( c )
Die besten neuronalen Netze, die eine Person im Poker, Go, Schach und DotA schlagen, haben eines gemeinsam: Sie können die nahe Zukunft vorhersagen.
Die Fähigkeit von Maschinen, Verhalten vorherzusagen, kann die menschlichen Fähigkeiten bei weitem übertreffen. Im Bereich unterschiedlicher Wahrscheinlichkeiten sind Algorithmen besser als eine Person, die von Emotionen betroffen ist.
Was können neuronale Netze vorhersagen? Vor uns liegt ein endloses Feld von Möglichkeiten: Austausch, Kriminalität, Wetter, Gesundheit, Transport - überall wird die Fähigkeit, ein paar Schritte vorwärts zu berechnen, nützlich sein. Einige Algorithmen sind bereits heute menschlichen Experten überlegen. Der Beginn der morgigen Neurodnie wird keine Spur des „Nebels des Unbekannten“ hinterlassen.
Forscher von DeepMind veröffentlichten eine wissenschaftliche Arbeit, in der sie eine neue Methode zur Verstärkung eines neuronalen Netzwerks vorstellten. Es stellte sich heraus, dass das neuronale Netzwerk, wenn es beim Selbstlernen beginnt, über verschiedene Optionen für die Zukunft zu „ phantasieren “, viel schneller lernt. Die "Fantasie" des neuronalen Netzwerks besteht darin, dass das neuronale Netzwerk gemäß den letzten drei bekannten Frames die Belohnung vorhersagen sollte, die es im vierten unbekannten Zeitintervall erhalten wird. Die KI nutzt ihr Gedächtnis und wendet neue Strategien an, als ob sie es sich vorstellen würde.
Je effektiver Systeme werden, desto besser machen sie Prognosen. Jetzt können wir nicht nur das Wetter (kurzfristig) vorhersagen. Wir können sogar die Zukunft der makroökonomischen Situation in verschiedenen Stadtteilen „sehen“, indem wir den Verbrauch von Wasser, Strom, Verkehr (wie viele Passagiere im öffentlichen Verkehr und wie viele in unseren Autos sind) messen und den Ressourcenverbrauch erhöhen / verringern.
Es ist bereits schwierig, sich eine Sphäre vorzustellen, in der wir ohne Vorhersagen auskommen könnten. Und lohnt es sich, sie aufzugeben, wenn die Algorithmen es ermöglichen, die richtige Verhaltensstrategie zu wählen?
Straßenverhalten
Forscher am Massachusetts Institute of Technology haben ein System entwickelt , das eine Vielzahl realer Ereignisse vorhersagen kann. Zunächst wurde das Programm auf einer Auswahl von 2 Millionen Online-Videos trainiert. Das Programm analysierte jedes Video und klassifizierte alle Objekte und Aktionen in den Plots.
Dann zeigten die neuronalen Netze ein statisches Bild. Das Programm erzeugte wiederum 1,5-Sekunden-Videoclips, die eine Vision für die nahe Zukunft zeigten.
Offensichtlich kann eine solche Lösung nicht nur zum Erstellen von GIFs verwendet werden. Algorithmen ermöglichen es im Prinzip, in die Zukunft komplexer Systeme zu "schauen", die in autonomen Autos Anwendung finden, die eine sich ständig ändernde Situation auf der Straße analysieren.
Der Computer kann verstehen, dass er etwas Ungewöhnliches sieht - zum Beispiel, dass ein Tier auf die Straße gerannt ist. Selbst wenn das Auto noch nie in diese Situation geraten ist, wird es "verstehen", dass etwas Seltsames passiert - Sie sollten entweder anhalten oder die Kontrolle auf den Fahrer übertragen.
Menschliche Gesundheit
( c )
Wissenschaftler der Stanford University haben ein künstliches Intelligenzsystem entwickelt, das die Wahrscheinlichkeit des Todes eines schwerkranken Patienten innerhalb eines Jahres mit einer Genauigkeit von 90% vorhersagen kann.
Die Forscher analysierten Aufzeichnungen von 160.000 Patienten, um Daten zu früheren Diagnosen, vorgeschriebenen Verfahren und Vorhersagen von Ärzten zu sammeln.
Nach der Verarbeitung des Datensatzes wurde ein Algorithmus zum tiefen Lernen des neuronalen Netzwerks kompiliert. Das Raster prognostizierte dann für 40.000 Patienten eine Gesamtmortalität für einen Zeitraum von 3 bis 12 Monaten.
Ein Jahr später fassten die Forscher zusammen: In 90% der Fälle sagte das neuronale Netzwerk den Zustand des Patienten korrekt voraus (unabhängig davon, ob er auf seinen Tod oder seine Genesung wartete). Dieser Indikator übertrifft sogar die Fähigkeiten einer Gruppe medizinischer Experten erheblich.
Die Marke Teraflu hat ein System entwickelt , das die Wahrscheinlichkeit einer Erkältung in mehreren Ländern, einschließlich Russland, vorhersagt. Das System analysiert täglich Beiträge in sozialen Netzwerken, Anfragen in Suchmaschinen, Daten des „ Forschungsinstituts für Influenza “ sowie Daten zur Nachfrage in Apotheken nach Mitteln zur Bekämpfung von Erkältungssymptomen. Das Ergebnis ist eine grafische Darstellung der "katarrhalischen Gefahr" in einer bestimmten Region mit einer Prognose für mehrere Tage. Solche Plattformen finden jedoch eine wertvollere Anwendung: Im Virtual Singapore-System können Sie jetzt das Leben des Landes in Echtzeit anzeigen und analysieren und beispielsweise die Ausbreitung gefährlicher Infektionen oder die Reaktion einer großen Anzahl von Menschen auf eine Explosion in einem Einkaufszentrum vorhersagen.
Microsoft und Adaptive Biotechnologies planen die Schaffung eines Systems, das auf der Grundlage einer Blutuntersuchung Krankheiten in einem frühen Stadium erkennen kann. Durch die Analyse des genetischen Codes in Billionen von T-Lymphozyten-Rezeptoren identifiziert das System Krankheiten, auf die der Körper bereits in einem asymptomatischen Stadium gestoßen ist. Es wird davon ausgegangen, dass der Test eine Vielzahl von Krankheiten gleichzeitig erkennen kann, einschließlich Krankheiten, die normalerweise in sehr späten Stadien diagnostiziert werden.
Eine Forschungsgruppe des Instituts für Molekularbiologie der Russischen Akademie der Wissenschaften, des Russischen Gerontologischen Wissenschaftlichen und Klinischen Zentrums, des Moskauer Instituts für Physik und Technologie und anderer Forschungszentren präsentierte eine Methode zur Vorhersage des biologischen Alters einer Person (die sich vom Pass unterscheidet) auf der Grundlage von Ultraschalldaten der menschlichen Halsschlagader und der Tonometrie. Mit maschinellem Lernen wurde eine komplexe Formel erhalten , die das Alter gesunder Menschen mit einer Genauigkeit von 6,9 Jahren für Männer und 5,9 Jahren für Frauen vorhersagen kann. Dies ist ein sehr hoher Indikator im Vergleich zu anderen bekannten Methoden.
Dänische Wissenschaftler haben das neuronale Corti-Signal-Netzwerk entwickelt, das Audio-Nachrichten zur Diagnose eines Herzinfarkts verfolgt. Zuallererst sollte das System Menschen helfen, die den Krankenwagen gerufen haben. Der Bediener ist nicht immer in der Lage, einen Herzinfarkt bei einer Person am anderen Ende des Kabels zu erkennen (in 73% der Fälle), aber das neuronale Netzwerk löst dieses Problem mit einer Genauigkeit von 95%! Die KI hört nicht nur auf das Gespräch, sondern sammelt auch nonverbale Signale wie Atemmuster.
Offensichtlich werden Systeme, die auf neuronalen Netzen (und anderen Methoden) basieren, es in Zukunft ermöglichen, Krankheiten viel früher vorherzusagen - in einigen Fällen Jahrzehnte vor dem Ausbruch der Krankheit.
Kluge Dinge wissen, was mit ihnen passieren wird
Stellen Sie sich ein Gebäude vor, das bereits vor dem Unfall sagen kann, dass beispielsweise die Heizung bald ausfallen wird. Einige Unternehmen nutzen dazu maschinelles Lernen. Dieses Verfahren wird als vorausschauende Wartung bezeichnet.
CGnal mit Sitz in Mailand, Italien, hat kürzlich jährliche Daten von Heizungs- und Lüftungssystemen in einem italienischen Krankenhaus analysiert . Von den Sensoren wurden Daten zu Temperatur, Luftfeuchtigkeit und Stromverbrauch erhalten. Der Algorithmus wurde sechs Monate lang an der Probe trainiert, dann überprüften die Forscher ihn anhand der Daten aus der zweiten Jahreshälfte. Das System prognostizierte 76 von 124 realen Fehlern, darunter 41 von 44, bei denen die Temperatur des Instruments über akzeptable Werte stieg.
Andere Unternehmen verwenden ebenfalls einen ähnlichen Ansatz für Daten. Das finnische Startup Leanheat installiert einen drahtlosen Temperatur-, Feuchtigkeits- und Drucksensor zur Fernsteuerung der Heizung und zur Überwachung des Gerätezustands. Anstatt die Heizung einfach durch die Außentemperatur zu regulieren, berücksichtigen Leanheat- Modelle Wetteränderungen: Die Temperatur fiel von 10 Grad auf Null oder stieg von -10 an.
In den USA entwickelte Augury Shazam for Machines, indem er akustische Sensoren in Maschinen installierte, um auf hörbare Änderungen zu achten und mögliche bevorstehende Fehler zu identifizieren. Das Gerät kann jedoch mit verschiedenen Geräten arbeiten: Kunden können den Sensor an gewerbliche Kühlschränke oder Industrieheizungen anschließen. Das Augury-Gadget zeichnet Vibrationen und Ultraschall auf und lädt sie in einen Cloud-Dienst hoch, wo die Daten analysiert werden, um die Leistung einer gesteuerten Maschine vorherzusagen.
Audio und Daten werden analysiert und gespeichert, damit der Sound eines Client-Geräts mit dem Sound aller anderen verglichen werden kann. Die Idee ist, dass Augury nicht für jeden Gerätetyp Software konfigurieren muss. Stattdessen können Sie einfach die Sensoren installieren und das Gerät anhören, um eine Vorstellung davon zu erhalten, wie es sich anhört, wenn es normal funktioniert. Mit der Zeit werden Sie in der Sounddatenbank darüber informiert, welche bestimmten Sounds bestimmten Arten von Fehlfunktionen vorausgehen.
Wettervorhersage
Wettervorhersagen bleiben eine Herausforderung für die Wissenschaft. Wir haben bereits den Dreh raus, dafür Faltungs-Neuronale Netze zu verwenden, aber der Fortschritt steht nicht still. In der Liste der Top-500 der leistungsstärksten Computersysteme der Welt waren im November 2016 23 Supercomputer mit Wettervorhersagen beschäftigt.
ClimaCell verwendet einen Ansatz, der nicht mit neuronalen Netzen und superkomplexen Algorithmen zusammenhängt: Drahtlose Kommunikationsnetze fungieren als Wettervorhersagesensoren - all dies erfolgt im Rahmen des Nowcasting-Konzepts, bei dem eine ultra-kurzfristige Vorhersage von Wetterphänomenen innerhalb von 0 bis 6 Stunden nach dem Beobachtungszeitraum erfolgt .
ClimaCell kombiniert mehrere Datenebenen von drahtlosen Netzwerken, Satelliten, Wetterradargeräten und anderen Sensoren, um hochauflösende Karten zu erstellen. Mit Daten von ungefähr 5.000 Stationen, die von mehreren Telekommunikationsunternehmen betrieben werden, erstellt das Unternehmen sehr genaue und zuverlässige Wetterkarten.
Gefährliche Algorithmen
Nicht dieser Kompass , aber nah an der Bedeutung
In den USA werden seit mehreren Jahren verschiedene Kriminalitätsvorhersagesysteme getestet. Eines der ersten Systeme dieses Typs - COMPAS - wurde 1998 geschaffen. COMPAS analysiert 137 biografische Parameter einer verurteilten Person, einschließlich der Schwere früherer Straftaten, des Bildungsniveaus und des Einkommens, des Familienstands und der Sucht. Das Programm berücksichtigt auch die Ergebnisse psychologischer Tests, einschließlich Temperament, Risikoappetit, Grad des Narzissmus und Schuldneigung. Basierend auf diesen Daten prognostiziert COMPAS die Wahrscheinlichkeit eines kriminellen Rückfalls in den nächsten zwei Jahren.
Am Dartmouth College führten sie jedoch eine gründliche COMPAS-Studie durch und kamen zu dem Schluss, dass der Algorithmus tatsächlich nicht genauer ist als jede durchschnittliche Person. Das Programm konnte in 65% der Fälle Wiederholungstäter identifizieren. Menschen ohne besondere Ausbildung und Erfahrung in der Verurteilung haben diese Aufgabe in 67% der Fälle bewältigt und nur das Alter, das Geschlecht und die Vorgeschichte der Verbrechen des Angeklagten gekannt. Darüber hinaus stellte sich heraus, dass die COMPAS-Genauigkeit verbessert werden kann, wenn nur noch zwei Parameter übrig bleiben: das Alter einer Person und Informationen zu früheren Überzeugungen.
Algorithmen können Entscheidungen treffen und Prognosen viel effizienter erstellen als Menschen. Menschen berücksichtigen nicht wesentliche Faktoren und ignorieren die wirklich wichtigen, geben Emotionen nach und erlauben sich auch, Entscheidungen in Übereinstimmung mit ihrem inneren „Instinkt“, ihrer Intuition oder überhaupt ohne Logik zu treffen.
Dies bedeutet jedoch nicht, dass wir den Maschinen voll und ganz vertrauen sollten, da sie auch keine 100% ige Genauigkeit aufweisen.