Одним из важнейших факторов, влияющих на развитие человеческого общества в ближайшие годы, станет искусственный интеллект (ИИ). В это понятие мы вкладываем все направления развития сферы, включая машинное обучение (Machine Learning, ML), генеративно-состязательные сети (Generative Adversarial Networks, GAN), градиентный бустинг (Gradient-boosted-tree models, GBM), глубокое обучение с подкреплением (Deep Reinforcement Learning, DRL) и т.д. Бизнес, технологический сектор, а также здравоохранение — это те области, где ИИ особенно востребован. Давайте посмотрим, как инструменты AI/ML способны повлиять на качество оказания медицинских услуг. Прим.: Cloud4Y подготовил статью из трёх частей, посвящённых связке ИИ и медицины. Первые две рассказывают о способах использования технологии, а третья посвящена проблемам, которые возникают при реализации этой идеи. Идея использования искусственного интеллекта в медицине восходит к 1972 году, когда заработал MYCIN Стэнфордского университета. Это была программа-прототип ИИ, используемая для изучения вопроса заражения крови.
Архив рубрики: Инновации
Может ли современная нейросеть решить вашу задачу: критерии оценки применимости
На иллюстрации: Haystacks at Sunset Reimagined by AshnoAlice. Инженер по машинному обучению Джордж Хосу задает вопрос: «Какие проблемы решает машинное обучение?». Или конкретнее, с учетом современного развития отрасли: «Какие проблемы нейросеть способна решить на практике?». Команда Mail.ru Cloud Solutions перевела статью, так как рассуждения на эту тему, как нам кажется, встречаются редко. На первый взгляд, этот вопрос рассматривают такие теории, как вероятно приближенно корректное обучение (PAC learning). Однако они изучают машинное обучении в целом, но на практике не дают никаких осмысленных ответов. Автор утверждает, что если взять конкретную проблему, то часто можно разумно и уверенно ответить, сможет нейросеть решить ее или нет. Достаточно взглянуть на исходные данные и саму задачу. Наверное, полезно изложить правила, которые позволяют находить ответы на такие вопросы. «Я ни в коем случае не утверждаю, что эти правила точны или основаны на фактических данных в научном смысле, но это может стать хорошей отправной точкой для дальнейшего обсуждения», — пишет автор статьи.
Основные отличия работы мозга и нейронной сети: от физиологии до формальной логик и графов
Можно встретить много критических замечаний о том, что биологический мозг или биологические нейронные сети работают совершенно не так как ныне популярные компьютерные нейронные сети. К подобным замечаниям прибегают различные специалисты, как со стороны биологов, нейрофизиологов так и со стороны специалистов по компьютерным наукам и машинному обучению, но при этом очень мало конкретных замечаний и предложений. В этой статье мы попытаемся провести анализ этой проблемы и выявить частные различия между работой биологической и компьютерной нейронной сетью, и предложить пути улучшения компьютерных нейронных сетей которые приблизят их работу к биологическому аналогу. Прежде я хочу пояснить, почему, по моему мнению, в вопросе создания сильного искусственного интеллекта до сих пор всё так печально, не смотря на грандиозные успехи в компьютерных науках и знаниях о биологическом мозге. Прежде всего, это связано с большой идеологической пропастью между этими двумя столпами науки. Компьютерные науки требуют некой схематичной простоты, строгости и лаконичности в описании систем, некого системного подхода, в отбрасывании лишнего и чёткой структуризации достаточной для оформления в программном коде.
Промышленный дизайн: от первых эскизов до запуска серийного производства – как это работает
Бывает, на первой встрече клиенты говорят «нам нужна только картинка», «сэкономим на дизайне», «нам просто накинуть идею», «ой, да что там делать». Мало кто представляет себе полную картину того, что происходит на внутренней кухне дизайнера, тем более промышленного. В этой статье мы раскроем весь процесс — от первых эскизов (а даже раньше) до запуска серийного производства — и объясним, почему промдизайн — это не просто картинка. Промдизайнер несет ответственность за будущее производство и отчасти за успешные продажи нового продукта, его работу можно сравнить с детективным расследованием. С чего все начинается? Этап 1. Вопросы для первой встречи и запуск проекта. Заказчик приходит с идеей нового продукта или проблемой, которая возникла на этапе реализации проекта. Например: «мы пробовали сами нарисовать дизайн, но у нас не очень получилось, решили, что все-таки нужен дизайнер».
Медицина грядущих лет: невероятные технические инновации и прогресс
Фото: https://www.greenlightmedical.com/. В грядущем релизе “Cyberpunk 2077” от хорошо знакомой всем геймдизайнерам студии CD Projekt RED важное сюжетное место занимает Trauma Team International — выдуманная корпорация, специализирующаяся на медицинских самых инновационных услугах “быстрого реагирования”. В недалеком будущем вы сможете вызвать специализированную команду Trauma Team, которая уже через семь минут начнет оказывать реанимационные действия и чинить пациента. Список возможностей медбригады широк, включая изменение внешности или даже донорские органы. Ирония в том, что последние тренды демонстрируют опережающие возможности медицины — даже в сравнении с фантастическими допущениями игр. Вполне вероятно, что через 50 лет вызывать скорую помощь будет бессмысленно. И не потому, что ваша страховка не покроет затраты. Скорее, возможности медицины достигнут такого уровня, что врачи смогут подлатать вас онлайн. Не последнюю роль в этом процессе сыграло распространение коронавируса. Рассмотрим роль технологий: от телемедицины до фантастики.
Возможен ли переход к перспективной компьютерной архитектуре Neuromorphic: взгляд в будущее
Уже в 1950 году Тьюринг и фон Нейман описали архитектуру, схожую с нашим мозгом, но, к сожалению, на тот момент ни нейрофизиологи не представляли, как вообще устроен мозг, ни физики не знали, как может выглядеть элементная база для такого компьютера. Это не значит, что современные нейрофизиологи сейчас знают ответы на все вопросы об устройстве мозга или физики могут предложить совершенную элементную базу, но я полагаю, что уже сейчас мы можем заняться разработкой первых таких компьютеров. Начать рассказ о neuromorphic архитектуре стоит с нейрона. В различных публикациях о машинном обучении так много базовой информации об устройстве нейрона, что я постараюсь максимально сжать рассказ об его устройстве и перейти сразу к очень поверхностному описанию его функционала. Также я часто буду апеллировать к некому абстрактному “мозгу”. К этому референсу надо относится снисходительно, понимая что нейрофизиологи знают совсем немного о его устройстве, а я всего лишь поверхностно опираюсь на некоторые из этих представлений. Также стоит сказать о еще одном важном моменте. Современные подходы в neuromorphic архитектуре не пытаются создать точную “копию” мозга в “силиконе”.
