Большинство из нас использует в своих смартфонах и других мобильных устройствах технологию автоподбора слов. Это не только упрощает ввод текста, но и позволяет быстрее печать, экономя наше время, не заставляя собственноручно набирать каждую отдельную букву. Если смотреть в целом, то такое ПО весьма ограничено. Оно позволяет допечатывать лишь отдельные слова или в крайнем случае словосочетания, которые мы только собираемся напечатать. Однако совсем скоро может появиться программное обеспечение, способное «заглядывать» еще дальше в будущее для того, чтобы предсказать наши намерения, даже если мы сами о них еще и не задумывались.
Нет, к счастью, речь идет не о технологии предсказывания будущего, которую мы могли видеть в фильме «Особое мнение». К такому прогресс пока не готов. Хотя китайцы уже пытаются «заигрывать». Но благодаря технологии о, которой мы сегодня поговорим, у нас могут появиться, например, роботы-официанты, которые будут подавать нам наш любимый кофе или чай, еще до того момента, как мы их об этом попросим.
Как это работает
Текущее поколение программного обеспечения, направленного на предсказания нашего поведения, способно анализировать лишь то, что мы будем делать в течение ближайших секунд. Однако программное обеспечение разработанное компьютерными учеными из Боннского университета (Германия) успешно раздвигает границы того, насколько точно компьютеры способны предсказывать человеческое поведение на несколько минут вперед.
«Мы хотим получить возможность продлить время предсказывания действий на несколько минут или даже часов до того, как эти действия произойдут», — говорит Юрген Галл, глава научной команды, занимающейся разработкой соответствующего программного обеспечения.
Задача специалистов сводится к тому, чтобы научить программу анализировать последовательность будущих действий в течение ближайших пяти минут лишь посмотрев на первые несколько шагов в рамках цепочки этого события. Если говорить конкретнее, то в настоящий момент, они учат программное обеспечение «догадываться» о том, какое дальнейшее действие предпримет человек, готовящий то или иное блюдо. Для тренировки программы ученые используют видео готовки завтрака или отдельного блюда в виде салата.
Пример обучения можно посмотреть ниже.
После этого программе показали совершенно новое видео с другим человеком, готовящим аналогичную еду и стали наблюдать за тем, как она будет предугадывать дальнейшие действия человека и их соответствующую продолжительность.
Для человека эта задача не представляет ничего сложного. Например, если мы видим, что кто-то взял миску и насыпал в нее, скажем, кукурузные хлопья, то мы можем смело предположить, что следующим добавленным ингредиентом может стать молоко. При этом мы понимаем, что на решение этой задачи может потребоваться около 5 секунд, ну или чуть дольше, если требуется пересечь кухню для того чтобы взять молоко из холодильника и ложку, для того чтобы смешать ингредиенты. Но для машины такой уровень анализа является архисложным.
Команда компьютерных инженеров использовала два подхода и различные типы искусственных нейронных сетей. Одна сеть использовала рефлексивный метод анализа и предсказания последовательности будущих действий, другая – матричный метод с перебором всех возможностей. Как и ожидалось, чем дальше оба типа нейросети пытались предсказать дальнейшие действия в будущей цепочке событий, тем больше ошибок они совершали.
«Точность более кратковременных предсказаний составила более 40 процентов, но после того, как алгоритму пришлось дальше заглядывать в будущее, этот показатель еще уменьшился», — говорит Галл.
В целом же рефлексивный метод оказалась чуть более эффективным, по сравнению с матричным, превзойдя последний в точности предсказаний и времени их продолжительности примерно на следующие 20 секунд. Тем не менее уровень эффективности каждого типа нейросети сравнялся после того, как перед системой ставилась задача заглянуть более чем на 40 секунд вперед. В конечном итоге ученые пришли к результату, когда их натренированная программа стала справляться с предсказаниями дальнейших действий и их продолжительностью в течение последующих трех минут с уровнем точности около 15 процентов. Звучит это может не так впечатляюще на первый взгляд, однако такой результат закладывает твердую основу для будущего поколения систем искусственного интеллекта, которые в перспективе смогут получить способность сверхчеловеческой дальновидности.
Перспективы использования
Немецкие ученые отмечают, что перспектив в этом направлении множество. В то же время ключевой и основной задачей подобных разработок является создание нейросетей, способных самостоятельно накапливать собственный опыт, а не проходить обучение со стороны.
Речи о технологиях, способных предсказывать преступления пока не идет. Мы еще слишком далеки от такого уровня, поэтому волноваться о таком будущем (если подумать, далеко не самом радужном) не стоит. Наши лучшие компьютерные алгоритмы не способны предсказать то, с какой долей вероятности ранее уже совершавшие преступление люди сделают это снова – чего уж говорить о тех случаях, когда речь будет идти о преступлении, которое человек предположительно совершит впервые.
Более эффективно технологии предсказания дальнейших действий могут показать себя в производстве самоуправляемого транспорта, где потребуется молниеносный анализ всех возможных событий; также такие технологии могут найти свое место в нашей повседневной домашней жизни, например, удобно и вовремя включая освещение и различную бытовую технику, перед тем как мы соберемся ее использовать. Но это лишь малая часть того, на что в перспективе будут способны подобные алгоритмы.
Обсудить эту и другие статьи вы можете в нашем официальном Telegram-чате Hi-News.ru.