أنظمة التنبؤ المستقبلية

( ج )

أفضل الشبكات العصبية التي تغلبت على شخص في البوكر ، Go ، الشطرنج و DotA تشترك في شيء واحد - يمكنهم التنبؤ بالمستقبل القريب.

يمكن لقدرة الآلات على التنبؤ بالسلوك أن تتجاوز بكثير القدرات البشرية. في مجال الاحتمالات المختلفة ، تكون الخوارزميات أفضل من الشخص المتأثر بالعواطف.

ما الذي يمكن أن تتوقعه الشبكات العصبية؟ أمامنا مجال لا نهائي من الاحتمالات: التبادل والجريمة والطقس والصحة والنقل - في كل مكان ستكون القدرة على حساب بضع خطوات إلى الأمام مفيدة. بالفعل اليوم ، بعض الخوارزميات متفوقة على الخبراء البشريين. لن يترك فجر العصبية العصبية أي أثر لـ "ضباب المجهول".

نشر باحثون من DeepMind ورقة علمية قدموا فيها طريقة جديدة لتعزيز الشبكة العصبية. اتضح أنه إذا بدأت الشبكة العصبية في عملية التعلم الذاتي في " تخيل " الخيارات المختلفة للمستقبل ، فإنها تتعلم بشكل أسرع. "خيال" الشبكة العصبية هو أنه ، وفقًا للإطارات الثلاثة المعروفة ، يجب أن تتنبأ الشبكة العصبية بالمكافأة التي ستحصل عليها في الفاصل الزمني الرابع غير المعروف. يستخدم الذكاء الاصطناعي ذاكرته ويطبق استراتيجيات جديدة كما لو كان في خياله.

كلما أصبحت الأنظمة أكثر فعالية ، كلما كانت التوقعات أفضل. الآن لا يمكننا فقط التنبؤ بالطقس (على المدى القصير). يمكننا حتى "رؤية" مستقبل أوضاع الاقتصاد الكلي في مناطق مختلفة من المدينة ، وقياس استهلاك المياه والكهرباء وحركة المرور (عدد الركاب في وسائل النقل العام وعدد الركاب في سياراتنا) ، زيادة / نقصان في استهلاك الموارد.

من الصعب بالفعل تصور مجال يمكننا القيام به بدون تنبؤات. وهل يستحق التخلي عنها إذا كانت الخوارزميات تجعل من الممكن اختيار استراتيجية السلوك الصحيحة؟

سلوك الطريق

قام باحثون في معهد ماساتشوستس للتكنولوجيا ببناء نظام يمكنه التنبؤ بعدد كبير من الأحداث الواقعية. في البداية ، تم تدريب البرنامج على اختيار مليوني فيديو على الإنترنت. قام البرنامج بتحليل كل فيديو ، وتصنيف جميع الأشياء والإجراءات في المؤامرات.

ثم أظهرت الشبكات العصبية صورة ثابتة. أنتج البرنامج ، بدوره ، مقاطع فيديو مدتها 1.5 ثانية أظهرت رؤية للمستقبل القريب.

من الواضح أن مثل هذا الحل يمكن استخدامه ليس فقط لإنشاء ملفات GIF. تجعل الخوارزميات ، من حيث المبدأ ، من الممكن "النظر" في مستقبل الأنظمة المعقدة ، والتي سوف تجد التطبيق في السيارات المستقلة التي تحلل حالة دائمة التغير على الطريق.

سيكون الكمبيوتر قادرًا على فهم أنه يرى شيئًا غير عادي - على سبيل المثال ، نفد حيوان على الطريق. حتى إذا لم تدخل السيارة في هذا الموقف من قبل ، فسوف "تدرك" أن شيئًا غريبًا يحدث - يجب عليك التوقف أو نقل التحكم إلى السائق.

صحة الإنسان

( ج )

طور علماء في جامعة ستانفورد نظام ذكاء اصطناعي يمكنه التنبؤ باحتمال وفاة مريض خطير في غضون عام بدقة 90٪.

قام الباحثون بتحليل سجلات 160.000 مريض لجمع بيانات عن التشخيصات السابقة والإجراءات الموصوفة والتنبؤات التي قام بها الأطباء.

بعد معالجة مجموعة البيانات ، تم تجميع خوارزمية للتعلم العميق للشبكة العصبية. ثم تنبأت الشبكة بالوفيات لجميع الأسباب لمدة تتراوح من 3 إلى 12 شهرًا لـ 40000 مريض.

بعد عام ، لخص الباحثون: في 90 ٪ من الحالات ، تنبأت الشبكة العصبية بشكل صحيح بحالة المريض (بغض النظر عما إذا كان ينتظر وفاته أو شفائه). يتجاوز هذا المؤشر بشكل ملحوظ قدرات حتى مجموعة من الخبراء الطبيين.

طورت العلامة التجارية Teraflu نظامًا يتنبأ باحتمال الإصابة بالبرد في العديد من البلدان ، بما في ذلك روسيا. كل يوم ، يقوم النظام بتحليل المنشورات في الشبكات الاجتماعية ، والاستفسارات في محركات البحث ، وبيانات من " معهد أبحاث الأنفلونزا " ، بالإضافة إلى البيانات المتعلقة بالطلب في الصيدليات للحصول على أموال خاصة لمكافحة أعراض البرد. والنتيجة هي رسم بياني لـ "خطر النزلة" في منطقة معينة مع توقع لعدة أيام. ومع ذلك ، فإن هذه المنصات تجد تطبيقًا أكثر قيمة: في نظام سنغافورة الافتراضي ، يمكنك الآن عرض وتحليل حياة البلاد في الوقت الفعلي والتنبؤ ، على سبيل المثال ، بانتشار العدوى الخطيرة أو رد فعل أعداد كبيرة من الناس على انفجار في مركز تسوق.

تخطط Microsoft و Adaptive Biotechnologies لإنشاء نظام يمكنه ، بناءً على فحص الدم ، اكتشاف الأمراض في المراحل المبكرة. من خلال تحليل الشفرة الوراثية في تريليونات من مستقبلات اللمفاويات التائية ، سيحدد النظام الأمراض التي واجهها الجسم حتى في مرحلة الأعراض. الافتراض هو أن الاختبار سيكون قادرًا على اكتشاف مجموعة واسعة من الأمراض في وقت واحد ، بما في ذلك الأمراض التي يتم تشخيصها عادةً في مراحل متأخرة جدًا.

قدمت مجموعة بحثية من معهد البيولوجيا الجزيئية التابع للأكاديمية الروسية للعلوم والمركز العلمي السريري والشيخوخة الروسي ومعهد موسكو للفيزياء والتكنولوجيا ومراكز بحثية أخرى طريقة للتنبؤ بالعمر البيولوجي للشخص (الذي يختلف عن جواز السفر الأول) استنادًا إلى بيانات الموجات فوق الصوتية للشريان السباتي البشري وقياس ضغط الدم. باستخدام التعلم الآلي ، تم الحصول على صيغة معقدة يمكنها التنبؤ بسن الأشخاص الأصحاء بدقة 6.9 سنوات للرجال و 5.9 سنوات للنساء ، وهو مؤشر مرتفع جدًا مقارنة بالطرق المعروفة الأخرى.

طور العلماء الدنماركيون الشبكة العصبية Corti Signal ، التي تتعقب الرسائل الصوتية لتشخيص النوبة القلبية. بادئ ذي بدء ، يجب أن يساعد النظام الأشخاص الذين اتصلوا بسيارة الإسعاف. لا يستطيع العامل دائمًا اكتشاف نوبة قلبية في شخص على الطرف الآخر من السلك (التأقلم في 73 ٪ من الحالات) ، لكن الشبكة العصبية تحل هذه المشكلة بدقة 95 ٪! لا يستمع الذكاء الاصطناعي إلى المحادثة فحسب ، بل يجمع أيضًا الإشارات غير اللفظية ، مثل أنماط التنفس.

على ما يبدو ، في المستقبل ، ستجعل الأنظمة القائمة على الشبكات العصبية (وطرق أخرى) من الممكن التنبؤ بالأمراض مبكرًا - في بعض الحالات ، قبل عقود من ظهور المرض نفسه.

الأشياء الذكية تعرف ماذا سيحدث لها

تخيل مبنى ، حتى قبل وقوع الحادث ، يمكنه القول ، على سبيل المثال ، أن التدفئة ستفشل قريبًا. تستخدم بعض الشركات التعلم الآلي للقيام بذلك. هذا الإجراء يسمى الصيانة التنبؤية.

قامت CGnal ، ومقرها في ميلانو بإيطاليا ، بتحليل البيانات السنوية مؤخرًا من أنظمة التدفئة والتهوية في مستشفى إيطالي. من أجهزة الاستشعار ، تم الحصول على بيانات عن درجة الحرارة والرطوبة واستخدام الكهرباء. تم تدريب الخوارزمية على العينة لمدة ستة أشهر ، ثم قام الباحثون بفحصها وفقًا لبيانات النصف الثاني من العام. توقع النظام 76 من أصل 124 خطأ حقيقي ، بما في ذلك 41 من 44 ، حيث ارتفعت درجة حرارة الجهاز فوق المستويات المقبولة.

تستخدم شركات أخرى أيضًا نهجًا مشابهًا للبيانات. تعمل شركة Leanheat الفنلندية الناشئة على وضع جهاز استشعار درجة الحرارة والرطوبة والضغط اللاسلكي للتحكم في التدفئة عن بعد ومراقبة سلامة الجهاز. بدلاً من تنظيم التدفئة ببساطة عن طريق درجة الحرارة الخارجية ، تأخذ نماذج Leanheat في الاعتبار التغيرات المناخية: انخفضت درجة الحرارة إلى الصفر من 10 درجات أو ارتفعت من -10.

في الولايات المتحدة ، طورت Augury Shazam للآلات عن طريق تثبيت أجهزة استشعار صوتية في الآلات للاستماع إلى التغييرات المسموعة وتحديد الأعطال المحتملة المحتملة. ومع ذلك ، يمكن أن تعمل الأداة مع أجهزة مختلفة: يمكن للعملاء توصيل المستشعر بالثلاجات التجارية أو السخانات الصناعية. تقوم أداة Augury بتسجيل الاهتزازات والموجات فوق الصوتية ، وتحميلها إلى خدمة سحابية ، حيث يتم تحليل البيانات للتنبؤ بأداء جهاز يتم التحكم فيه.

يتم تحليل الصوت والبيانات وتخزينها بحيث يمكن مقارنة صوت جهاز عميل واحد بصوت جميع الأجهزة الأخرى. الفكرة هي أن Augury لا تحتاج إلى تكوين برنامج لكل نوع من الأجهزة. بدلاً من ذلك ، يمكنك ببساطة تثبيت المستشعرات والاستماع إلى الجهاز لإنشاء فكرة عن كيف يبدو عندما يعمل بشكل طبيعي. بمرور الوقت ، ستتيح لك قاعدة بيانات الصوت معرفة الأصوات المحددة التي تسبق أنواعًا معينة من الأعطال.

توقعات الطقس

لا يزال التنبؤ بالطقس يشكل تحديا للعلم. لقد حصلنا بالفعل على تعليق استخدام الشبكات العصبية التلافيفية لهذا ، ولكن التقدم لا يقف ساكناً. في قائمة Top-500 من أقوى أنظمة الحوسبة في العالم ، اعتبارًا من نوفمبر 2016 ، شارك 23 كمبيوترًا فائقًا في التنبؤ بالطقس.

يستخدم ClimaCell نهجًا لا يرتبط بالشبكات العصبية والخوارزميات فائقة التعقيد: تعمل شبكات الاتصالات اللاسلكية كمستشعرات للتنبؤ بالطقس - كل هذا يتم في إطار مفهوم التنبؤ الآني ، حيث يتم إجراء توقعات قصيرة المدى للغاية لظواهر الطقس في غضون 0-6 ساعات من فترة المراقبة .

يجمع ClimaCell بين عدة مستويات من البيانات من الشبكات اللاسلكية والأقمار الصناعية ورادارات الطقس وأجهزة الاستشعار الأخرى لإنشاء خرائط عالية الدقة. باستخدام بيانات من حوالي 5000 محطة تديرها العديد من شركات الاتصالات ، تنشئ الشركة خرائط طقس دقيقة وموثوقة للغاية.

الخوارزميات الخطرة

ليست تلك البوصلة ، ولكنها قريبة من المعنى

تم اختبار أنظمة التنبؤ بالجرائم المختلفة في الولايات المتحدة لعدة سنوات. تم إنشاء أحد الأنظمة الأولى من هذا النوع - كومباس - في عام 1998. يحلل COMPAS 137 معلمات السيرة الذاتية للشخص المدان ، بما في ذلك شدة الجرائم السابقة ، ومستوى التعليم والدخل ، والحالة الاجتماعية والإدمان. يأخذ البرنامج أيضًا في الاعتبار نتائج الاختبارات النفسية ، بما في ذلك المزاج ، والرغبة في المخاطرة ، ودرجة النرجسية ، والميل إلى الشعور بالذنب. بناءً على هذه البيانات ، تتوقع شركة COMPAS احتمال حدوث انتكاس إجرامي في العامين المقبلين.

ومع ذلك ، في كلية دارتموث ، أجروا دراسة كومباس كاملة وخلصوا إلى أن الخوارزمية ليست أكثر دقة من أي شخص عادي. تمكن البرنامج من تحديد المخالفين المتكررين في 65 ٪ من الحالات. تعامل الأشخاص الذين ليس لديهم تعليم خاص وخبرة في إصدار الأحكام مع هذه المهمة في 67 ٪ من الحالات ، مع معرفة فقط عمر وجنس وتاريخ جرائم المتهمين. علاوة على ذلك ، اتضح أنه يمكن تحسين دقة COMPAS إذا تم ترك معلمتين فقط فيهما: عمر الشخص ومعلومات عن الإدانات السابقة.

يمكن للخوارزميات اتخاذ القرارات ووضع التوقعات بشكل أكثر كفاءة من البشر. يأخذ الناس في الاعتبار العوامل غير الأساسية ويتجاهلون العوامل المهمة حقًا ، والاستسلام للعواطف ، ويسمحون لأنفسهم أيضًا باتخاذ قرارات وفقًا لـ "حدسهم" الداخلي ، والحدس ، أو بدون أي منطق على الإطلاق.

ومع ذلك ، هذا لا يعني أننا يجب أن نثق تمامًا في الآلات ، لأنها لا تتمتع أيضًا بدقة 100 ٪.