Журнал "Системы Безопасности" № 1‘2019

Как нейросети изменят наш мир? Игорь Фаломкин, ITV | AxxonSoft Многие виды деятельности, которые сейчас считаются прерогативой человека, будут авто- матизированы, в том числе работа операторов видеонаблюдения. В статье, опубликованной в журнале "Системы безопасности" (№ 4/2018, стр. 50–52), я давал приблизительный прогноз развития нейросетевых технологий на рынке видеонаблюдения. С тех пор прошло полгода, и пока создается впечатление, что события раз- виваются быстрее прогноза. Взрывное развитие сдерживается только отсутствием доступного оборудования для использования нейросетей. Но ситуация меняется: в игру за рынок такого оборудования активно вступают разные компа- нии, например Intel, планирующая в очередном поколении процессоров поддержать специ- альные инструкции для ускорения нейросетей, и HiSilicon, уже выпустившая SoC для видеока- мер, содержащий нейросетевой ускоритель. Никита Живаго, NVIDIA Мы наблюдаем невероятный уровень иннова- ций с тех пор, как в 2012 г. началась глубокая революция в обучении. Архитектура нейронной сети продолжает развиваться, поскольку иссле- дователи открывают новые подходы к решению сложных проблем, которые раньше считались невозможными. ИИ помогает быстрее выводить лекарственные препараты на рынок, врачам – быстрее диагностировать опасные для жизни заболевания, а также предоставляет потребите- лям бесчисленное количество услуг. Качествен- но улучшены: l распознавание речи в голосовых помощни- ках; l машинный перевод; l анализ комментариев пользователя во все- возможных сервисах; l анализ изображений с камер на производстве для выявления аномалий и детектирования других важных вещей; l распознавание лиц в банках и учреждениях; l анализ пользователей и предсказание их поведения; l робототехника и другие умные гаджеты. Наблюдается прогресс в создании автономных транспортных средств для обеспечения безопас- ности и эффективного использования уже пере- груженных дорог. В будущем применение ИИ во всех сферах нашей жизни станет просто рядовым событием, что позволит существенно уменьшить количество рутинной работы для человека и повысить качество продуктов и сервисов. Искусственный интеллект в будущем станет уни- версальным массовым инструментом для реше- ния самых разнообразных задач при работе с любыми типами данных. Практически все, что мы сегодня делаем в офисе, будет выполняться с помощью ИИ, и уже сейчас можно автомати- зировать множество рутинных вещей. В будущем выполнение все более интеллектуальных задач станет переходить под ответственность ИИ. Евгений Веснин, "Малленом Системс" Прорыв в применении нейронных сетей стал возможен благодаря появлению достаточно больших выборок обучающих данных (Ima- geNet – 21 млн изображений) и возросшим вычислительным возможностям, позволяющим обработать такой объем. Немаловажную роль также сыграло предоставление в открытый доступ библиотек машинного обучения миро- выми лидерами ИТ-индустрии. Дешевый сбор и анализ больших данных с помощью сенсорных сетей может в корне изме- нить управление многими отраслями экономи- ки. Большие открытые данные и международ- ный интеллект – основа прогресса в области анализа данных. Следующие прорывы следует ожидать от накоп- ления и изучения новых больших данных, это переход к пожизненному хранению персональ- ных медицинских данных каждого человека и улучшение постановки диагноза на основе их анализа. Похожая задача – накопление персо- нальной информации об образовании, дости- жениях, интересах и способностях каждого человека с раннего детства. Технологии соци- альной инженерии и анализа больших данных можно направить на выявление талантов, пер- сонализацию образовательных программ, тру- доустройство и формирование коллективов под проекты. Это автоматизированная биржа труда, которая имеет огромный потенциал и способна изменить облик общества. Денис Кравченко, Ivideon Не очень люблю фантазировать, однако в отно- шении видеонаблюдения применение нейросе- тей, несомненно, повысит качество и суще- ственно расширит спектр предоставляемых услуг. Алексей Ястребов, Macroscop После нескольких лет бурного развития нейро- сетевых технологий, начавшегося примерно в 2012 г., нейросети взяли некоторую паузу. Сей- час мы находимся на этапе осмысления воз- можностей и поиска задач, которые еще можно решить. Когда возможностей перестанет хва- тать, неизбежно последует новый прорыв, и рано или поздно мы приблизимся к сильному искусственному интеллекту. Когда это произой- дет? 60 лет назад думали, что через 10 лет. Может быть, все еще через 10 лет? n февраль – март 2019 www.secuteck.ru 60 A L L - O V E R - I P В о многих слу- чаях информа- ция про нейрон- ную сеть больше выглядит как хайп, чего только стоят следующие заго- ловки: l " С о т р у д н и к и Яндекса Алексей Тихонов и Иван Ямщиков выпустили альбом "Нейронная обо- рона", состоящий из песен и стихотворений, написанных роботом"; l "Нейронная сеть AlphaGo от Google одержала третью победу над одним из сильнейших игроков мира в го"; l "Кинокомпания RitZEED сняла фильм по сце- нарию, который написала нейросеть"; l "На аукционе Christieʼs за 432,5 тыс. долла- ров продали картину, созданную искусствен- ным интеллектом". Поисковые алгоритмы от Google и Яндекса построены на нейронных сетях. Онлайн- переводчики используют нейросеть в своей работе. Сервисы товарных рекомендаций, которые мы можем встретить на многих Web-сайтах, также основаны на нейронной сети. Алиса от Яндекса – еще одно детище нейросети. Понятие "нейросеть" было придумано доста- точно давно и является синонимом алгоритма машинного обучения. Первая версия фор- мального нейрона, ячейки нейронной сети, была предложена Уорреном Мак-Каллоком и Уолтером Питтсом в 1943 г. А уже в 1958 г. Фрэнк Розенблатт разработал первую нейро- нную сеть. Но первый блин оказался комом, и другие алгоритмы машинного обучения ото- двинули на какое-то время нейросети на вто- рой план. Популярность нейронные сети стали завое- вывать после 2010 г. Для того чтобы разо- браться, почему это произошло, мы должны понимать, как устроена нейросеть и в чем ее особенность. Нейронные сети с помощью аппаратных и программных средств имитируют пау- тину нейронов в человеческом мозге. Но так как мы говорим о машинном обуче- нии, результатом всех вычислений являются ноль (нет) или единица (да): то есть машина нам дает ответ, который близок к значению "нет" или "да". Соот- ветственно, для того чтобы обучить машину распознавать числа, нам понадо- бится нейросеть, состоящая из секторов, каждый из которых будет отвечать за свою цифру от 0 до 9. Чем больше вари- антов ответов может быть, тем крупнее будет наша нейросеть. МНЕНИЕ ЭКСПЕРТА Нейросети в повседневной жизни Только совсем далекий от современных технологий человек не слышал про ней- росети. Хотим мы того или нет, нейросети уже интегрированы в нашу повседнев- ную жизнь