Искусственный интеллект, который когда-то был просто научной фантастикой и далекой мечтой компьютерного мира, теперь стал реальностью. Искусственный интеллект или просто ИИ - это термин, используемый для описания способности машины имитировать человеческий интеллект. Такие действия, как обучение, логика, рассуждение, восприятие, творчество, которые когда-то считались уникальными для людей, теперь воспроизводятся технологиями и используются во всех отраслях.
За прошедшие годы искусственный интеллект эволюционировал от младенческих шагов компьютерного зрения к распознаванию рукописных цифр в оттенках серого, он расширился до самых современных технологий, способных распознавать лица, выполнять обнаружение объектов и сегментацию экземпляров, отображать дополненную реальность и многое другое. более. Технология обработки естественного языка аналогичным образом открыла новые горизонты, разработав модели, обученные на массивных наборах данных, полезных для ответов на вопросы, анализ тональности и т. Д., Появление новых технологий обнаружения речи и разговорного ИИ и многое другое. Сфера искусственного интеллекта расширилась на несколько горизонтов и в новых измерениях, что привело к его внедрению во множество сценариев использования для различных задач.
Вот некоторые из главных достижений в области искусственного интеллекта, произошедших за последнее время:
Разработка нового мощного антибиотика с использованием глубокого обучения:
Модель глубокого обучения, разработанная командой Массачусетского технологического института, позволила идентифицировать новый антибиотик, который успешно борется с некоторыми из самых устойчивых в мире бактерий. Разботанный препарат был выбран с помощью компьютерной модели, которая способна выявить более ста миллионов химических соединений всего за несколько дней. Исследователи разработали свою модель для поиска химических свойств, которые делают молекулы эффективными при уничтожении определенных видов бактерий.
Они обучили модель нейронной сети на 2500 молекулах, включая 1700 лекарств, одобренных FDA США, и набор из 800 натуральных продуктов с различными структурами и различной биоактивностью. В лабораторных испытаниях против пяти видов бактерий исследователи обнаружили, что восемь из молекул показали антибактериальную активность, а две были особенно мощными. Теперь исследователи планируют дополнительно протестировать эти молекулы и проанализировать их в базе данных, которую они использовали для этого процесса.
Расширенное понимание продукта и новый опыт покупок:
Команда AI в Facebook разработала модель компьютерного зрения под названием GrokNet, которая стремится изменить определение покупок, выступая в качестве помощника по образу жизни с ИИ, который изучает вкусы людей и значительно упрощает процесс покупок.
Разочарование и нерешительность из-за того, что во время шоппинга продается огромное количество товаров, - обычное чувство. Модель, разработанная Facebook, использует современные модели распознавания изображений, чтобы рекомендовать продукты для покупки на основе представления личных вкусов, полученных в результате анализа предметов, которые у человека уже есть. Он также может создавать виртуальную копию объекта, чтобы визуализировать, как этот элемент может поместиться в комнате или на человеке. Вы можете увидеть себя в одежде или аксессуарах, которые собираетесь купить, чтобы сделать лучший выбор; пробные комнаты могут скоро стать ненужными!
Этот метод использует детектор объектов для идентификации коробок на изображениях, окружающих вероятные продукты, сопоставляет каждую коробку со списком известных продуктов и сохраняет все совпадения, которые находятся в пределах порогового значения сходства. Он предсказывает широкий спектр свойств изображения, таких как его категория, атрибуты и возможные поисковые запросы. Он также прогнозирует встраивание (например, «отпечаток пальца»), которое можно использовать для выполнения таких задач, как распознавание продукта, визуальный поиск, визуально похожие рекомендации по продукту, ранжирование, персонализация, предложения цены и т. Д. Модель была развернута на торговой площадке Facebook и уже меняет процесс покупок.
Снижение углеродного следа ИИ
Объем вычислительной мощности, необходимой для обучения моделей ИИ с глубоким обучением, огромен - согласно определенному отчету Массачусетского университета, Амхерст оценил результирующие выбросы углекислого газа в среднем примерно в 626 000 фунтов веса. Это эквивалентно пятикратному количеству CO2, производимому за срок службы среднего автомобиля в США. Эта проблема усугубляется на этапе развертывания модели, когда задействовано несколько аппаратных платформ с разными свойствами и ресурсами.
Исследователи из Массачусетского технологического института разработали сеть для решения этой проблемы под названием «раз и навсегда», которая сокращает выбросы углерода примерно до 1/1300 от общего объема выбросов, производимого традиционными моделями. Исследователи построили систему на основе недавнего достижения искусственного интеллекта под названием AutoML (для автоматического машинного обучения), которое исключает ручное проектирование сети. Единая большая сеть «раз и навсегда» (OFA) служит «материнской» сетью, объединяя огромное количество подсетей, которые редко активируются из «материнской» сети.
Полученные в сети OFA веса распределяются между всеми подсетями, что приводит к предварительному обучению подсетей в процессе. Во время вывода каждая подсеть работает независимо со своими производными весами, без необходимости дополнительного обучения.
