Это продолжение. Начало здесь >>
Какие еще у нас бывают примеры или возможные ситуации, которые мы относим к сфере деятельности искусственного интеллекта?
Например, у нас есть большое количество медицинских данных. Вообще они сильно разнородные, но для простоты возьмем какой-нибудь один тип – рентгеновские снимки, к примеру.
У нас есть большое количество изображений, по сути точек с определённой интенсивностью цвета, и нам нужно сделать выбор. В случае с рентгеновскими снимками грудной клетки пациента нужно, например, диагностировать болезнь и классифицировать пациентов. Здоровых людей после медосмотра отпустить, одному нужно назначить легкие компенсирующие лекарства, другому жесткие антибиотики, третьему еще более сложное и нетривиальное лечение.
На практике до последних лет это делал живой врач, на основании своего опыта, который он получил во время профессионального обучения, из учебников, научных статьей, на живых примерах и так далее. Он может, взглянув на эту самую картинку, сказать, к какому классу с его точки зрения принадлежит пациент – первый здоров, второй страдает одним заболеванием, третий другим. Если у врача массовый поток, хотя бы несколько десятков человек в день, это уже нетривиальная задача – человек устает, человек может пропускать какие-то существенные признаки и их сочетания.
Несколько дет назад появилась альтернатива – мы научили компьютер разбирать эти самые изображения. Слово «научили» здесь достаточно важно, в отличие от предыдущей ситуации, когда мы в алгоритмах прописывали критерии безопасного вождения.
Основной метод при обучении – это самообучение искусственного интеллекта. Это значит, что мы берем и размечаем определенные массивы данных, в нашем случае рентгеновских снимков, заранее помечаем и "говорим" компьютеру – вот это здоровые люди, а вот это с воспалением легких, а это с бронхитом и так далее.
В результате сопоставления и анализа больших массивов данных (ведь каждое изображение оцифровывается, а это многие тысячи или десятки тысяч цифр) компьютер, сопоставляя по определенным математическим алгоритмам, выявляет сходства и отличия между изображениями. В результате его анализа – по сути анализа огромных таблиц данных – выявляется правило получения заключений и прогнозов (эта процедура называется «обучение искусственного интеллекта на размеченных данных», «обучение с учителем»).
Следующая стадия – проверка. Мы загружаем в этот же самый компьютер данные заранее неизвестных людей и задаём компьютеру задачу: на кого данное изображение больше похоже – на здорового человека, на легкий бронхит, на воспаление легких, на какие-то другие ситуации.
Компьютер по своим вычислительным алгоритмам производит классификацию и говорит: «этот снимок относится к случаю один, а это изображение относится к случаю номер пять». Мы, естественно, должны это проверить, посмотреть глазами врача-специалиста на историю болезни реального больного, какой же это случай. Так вот, оказывается, что при достаточно большом объеме обучения компьютерные анализ изображений дает уверенную классификацию, и на точность результат не влияет ни утомляемость, ни каких-то другие присущие человеку особенности.
Более того, современный уровень алгоритмов построения критериев деятельности искусственного интеллекта и обучения на больших, но реальных объемах данных дает точность выше, чем у врачей, которые иногда что-то пропускают или ошибаются. Конечно, и в том и в другом случае есть ложные срабатывания, но компьютеру уже удалось достичь большей точности, чем у врача.
Но возникает вопрос ответственности: если неправильный диагноз поставил врач – есть законодательство, есть персональная ответственность. В случае с «бездушной» машиной все сложнее. Потому что она проходила самообучение – то, что называется deep learning, глубокое обучение нейронных сетей (то есть набора определенным образом соединенных компьютеров, через «облака», через интернет, через взаимодействие). Пока искусственный интеллект может быть только ассистентом врача. Он, как ассистент, может обратить внимание врача на ситуации, вызывающие подозрение. А врачи принимают решение.
Тем не менее в процесс принятия общего решения о постановке диагноза, о рекомендациях, уже встраивается тот самый бездушный автомат или искусственный интеллект.
Далее вопрос – является ли это сильным интеллектом? Нет, не является. Потому что постановка задачи, подбор обучающих последовательностей и целевые эффекты формулирует все равно люди.
#hi-tech #искусственный интеллект #нейронные сети #технологии будущего #технологии #инновации #анализ данных #наука и образование #наука и техника #цифровизация
Магистратура ВИШ МИФИ готовит специалистов в области цифровой трансформации жизни, цифровой трансформации экономики, цифровой трансформации технологии и индустрии.