Отправляет email-рассылки с помощью сервиса Sendsay

Глобальный Инновационный Гиперпортал

Подписаться Бесплатная «Серебряная» новостная рассылка . Подписчиков 58 RSS
←   Июнь 2016   →
 1
 2
 3
 4
 5
 6
 7
 8
 9
10
10.06.2016
10:17:28
23:17:11
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
30.06.2016
20:57:57
21:13:04


За последние 60 дней ни разу не выходила


Сайт рассылки: http://www.gigport.ru
Открыта: 28-11-2013

Автор
Джек Воробей

Статистика

58 подписчиков
0 за неделю
←   Все выпуски   →

Глобальный Инновационный Гиперпортал


 

МАШИНУ УЧАТ ПРЕДСКАЗЫВАТЬ БУДУЩЕЕ 

МАШИНУ УЧАТ ПРЕДСКАЗЫВАТЬ БУДУЩЕЕ


22.06.2016 электроника, медицина, психология, безопасность, суперкомпьютер, прогнозирование, предсказание


Природа системна и логична, а значит всё в ней предсказуемо. В том числе и сам человек. А раз так, то почему бы не воспользоваться суперкомпьютером, для предугадывания желаний людей, их действий, жизни и даже смерти? Вам смешно, а вот в Америке кое-что из этого уже работает.

Людей на Земле становится больше, но они по-прежнему всё такие же предсказуемые. Ну как этим не воспользоваться? Особенно когда возникает необходимость. Тем более что компьютерная техника уже хорошо развита, денег напечатали — девать некуда, да и специалистов разного профиля — превеликое множество.

Так, например, в медицинском центре Бостона решили воспользоваться суперкомпьютером для установки диагноза и прогнозирования даты смерти. Beth Israel Deaconess Medical Center (BIDMC, Harvard Medical School Teaching Hospital) объединил информацию о 250 тыс. пациентов, которые обращались за помощью в течение последних 30 лет, в одной компьютерной системе. Теперь, на основании этой информации, компьютер ставит диагноз с точностью 96%, причём быстрее, чем врач.

Машина не простаивает без работы, каждые три минуты она собирает такие показатели пациентов как давление, уровень кислорода в крови, температура тела и пульс. Эти данные поступают в центральную базу, где обрабатываются, увеличивая объём уже имеющейся информации и, соответственно, точность прогнозов.

О больном собирается всё, включая информацию о текущем состоянии и историю всех предыдущих обращений. Эти данные сравниваются с состоянием других пациентов со схожими недугами, и предсказывается течение и развитие болезни. Кроме того, специалисты прогнозируют заболевания, которые могут появиться у человека в будущем. «...Если компьютер покажет, что пациент умирает, то в течение 30 дней он, вероятнее всего, действительно скончается», — уверяют разработчики системы.

Основной целью создания такого устройства стала, разумеется, не замена врачей, а необходимость приумножения имеющихся возможностей медработников. Учёные уверены, что такое устройство в значительной мере улучшит работу медицинских специалистов.

Учёные из Лаборатории информатики и искусственного интеллекта Массачусетского технологического института (CSAIL MIT) поставили перед суперкомпьютером института иную задачу. Машину решили научить предсказывать будущее с помощью видео. Для этой цели компьютер глубоко погрузили в изучение и запоминание взаимодействия людей в телевизионных шоу.

Когда мы видим, как встречаются два человека, мы часто можем предсказать, что произойдёт дальше: рукопожатие, объятие, или возможно даже поцелуй. Наша способность предвидеть действия благодаря интуиции, рождена вне жизненного опыта.

Машины, с другой стороны, имеют проблемы с использованием сложных знаний, как это можем делать мы. Вместе с тем, компьютерные системы, предсказывающие действия, открыли бы нам новые возможности. Начиная от роботов, которые смогут лучше ориентироваться в человеческой среде, до систем реагирования на чрезвычайные ситуации, предсказывающие крах, и через, например, гарнитуры типа Google Glass, делающие человеку предложения, как лучше поступить в различных ситуациях.

На этой неделе исследователи из Лаборатории информатики и искусственного интеллекта Массачусетского технологического института сделали новый важный прорыв в предсказании поведения людей, разработав алгоритм, который может предвидеть взаимодействия более точно, чем когда-либо прежде. Обученная на видео YouTube и телевизионных шоу, таких как «Офис» и «Отчаянные домохозяйки», система может предсказать, будут ли два человека, обниматься, поцелуются, пожмут друг другу руки или дадут пять. Во втором сценарии, машина предвидит вероятность появления в видео объекта в следующие 5 секунд.

В то время как человеческие приветствия могут показаться слишком произвольными действиями, чтобы их можно было бы предсказывать, задача оказалась более лёгким испытанием для исследователей, чем ожидалось в начале.

«Люди автоматически учатся предвидеть действия через опыт, что и возбудило в нас заинтересованность попытаться пропитать компьютеры таким же здравым смыслом», — говорит аспирант CSAIL Карл Вондрик (Carl Vondrick), который является первым автором в докладе, который он представит на этой неделе на Международной конференции по компьютерному зрению и распознаванию образов (International Conference on Computer Vision and Pattern Recognition, CVPR). «Мы хотели показать, что просто наблюдая большое количество видео, компьютеры могут получить достаточно знаний, чтобы последовательно делать прогнозы относительно их окружения».

Прошлые попытки создать предиктивное (предикативное — прогностическое) компьютерное видение, как правило, принимаются в одном из двух вариантов. Первый — взгляд на отдельные пиксели изображения и использование этих знаний для создания фотореалистичного будущего изображения — пиксель за пикселем. «Трудная для профессионального художника, но с гораздо меньшим алгоритмом» задача, которую Вондрик описывает как второй способ — маркировать сцену с людьми для компьютера заранее, что непрактично для возможности предсказывать действия в крупном масштабе.

Команда CSAIL вместо этого создала алгоритм, который может предсказать визуальные представления, которые являются в основном сублимационными кадрами, показывающие различные версии того, что сцена может выглядеть следующим образом. «Вместо того чтобы сказать, что значение пикселя синего цвета, в следующем варианте будет красным, и так далее, визуальные представления показывают информацию о более широком изображении, таком как некоторый набор пикселей, который представляет собой человеческое лицо», — говорит Вондрик.

Алгоритм команды использует методы глубокого обучения искусственного интеллекта, в котором используются системы, называемые нейронные сети, чтобы научить компьютер корпеть над большими объёмами данных, для нахождения шаблонов самостоятельно.

Каждая из сетей алгоритма предсказывает сцену, автоматически классифицирующуюся как одно из четырёх действий — в данном случае, объятья, рукопожатия, высокий дай пять, или поцелуй. Затем система объединяет эти действия в одно, которое и использует в качестве своего предсказания. Например, три сети могут предсказать, поцелуй, в то время как четвёртая вместо этого в качестве основания для прогнозирования может указать тот факт, что другой человек вошёл в кадр для объятия.

«Видео не похоже на книгу Выберите своё собственное приключение, где можно увидеть все возможные пути», — говорит Вондрик. «Будущее изначально неоднозначно, и это интересно — бросить вызов самим себе, и разработать систему, которая использует качества, позволяющие предвидеть все возможности».

После обучения алгоритма на 600 часах немаркированного видео, команда испытала его на новых видео, показывающих как действия, так и объекты. Когда показали видео людей, за одну секунду от выполнения одного из четырёх действий, алгоритм правильно предсказал действия более чем в 43% случаев, в то время как существующие алгоритмы, предсказывали только в 36%.

Во втором исследовании, алгоритму был показан кадр из видео, с предложением предсказать, что за объект будет появляться через 5 секунд. Например, увидев, что кто-то открывает микроволновую печь, можно предположить появление в следующий момент кружки с кофе. Алгоритм предсказал объект в кадре на 30% более точно, чем базовые показатели, хотя исследователи предупреждают, что до сих пор средняя точность была только 11%.

Стоит отметить, что даже люди делают ошибки на следующих задачах: например, человеческие субъекты были только в состоянии правильно предсказать действия в 71% случаях.

Хотя алгоритмы ещё не достаточно точны для практического применения, Вондрик считает, что будущие версии могут быть использованы для всего: от роботов, до разработки лучших планов действий по безопасности, предупреждения аварийных служб, поиска лучшего решения, как помочь тем, кто упал или получил травму.
В избранное