Обучение нейросетей - новый бизнес на миллиарды

Больница для нейросети

Компания «Когнитив Роботикс», работающая под брендом Cognitive Pilot и разрабатывающая системы искусственного интеллекта для беспилотных транспортных средств, сообщила в разосланном 9 сентября пресс-релизе, что нашла способ ускорить обучение нейросетей в 15-20 раз. Технологию в компании назвали Cognitive Neural Network Hospital (т.е. лечебница нейронной сети) за ее способность, как утверждают в Cognitive, «вылечивать больные места» нейронной сети, исправляя ошибки работы «нажатием одной клавиши».

В случае Cognitive это сокращает время разработок ИИ-систем автопилотирования, которые используются в агрохозяйствах, умных трамваях и т.д.

Определяя слабые зоны нейронной сети, система выделяет ошибки, а затем ищет схожие. Например, в ночное время красный сигнал светофора в результате засветки иногда ошибочно распознается авопилотом, как желтый, приводит пример работы системы ведущий разработчик Cognitive Pilot Геннадий Савицкий. Нейросеть может поправить алгоритмы, чтобы система воспринимала светофор правильно - как красный.

Разработчики утверждают, что благодаря Cognitive Neural Network Hospital точность распознавания светофоров удалось повысить с 99,3% до 99,99%, что эксперты называют огромным достижением, поскольку известно, насколько сложно дается повышение точности распознавания даже на тысячную долю после преодоления порога 99%. Сообщается, что технология также позволяет сократить время обучения в 15 – 20 раз.

Сенсация или нет?

«Ситуация, когда удалось “ускорить обучение ИИ в 15-20 раз”, – безусловная сенсация. Примерно как новый автомобильный двигатель, тратящий на 100 км стакан бензина», говорит генеральный директор Smart Engines Владимир Арлазаров.

«Искусственный интеллект – это прежде всего наука о данных, и вопрос быстрого наращивания объемов и уровня релевантности датасетов является одним из центральных. На сегодня существует множество практик, используемых в науке и индустрии. Это и активное обучение, и поиск аномалий в данных, и анализ карт возбуждений в нейросетях, аугментация и синтез данных (в том числе, с опорой на статистику ошибок). Сообщество разработчиков ИИ непрерывно осваивает все более эффективные методы обучения», объясняет Арлазаров.

Однако, отмечает эксперт, в науке и наукоемких областях существуют механизмы, призванные подтверждать значимость и новизну открытий. «При публикации научных статей проверяется оба критерия, при патентовании – хотя бы новизна. Ни мне, ни моим коллегам не удалось найти ни научных публикаций, ни патентных заявок Cognitive Pilot на указанную тему, - говорит Арлазаров. - Давайте продолжим метафору из сообщения, ведь речь идет о новом лекарстве, лекарстве для нейросетей. Фирма сообщает о появлении нового чудо-лекарства, но не указывает ни механизма действия, ни данных о фармакокинетике, и вам не удается найти никаких следов информации об его испытаниях. Чрезвычайно загадочная ситуация. Но среди джентльменов принято верить на слово. Поэтому не спешим с выводами и ждем от коллег как выступлений на лучших профильных конференциях, так и получения нескольких патентов, поскольку такая технология буквально перевернет индустрию».

«Пока мы знаем лишь то, что компания повысила точность с уже очень высокой до ещё более высокой. В задачах, где цена ошибки высока, это может быть очень важно», - считает и эксперт «Финама» Леонид Делицын.

Разница в подходах

Поиском способов увеличения точности распознавания нейронных сетей заняты тысячи специалистов по всему миру, говорит Леонид Делицын. И у ученых и практиков здесь несколько разные задачи.

«Ученые могут вернуться к какому-нибудь подходу и обнаружить, что он помогает увеличить эффективность. Профессор с аспирантом сделают доклад об этом на научных конференциях, затем они вернутся к своей основной работе – лекциям и написанию диссертации. Через год другие ученые сообщат, удалось ли им подтвердить эффективность нового способа или опровергнуть. Через два года способ станет широко известен, - поясняет Делицын. - У практиков другая цель - им нужно повысить эффективность работы нейронной сети здесь и сейчас, и не важно, новый подход или старый, но «допиленный», т.е., наконец, хорошо дообученный и примененный к тем данным, на которых он будет хорошо работать. Революционно новый подход, может быть очень хорош, но его может потребоваться десять лет «допиливать»».

От изобретения нейронных сетей до их широкого практического применения прошло полстолетия, и за это время эту технологию не раз объявляли безнадежной, говорит Делицын.

Кроме того, известно, что нет универсального алгоритма, который будет давать наилучший результат в любой задаче. Это утверждение называют теоремой о бесплатных обедах, No Free Lunch Theorem, которая утверждает, что не существует алгоритма, который работает лучше других на всем множестве задач , если какой-то алгоритм работает быстрее или точнее на одних задачах, значит, на других задачах он будет уступать конкурентам, поясняет эксперт «Финама».

СПРАВКА MASHNEWS

Объем рынка искусственных нейронных сетей в 2023 году, по данным Market Research Intellect, оценивался в $125 млрд. Ожидается, что к 2031 году он достигнет 470 млрд долларов и будет расти в среднем на 18% в год. Так, по данным Precedence Research глобальный рынок разработок ИИ для области беспилотного транспорта достигнет $15,23 млрд к 2030 году при динамике 24,1%. Обучение нейросетей – это новый, перспективный рынок, который уже в ближайшие 5 лет может составить несколько млрд долларов.

Нейросеть нужно поощрять

Нейросети уже способны самостоятельно обучаться и развиваться, строя свой опыт на совершенных ошибках. Ускорить их обучение хотят многие.

Например, исследователи из НИУ ВШЭ, НИТУ МИСИС и AIRI нашли способ эффективнее проводить обучение нейросетей, заточенных на ориентацию в пространстве. В итоге эффективность работы нейросети увеличилась на 15%. Результаты этого исследования опубликованы в журнале IEEE Access в начале этого года.

«Если мы хотим научить сеть работать самостоятельно, то должны оценивать работу в процессе обучения. Нельзя просто дать проблему и наблюдать — практически всегда она будет решена не тем образом и не с тем результатом, которого мы хотим. Поэтому нейросеть получает бонусный квест: при выполнении задачи набрать как можно больше очков. Очки даются за продвижение к оптимальному решению, - пояснил механизм действия аспирант факультета компьютерных наук НИУ ВШЭ Матвей Герасёв. - Пока нейросеть обучается, выполняя одно и то же задание много раз, мы оцениваем ее результаты и либо поощряем «наградой» за движение в нужном направлении, либо признаем результат вредным и уменьшаем количество заработанных «очков»».

Ученые российской AI-компании Smart Engines весной этого года тоже нашли свой способ повысить эффективность работы нейросетей. Они рассказали, что в основе их метода лежит принципиально новая схема квантования, благодаря которой скорость работы повышается на 40%. Результаты исследования были опубликованы в журнале Mathematics.

В России разработками в области нейросетевого программирования занимаются также интернет-холдинги, в частности, VK (ранее Mail.ru Group) и «Яндекс».

Нейросети в промышленности

Нейросети уже активно используются для повышения эффективности производства. Анализ больших данных позволяет уменьшить простои оборудования, увеличить производительность труда, оптимизировать потребление материалов и ресурсов. Не говоря уже о том, что ИИ способен контролировать качество продукции и соблюдение технологий.

Нейросети позволяют сделать работу промышленных предприятий значительно безопаснее во многих аспектах, говорят эксперты. Из самого распространенного - контролируют действия сотрудников и следование внутренним правилам предприятия с помощью умного видеонаблюдения.

Среди «детищ» нейросетей есть решения практически из фантастических романов. Так, московская компания ООО «Тексел» сделала умное зеркало. Проект был реализован в сотрудничестве с сетью магазинов одежды, и его целью стала персонализация выбора одежды. Программное обеспечение устройства оснащено искусственным интеллектом, способным анализировать тип фигуры покупателя и предлагать наиболее подходящие стили и фасоны, учитывая индивидуальные особенности человека. Подходя к зеркалу, клиенты получают рекомендации в режиме реального времени.

Нейросети медленно, но верно учатся создавать что-то свое. На одной из старейших кондитерских фабрик страны «Красный Октябрь» ИИ помогает в создании новых вкусовых комбинаций. Так, благодаря ему появились конфеты с ароматом мандарина, имбиря, корицы, мяты.

IT-разработчики все активнее соревнуются в том, чтобы сделать искусственный интеллект еще умнее и быстрее. История Скайнета из «Терминатора» их пока не смущает.

Маргарита Моржакова для Mashnews