भविष्य की भविष्यवाणी प्रणाली

( ग )

सबसे अच्छा तंत्रिका नेटवर्क जो पोकर, गो, शतरंज और डॉट में एक व्यक्ति को हराते हैं, उनमें एक चीज समान है - वे निकट भविष्य की भविष्यवाणी कर सकते हैं।

व्यवहार की भविष्यवाणी करने के लिए मशीनों की क्षमता मानव क्षमताओं से अधिक हो सकती है। विभिन्न संभावनाओं के स्थान में, एल्गोरिदम एक ऐसे व्यक्ति की तुलना में बेहतर है जो भावनाओं से प्रभावित है।

तंत्रिका नेटवर्क क्या भविष्यवाणी कर सकता है? इससे पहले कि हम संभावनाओं का एक अंतहीन क्षेत्र है: विनिमय, अपराध, मौसम, स्वास्थ्य, परिवहन - हर जगह कुछ कदमों की गणना करने की क्षमता उपयोगी होगी। पहले से ही आज, कुछ एल्गोरिदम मानव विशेषज्ञों से बेहतर हैं। कल के न्यूरोडेना की सुबह "अज्ञात के कोहरे" का कोई निशान नहीं छोड़ेगी।

डीपमाइंड के शोधकर्ताओं ने एक वैज्ञानिक पत्र प्रकाशित किया जिसमें उन्होंने एक तंत्रिका नेटवर्क को मजबूत करने का एक नया तरीका प्रस्तुत किया। यह पता चला कि यदि स्व-सीखने की प्रक्रिया में तंत्रिका नेटवर्क भविष्य के लिए विभिन्न विकल्पों के बारे में " कल्पना करना" शुरू करता है, तो यह बहुत तेजी से सीखता है। तंत्रिका नेटवर्क की "फंतासी" यह है कि अंतिम तीन ज्ञात फ़्रेमों के अनुसार, तंत्रिका नेटवर्क को उस इनाम की भविष्यवाणी करनी चाहिए जो उसे चौथे अज्ञात समय अंतराल में प्राप्त होगा। एआई अपनी मेमोरी का उपयोग करता है और नई रणनीतियों को लागू करता है जैसे कि इसकी कल्पना में।

जितने प्रभावी सिस्टम बनते हैं, उतना ही बेहतर वे पूर्वानुमान लगाते हैं। अब हम केवल मौसम (कम समय में) की भविष्यवाणी नहीं कर सकते। हम पानी, बिजली, यातायात (कितने यात्री सार्वजनिक परिवहन में हैं और हमारी कारों में कितने हैं), संसाधन की खपत में वृद्धि / कमी को मापते हुए, शहर के विभिन्न क्षेत्रों में व्यापक आर्थिक स्थितियों के भविष्य को भी देख सकते हैं।

एक ऐसे क्षेत्र की कल्पना करना पहले से ही कठिन है जिसमें हम भविष्यवाणियों के बिना कर सकते थे। और क्या यह उन्हें छोड़ने के लिए लायक है कि क्या एल्गोरिदम सही व्यवहार रणनीति चुनने के लिए संभव बनाता है?

सड़क का व्यवहार

मैसाचुसेट्स इंस्टीट्यूट ऑफ टेक्नोलॉजी के शोधकर्ताओं ने एक ऐसी प्रणाली बनाई है जो बड़ी संख्या में वास्तविक दुनिया की घटनाओं की भविष्यवाणी कर सकती है। सबसे पहले, कार्यक्रम को 2 मिलियन ऑनलाइन वीडियो की पसंद पर प्रशिक्षित किया गया था। कार्यक्रम ने भूखंडों में सभी वस्तुओं और कार्यों को वर्गीकृत करते हुए, प्रत्येक वीडियो का विश्लेषण किया।

फिर तंत्रिका नेटवर्क ने एक स्थिर छवि दिखाई। कार्यक्रम, बदले में, 1.5-सेकंड वीडियो क्लिप उत्पन्न करता है जिसने निकट भविष्य के लिए एक दृष्टि का प्रदर्शन किया।

जाहिर है, ऐसे समाधान का उपयोग न केवल GIF बनाने के लिए किया जा सकता है। एल्गोरिदम, सिद्धांत रूप में, जटिल प्रणालियों के भविष्य में "लुक" करना संभव बनाता है, जो सड़क पर कभी बदलती स्थिति का विश्लेषण करते हुए स्वायत्त कारों में आवेदन मिलेगा।

कंप्यूटर यह समझने में सक्षम होगा कि यह कुछ असामान्य देखता है - उदाहरण के लिए, एक जानवर सड़क पर भाग गया। यहां तक ​​कि अगर कार पहले कभी इस स्थिति में नहीं आई है, तो यह "समझ जाएगा" कि कुछ अजीब हो रहा है - आपको या तो चालक को नियंत्रण रोकना चाहिए या स्थानांतरण करना चाहिए।

मानव स्वास्थ्य

( ग )

स्टैनफोर्ड विश्वविद्यालय के वैज्ञानिकों ने एक कृत्रिम बुद्धिमत्ता प्रणाली विकसित की है जो एक साल में 90% की सटीकता के साथ गंभीर रूप से बीमार रोगी की मृत्यु की संभावना का अनुमान लगा सकती है।

शोधकर्ताओं ने पिछले निदान, निर्धारित प्रक्रियाओं और डॉक्टरों द्वारा की गई भविष्यवाणियों पर डेटा एकत्र करने के लिए 160,000 रोगियों के रिकॉर्ड का विश्लेषण किया।

डेटासेट को संसाधित करने के बाद, तंत्रिका नेटवर्क के गहन सीखने के लिए एक एल्गोरिथ्म संकलित किया गया था। ग्रिड ने 40,000 रोगियों के लिए 3 से 12 महीने की अवधि के लिए सभी कारण मृत्यु की भविष्यवाणी की।

एक साल बाद, शोधकर्ताओं ने संक्षेप में कहा: 90% मामलों में, तंत्रिका नेटवर्क ने रोगी की स्थिति का सही अनुमान लगाया (भले ही वह अपनी मौत या वसूली के लिए इंतजार कर रहा था)। यह सूचक चिकित्सा विशेषज्ञों के एक समूह की क्षमताओं से काफी अधिक है।

टेराफ्लू ब्रांड ने एक प्रणाली विकसित की है जो रूस सहित कई देशों में ठंड को पकड़ने की संभावना की भविष्यवाणी करती है। हर दिन, सिस्टम सोशल नेटवर्क, खोज इंजन में क्वेरीज़, " इंफ़्लुएंज़ा के रिसर्च इंस्टीट्यूट " से डेटा का विश्लेषण करता है, साथ ही ठंड के लक्षणों से लड़ने के लिए विशिष्ट फंड के लिए फ़ार्मेसियों की मांग पर डेटा का भी विश्लेषण करता है। परिणाम कई दिनों के पूर्वानुमान के साथ एक विशेष क्षेत्र में "भयावह खतरे" का एक ग्राफ है। हालांकि, ऐसे प्लेटफ़ॉर्म अधिक मूल्यवान अनुप्रयोग पाते हैं: वर्चुअल सिंगापुर प्रणाली में अब आप वास्तविक समय में देश के जीवन को देख और विश्लेषण कर सकते हैं, उदाहरण के लिए, खतरनाक संक्रमण का प्रसार या बड़ी संख्या में लोगों की प्रतिक्रिया एक शॉपिंग सेंटर में विस्फोट के लिए।

माइक्रोसॉफ्ट और एडेप्टिव बायोटेक्नोलोजी एक ऐसी प्रणाली बनाने की योजना बना रहे हैं जो रक्त परीक्षण के आधार पर शुरुआती चरणों में बीमारियों का पता लगाने में सक्षम होगी। टी-लिम्फोसाइट रिसेप्टर्स के खरबों में आनुवांशिक कोड का विश्लेषण करके, सिस्टम उन बीमारियों की पहचान करेगा जो शरीर ने एक स्पर्शोन्मुख स्तर पर भी सामना किया है। धारणा यह है कि परीक्षण एक समय में बीमारियों की एक विस्तृत श्रृंखला का पता लगाने में सक्षम होगा, जिसमें उन बीमारियों को शामिल किया जाता है जिनका आमतौर पर बहुत देर के चरणों में निदान किया जाता है।

रूसी एकेडमी ऑफ साइंसेज के इंस्टीट्यूट ऑफ मॉलिक्यूलर बायोलॉजी, रूसी जेरोन्टोलॉजिकल साइंटिफिक एंड क्लिनिकल सेंटर, मास्को इंस्टीट्यूट ऑफ फिजिक्स एंड टेक्नोलॉजी और अन्य अनुसंधान केंद्रों के एक शोध समूह ने मानव कैरोटिड धमनी और टोनोमेट्री के अल्ट्रासाउंड डेटा के आधार पर एक व्यक्ति की जैविक उम्र (पासपोर्ट एक से भिन्न) की भविष्यवाणी करने के लिए एक विधि प्रस्तुत की। मशीन लर्निंग का उपयोग करते हुए , एक जटिल सूत्र प्राप्त किया गया था जो स्वस्थ लोगों की आयु का अनुमान पुरुषों के लिए 6.9 वर्ष और महिलाओं के लिए 5.9 वर्ष की सटीकता के साथ लगा सकता है, जो कि अन्य ज्ञात विधियों की तुलना में बहुत अधिक संकेतक है।

डेनमार्क के वैज्ञानिकों ने कोर्टी सिग्नल न्यूरल नेटवर्क विकसित किया है, जो दिल के दौरे के निदान के लिए ऑडियो संदेशों को ट्रैक करता है । सबसे पहले, सिस्टम को उन लोगों की मदद करनी चाहिए, जिन्हें एम्बुलेंस कहा जाता है। ऑपरेटर हमेशा तार के दूसरे छोर (73% मामलों में सामना) पर एक व्यक्ति में दिल के दौरे का पता लगाने में सक्षम नहीं होता है, लेकिन तंत्रिका नेटवर्क 95% की सटीकता के साथ इस समस्या को हल करता है! एआई न केवल बातचीत सुनता है, बल्कि गैर-मौखिक संकेतों को भी इकट्ठा करता है, जैसे कि श्वास पैटर्न।

जाहिर है, भविष्य में, तंत्रिका नेटवर्क (और अन्य तरीकों) पर आधारित सिस्टम बहुत पहले रोगों की भविष्यवाणी करना संभव बना देगा - कुछ मामलों में, बीमारी की शुरुआत से दशकों पहले।

स्मार्ट चीजें जानती हैं कि उनका क्या होगा

एक इमारत की कल्पना करें, जो दुर्घटना से पहले भी कह सकता है, उदाहरण के लिए, हीटिंग जल्द ही विफल हो जाएगा। कुछ कंपनियाँ मशीन लर्निंग का उपयोग सिर्फ ऐसा करने के लिए करती हैं। इस प्रक्रिया को भविष्य कहनेवाला रखरखाव कहा जाता है।

इटली के मिलान में स्थित CGnal ने हाल ही में एक इतालवी अस्पताल में हीटिंग और वेंटिलेशन सिस्टम के वार्षिक आंकड़ों का विश्लेषण किया । सेंसर से, तापमान, आर्द्रता और बिजली के उपयोग पर डेटा प्राप्त किया गया था। एल्गोरिथ्म को छह महीने के लिए नमूने पर प्रशिक्षित किया गया था, फिर शोधकर्ताओं ने वर्ष की दूसरी छमाही के आंकड़ों के अनुसार इसकी जांच की। सिस्टम ने 124 में से 76 वास्तविक दोषों की भविष्यवाणी की, जिसमें 44 में से 41 शामिल हैं, जहां उपकरण का तापमान स्वीकार्य स्तर से ऊपर उठ गया।

अन्य कंपनियां भी डेटा के लिए एक समान दृष्टिकोण का उपयोग करती हैं। फिनिश स्टार्टअप Leanheat में रिमोट हीटिंग नियंत्रण और डिवाइस स्वास्थ्य निगरानी के लिए एक वायरलेस तापमान, आर्द्रता और दबाव सेंसर होता है। केवल बाहरी तापमान के आधार पर हीटिंग को विनियमित करने के बजाय, Leanheat मॉडल मौसम के परिवर्तनों को ध्यान में रखते हैं: तापमान 10 डिग्री से शून्य तक गिर गया या -10 से गुलाब हो गया।

संयुक्त राज्य में, ऑगुरी ने श्रव्य परिवर्तनों को सुनने और संभावित आसन्न विफलताओं की पहचान करने के लिए मशीनों में ध्वनिक सेंसर स्थापित करके मशीनों के लिए शाज़म विकसित किया। हालांकि, गैजेट विभिन्न उपकरणों के साथ काम कर सकता है: ग्राहक सेंसर को वाणिज्यिक रेफ्रिजरेटर या औद्योगिक हीटर से जोड़ सकते हैं। ऑग्यूरी गैजेट कंपन और अल्ट्रासाउंड रिकॉर्ड करता है, उन्हें क्लाउड सेवा पर अपलोड करता है, जहां एक नियंत्रित मशीन के प्रदर्शन का पूर्वानुमान लगाने के लिए डेटा का विश्लेषण किया जाता है।

ऑडियो और डेटा का विश्लेषण और संग्रहित किया जाता है ताकि एक क्लाइंट डिवाइस की ध्वनि की तुलना अन्य सभी की ध्वनि के साथ की जा सके। विचार यह है कि Augury को प्रत्येक प्रकार के डिवाइस के लिए सॉफ़्टवेयर कॉन्फ़िगर करने की आवश्यकता नहीं है। इसके बजाय, आप बस सेंसर स्थापित कर सकते हैं और डिवाइस को सुनकर यह अंदाजा लगा सकते हैं कि जब यह सामान्य रूप से काम करता है तो यह कैसा लगता है। समय के साथ, ध्वनि डेटाबेस आपको बताएगा कि कौन सी विशिष्ट ध्वनियाँ विशिष्ट प्रकार की खराबी से पहले आती हैं।

मौसम का पूर्वानुमान

मौसम का पूर्वानुमान विज्ञान के लिए एक चुनौती बना हुआ है। हमें पहले से ही इसके लिए दृढ़ तंत्रिका नेटवर्क का उपयोग करने का हैंग मिल गया, लेकिन प्रगति अभी भी नहीं है। दुनिया के सबसे शक्तिशाली कंप्यूटिंग सिस्टम के टॉप -500 की सूची में, नवंबर 2016 तक, 23 सुपर कंप्यूटर मौसम की भविष्यवाणी में लगे हुए थे।

क्लिमाकेल एक दृष्टिकोण का उपयोग करता है जो तंत्रिका नेटवर्क और सुपर-कॉम्प्लेक्स एल्गोरिदम से संबंधित नहीं है: वायरलेस संचार नेटवर्क मौसम पूर्वानुमान सेंसर के रूप में कार्य करता है - यह सब अबाउटिंग अवधारणा के ढांचे के भीतर किया जाता है, जिसमें अवलोकन अवधि से 0-6 घंटे के भीतर मौसम संबंधी एक अति-अल्पकालिक पूर्वानुमान बनाया जाता है। ।

ClimaCell हाई-डेफिनिशन मैप बनाने के लिए वायरलेस नेटवर्क, सैटेलाइट, मौसम रडार और अन्य सेंसर से डेटा के कई स्तरों को जोड़ती है। कई दूरसंचार कंपनियों द्वारा संचालित लगभग 5,000 स्टेशनों के डेटा का उपयोग करके, कंपनी बहुत सटीक और विश्वसनीय मौसम मानचित्र बनाती है।

खतरनाक एल्गोरिदम

वह कम्पास नहीं , लेकिन अर्थ में करीब

यूएसए में कई वर्षों से विभिन्न अपराध भविष्यवाणी प्रणालियों का परीक्षण किया गया है। इस प्रकार की पहली प्रणाली में से एक - कम्पास - 1998 में बनाई गई थी। कंपास एक दोषी व्यक्ति के 137 जीवनी मापदंडों का विश्लेषण करता है, जिसमें पिछले अपराधों की गंभीरता, शिक्षा का स्तर और आय, वैवाहिक स्थिति और व्यसनों का समावेश है। यह कार्यक्रम मनोवैज्ञानिक परीक्षणों के परिणामों को भी ध्यान में रखता है, जिसमें स्वभाव, जोखिम की भूख, नशीलेपन की डिग्री और अपराध की प्रवृत्ति शामिल है। इन आंकड़ों के आधार पर, कंपास अगले दो वर्षों में एक आपराधिक पलायन की संभावना की भविष्यवाणी करता है।

हालांकि, डार्टमाउथ कॉलेज में, उन्होंने पूरी तरह से कम्पास अध्ययन किया और निष्कर्ष निकाला कि एल्गोरिथ्म वास्तव में किसी भी औसत व्यक्ति से अधिक सटीक नहीं है। कार्यक्रम 65% मामलों में दोहराने वाले अपराधियों की पहचान करने में सक्षम था। बिना सजा के विशेष शिक्षा और अनुभव के लोग 67% मामलों में इस कार्य के साथ सामना करते हैं, केवल आरोपी के अपराधों की उम्र, लिंग और इतिहास को जानते हैं। इसके अलावा, यह पता चला कि कंपास की सटीकता में सुधार किया जा सकता है अगर इसमें केवल दो पैरामीटर बचे हैं: एक व्यक्ति की उम्र और पिछले सजा के बारे में जानकारी।

एल्गोरिदम निर्णय ले सकता है और पूर्वानुमान को मनुष्यों की तुलना में बहुत अधिक कुशलता से कर सकता है। लोग गैर-आवश्यक कारकों को ध्यान में रखते हैं और वास्तव में महत्वपूर्ण लोगों की उपेक्षा करते हैं, भावनाओं को देते हैं, और खुद को अपने आंतरिक "सहज", अंतर्ज्ञान, या बिना किसी तर्क के बिना निर्णय लेने की अनुमति देते हैं।

हालांकि, इसका मतलब यह नहीं है कि हमें मशीनों पर पूरी तरह से भरोसा करना चाहिए, क्योंकि उनके पास 100% सटीकता भी नहीं है।