В 1997 г. алгоритм IBM Deep Blue победил в шахматном состязании чемпиона мира Гарри Каспарова. Это стало одним из исторических событий, подтверждающих состоятельность машин в принятии трудных решений. По меркам истории развития науки прошло совсем немного времени, однако уже сегодня искусственному интеллекту стали поручать все более сложные задачи, относящиеся к совершенно разным областям приложения знаний.

«Не преждевременно ли?» — думают многие. Так, еще в прошлом году, по данным ВЦИОМ, 48% россиян не доверяли ИИ, а среди жителей США, Германии, Австралии, Канады, Великобритании этот процент был и того выше —72% опрошенных. В то же время технологии ИИ все больше включаются в нашу повседневную жизнь, становясь универсальным помощником в решении различных задач — от ведения домашнего хозяйства до поиска преступников по данным с камер наблюдения.

Несмотря на то что создание нейросетей было вдохновлено биологическими нейронами, в некоторых моментах они уступают своим естественным «прототипам». В одной из статей, опубликованной на портале «Научная Россия», мы приводили пример того, как ИИ, не понимая контекста, создавал картину с изображением лосося в реке не в виде живой рыбы, а в виде готового к употреблению продукта.

Возможности машинного обучения, как правило, имеют ряд ограничений, и, как отмечал академик А.М. Сергеев на одной из тематических сессий Петербургского международного экономического форума, нельзя доверять искусственному интеллекту, если выводы, сделанные им, мы не можем понять и объяснить с точки зрения логики.

«Размышления» робота. Источник иллюстрации: ru.123rf.com

Тем не менее, как считает российский нейробиолог академик К.В. Анохин, справедлива и обратная ситуация, когда ИИ, напротив, превосходит возможности человека. Так, например, он обладает способностью находить причинные связи между далекими друг от друга событиями, но для этого им необходимы миллионы повторений, в то время как в биологических нейронных сетях выработка условных связей способна происходить с одного раза. Человеку также бывает сложно анализировать большие объемы данных, в том числе потому, что человеческая память или свойства нашего внимания не обладают достаточным потенциалом для решения задач сегодняшнего уровня сложности.

Приведем несколько примеров того, где уже сегодня с успехом применяют ИИ. Начнем с вопросов экологии. Так, в ведении Минприроды России находятся 107 заповедников, 66 национальных парков, 63 заказника. Вести учет животных или обеспечивать поимку браконьеров становится в разы проще при использовании фотоловушек, потому что многие места для людей труднодоступны. Однако для наибольшей точности информации фотоловушки ведут съемку любого движения — от падения ветки до перемещения животных или человека. Просмотр тысяч фотографий потребует от человека очень большого количества времени, но это легко можно решить с помощью программ технического зрения, в основе которых лежат нейронные сети. Такой проект ведут ученые Московского физико-технического института совместно с Минприроды России.

Учет моржей с помощью ИИ. Фото предоставлено пресс-службой МФТИ

Учет моржей с помощью ИИ. Фото предоставлено пресс-службой МФТИ

«Мы научили искусственный интеллект сначала фильтровать объекты, а затем их классифицировать. Следующая задача — идентификация. Это более сложный уровень, так как не все виды животных имеют сильные индивидуальные отличия. Например, для ИИ достаточно сложно различить бурых медведей. Намного проще научить различать кошачьих: у каждой особи свой неповторимый рисунок, который нейросеть “запоминает”. В итоге мы фотофиксируем жизнедеятельность каждой особи, не нарушая ее жизненный ареал. Для обучения ИИ необходима большая база данных, и такую базу для кошачьих мы уже получили от заповедника “Земля леопарда”. Скоро мы определим каждого тигра и леопарда на данной территории», — рассказал А.В. Леус, доцент кафедры радиоэлектроники и прикладной информатики ФРКТ МФТИ.

При помощи интеллектуального зондирования стало возможным ясно и без помех увидеть Землю из космоса, а также распознавать объекты, очаги пожаров, отслеживать наводнения, что обеспечивает своевременность и точность информации, которая особенно необходима для последующего принятия решений человеком о способах реагирования на эти события.

Искусственный интеллект значительно помогает и в решении задач медицины. Так, ученые из Петрозаводского государственного университета с зарубежными коллегами разработали алгоритм на базе ИИ, позволяющий оперативно определить, присутствует ли в организме человека инфекция SARS-CoV-2. Ученые из Турции сравнили 51 биомаркер — признаки, по которым можно оценить состояние организма у людей, больных коронавирусом, и здоровых людей. ИИ выделил из них 11 показателей, которые могут определить с точностью в 100%, инфицирован ли тестируемый коронавирусом. Среди этих маркеров оказались уровень холестерина и переносящих его молекул, а также количество гемоглобина в эритроцитах — красных кровяных тельцах. Примечательно также и то, что сравнение любых двух или трех из 11 показателей позволяет определить заболевшего коронавирусом с точностью до 99,8% и 99,9%. Помимо этого, в России во время борьбы с пандемией COVID-19 впервые в мире была массово применена технология автоматической обработки данных компьютерной томографии (КТ) с помощью ИИ. Это позволило уменьшить время на анализ снимков и постановку диагноза в среднем на 30%.

Человек возлагает большие надежды на развитие искусственного интеллекта. Благодаря современным технологиям и машинному обучению мы имеем возможность найти решения, неочевидные для человеческого мозга по причине наших биологических ограничений, таких как объем внимания или памяти. Именно современные технологии в тесной связи с фундаментальной наукой будут способствовать принятию более эффективных решений, в том числе в постановке диагнозов и назначении лечения. И уже сегодня многое из этого приносит свои плоды.