Содержание статьи
Образование будущего: нейросети на страже знаний
Как можно использовать нейросеть в образовании?
Использование нейросетей в образовании открывает новые возможности для персонализации обучения и повышения его эффективности. Нейросети могут анализировать успеваемость учащихся, выявлять пробелы в знаниях и адаптировать учебный материал под индивидуальные потребности каждого ученика. Кроме того, они способны генерировать учебные материалы, проверять домашние задания и даже проводить виртуальные лабораторные работы.
Еще одно направление развития, где может использоваться искусственный интеллект на полную мощность — это безопасность. В Китае уже вовсю тестируется система, которая позволит правоохранителям мгновенно получать информацию о местоположении подозреваемого, если он появится в поле зрения хотя бы одной видеокамеры.
Результаты исследований, полученных при изучении игровых алгоритмов, используются также в медицине и химии. Например, алгоритмы, использованные при создании AlphaGo, сейчас дорабатывают для расчета сложных белковых структур. Предполагается, что исследования, проводимые с помощью игровых алгоритмов, в будущем помогут победить болезнь Паркинсона.
Одной из первых отраслей, где машины начали строить собственный интеллект, являются игры — возможно из-за человеческого любопытства и стремления победить не живого игрока, а машинный алгоритм. В 1952 году в США создали компьютерную программу, умеющую играть в шахматы 6х6, без слонов. Через три года была представлена программа, играющая в шашки, а в 1957 году появилась первая компьютерная программа, играющая в полноценный вариант шахмат. Однако до победы машины над человеком оставалось еще несколько десятилетий.
Уже сегодня искусственный интеллект становится полноценным партнером для многих профессий — например, в медицине используют мощности суперкомпьютера IBM Watson, умеющего понимать человеческую речь, который в 2011 году принял участие в телепередаче Jeopardy! (российский аналог — Своя игра) и одержал победу над 2 сильнейшими игроками, получив $1 млн. При этом распознавание опухолей на снимках — а именно на этом он сейчас специализируется — компьютер делает с меньшим количеством ошибок, чем профессионалы высочайшего уровня.
В шашках тоже случился значительный прорыв: в 1989 году в Канаде разработали программу Chinook, которая смогла выиграть чемпионат мира, соревнуясь с людьми. На настоящий момент Chinook — лучший шашист планеты, до сих пор никто не смог победить эту программу. Можете попробовать:)
Лучшие нейросети для учёбы
Дольше всех держалась го — очень древняя и сложная игра с простыми правилами: научиться играть в нее можно быстро, но на оттачивание мастерства уходят десятилетия. Однако программа AlphaGo, разработанная британской компанией Google DeepMind, в 2016 году все-таки победила корейского профессионала 9 дана Ли Седоля, а в 2017 году смогла выиграть три матча из трех у Кэ Цзе — лучшего игрока в мировом рейтинге.
Основной страх людей перед AI хорошо изображен в кинематографе. Мы боимся, что искусственный интеллект начнет самостоятельно развиваться и в какой-то момент уничтожит человечество. Но даже обобщенный алгоритм AlphaZero, использующий для оценки игры глубокие нейронные сети, и умеющий играть, кроме го, также в сёги и шахматы — это всего лишь программа, пусть и научившаяся играть самостоятельно, но выполняющая только одну функцию. Ожидать в ближайшей перспективе создание общего искусственного интеллекта пока рано, а вот к сожалению это, или к счастью — решать каждому самостоятельно.
При этом стоит разделить весь искусственный интеллект на две большие категории — общий и специализированный. Общий искусственный интеллект должен уметь решать любые интеллектуальные задачи, которые по силам человеку, а специализированный, как следует из самого названия, специализируется только на решении одной задачи — например, управлении автомобилем.
Есть три понятия, которые чаще всего используются рядом, а иногда даже пытаются подменять друг друга: AI, ML и Deep Learning (глубокое обучение). Первые упоминания об искусственном интеллекте датируются еще 1956 годом, когда американский информатик, основоположник функционального программирования Джон Маккарти впервые высказал гипотезу о возможности выполнения машинами задач, являющихся характеристикой человеческого интеллекта. Эти задачи можно разделить на планирование, понимание речи, распознавание звуков и образов, обучение и решение проблем.
Внедрение нейросетей в образовательный процесс не означает полную замену традиционных методов обучения. Напротив, это мощный инструмент, способный дополнить и обогатить существующие подходы, сделав образование более эффективным, доступным и увлекательным для учащихся всех возрастов.
Уже сейчас компьютер играет в шашки, шахматы, го и покер лучше человека. По мнению исследователей из Корнеллского университета (США) в ближайшие десятилетия искусственный интеллект превзойдет людей и во всех остальных играх. Последние несколько лет ведутся активные разработки в рамках проекта OpenAI, где машинный интеллект противостоит профессиональным игрокам в Dota.
В 1985 году в США была начата разработка программы ChipTest, которая впоследствии стала основой для создания шахматного компьютера Deep Blue от компании IBM — того самого, который обыграл чемпиона мира по шахматам Гарри Каспарова в 1997 году в матче-реванше (первый матч состоялся в 1996 году и тогда выиграл человек).
В предыдущих статьях из нашего цикла «Технологии будущего» мы уже подробно рассмотрели перспективы развития автономного транспорта и применения технологии 3D-печати в различных областях: от бытового использования до высокоточных хирургических операций. Сегодня остановимся на двух очень популярных понятиях — искусственный интеллект (Artificial Intelligence, AI) и машинное обучение (Machine Learning, ML).