( c )
Las mejores redes neuronales que vencen a una persona en póker, Go, ajedrez y DotA tienen una cosa en común: pueden predecir el futuro cercano.
La capacidad de las máquinas para predecir el comportamiento puede superar con creces las capacidades humanas. En el espacio de diferentes probabilidades, los algoritmos son mejores que una persona afectada por las emociones.
¿Qué pueden predecir las redes neuronales? Ante nosotros hay un campo infinito de posibilidades: el intercambio, la delincuencia, el clima, la salud, el transporte; en todas partes, la capacidad de calcular algunos pasos adelante será útil. Hoy en día, algunos algoritmos son superiores a los expertos humanos. El amanecer de la neurodnya de mañana no dejará ningún rastro de la "niebla de lo desconocido".
Investigadores de DeepMind publicaron un artículo científico en el que presentaron un nuevo método para reforzar una red neuronal. Resultó que si en el proceso de autoaprendizaje la red neuronal comienza a " fantasear " sobre varias opciones para el futuro, entonces aprende mucho más rápido. La "fantasía" de la red neuronal es que, de acuerdo con los últimos tres cuadros conocidos, la red neuronal debe predecir la recompensa que recibirá en el cuarto intervalo de tiempo desconocido. La IA usa su memoria y aplica nuevas estrategias como en su imaginación.
Cuanto más efectivos se vuelven los sistemas, mejor hacen pronósticos. Ahora no solo podemos predecir el clima (a corto plazo). Incluso podemos "ver" el futuro de las situaciones macroeconómicas en diferentes áreas de la ciudad, midiendo el consumo de agua, electricidad, tráfico (cuántos pasajeros están en el transporte público y cuántos en nuestros automóviles), aumentar / disminuir el consumo de recursos.
Ya es difícil imaginar una esfera en la que podamos prescindir de las predicciones. ¿Y vale la pena abandonarlos si los algoritmos permiten elegir la estrategia de comportamiento correcta?
Comportamiento del camino
Investigadores del Instituto de Tecnología de Massachusetts han creado un sistema que puede predecir una gran cantidad de eventos del mundo real. Al principio, el programa recibió capacitación en una selección de 2 millones de videos en línea. El programa analizó cada video, clasificando todos los objetos y acciones en las tramas.
Entonces las redes neuronales mostraron una imagen estática. El programa, a su vez, generó videoclips de 1.5 segundos que demostraron una visión para el futuro cercano.
Obviamente, tal solución se puede usar no solo para crear GIF. Los algoritmos, en principio, permiten "mirar" hacia el futuro de sistemas complejos, que encontrarán aplicación en automóviles autónomos que analizan una situación en constante cambio en la carretera.
La computadora podrá entender que ve algo inusual, por ejemplo, un animal salió corriendo a la carretera. Incluso si el automóvil nunca antes se había metido en esta situación, "comprenderá" que algo extraño está sucediendo: debe detener o transferir el control al conductor.
Salud humana
( c )
Los científicos de la Universidad de Stanford han desarrollado un sistema de inteligencia artificial que puede predecir la probabilidad de muerte de un paciente gravemente enfermo dentro de un año con una precisión del 90%.
Los investigadores analizaron registros de 160,000 pacientes para recopilar datos sobre diagnósticos anteriores, procedimientos prescritos y predicciones hechas por médicos.
Después de procesar el conjunto de datos, se compiló un algoritmo para el aprendizaje profundo de la red neuronal. Luego, la cuadrícula predijo la mortalidad por todas las causas durante un período de 3 a 12 meses para 40,000 pacientes.
Un año después, los investigadores resumieron: en el 90% de los casos, la red neuronal predijo correctamente la condición del paciente (independientemente de si estaba esperando su muerte o recuperación). Este indicador excede significativamente las capacidades de incluso un grupo de expertos médicos.
La marca Teraflu ha desarrollado un sistema que predice la probabilidad de resfriarse en varios países, incluida Rusia. Todos los días, el sistema analiza publicaciones en redes sociales, consultas en motores de búsqueda, datos del " Instituto de Investigación de Influenza ", así como datos sobre la demanda en farmacias de fondos específicos para la lucha contra los síntomas del resfriado. El resultado es un gráfico del "peligro catarral" en una región particular con un pronóstico para varios días. Sin embargo, estas plataformas encuentran una aplicación más valiosa: en el sistema Virtual Singapore ahora puede ver y analizar la vida del país en tiempo real y predecir, por ejemplo, la propagación de infecciones peligrosas o la reacción de un gran número de personas ante una explosión en un centro comercial.
Microsoft y Adaptive Biotechnologies planean crear un sistema que, basado en un análisis de sangre, pueda detectar enfermedades en las primeras etapas. Al analizar el código genético en billones de receptores de linfocitos T, el sistema identificará enfermedades que el cuerpo ha encontrado incluso en una etapa asintomática. Se supone que la prueba podrá detectar una amplia gama de enfermedades a la vez, incluidas enfermedades que generalmente se diagnostican en etapas muy tardías.
Un grupo de investigación del Instituto de Biología Molecular de la Academia de Ciencias de Rusia, el Centro Científico y Clínico Gerontológico Ruso, el Instituto de Física y Tecnología de Moscú y otros centros de investigación presentaron un método para predecir la edad biológica de una persona (que difiere del pasaporte) basado en datos de ultrasonido de la arteria carótida humana y la tonometría. Utilizando el aprendizaje automático , se obtuvo una fórmula compleja que puede predecir la edad de las personas sanas con una precisión de 6.9 años para los hombres y 5.9 años para las mujeres, que es un indicador muy alto en comparación con otros métodos conocidos.
Científicos daneses han desarrollado la red neuronal Corti Signal, que rastrea mensajes de audio para diagnosticar un ataque cardíaco. En primer lugar, el sistema debería ayudar a las personas que llamaron a la ambulancia. El operador no siempre puede detectar un ataque cardíaco en una persona en el otro extremo del cable (hacer frente en el 73% de los casos), ¡pero la red neuronal resuelve este problema con una precisión del 95%! La IA no solo escucha la conversación, sino que también recoge señales no verbales, como patrones de respiración.
Aparentemente, en el futuro, los sistemas basados en redes neuronales (y otros métodos) permitirán predecir enfermedades mucho antes, en algunos casos, décadas antes del inicio de la enfermedad.
Las cosas inteligentes saben lo que les sucederá
Imagine un edificio que, incluso antes del accidente, puede decir que, por ejemplo, la calefacción fallará pronto. Algunas compañías usan el aprendizaje automático para hacer precisamente eso. Este procedimiento se llama mantenimiento predictivo.
CGnal, con sede en Milán, Italia, analizó recientemente datos anuales de sistemas de calefacción y ventilación en un hospital italiano. De los sensores, se obtuvieron datos sobre temperatura, humedad y uso de electricidad. El algoritmo fue entrenado en la muestra durante seis meses, luego los investigadores lo verificaron de acuerdo con los datos de la segunda mitad del año. El sistema predijo 76 de 124 fallas reales, incluidas 41 de 44, donde la temperatura del instrumento aumentó por encima de los niveles aceptables.
Otras compañías también utilizan un enfoque similar a los datos. La startup finlandesa Leanheat coloca un sensor inalámbrico de temperatura, humedad y presión para el control remoto de la calefacción y el monitoreo del estado del dispositivo. En lugar de regular el calentamiento simplemente por la temperatura exterior, los modelos Leanheat tienen en cuenta los cambios climáticos: la temperatura bajó a cero desde 10 grados o aumentó desde -10.
En los Estados Unidos, Augury desarrolló Shazam for Machines instalando sensores acústicos en las máquinas para escuchar los cambios audibles e identificar posibles fallas inminentes. Sin embargo, el dispositivo puede funcionar con diferentes dispositivos: los clientes pueden conectar el sensor a refrigeradores comerciales o calentadores industriales. El dispositivo Augury registra vibraciones y ultrasonidos, los carga en un servicio en la nube, donde se analizan los datos para pronosticar el rendimiento de una máquina controlada.
El audio y los datos se analizan y almacenan para que el sonido de un dispositivo cliente se pueda comparar con el sonido de todos los demás. La idea es que Augury no necesita configurar software para cada tipo de dispositivo. En cambio, simplemente puede instalar los sensores y escuchar el dispositivo para crear una idea de cómo suena cuando funciona normalmente. Con el tiempo, la base de datos de sonido le permitirá saber qué sonidos específicos preceden a tipos específicos de mal funcionamiento.
Pronóstico del tiempo
El pronóstico del tiempo sigue siendo un desafío para la ciencia. Ya hemos aprendido a usar redes neuronales convolucionales para esto, pero el progreso no se detiene. En la lista del Top-500 de los sistemas informáticos más potentes del mundo, a noviembre de 2016, 23 supercomputadoras estaban dedicadas a la predicción del tiempo.
ClimaCell utiliza un enfoque que no está relacionado con redes neuronales y algoritmos súper complejos: las redes de comunicación inalámbricas actúan como sensores de pronóstico del tiempo; todo esto se hace dentro del marco del concepto de predicción inmediata, en el que se realiza un pronóstico de fenómenos meteorológicos a muy corto plazo dentro de 0-6 horas desde el período de observación .
ClimaCell combina varios niveles de datos de redes inalámbricas, satélites, radares meteorológicos y otros sensores para crear mapas de alta definición. Utilizando datos de aproximadamente 5,000 estaciones operadas por varias compañías de telecomunicaciones, la compañía crea mapas meteorológicos muy precisos y confiables.
Algoritmos Peligrosos
No es esa brújula , pero tiene un significado cercano
Se han probado varios sistemas de predicción de delitos en los EE. UU. Durante varios años. Uno de los primeros sistemas de este tipo, COMPAS, se creó en 1998. COMPAS analiza 137 parámetros biográficos de una persona condenada, incluida la gravedad de delitos anteriores, nivel de educación e ingresos, estado civil y adicciones. El programa también tiene en cuenta los resultados de las pruebas psicológicas, incluidos el temperamento, el apetito de riesgo, el grado de narcisismo y la tendencia a la culpa. Sobre la base de estos datos, COMPAS predice la probabilidad de una recaída criminal en los próximos dos años.
Sin embargo, en Dartmouth College, realizaron un estudio exhaustivo de COMPAS y concluyeron que el algoritmo en realidad no es más preciso que cualquier persona promedio. El programa pudo identificar delincuentes reincidentes en el 65% de los casos. Las personas sin educación especial y sin experiencia en sentencias hicieron frente a esta tarea en el 67% de los casos, sabiendo solo la edad, el género y el historial de los delitos de los acusados. Además, resultó que la precisión de COMPAS puede mejorarse si solo quedan dos parámetros: la edad de una persona y la información sobre condenas anteriores.
Los algoritmos pueden tomar decisiones y hacer pronósticos mucho más eficientemente que los humanos. Las personas toman en cuenta factores no esenciales e ignoran los realmente importantes, ceden ante las emociones y también se permiten tomar decisiones de acuerdo con su "instinto" interno, intuición o sin ninguna lógica.
Sin embargo, esto no significa que debamos confiar completamente en las máquinas, porque tampoco tienen una precisión del 100%.