Корейские ученые обучают сеть заглядывать в будущее на доли секунды. Но иногда эти мгновения жизненно важны. Исследователи разработали датчик, который читает дорожное покрытие и регистрирует выбоины. Датчик крепится на лобовое стекло. Камера снимает дорожное полотно. Сверточная сеть распознает выбоины. Это все трудное дело, поскольку надо действовать очень быстро и желательно без ошибок: если опоздать, колесо въедет в выбоину, если часто ошибаться (например, принять за выбоину заплатку на асфальте) — движение будет постоянно тормозиться. Как утверждают исследователи, датчик работает, идет тестирование на реальных дорогах южнокорейских городов. На российских дорогах такой датчик тоже не помешал бы.
Группа исследователей из НИУ «МИСиС», ИТМО и МФТИ разрабатывает нейросеть, которая поможет предсказывать будущее на несколько секунд. Цель — предсказывать траекторию движения робота в хаотической толпе. Для этого был создан стенд, на котором случайно двигаются 100 небольших роботов. На этом стенде обучается графовая нейросеть. Роботы двигаются то, как газ — с большой дистанцией свободного пробега, то как — жидкость, когда свободный пробег минимален, но движение продолжается, то роботы сбиваются в «твердые» кластеры (встают в пробке). Характер движения меняется, а задача робота всегда одна и та же: проложить оптимальный маршрут в этой толпе. Заранее его построить нельзя, поэтому приходится ориентироваться по ситуации. Задача важная, и она станет еще важнее, по мере того, как на улицах городов будет появляться все больше роботов-доставщиков. Свою задачу разработчики видят в первую очередь именно в моделировании среды. Строить стенды с толпами роботов дорого и трудно, а вот запустить такую цифровую модель и смотреть как робот двигается и учится разбираться в сложных ситуациях — куда проще.
Пентагон разрабатывает ИИ, которое, как утверждают американские военные, сможет заглядывать в будущее на несколько дней. Система называется гордо: Global Information Dominance Experiments (GIDE) — Эксперименты по глобальному информационному доминированию. Как утверждают генералы, им удалось смоделировать и успешно предотвратить «захват» Панамского канала. Разработчики ИИ исходят из того, что любая военная операция долго готовится. Для того, чтобы захватить Панамский канал, надо подтянуть и развернуть достаточно большие силы. Агрегатор собирает самую разную информацию о будущих действиях противника из самых разных источников (в основном по спутниковым снимкам): о подводных лодках, которые готовятся выйти из порта, о ракетах, которые готовятся к запуску, о передвижении военных кораблей, о количестве припаркованных автомобилей и т.д. Действия происходят в разных частях мира и внешне не связаны друг с другом. Но если все умело собрать и правильно интерпретировать данные, можно построить реалистический прогноз на несколько дней вперед. Один из авторов модели генерал ВВС США Ван Херк говорит, что в любом случае решение о применении оружия будет принимать человек, а тестируемый ИИ в будущем будет приводить к разрядке ситуаций, а не наоборот. С ним можно согласиться: если противники обладают аналогичным ИИ, то, действительно, добиться эффекта неожиданности будет практически невозможно. Российские военные о подобных разработках пока не сообщали.
Ученые из Кембриджского университета разработали алгоритм машинного обучения, который может моделировать будущее на несколько лет вперед. Правда, только в одном случае: ИИ обучается диагностировать деменцию, которая еще никак не проявляется и еще нет явных симптомов. Для этого ИИ обучается на снимках мозга и, рассматривая их динамику, может предсказать, как мозг будет меняться. Это очень важно, поскольку в некоторых случаях нейродегенеративные заболевания можно, если не предотвратить, то по крайней мере отсрочить, если их заранее диагностировать.