Что такое нейросети и что они умеют
Нейросети обыгрывают в го чемпионов мира, выпускают музыкальные альбомы, пишут картины, которые продаются на аукционах, управляют светофорами и фонтанами и используются в медицинской диагностике. Самую большую известность снискали голосовые помощники — Siri от Apple, персональный ассистент Google и Алиса для пользователей сервисов Yandex.
Как правило, продуктами информационных технологий пользуются множество людей, которые об этих технологиях никогда не слышали. Благодаря популярным сервисам о существовании нейросетей знают не только специалисты, но и непричастные к отрасли ИТ. Вокруг нейросетей и искусственного интеллекта (ИИ) образовался целый пласт легенд, ожиданий и опасений. Эксперты предостерегают от необоснованных надежд на всеобщее благополучие, которое должен создать искусственный интеллект, и призывают для начала не отождествлять нейросети с ИИ. Неспециалисты часто приписывают новым технологиям сверхвозможности и сами же пугаются скорого завоевания мира роботами.
Стоит разобраться с тем, что такое нейросети и чего от них ждать. Термин artificial intelligence (AI) впервые прозвучал в 1956 г. в Стэнфордском университете. Развитию AI посвящены исследования в разных областях науки, цель которых — создание разумных машин. Нейросеть — это всего лишь небольшая часть научных изысканий в области искусственного интеллекта и представляет собой математическую модель нервной системы живого организма. Идея заключается в создании алгоритмов машинного обучения, способных накапливать опыт и снижать количество ошибочных решений. В этом состоит главное отличие искусственной нейронной сети от традиционных алгоритмов — ее не программируют, а обучают.
Нейросеть имитирует не только функционал, но и структуру нервной системы человека. Она состоит из большого количества отдельных вычислительных элементов, подобных нейронам. Каждый искусственный нейрон, так же, как элемент центральной нервной системы живого организма, может совершать только самые простые операции, но чем больше нейронов и объединяющих их слоев, тем больше возможности нейросети. Теоретически ее развитие ограничено только возможностями человеческого мозга обрабатывать статистическую информацию.
Популярность нейросетям принесли развлекательные сервисы
«Нейросеть — это одна из множества передовых технологий, уже ставших вездесущими, но при этом известных широкой публике главным образом за счет наименее значимых способов их применения, — считает представитель разработчика ИТ-решений для «Умного города», заместитель генерального директора ГК «Программный Продукт» Георгий Лагода. — Между тем, на сегодняшний день сложнее найти сферу, где ИИ, нейросети или big data не применяются».
Популярность нейросетей взлетела благодаря развлекательным сервисам, продемонстрировавшим возможности применения алгоритмов машинного обучения в повседневной жизни. Один из самых нашумевших — проект Google AlphaGo, впервые одержавший победу над именитым чемпионом по игре в го. Некоторое время спустя Google продал на аукционе 29 картин, созданных нейросетью. Microsoft показал ряд сервисов по распознаванию изображений — CaptionBot, автоматически генерирующий подписи к картинкам; WhatDog, по фотографии определяющий породу собаки; сервис HowOld, определяющий возраст человека на снимке. «Яндекс» ответил сервисом LikeMo.net для рисования в стиле известных художников, а Auto.ru дополнился возможностью распознавать марку и модель автомобиля по изображению.
Однако нейронные сети способны не только развлекать пользователей, но и решать более важные задачи. «В Москве нейросеть распознает типы речных судов, выявляет факты их незаконного отстоя или стоянки в запрещенном месте, фиксирует превышение скорости на воде и другие нарушения. Нейросеть также используется и в широко известном приложении «Помощник Москвы», где с ее помощью можно улучшить качество изображения неправильно припаркованного автомобиля, чтобы с уверенностью прочитать его номер для вынесения постановления о штрафе. При этом необходимо сознавать, что ни одна из подобных технологий не является «волшебной палочкой», способной разом решить все проблемы в каждой конкретной отрасли. Им еще предстоит развиваться и совершенствоваться, при этом потенциал и сфера применения данных технологий со временем будут только расширяться», — уверен Лагода.
Основные поставщики решений на базе нейросетей — это Google и ее подразделения Google DeepMind и Google Brain, в Microsoft нейросети разрабатывает лаборатория Microsoft Research. Созданием нейронных сетей занимаются IBM, Facebook — AI Research, Baidu — Baidu Institute of Deep Learning и другие. Не остались в стороне и российские разработчики, например, Mail.Ru Group применяет нейросети для обработки и классификации текстов в поиске, распознавания изображений, текста и устной речи для создания диалоговых систем. «Яндекс» также использует нейросети для работы с изображениями, звуком и текстом.
Где востребованы нейросети
Современные города конкурируют за жителей. Их население растет, но неравномерно — большая часть притока городского населения приходится на мегаполисы, так как считается, что там сосредоточен максимум возможностей для получения хорошего образования, саморазвития, карьеры, создания собственного бизнеса и т. д. Также крупные города считаются наиболее комфортным и безопасным местом для жизни.
Муниципалитетам средних и малых городов приходится конкурировать с мегаполисами и для удержания населения создавать для своих жителей не менее качественные городские услуги, обеспечивать комфорт и безопасность. В этом деле невозможно обойтись без применения современных технологий. Благодаря им создаются новые бизнесы, а традиционные проходят через цифровую трансформацию. Так появляются рабочие места для молодых хорошо образованных специалистов, которые хотят иметь те же условия для жизни и работы, что и их сверстники, живущие в крупных городах. Городское управление тоже переходит на цифровые рельсы, тем самым обеспечивая высокое качество своих услуг при заметно более низкой стоимости жизни.
Наибольшее распространение цифровые технологии, в частности нейросети, получили в таких областях, как медицина, образование, управление городской инфраструктурой, в первую очередь транспортом и ЖКХ, и безопасность.
Персонализированные медицина и ЖКХ
Персональный подход к оказанию медицинской помощи жителям «Умных городов» основан на анализе данных с носимых устройств пациентов, электронных историй болезни, биометрических и генетических параметров, которые будут обрабатываться с применением нейросетей, что позволяет прогнозировать риск заболеваний, а также диагностировать и лечить их на ранних стадиях.
Применение нейронных сетей в медицине — одно из самых востребованных направлений, к тому же далеко не у всех медицинских центров есть экспертные системы высшего класса, способные обнаруживать патологии по результатам анализов, не говоря уже о районных больницах. В результате экспериментов обнаружилось, что расшифровка теста, проведенная нейронной сетью, верна в 80–85 % случаев. В некоторых случаях нейронная сеть распознавала такие закономерности, которые врач не заметил.
Российский Институт развития интернета изучает возможность применения технологии нейросетей в создании системы распознавания образов в медицине. Цель исследования — понять, насколько можно доверять нейросетям распознавание патологий по медицинским снимкам.
Нейросети хорошо себя показали в диагностике патологий слуха у грудных детей. Если врачу для этого нужно сделать около 200 тестов и потратить на них несколько дней, нейросеть справляется с задачей меньше чем за минуту и выдает более точный результат. Также нейросети уже несколько лет применяются для ранней диагностики сахарного диабета, онкологических и других тяжелых заболеваний.
Цифровые технологии оценили и в ЖКХ. Единая система мониторинга ресурсов позволяет городам экономить на обслуживании инфраструктуры и при этом предоставлять жителям качественные услуги, которыми удобно пользоваться. Например, в Москве тестируется электронный сервис для ЖКХ на основе нейронных сетей. По окончании тестов с помощью этой новинки москвичи смогут передавать данные квартирных счетчиков расхода воды в виде фотографий. Это удобно, а ошибки в показаниях приборов учета и количество оспариваемых квитанций за использование коммунальных ресурсов снижаются до исчезающе малых величин.
В транспорте и безопасности
В управлении транспортом нейросети также занимают уверенную позицию. По оценке Федерального дорожного агентства, вред, причиняемый дорогам недобросовестными грузоперевозчиками, исчисляется триллионами рублей ежегодно. Цифровые сервисы с применением нейросетей позволяют эффективно управлять грузовыми потоками, обнаруживать нарушителей и приучать их к мысли о неотвратимости наказания за нарушение правил.
Нейросети интегрируются в системы мониторинга транспортных потоков. Технологии big data и алгоритмы машинного обучения трансформируют огромные массивы разнородной информации в простые форматы, с которыми удобно работать специалистам: цифровые карты и графические отчеты. Математическая модель анализа сводит к нулю риск ошибочного наказания автомобилистов из-за некорректной работы оборудования, а вот нарушителям не скрыться — нейросеть легко опознает автомобили, проезжающие через пункты дорожного контроля с закрытыми номерными знаками, фиксирует попытки объезда, формирует списки систематических «уклонистов» и выдает рекомендации об оптимальном размещении пунктов контроля на излюбленных маршрутах нарушителей. Данные аккумулируются в едином центре мониторинга, позволяющем сформировать полную картину движения каждого транспортного средства и нарушениях ПДД в режиме реального времени.
«ГРИФ — одна из таких систем. Она собирает данные о каждом транспортном средстве из разных источников, выявляет автомобили со скрытым номерным знаком или объезжающие пункты весогабаритного контроля, находящиеся в розыске и в черном списке нарушителей. Система ПУЛЬС предназначена для сбора и анализа данных о трафике в регионе. Автоматическая система весогабаритного контроля взвешивает и замеряет грузовые автомобили во время движения. Нейросеть анализирует данные измерений и сверяет результаты каждого замера с эталонным значением, чтобы выявить возможные отклонения и их причины. При их обнаружении система сообщает специалистам о проблеме и предлагает оптимальные способы ее решения», — рассказывает Лев Забудько, директор по развитию продуктов ИТС компании «Фабрика информационных технологий».
Консолидация данных о состоянии дорожной сети и применение технологий искусственного интеллекта открывают перед городами и целыми регионами множество возможностей. «Применение машинного обучения для мониторинга и управления трафиком грузоперевозок продлевает срок службы дорожного полотна и снижает риск ДТП. По статистике, благодаря комплексам фотовидеофиксации аварийность ежегодно снижается на 10 %. Все это — задачи интеллектуальных транспортных систем», — добавил Забудько.
С декабря прошлого года в Москве используется нейросеть, объединенная с дорожными камерами для исключения ошибок при фиксации нарушений правил дорожного движения и розыска нарушителей. Нейросеть сверяет поступающие от камер данные со сведениями из базы ГИБДД и автоматически определяет марку автомобиля по габаритам и очертаниям кузова. Если автомобиль не соответствует регистрационному номеру, сведения о нем поступают на дополнительную проверку в ЦОДД. Таким образом существенно снижается возможность возникновения ошибок, вызванных человеческим фактором.
В сентябре 2019 г. система интеллектуального мониторинга транспорта с применением нейросетей внедрена в Белгороде. Камеры SOVA различают 26 видов нарушений правил дорожного движения, например, программно-аппаратный комплекс фото- и видеонаблюдения не только замечает неправильно припаркованный автомобиль, но и фиксирует государственный регистрационный знак, определяет тип транспорта (автобус, грузовик или легковой автомобиль), цвет, модель и марку. В перспективе умные камеры будут обнаруживать автомобили без полисов ОСАГО или техосмотра и передавать сведения о них компетентным органам.
Одни и те же технологические решения в области видеонаблюдения могут обслуживать сразу несколько сфер городской жизни, например, комплекс «Безопасный город» успешно работает на задачи «Умного города». Например, к прошлогоднему чемпионату мира по футболу в Москве дополнительно установили более полутора сотен камер видеонаблюдения для обеспечения безопасности в местах потенциального скопления людей. Благодаря этой мере удалось задержать 98 человек, которые числились в базах правоохранительных органов. Сейчас эти же камеры используются для мониторинга автомобильного трафика и состояния дорожно-транспортной инфраструктуры столицы.
Ограничения нейросетей...
Нейросети умеют практически все то же, что и человек, и так же, как люди, ошибаются. При работе с нейронными сетями самым сложным и трудоемким процессом является обучение искусственной нейронной сети решать ту или иную задачу. Даже незначительная ошибка или неточные данные зачастую приводят к сильному искажению результата, выдаваемого нейросетью.
Точность нейросети в медицинской диагностике, например, оценивается в 80 %, тогда как врач, способный поставить правильный диагноз и назначить верное лечение в 74 % случаев, считается блестящим специалистом. На первый взгляд кажется, что нейросеть справляется с этой задачей лучше, чем человек, но за каждой ошибкой стоит чья-то жизнь. Врач несет ответственность за свое решение, а кто ответит за неправильный диагноз, поставленный нейросетью?
Примерно так же обстоят дела с беспилотным наземным транспортом: если нейросеть в каждом четвертом случае не различает пешехода и уличный фонарь, беспилотным автомобилям рано выезжать на улицы мегаполисов с очень плотным трафиком. Случаются ситуации, когда ДТП неизбежно. В таком случае водитель принимает решение — пожертвовать автомобилем ради спасения жизни пешехода, а предсказать, какой выбор сделает не обремененная этическими соображениями и сострадательностью нейросеть, никто не возьмется.
…и их вероятное будущее
Однако есть и такие сферы, где использование нейросетей бесспорно эффективно: им отведена центральная роль в проектировании «Умных городов». Управление инфраструктурой российских и зарубежных цифровых городов полностью автоматизировано. В Иннополисе, построенном всего 6 лет назад под Казанью, во все здания в городе внедрены элементы «Умного ЖКХ». Это значит, что учет коммунальных расходов ведется с помощью цифровых сервисов и тщательно контролируется. Системы безопасности основаны на них же — открыть дверь в квартиру можно по старинке ключом, но большинство жителей предпочитают биометрические датчики и системы распознавания лиц на базе нейросети — это надежнее и удобнее.
Вскоре планируется внедрение умных домофонов, которые будут вести видеонаблюдение за жильцами и гостями дома. Домофон с нейросетью умеет реагировать на движение, ведет учет каждого входящего-выходящего из помещения и оснащен системой оповещения об экстренной ситуации.
Очень популярен в городе медицинский бот, который записывает жителей на прием к врачу, напоминает о необходимости пройти запланированное обследование или процедуру и контролирует качество предоставляемых услуг.
В одном из самых закрытых российских городов тоже не чужды современных технологий. В Сарове строят «Умный район» — это новый квартал, в котором будут опробованы самые передовые цифровые городские сервисы с применением нейросетей: система контроля заполняемости контейнеров и вывоза мусора, счетчики воды и электричества, автоматически передающие показания коммунальным службам, и система поддержания оптимальной температуры центрального отопления. Не последнее место в этих планах занимают системы умного дорожного сообщения и видеонаблюдения для уличной безопасности.
Как электричество изменило жизнь человечества в XIX веке, так и искусственный интеллект и нейросети становятся драйвером глубокой трансформации общества и экономики в XXI. Однако, в отличие от прежних промышленных революций, эти изменения вызваны не только появлением новых технологий, но и изменениями в общественном сознании. Развитие технологий — это ответ на запрос общества. Информатизация преобразует поведение потребителей — они становятся более искушенными и требовательными. Органы городского управления получают инструменты наблюдения, управления и контроля и учатся создавать с их помощью конкурентное преимущество. Меняется поведение инвесторов — они больше не хотят вкладываться в отрасли и профессии с унаследованной от прежних времен рутиной, где применяется низкоквалифицированный и ручной труд. Так что роботы действительно наступают, но это не угроза человечеству, а путь к повышению качества жизни.