Взаймы у природы
Что позаимствовать у мозга?
Нейросети используют в медицине по всему миру, и Россия – не исключение. Сегодня они становятся полноценными помощниками российский врачей, помогая прогнозировать развитие заболеваний и аномалий, обрабатывать и расшифровывать снимки лучевых исследований, анализировать генетические данные для выявления предрасположенности пациента к заболеваниям, а также определять наиболее эффективное лечение, дозировки лекарств и возможных побочных действий.
Например, мозг умеет одновременно обрабатывать и объединять в единую картину информацию разных типов, получаемую от разных органов чувств. Ему не нужны огромные количества данных, чтобы чему-то научиться: ребенок по одной картинке запоминает, что такое кошка, а системам ИИ нужны десятки и сотни тысяч изображений. Есть гипотеза, что мозгу это удается через формирование идей и абстрактных понятий, но как воплотить такую систему в ИИ — пока никто не знает. Кроме того, в процессе обучения наш мозг не только изменяет силу связей между нейронами, но и в принципе способен трансформировать топологию сети: обрывать одни связи между нейронами и проращивать новые — в науке этот процесс называют взрослением. Искусственные нейроны такого пока не умеют.
В сфере бизнеса нейросети помогают предпринимателям по всему миру оптимизировать процессы своей компании: выявляют закономерности, тренды и перспективы рынка, автоматизируют рутинные задачи и предлагают персонализированные рекомендации для пользователей и клиентов.
Нейросеть – модель искусственного интеллекта (AI), имитирующая структуру и функционирование человеческого мозга. Она состоит из множества взаимосвязанных узлов, которые обрабатывают информацию и обучаются на основе полученных данных. Это позволяет нейросетям адаптироваться и интегрироваться в следующие сферы жизни человека:
Биологические нейроны обладают еще одной важной особенностью: они одновременно являются и вычислительными устройствами, и устройствами памяти, которые хранят информацию о силе синаптических связей с другими нейронами и концентрации нейротрансмиттеров разных типов в каждом синапсе.
Несмотря на успехи в этой области, нейросети не могут полностью заменить преподавателей, так как человеческий контакт и живое взаимодействие – важные аспекты образовательного процесса. Тем не менее, они могут стать помощниками как для учителей, так и для учеников, освобождая время для занятий на индивидуальной основе.
Сегодня нейросети представляют собой мощный инструмент, который может значительно улучшить жизнь человека и помочь решать сложные задачи в бизнесе, науке, производстве, медицине и других областях. «Неотех», наравне с другими мировыми и отечественными компаниями, старается внедрять инновационный подход к решению ряда задач.
В 1937 году Джон Захари Янг описал механизм передачи электрохимических сигналов нейронами на примере гигантского аксона кальмара. После войны идеями строения мозга вдохновлялся отец современных вычислительных систем физик и математик Джон фон Нейман, а нейрофизиолог Фрэнк Розенблатт создал первую искусственную нейросеть — перцептрон, который состоял из связанных друг с другом нейронов.
Требовательный интеллект
Возможно, уже в обозримом будущем нейроморфные системы позволят ускорить прогресс в области искусственного интеллекта. Следить за новостями из мира ИИ можно на научно-просветительской платформе Homo Science, где об этом и многом другом рассказывают научные журналисты, ученые и блогеры, обладающие нужными знаниями.
Начиная с промышленной революции, технологии стали заменять человеческий труд на производстве, и этот процесс только ускоряется. Нейросети способны находить оптимальный способ использования материалов, энергии и рабочей силы, прогнозировать возможные технические сбои, оценивать риски и предлагать меры их предупреждения.
По мере развития классических нейросетей программное описание нейронов абстрагировалось, их функции активации изменялись, увеличивалось количество слоев и менялись подходы к настройке связей между ними. Однако фундаментальная идея оставалась той же, поэтому нейросети, состоящие из связанных друг с другом математических функций, очень отдаленно напоминали человеческий мозг. Но и не будучи в большой степени нейроморфными, благодаря появлению мощных видеокарт, которые оказались способны быстро производить необходимые для работы нейросетей вычисления, они выросли в современные системы ИИ, которые умеют многое: распознавать и рисовать картинки, писать и переводить тексты, обыгрывать людей в сложные игры.
В области науки и исследований нейросети уже помогают ученым анализировать и интерпретировать сложные наборы данных, проектировать и синтезировать новые материалы, а также обнаруживать закономерности, которые могут быть непосредственно связаны с новыми открытиями. Так, ученые из Петрозаводского государственного университета с зарубежными коллегами разработали алгоритм на базе искусственного интеллекта. Программа позволяет оперативно определить присутствует ли в организме человека инфекция SARS-CoV-2.
Энергопотребление Tesla V100 — 250 ватт, 18,5 тысяч таких видеокарт за неделю потратят 777 МВт*ч электроэнергии, а это мощность порядка средней ТЭЦ (например, мощность Московской ТЭЦ-16 — 651 МВт). Если конвертировать такую энергию в выбросы CO2, получится 273 тонны (с коэффициентом по России), 5000 автомобилей за неделю выбрасывают меньше. Но даже если закрыть глаза на огромную стоимость и вред, приносящийся экологии, такие затраты просто расточительны. Человеческий мозг способен на одновременное выполнение многих задач, на каждую из которых потребуется по большой нейросети, а также на многое, чего нейросети пока вообще не могут: от способности одинаково хорошо справляться с различными категориями задач до формирования сознания. При этом мозг потребляет около 20 ватт энергии. Обычно это в тысячу раз меньше, чем нужно для одной видеокарты, не говоря уже о целом дата-центре.
Согласно исследованию McKinsey Global Institute, к 2030 году около 30% всех рабочих мест в мировой экономике могут быть автоматизированы. В то же время, новые отрасли и профессии, связанные с искусственным интеллектом, могут компенсировать потери рабочих мест в других сферах.
Например, российская компания анонсировала запуск аналога нашумевшей по всему миру нейросети ChatGPT – SistemmaGPT. Основной задачей модели является интеграция искусственного интеллекта в бизнес-процессы. Нейросеть может проводить анализ больших объемов данных и находить инсайты, общаться с клиентами в виде виртуального помощника, создавать персонализированную систему рекомендаций, автоматически обрабатывать заказы и входящие звонки, управлять складом и многое другое.
В биологии такого нет: нейроны проводят сигнал только в одну сторону и не имеют единого центра исправления ошибок. Реализовать такое обучение в нейроморфных нейросетях можно через локальное обучение. Наиболее популярный подход к такому обучению называется STDP (spike timing dependent plasticity). Его идея состоит в том, что синапсы, на которые сигналы пришли незадолго до генерации импульса нейроном, усиливаются, а синапсы, получившие импульс вскоре после этого, ослабляются. При таком подходе коррекция весов сети происходит за один проход сигнала по сети. В перспективе это позволит дешевле и эффективнее обучать большие модели.
