Чем запомнился 2017 год в области искусственного интеллекта: краткий обзор

Тренды машинного обучения прошедшего года от издания WildML, которые показывают, как ИИ входит в технологическую сферу.

В 2017 году системы, основанные на алгоритмах обучения с подкреплением (один из способов машинного обучения, при котором система обучается, взаимодействуя с некой средой или моделью среды и получая от неё ответные сигналы), несколько раз обыграли людей в сложные игры.

Разработанный Google алгоритм игры в го AlphaGo продолжил побеждать сильнейших игроков мира и научился вырабатывать стратегию игры самостоятельно — без анализа сыгранных человеком партий. Эта версия системы получила название AlphaGo Zero.

В декабре 2017 года Google рассказала об обобщённой версии алгоритма — Alpha Zero, — которая не предназначена для какой-то конкретной игры. На вход система получает правила игры и в ходе обучения самостоятельно вырабатывает тактику. Он успешно обучилась шахматам, го и сеги и обыграла лучшие алгоритмы в каждой из игр.

В университете Карнеги — Меллон разработали алгоритм Libratus, который обыграл ведущих игроков в покер на 20-дневном турнире по техасскому холдему. Система DeepStack, созданная учёными из Карлова университета в Праге, Чешского технического университета и Альбертского университета, чуть ранее также смогла обыграть человека в покер. Оба этих алгоритма играют в хедс-ап — вид покера, при котором в игре участвуют только два человека.

В 2018 году, пишет WildML, алгоритмам предстоит освоить игры на несколько игроков. Принадлежащая Google компания DeepMind занимается разработкой системы для игры в Starcraft 2, а команда OpenAI, которой уже удалось достичь успехов в игре в Dota2 один на один, собирается вскоре показать систему для игры пять на пять.

Эволюционные алгоритмы в машинном обучении применяют для решения задач принципы и процессы естественного отбора и мутации, описанные в биологии. К ним относятся, например, генетические алгоритмы, которые комбинируют нужные параметры возможными способами в поисках оптимального решения задачи.

В 2017 году разработчики из OpenAI продемонстрировали, что такие алгоритмы могут достичь показателей, сравнимых с обучением с подкреплением. Команда исследователей из Uber рассказала о разработанных ими системах на базе эволюционных алгоритмов, которые обучились играть в игры от Atari.

Основная тенденция 2017 года, по мнению WildML, — отход от сложных рекуррентных и свёрточных архитектур для синтеза речи, обучение которых занимает большое количество времени, и переход к системам с использованием механизма внимания — подхода, при котором детально обрабатывается лишь часть входных данных. Это снижает затраты на обучение систем и позволяет использующим их компаниям получать хорошие результаты при меньшей стоимости.

Свои инструменты для разработчиков в 2017 году представили многие крупные компании — Google, Facebook, Apple, Microsoft и другие. Краткий список:

С ростом количества инструментов выросло и количество ресурсов для изучения технологий искусственного интеллекта и машинного обучения, пишет WildML.

Среди успехов 2017 года: алгоритм, разработанный учёными из Стэнфорда, научился выявлять рак кожи у пациентов. Другая группа исследователей из того же университета представила систему, которая способна определять нарушения в работе сердца (аритмию) по ЭКГ с большим успехом, чем кардиолог.

В конце 2016 года Google представила алгоритм Quick, Draw, который угадывает, что хотел нарисовать пользователь. А в 2017 году показала нейронную сеть AutoDraw, которая дорисовывает его наброски.

Значительный прогресс, считает WildML, в 2017 году показали GAN — генеративно-состязательные сети. Такие модели построены на базе двух нейронных сетей, одна из которых предлагает возможные варианты решения, а другая — отбрасывает неподходящие. Они могут генерировать изображения и фотографии, высказывания и так далее. Уже вскоре, полагает автор материала, они смогут решать серьёзные задачи.

Крупные компании продолжают разработку систем автопилота для автомобилей: такими технологиями занимаются Uber, принадлежащая Google команда Waymo, такси-сервис Lyft, Tesla. К декабрю 2017 года самоуправляемые автомобили от Uber наездили по дорогам 2 млн миль (около 3,2 млн километров). Наличие разработок в этой области подтвердила и Apple.

Редакция WildML отдельно выделила несколько примечательных разработок на базе алгоритмов искусственного интеллекта, которые были опубликованы в 2017 году. Некоторые из них:

Открытые наборы размеченных данных для обучения моделей на базе искусственного интеллекта опубликовали команды YouTube, Google (рисунки QuickDraw, набор изображений с совершающими определённые действия людьми AVA, набор голосовых команд, музыкальных отрывков), DeepMind, сервис вопросов и ответов Quora.

В 2017 году лидер рынка Nvidia представила флагманскую видеокарту Titan V, но конкуренты, пишет WildML, не собираются уступать. Разработкой собственного «железа» занялась Tesla, новые чипы представили Intel и Google. Ведутся разработки и в Китае, где популярность видеокарт выросла на фоне увлечения майнингом криптовалют.

«То, о чём пишут СМИ, почти никогда не соответствует тому, что на самом деле происходит в исследовательской лаборатории», — пишет WildML. В качестве примера издание приводит разработку IBM Watson, создатели которой серьёзно озаботились продвижением технологии в медиа, а система при этом не показала сколько-то значимых результатов.

В августе 2017 года СМИ обратили внимание на алгоритмы искусственного интеллекта Facebook, создавшие собственный язык для общения друг с другом. Некоторые издания опубликовали заметки, в которых рассказали, что ИИ от Facebook «вышел из-под контроля», и из-за этого ботов пришлось отключить. «Исследователи просто прекратили эксперимент, который не дал нужных результатов», — объясняет WildML.

#будущее #машинноеобучение #инструменты #образование