По прогнозам ученых, в 2050 году искусственный интеллект будет справляться с любой интеллектуальной работой, на какую сегодня способен человек. Но что он может делать сегодня? Оказывается, список вещей, с которыми уже сейчас может справляться искусственный интеллект, не так уж мал.
Базовая человеческая активность
Распознавание объектов
В декабре 2015 года года исследователи Microsoft представили систему Microsoft COCO, которая умеет не только находить и распознавать объекты на фотографиях, но и правильно интерпретировать их действия и взаимосвязь с другими объектами. На данный момент COCO распознает и описывает содержание фото не хуже живого человека.
Навигация в метро
Осенью прошлого года исследователи Google научили систему искусственного интеллекта DeepMind ориентироваться по картам лондонского метрополитена. Хотя это метро является одним из самых масштабных в мире, компьютер прокладывает здесь маршруты не хуже живого человека.
Распознавание речи
Осенью 2016 года Microsoft заявила о прорыве в технологиях распознавания речи. Анализируя большой объем записанных телефонных звонков, искусственный интеллект компании научился распознавать речь качественнее, чем живые люди. Компьютер допускает примерно на полпроцента меньше ошибок.
Перевод
Системы машинного перевода все еще несовершенны. Тем не менее, любой, кому периодически приходится иметь дело с Google Translate, подтвердит: машина учится и с каждым днем допускает меньше ошибок. Очень скоро качество машинного перевода Google перестанет уступать профессиональной человеческой работе.
Распознавание эмоций
Еще один прорыв от Microsoft - система распознавания эмоций на фотографиях. Эта функция была добавлена в пакет веб-сервисов для разработчиков приложений Project Oxford еще в 2015 году.
Путешествия и передвижение
Вождение автомобиля
Беспилотные автомобили - уже не новость. Первые тесты полностью беспилотных авто Google начал проводить еще в 2015 году. Сегодня компании вроде Tesla Motors уже предлагают пользователям ограниченные функции автопилота. Но хотя машины без водителей на дороги общего пользования пока выпускают не везде, на полигонах искусственный интеллект уже доказал свое мастерство вождения.
Управление дроном
В феврале стартап Exyn Technologies Inc. представил систему,которая позволяет дронам летать без контроля операторов даже без сигнала GPS. Дроны ориентируются на местности, используя собственный набор сенсоров.
Предсказание сложности парковки
Недавно стало известно, что Google на базе сервиса Google Maps экспериментирует с системой, которая позволит предсказывать, насколько сложно будет припарковать машину в том или ином месте в определенный день недели и в определенное время суток. Предсказания машины основаны на собранных данных о трафике и на удивление точны.
Наука и медицина
Определение рака кожи
Используя алгоритмы машинного обучения ученые Стэнфордского университета научили компьютер отличать обычные родинки от проявления рака кожи. Как показали тесты, новая система справляется с задачей качественнее, чем профессиональные онкологи и дерматологи.
Предупреждение диабетиков
Система искусственного интеллекта IBM Watson Health научилась предупреждать диабетиков о снижении глюкозы в крови за три часа до первых проявлений гипогликемии.
Анализ ДНК
В прошлом году швейцарская компания Sophia Genetics представила систему искусственного интеллекта Sophia. Машина умеет анализировать ДНК конкретного человека и с невероятной точностью определять генетическую предрасположенность к различным заболеваниям, включая рак. Ни один живой доктор не способен на такую точность прогнозирования.
Аграрный сектор
Обнаружение заболеваний посевов
Прошлой осенью швейцарские ученые представили систему, которая умеет по внешнему виду определять наличие заболеваний на тех или иных растениях. Причем процент ошибок у машины намного ниже, чем у самых опытных агрономов. При создании системы использовался тот же принцип глубокого обучения, который позволил создать систему распознавания лиц или обнаружения рака кожи.
Предсказание урожайности
В прошлом году Министерство сельского хозяйства США провело масштабный эксперимент, в ходе которого были проанализированы 5 петабайт спутниковых изображений фермерских угодий. Данные об урожайности прошлых лет и о состоянии посевов позволили с очень высокой точностью предсказывать, сколь обширный урожай будет собран с того или иного участка земли.
Сортировка огурцов
Японские фермеры использовали систему глубокого обучения для создании сортировочной машины для огурцов. Дело в том, что в Японии существуют жесткие стандарты, предписывающие перед продажей отделять прямые огурцы от кривых. Сортировка может отнимать массу времени. Но один из фермеров догадался использовать библиотеку машинного обучения с открытым исходным кодом TensorFlow для того, чтобы научить компьютер различать кривизну огурцов. Затем на базе компьютера Arduino он собрал простой конвейер, подключенный к системе искусственного интеллекта Google. Точность определения кривизны огурца составляет 95%.
Безопасность
Обнаружение грабителей в доме
Система домашней безопасности Canary, представленная еще в 2014 году, использует машинное обучения для запомниания обычного поведения пользователя. Если в доме начинает происходить что-то, выходящее за рамки повседневной рутины - к примеру, в жилище ворвались вооруженные грабители, Canary сама принимает решение о вызове полиции.
Восстановление изображений по нескольким пикселям
Недавно Google представил систему, которая, наверняка, очень понравится разнообразным спецслужбам и органам охраны правопорядка. Речь идет о восстановлении качественного изображения по нескольким пикселям, как в шпионских фильмах 90-х годов. Точность, с которой искусственный интеллект восстанавливает изображения, просто поражает.
Источник
Базовая человеческая активность
Распознавание объектов
В декабре 2015 года года исследователи Microsoft представили систему Microsoft COCO, которая умеет не только находить и распознавать объекты на фотографиях, но и правильно интерпретировать их действия и взаимосвязь с другими объектами. На данный момент COCO распознает и описывает содержание фото не хуже живого человека.
Навигация в метро
Осенью прошлого года исследователи Google научили систему искусственного интеллекта DeepMind ориентироваться по картам лондонского метрополитена. Хотя это метро является одним из самых масштабных в мире, компьютер прокладывает здесь маршруты не хуже живого человека.
Распознавание речи
Осенью 2016 года Microsoft заявила о прорыве в технологиях распознавания речи. Анализируя большой объем записанных телефонных звонков, искусственный интеллект компании научился распознавать речь качественнее, чем живые люди. Компьютер допускает примерно на полпроцента меньше ошибок.
Перевод
Системы машинного перевода все еще несовершенны. Тем не менее, любой, кому периодически приходится иметь дело с Google Translate, подтвердит: машина учится и с каждым днем допускает меньше ошибок. Очень скоро качество машинного перевода Google перестанет уступать профессиональной человеческой работе.
Распознавание эмоций
Еще один прорыв от Microsoft - система распознавания эмоций на фотографиях. Эта функция была добавлена в пакет веб-сервисов для разработчиков приложений Project Oxford еще в 2015 году.
Путешествия и передвижение
Вождение автомобиля
Беспилотные автомобили - уже не новость. Первые тесты полностью беспилотных авто Google начал проводить еще в 2015 году. Сегодня компании вроде Tesla Motors уже предлагают пользователям ограниченные функции автопилота. Но хотя машины без водителей на дороги общего пользования пока выпускают не везде, на полигонах искусственный интеллект уже доказал свое мастерство вождения.
Управление дроном
В феврале стартап Exyn Technologies Inc. представил систему,которая позволяет дронам летать без контроля операторов даже без сигнала GPS. Дроны ориентируются на местности, используя собственный набор сенсоров.
Предсказание сложности парковки
Недавно стало известно, что Google на базе сервиса Google Maps экспериментирует с системой, которая позволит предсказывать, насколько сложно будет припарковать машину в том или ином месте в определенный день недели и в определенное время суток. Предсказания машины основаны на собранных данных о трафике и на удивление точны.
Наука и медицина
Определение рака кожи
Используя алгоритмы машинного обучения ученые Стэнфордского университета научили компьютер отличать обычные родинки от проявления рака кожи. Как показали тесты, новая система справляется с задачей качественнее, чем профессиональные онкологи и дерматологи.
Предупреждение диабетиков
Система искусственного интеллекта IBM Watson Health научилась предупреждать диабетиков о снижении глюкозы в крови за три часа до первых проявлений гипогликемии.
Анализ ДНК
В прошлом году швейцарская компания Sophia Genetics представила систему искусственного интеллекта Sophia. Машина умеет анализировать ДНК конкретного человека и с невероятной точностью определять генетическую предрасположенность к различным заболеваниям, включая рак. Ни один живой доктор не способен на такую точность прогнозирования.
Аграрный сектор
Обнаружение заболеваний посевов
Прошлой осенью швейцарские ученые представили систему, которая умеет по внешнему виду определять наличие заболеваний на тех или иных растениях. Причем процент ошибок у машины намного ниже, чем у самых опытных агрономов. При создании системы использовался тот же принцип глубокого обучения, который позволил создать систему распознавания лиц или обнаружения рака кожи.
Предсказание урожайности
В прошлом году Министерство сельского хозяйства США провело масштабный эксперимент, в ходе которого были проанализированы 5 петабайт спутниковых изображений фермерских угодий. Данные об урожайности прошлых лет и о состоянии посевов позволили с очень высокой точностью предсказывать, сколь обширный урожай будет собран с того или иного участка земли.
Сортировка огурцов
Японские фермеры использовали систему глубокого обучения для создании сортировочной машины для огурцов. Дело в том, что в Японии существуют жесткие стандарты, предписывающие перед продажей отделять прямые огурцы от кривых. Сортировка может отнимать массу времени. Но один из фермеров догадался использовать библиотеку машинного обучения с открытым исходным кодом TensorFlow для того, чтобы научить компьютер различать кривизну огурцов. Затем на базе компьютера Arduino он собрал простой конвейер, подключенный к системе искусственного интеллекта Google. Точность определения кривизны огурца составляет 95%.
Безопасность
Обнаружение грабителей в доме
Система домашней безопасности Canary, представленная еще в 2014 году, использует машинное обучения для запомниания обычного поведения пользователя. Если в доме начинает происходить что-то, выходящее за рамки повседневной рутины - к примеру, в жилище ворвались вооруженные грабители, Canary сама принимает решение о вызове полиции.
Восстановление изображений по нескольким пикселям
Недавно Google представил систему, которая, наверняка, очень понравится разнообразным спецслужбам и органам охраны правопорядка. Речь идет о восстановлении качественного изображения по нескольким пикселям, как в шпионских фильмах 90-х годов. Точность, с которой искусственный интеллект восстанавливает изображения, просто поражает.
Источник
