллекта, позволяют врачам быстро оценить эхокардиограмму пациента и получить важную информацию о состоянии его сердца: размеры, форму, объемы перекачиваемой крови, а также определить повреждение тканей.
  • Оценки качества медицинской помощи. Например, мы в DOC+ используем систему на базе машинного обучения, которая оценивает качество заполнения электронных медицинских карт врачами, правильность постановки диагноза и назначения лечения. Это помогает поддерживать стандарты лечения, основанные на доказательной медицине, и «вооружать» ими всех наших врачей.
  • Анализа данных носимых устройств и медицинских девайсов. Американская компания PhysIQ создает продукт VitaLink для мониторинга состояния тяжелобольных пациентов. Платформа фиксирует показатели здоровья: частоту сердцебиения, активность, дыхание. Все эти измерения производятся с помощью носимых устройств в домашних условиях.

Заменит ли искусственный интеллект доктора

Пока что речи о замене врачей «роботами» не идет, наоборот, все новые технологии призваны помогать докторам: повышать качество их работы и эффективность за счет умных подсказок и автоматизации рутинных процедур. Однако в отдельных задачах точность постановки диагноза алгоритмом уже превышает человеческую, а это значит, что роль врачей в этих сферах может измениться.

В Google разработали алгоритм, который способен выявлять рак груди c точностью 89%. Квалифицированный специалист определяет патологию в 73% случаев. А ученые из Университета Индианы-Пердью Индианаполис (IUPUI) создали алгоритм машинного обучения, способный предсказывать ремиссию лейкемии у пациентов с вероятностью в 100%. Модель учитывает анализы костного мозга и истории болезни, сравнивая показатели с результатами анализов здоровых людей.

Несмотря на высокую точность работы некоторых алгоритмов, у ИИ есть и слабые стороны в сравнении с живым доктором.

Во-первых, алгоритм может находить только те болезни, на которых он обучался, тогда как врач может выявить более широкий спектр заболеваний. Из-за этого ИИ не сможет на 100% заменить доктора на этапе диагностики, но сможет помочь решать узкоспециализированные задачи, о которых в отсутствии автоматизации раньше даже не задумывались.

Например, можно «прогнать» через узкоспециализированный алгоритм все старые снимки из архива больницы и выявить заболевания, которые были пропущены изначально (грубо говоря, при подозрении на пневмонию доктор не всегда будет искать на КТ рак). По такому принципу работает ИИ-платформа, которую тестируют ученые из медицинского центра Университета Виргинии. Она способна по рентгеновскому снимку определить кальциноз коронарных артерий, эмфизему легких, стеатоз печени и компрессионный перелом позвоночника — и учитывает нюансы (например, снижение плотности костной ткани на ранней стадии), которые рентгенологи могут пропустить.

Во-вторых, работа ИИ заканчивается после того, как он поставил диагноз. Дополнительной диагностикой (в случае с раком, например, финальный диагноз после выявления заболевания на снимке ставит не рентгенолог, а онколог или патолог, изучающий результаты биопсии) и лечением пациентов с учетом мнения ИИ занимаются реальные врачи.

Говорить о замене врача алгоритмом еще слишком рано, так как области применения ИИ покрывают очень маленькую часть работы врача. В любом случае внедрение новых технологий будет проходить поэтапно. Сначала будут автоматизироваться все рутинные операции, затем – самые сложные направления, требующие значительной врачебной экспертизы и больших вычислительных мощностей. Параллельно будут появляться медицинские сервисы на базе ИИ, напрямую доступные пациентам. Безусловно все эти изменения окажут влияние на процессы в медицине и на роль, которую играет в них врач, но о замене доктора «роботом» говорить еще очень рано.

Что препятствует внедрению ИИ в медицине

Несмотря на огромный потенциал технологий машинного обучения, на пути их внедрения стоит ряд проблем:

  • Высокие риски. В отличие от большинства других сфер, медицина имеет дело с жизнями и здоровьем людей, поэтому требования к качеству и точности алгоритмов невероятно высоки. Системы, влияющие на принятие врачебных решений, должны быть очень точными и проходить долгий процесс тестирования под надзором реальных врачей, перед тем как будут отпущены в «свободное плавание».
  • Законодательство. Законодательство в сфере медицины крайне консервативное, применение в лечебном процессе любых технологий требует долгой и сложной сертификации. Например, в России медицинское ПО во многих случаях необходимо регистрировать как медизделия.
  • Наличие структурированных и размеченных данных. В эту проблему упираются многие задачи машинного обучения. Большинство данных в медицине не структурировано, не оцифровано и плохо размечено. Более того, медицина не точная наука, поэтому данные, полученные от разных медицинских школ, могут быть противоречивыми. Однако отмечу, что в этом направлении ситуация постепенно меняется, клиники автоматизируются, внедряются международные стандарты хранения медданных.
  • Интерпретируемость. Особенностью многих алгоритмов машинного обучения является сложность интерпретируемости их результата. Для большинства приложений это не имеет значения, так как если система работает и показывает хорошие результаты, то обычно никого не волнует, как она пришла к тем или иным выводам. Но в медицине зачастую важно понимание процесса принятия решения.Например, если система поддержки принятия решений (clinical decision support, CDS) советует доктору назначить пациенту определенное лекарство, врачу нужно видеть всю картину. Он должен понимать, почему машина дает такой совет, что она учитывает: диагноз, симптомы, аллергии, другие противопоказания и т. п. Если алгоритм распознает рак легких на снимках, то он должен не просто сказать о его наличии, но показать его локализацию, указать на ключевые признаки заболевания.
  • Скепсис медицинского сообщества. Так как результаты работы алгоритмов машинного обучения сложно интерпретировать, практика их применения не очень широкая, а перспектива лечения алгоритмом пугает многих людей, технологии ИИ в медицине воспринимают с солидной долей скептицизма. По этой причине они до сих пор не получили достаточный кредит доверия.
Читать еще:  Замена подшипников в стиральной машине самсунг

Эти проблемы замедляют внедрение технологий ИИ в процесс постановки диагноза и назначения лечения. Однако внедрение систем, упрощающих рутинные операционные процессы внутри клиник, или систем поддержки принятия решений, в которых последнее слово остается за врачом, идет полным ходом.

Например, управление США по санитарному надзору уже официально утвердило как минимум один алгоритм машинного обучения от компании-разработчика аналитических решений Arterys. Он анализирует снимки МРТ и подсчитывает объём крови в сердце пациента. Система обрабатывает информацию за 30 секунд, в то время как классические методы справляются за час.

Нужно ли докторам разбираться во всем этом

Нужно, но не во всем. Врачам будет важно понимать общие принципы работы системы, особенно с точки зрения пользователя. Доктору не надо уметь разрабатывать алгоритмы машинного обучения самостоятельно, но нужно иметь понимание того, что такое ИИ и как он работает. Здесь все как с работой на ПК: уметь работать с компьютером просто необходимо, а вот уметь программировать при этом необязательно.

Искусственный интеллект — очень популярное направление, которое способно коренным образом изменить качество жизни людей. Медицина — одна из сфер, где он принесет ощутимую пользу. Но сейчас мы делаем лишь первые шаги на пути внедрения новых технологий в этой области. Системы ИИ в медицине не заменят врачей (и вряд ли в ближайшие годы нас будут лечить роботы), но они могут повысить качество и эффективность их работы.

Не стоит бояться или сопротивляться этому процессу. В конце концов, именно он позволит сделать медицину действительно персонализированной и предиктивной и поднять ее на новый уровень.

Материал опубликован пользователем.
Нажмите кнопку «Написать», чтобы поделиться мнением или рассказать о своём проекте.

Искусственный интеллект, способный создавать себе подобных

Мечта всех исследователей, но, возможно, ночной кошмар для высококвалифицированных программистов — искусственный интеллект, который сможет создавать другие ИИ.

Один из главных инженеров Google Джефф Дин своими недавними выступлениями в Кремниевой долине и Китае привлек всеобщее внимание к проекту Google — AutoML. ML — это аббревиатура от «машинного обучения» (machine learning). Машинное обучение — один из компьютерных алгоритмов, которые учатся самостоятельно выполнять определенные задачи, анализируя большие объемы информации. AutoML, в свою очередь, создается как алгоритм машинного обучения, который учится создавать другие такие алгоритмы.

С его помощью Google очень скоро может найти способ создавать технологии искусственного интеллекта, которые смогут частично заменить людей при создании систем с искусственным интеллектом. По мнению некоторых ученых, это и есть будущее индустрии технологий.

Этот проект — часть гораздо более масштабной деятельности по внедрению самых передовых технологий в работу множества компаний и разработчиков ПО.

Индустрия технологий обещает все: от мобильных приложений, которые распознают лица, до машин с автопилотом. По некоторым оценкам, только 10 000 человек во всем мире имеют достаточное образование, опыт и талант, чтобы создавать сложные и иногда практически непостижимые математические алгоритмы, которые будут управлять новым поколением ИИ.

Крупнейшие в мире IT-компании, включая Google, Facebook и Microsoft, платят миллионы долларов в год экспертам в области ИИ, успешно захватившим этот узкий рынок. Нехватка кадров никуда не денется в ближайшее время хотя бы потому, что на развитие необходимых навыков уходят долгие годы.

Но индустрия не желает ждать. Компании разрабатывают всевозможные инструменты, которые упростят создание своего собственного ПО на основе ИИ, включая функции вроде распознавания картинок, речи и онлайн чат-ботов.

«Мы движемся по тому же пути, по которому двигались компьютерные науки при разработке новых технологий, — рассказывает Джозеф Сирош, вице-президент Microsoft. Компания недавно представила инструмент, который помогает программистам создавать глубокие нейронные сети — особый вид компьютерного алгоритма, важный для прогресса в сфере ИИ. — Мы упрощаем работу программистов».

Это не альтруизм. Такие исследователи, как Джефф Дин, считают, что если больше людей и компаний будут работать над искусственным интеллектом, то это поспособствует и их собственным исследованиям. В то же время компании вроде Google, Amazon и Microsoft видят перспективу большого дохода в идеях, описанных Сирошем. Все они предлагают услуги облачных вычислений, которые помогают компаниям и разработчикам создавать ИИ.

«На это существует реальный спрос, — объясняет Мэтт Скотт, сооснователь и главный технический директор Malong, китайского стартапа, предлагающего подобные услуги. — И вспомогательное ПО пока не удовлетворяет весь этот спрос».

Как роботы учатся учиться

Скорее всего, это и есть то, что Google подразумевает под AutoML, поскольку компания продолжает поощрять успехи проекта. Исполнительный директор Google Сундар Пичаи в прошлом месяце уже хвастался AutoML на презентации нового смартфона на Android.

«В конце концов, проект Google поможет компаниям создавать системы с искусственным интеллектом, даже если они не обладают обширными знаниями», — подтвердил Дин. Сегодня, по его оценкам, многие обладают необходимыми данными для создания ИИ, но нужные таланты есть лишь у нескольких тысяч компаний.

«Мы хотим, чтобы не тысячи, а миллионы компаний решали проблемы машинного обучения», — дополнил он.

Google много вкладывает в разработку служб облачного вычисления — сервисов, которые помогают другим компаниям в создании и запуске ПО. Судя по прогнозам, они должны стать важнейшим двигателем экономики в ближайшие годы. И теперь, когда лучшие исследователи ИИ со всего мира готовы этим заняться, нужно только «прикурить» этот механизм с их помощью.

Нейросети значительно ускоряют развитие ИИ. Вместо того, чтобы вручную разрабатывать сервис по распознаванию изображений или приложение-переводчик, прописывая код строка за строкой, инженеры могут гораздо быстрее создать алгоритм, который будет самостоятельно решать поставленные перед ним задачи.

Например, анализируя звуки в огромной базе звонков в техподдержку, алгоритм может научиться распознавать произнесенные слова.

Но разработать нейросеть — вовсе не то же самое, что написать веб-сайт или какое-нибудь заурядное приложение для смартфона. Это требует серьезных математических навыков, множества проб и ошибок, а также развитой интуиции. Жан-Франсуа Ганье, руководитель независимой лаборатории машинного обучения Element AI, называет этот процесс «новым видом программирования».

При работе над нейросетью исследователи проводят десятки или даже сотни экспериментов над обширной сетью механизмов, проверяя, насколько хорошо алгоритм может, например, распознавать изображения или переводить текст с одного языка на другой. Затем ученые раз за разом перенастраивают определенные части алгоритма, пока он не заработает. Некоторые называют это «темным искусством» просто потому, что разработчики и сами иногда затрудняются объяснить те правки, которые вносят.

Но Google пытается автоматизировать этот процесс при помощи AutoML. Этот сервис будет строить алгоритмы, анализирующие развитие других алгоритмов, и при этом будет понимать, какие методы успешны, а какие — нет. Наконец, они учатся создавать более эффективное машинное обучение. Как утверждает Google, AutoML уже может создавать такие алгоритмы, которые в некоторых случаях определяют объекты на фотографиях более точно, чем сервисы, разработанные исключительно людьми.

Баррет Зоф, один из инженеров Google, работающих над проектом, считает, что в итоге этот метод можно будет с успехом использовать и для решения таких задач, как распознавание речи или машинный перевод.

В это трудно поверить, но сейчас такой метод становится ведущим в исследовании искусственного интеллекта. Специалисты называют его «обучением самообучению» или «метаобучением».

Многие верят, что подобные методы существенно ускорят прогресс ИИ и в реальном, и в виртуальном мирах. В Калифорнийском университете Беркли ученые создают методы, которые позволят роботам учиться выполнять новые задания на основе уже полученных знаний.

Читать еще:  Как выбрать снегоуборочную машину для дома и дачи: виды, характеристики, обзор производителей

«По сути, компьютеры будут создавать алгоритмы для нас, — объясняет Питер Эббил, профессор из Калифорнийского университета в Беркли. — Алгоритмы, созданные компьютерами, могут решить множество проблем очень быстро — по крайней мере, мы на это надеемся».

Так можно увеличить количество людей и компаний, занятых в создании искусственного интеллекта. Конечно, эти методы не смогут полностью заменить инженеров в области создания ИИ. Например, в Google специалисты-люди все еще выполняют большую часть дизайнерской работы. Но идея заключается в том, что работа нескольких специалистов может помочь другим при создании их собственных программ.

Ренато Негрино, ученый из Университета Карнеги–Меллон, изучающий технологии, близкие к технологиям AutoML, рассказал, что такие методы станут реальностью в ближайшем будущем. «Это лишь вопрос времени», — пообещал он.

«Искусственный интеллект не сможет сравниться с естественным в изобретении нового»

Борис Кобринский, доктор медицинских наук, заведующий лабораторией Института современных информационных технологий в медицине ФИЦ ИУ РАН, профессор Российского национального исследовательского медицинского университета им. Н. И. Пирогова.

— В чем различие интеллекта искусственного и человеческого? Справедливо ли вообще называть ИИ интеллектом?

— Естественный интеллект характеризуется многочисленными функциями. Часть из них реализуется в системах ИИ, но главным отличием естественного интеллекта от искусственного является способность синтезировать новые знания, выявлять неизвестные закономерности. Искусственный интеллект — это устоявший термин, однако связанный с не совсем точным переводом с английского. Artificial Intelligence означает «умение рассуждать разумно». Создаваемые на этой основе системы более корректно называть системами с элементами искусственного интеллекта.

— Можно ли говорить, что искусственный интеллект — не более чем орудие человеческого?

— Вряд ли стоить говорить в такой формулировке. Интеллектуальные системы являются консультативными или ассистирующими в принятии решений человеком.

— Было бы важно дать читателю популярное описание математического аппарата, на котором работает ИИ. И что он собой представляет с точки зрения чисто технической: просто мощные суперкомпьютеры? Или нужны какие-то специальные средства и устройства?

— Большинство систем ИИ с самого начала опирались не на математический аппарат, а на логику с использованием средств для диалога с пользователем на естественном языке (логико-лингвистические системы), чего не умели предшествующие вычислительные системы. В настоящее время гибридные интеллектуальные системы включают наряду с логикой также и различные математические методы анализа. Но обязательным для интеллектуальных систем является база знаний, содержащая формализованные знания для конкретной области, для чего используются различные языки представления знаний. Для работы этих систем используются обычные компьютеры. Суперкомпьютеры лишь позволяют ускорить обработку данных, что важно для динамических систем реального времени — например, в управлении двигателями космического корабля и существенно, например, для прогнозов погоды. Исключением являются нейросети, в которых осуществляется математическая обработка введенной информации, однако отсутствует аргументация и логика решений, отсутствуют база знаний предметной области и объяснение выдвигаемых гипотез (решений). Но нейросетевой подход — это технология, имитирующая до некоторой степени работу мозга, истинное представление о которой пока остается открытым.

— Мы не понимаем (по большому счету), как работает мозг человека. А полностью ли сейчас понятно, как работает ИИ? Или уже появились такие как бы черные ящики, где происходит нечто неопределенное?

— Полноценные интеллектуальные системы, как уже отмечено выше, характеризуются как раз тем, что пользователь получает объяснение выдвигаемых системой гипотез как в процессе их рассмотрения, так и по завершении работы (окончательная гипотеза). Черными ящиками являются нейросети, не выдающие объяснений.

— Есть шутка, что ИИ на известную школьную риторику «а если все прыгнут с пятого этажа, ты тоже прыгнешь?» ответит: «да». Насколько это шутка? Каковы вообще когнитивные возможности искусственного интеллекта, будут ли они когда-нибудь сопоставимы с человеческими?

— Роботов обучают по-разному, но имеется подход, основанный на обучении на примерах. Если его использовать, то теоретически можно было бы добиться, чтобы робот не в шутку прыгал с любого этажа. Но он разобьется и больше не прыгнет. В то же время когнитивные способности систем на основе ИИ растут. Но взвешенная оценка говорит о том, что искусственный интеллект не сможет сравниться с естественным, по крайней мере, в изобретении нового. Мы не знаем, как человек изобрел колесо, аналогов которого в природе нет. Как обучить подобному ИИ. Новое знание возникает в мозге далеко не каждого человека.

— Теперь более практический вопрос: в каких сферах ИИ надежно заменит человеческий? Где у него будет преимущество? Где он никогда не сравнится с человеком? Например, есть ли шанс, что он справится с одной из открытых проблем математики — скажем, докажет алгебраическую независимость чисел ϖ и е?

— ИИ способен быстро перебирать различные варианты, он может заменить человеческий или обеспечить помощь человеку во многих областях с известным или понятным подходом к принятию решений: в анализе данных с учетом многообразных связей, в выборе оптимальных решений, в мониторинге ситуаций и управлении; роботы могут выполнять различные работы (в трудных условиях, в доме, на производстве, в здравоохранении и др.). Интеллектуальные системы поддержки принятия решений будут помощниками людей. Роботы заменят их во многих работах, где можно построить алгоритмы действий человека. Возможно, что и в математике, при доказывании теорем, ИИ сможет в перспективе решать сложные задачи. Но вновь должен отметить, что ему будет недоступно открывать принципиально новые направления в науке.

— Возможны ли сообщества искусственных интеллектов? Взаимопомощь и осознание общих интересов?

— Да, сообщества представителей ИИ и их взаимопомощь возможны. Это развитие сегодняшних многоагентных систем — виртуальных сообществ интеллектуальных агентов, каждый из которых взаимодействует с другим, и имеются агенты более высокого уровня, координаторы и наблюдатели, обеспечивающие изменение программы взаимодействия интеллектуальных агентов.

— Появятся ли у искусственного интеллекта творческие способности? Наитие?

— Если под творчеством понимать развитие известного, то да, если создание совсем неизвестного ранее, то нет. Наитие следует отнести к последнему. А вот ассоциативные связи уже имеют место в системах ИИ.

— В частности, врачебную интуицию, о которой у вас есть работы, может заменить ИИ?

— Интеллектуальные системы, основанные на экспертных знаниях высококвалифицированных врачей, обладающих интуицией и образным мышлением, могут включать интуитивные представления в том случае, когда их удается извлечь для формирования базы знаний. Мой опыт показывает, что этого можно достигнуть при групповом извлечении знаний за счет вскрытия врачебной интуиции одного эксперта путем вопросов к другим экспертам при умелом управлении дискуссией.

— Конкуренция искусственных интеллектов — страновая или на уровне компаний — насколько она жесткая? Каково место России в гонке ИИ?

— В явном виде конкуренции между странами нет. Может быть, можно говорить об ученых, которые следят за работами друг друга. На уровне компаний это связано с получением финансовых средств на разработку и/или на получение прибыли по законченным работам. В России период 70-х — начала 90-х годов прошлого века сопровождался созданием большого числа систем и интересными теоретическими разработками. Последующее недофинансирование работ в этой области привело к спаду. Хотя работы не остановились. Рассматривая в качестве примера медицину, приходится отметить, что, несмотря на неоднократные заявления о необходимости таких систем, их финансирование практически отсутствует, за исключением работ по грантам в системе РАН. Положительными примерами в этой области могут служить разработки Федерального исследовательского центра «Информатика и управление» РАН (интеллектуальная система в области здоровьесбережения, ориентированная на управление рисками при инфаркте миокарда, инсульте и депрессии, и интеллектуальные системы автоматизированной поддержки медицинских исследований, реализованные на основе ДСМ-метода автоматического порождения гипотез) и Института автоматики и процессов управления ДВО РАН (диагностика болезней пищеварения и другие, реализованные на основе онтологий).

— Опишите, пожалуйста, какие угрозы несет с собой развитие ИИ.

— Мне представляется неправильным говорить об угрозах искусственного интеллекта. Опасность может нести применение искусственного интеллекта в устройствах, работающих рядом с людьми или заменяющих персонал, например в больницах. Недоучет факторов, которые могут приводить к травмам окружающих, следует рассматривать как основную угрозу в настоящее время и в будущем. Это касается и автопилотов, и систем контроля различных производственных процессов, обеспечения функционирования так называемых умных больниц.

Ссылка на основную публикацию
Adblock
detector