c )
As melhores redes neurais que derrotam uma pessoa no poker, Go, xadrez e DotA têm uma coisa em comum - elas podem prever o futuro próximo.
A capacidade das máquinas de prever o comportamento pode exceder em muito as capacidades humanas. No espaço de diferentes probabilidades, os algoritmos são melhores do que uma pessoa afetada por emoções.
O que as redes neurais podem prever? Diante de nós existe um campo interminável de possibilidades: intercâmbio, crime, clima, saúde, transporte - em todos os lugares a capacidade de calcular alguns passos adiante será útil. Atualmente, alguns algoritmos são superiores aos especialistas humanos. O amanhecer do neurodnya de amanhã não deixará nenhum vestígio da "névoa do desconhecido".
Pesquisadores do DeepMind publicaram um artigo científico no qual apresentaram um novo método para reforçar uma rede neural. Verificou-se que, no processo de autoaprendizagem, a rede neural começa a " fantasiar " sobre várias opções para o futuro, então ela aprende muito mais rápido. A “fantasia” da rede neural é que, de acordo com os três últimos quadros conhecidos, a rede neural deve prever a recompensa que receberá no quarto intervalo de tempo desconhecido. A IA usa sua memória e aplica novas estratégias como se estivesse em sua imaginação.
Quanto mais sistemas eficientes se tornam, melhor eles fazem previsões. Agora, não podemos apenas prever o clima (a curto prazo). Podemos até “ver” o futuro das situações macroeconômicas em várias áreas da cidade, medindo o consumo de água, eletricidade, tráfego (quantos passageiros estão em transporte público e quantos em nossos carros), aumentando / diminuindo o consumo de recursos.
Já é difícil imaginar uma esfera na qual poderíamos prescindir de previsões. E vale a pena abandoná-los se os algoritmos possibilitarem escolher a estratégia de comportamento correta?
Comportamento na estrada
Pesquisadores do Instituto de Tecnologia de Massachusetts criaram um sistema que pode prever um grande número de eventos do mundo real. No início, o programa foi treinado em uma escolha de 2 milhões de vídeos online. O programa analisou cada vídeo, classificando todos os objetos e ações nas parcelas.
Então as redes neurais mostraram uma imagem estática. O programa, por sua vez, gerou videoclipes de 1,5 segundo que demonstraram uma visão para o futuro próximo.
Obviamente, essa solução pode ser usada não apenas para criar GIFs. Os algoritmos, em princípio, possibilitam "olhar" para o futuro de sistemas complexos, que serão aplicados em carros autônomos, analisando uma situação em constante mudança na estrada.
O computador será capaz de entender que vê algo incomum - por exemplo, um animal correu para a estrada. Mesmo que o carro nunca tenha entrado nessa situação antes, ele "entenderá" que algo estranho está acontecendo - você deve parar ou transferir o controle para o motorista.
Saúde humana
c )
Cientistas da Universidade de Stanford desenvolveram um sistema de inteligência artificial que pode prever a probabilidade de morte de um paciente gravemente doente dentro de um ano, com uma precisão de 90%.
Os pesquisadores analisaram registros de 160.000 pacientes para coletar dados sobre diagnósticos anteriores, procedimentos prescritos e previsões feitas por médicos.
Após o processamento do conjunto de dados, um algoritmo foi compilado para aprendizado profundo da rede neural. A grade previu mortalidade por todas as causas por um período de 3 a 12 meses para 40.000 pacientes.
Um ano depois, os pesquisadores resumiram: em 90% dos casos, a rede neural previu corretamente a condição do paciente (independentemente de ele estar esperando sua morte ou recuperação). Este indicador excede significativamente as capacidades de até um grupo de médicos especialistas.
A marca Teraflu desenvolveu um sistema que prevê a probabilidade de pegar um resfriado em vários países, incluindo a Rússia. Todos os dias, o sistema analisa postagens nas redes sociais, consultas nos motores de busca, dados do “ Instituto de Pesquisa da Influenza ”, além de dados sobre a demanda nas farmácias por fundos específicos para o combate aos sintomas do resfriado. O resultado é um gráfico do "perigo catarral" em uma região específica com previsão para vários dias. No entanto, essas plataformas encontram uma aplicação mais valiosa: no sistema Virtual Singapore, agora você pode visualizar e analisar a vida do país em tempo real e prever, por exemplo, a propagação de infecções perigosas ou a reação de um grande número de pessoas a uma explosão em um shopping center.
A Microsoft e a Adaptive Biotechnologies planejam criar um sistema que, com base em um exame de sangue, seja capaz de detectar doenças nos estágios iniciais. Ao analisar o código genético em trilhões de receptores de linfócitos T, o sistema identificará doenças que o corpo encontrou mesmo em um estágio assintomático. A suposição é que o teste será capaz de detectar uma ampla variedade de doenças por vez, incluindo doenças que geralmente são diagnosticadas em estágios muito tardios.
Um grupo de pesquisa do Instituto de Biologia Molecular da Academia Russa de Ciências, do Centro Geronológico e Científico Russo, do Instituto de Física e Tecnologia de Moscou e de outros centros de pesquisa apresentou um método para prever a idade biológica de uma pessoa (que difere da do passaporte) com base em dados de ultrassom da artéria carótida humana e tonometria. Usando o aprendizado de máquina , foi obtida uma fórmula complexa que pode prever a idade de pessoas saudáveis, com uma precisão de 6,9 anos para homens e 5,9 anos para mulheres, o que é um indicador muito alto em comparação com outros métodos conhecidos.
Cientistas dinamarqueses desenvolveram a rede neural Corti Signal, que rastreia mensagens de áudio para diagnosticar um ataque cardíaco. Primeiro de tudo, o sistema deve ajudar as pessoas que ligaram para a ambulância. O operador nem sempre é capaz de detectar um ataque cardíaco em uma pessoa na outra extremidade do fio (lidar com 73% dos casos), mas a rede neural resolve esse problema com uma precisão de 95%! A IA não apenas ouve a conversa, mas também coleta sinais não verbais, como padrões de respiração.
Aparentemente, no futuro, sistemas baseados em redes neurais (e outros métodos) tornarão possível prever doenças muito mais cedo - em alguns casos, décadas antes do início da própria doença.
Coisas inteligentes sabem o que lhes acontecerá
Imagine um prédio que, mesmo antes do acidente, possa dizer que, por exemplo, o aquecimento falhará em breve. Algumas empresas usam o aprendizado de máquina para fazer exatamente isso. Este procedimento é chamado de manutenção preditiva.
A CGnal, com sede em Milão, Itália, analisou recentemente dados anuais de sistemas de aquecimento e ventilação em um hospital italiano. A partir dos sensores, foram obtidos dados sobre temperatura, umidade e uso de eletricidade. O algoritmo foi treinado na amostra por seis meses e, em seguida, os pesquisadores o checaram de acordo com os dados do segundo semestre do ano. O sistema previu 76 de 124 falhas reais, incluindo 41 de 44, em que a temperatura do instrumento subiu acima dos níveis aceitáveis.
Outras empresas também usam uma abordagem semelhante aos dados. A startup finlandesa Leanheat coloca um sensor sem fio de temperatura, umidade e pressão para controle remoto do aquecimento e monitoramento da integridade do dispositivo. Em vez de regular o aquecimento simplesmente pela temperatura externa, os modelos Leanheat levam em consideração as mudanças climáticas: a temperatura caiu para zero a 10 graus ou subiu de -10.
Nos Estados Unidos, Augury desenvolveu o Shazam for Machines instalando sensores acústicos nas máquinas para ouvir mudanças audíveis e identificar possíveis falhas iminentes. No entanto, o gadget pode funcionar com diferentes dispositivos: os clientes podem conectar o sensor a refrigeradores comerciais ou aquecedores industriais. O gadget Augury registra vibrações e ultrassons, carrega-os em um serviço em nuvem, onde os dados são analisados para prever o desempenho de uma máquina controlada.
O áudio e os dados são analisados e armazenados para que o som de um dispositivo cliente possa ser comparado com o som de todos os outros. A ideia é que o Augury não precise configurar o software para cada tipo de dispositivo. Em vez disso, você pode simplesmente instalar os sensores e ouvir o dispositivo para criar uma idéia de como ele soa quando funciona normalmente. Com o tempo, o banco de dados de sons informará quais sons específicos precedem tipos específicos de mau funcionamento.
Previsão do tempo
A previsão do tempo continua sendo um desafio para a ciência. Já temos o jeito de usar redes neurais convolucionais para isso, mas o progresso não pára. Na lista dos 500 principais sistemas de computação mais poderosos do mundo, em novembro de 2016, 23 supercomputadores estavam envolvidos na previsão do tempo.
O ClimaCell usa uma abordagem que não está relacionada a redes neurais e algoritmos super complexos: as redes de comunicação sem fio agem como sensores de previsão do tempo - tudo isso é feito dentro da estrutura do conceito de transmissão instantânea, na qual uma previsão de curto prazo dos fenômenos climáticos é feita dentro de 0 a 6 horas a partir do período de observação .
O ClimaCell combina vários níveis de dados de redes sem fio, satélites, radares meteorológicos e outros sensores para criar mapas de alta definição. Usando dados de aproximadamente 5.000 estações operadas por várias empresas de telecomunicações, a empresa cria mapas climáticos muito precisos e confiáveis.
Algoritmos perigosos
Não que bússola , mas significado próximo
Vários sistemas de previsão de crimes foram testados nos EUA por vários anos. Um dos primeiros sistemas desse tipo - o COMPAS - foi criado em 1998. O COMPAS analisa 137 parâmetros biográficos de uma pessoa condenada, incluindo a gravidade de crimes anteriores, nível de escolaridade e renda, estado civil e dependências. O programa também leva em consideração os resultados de testes psicológicos, incluindo temperamento, apetite ao risco, grau de narcisismo e tendência à culpa. Com base nesses dados, o COMPAS prevê a probabilidade de uma recaída criminal nos próximos dois anos.
No entanto, no Dartmouth College, eles conduziram um estudo COMPAS completo e concluíram que o algoritmo não é realmente mais preciso do que qualquer pessoa comum. O programa foi capaz de identificar reincidentes em 65% dos casos. Pessoas sem educação especial e experiência em sentença lidaram com essa tarefa em 67% dos casos, sabendo apenas a idade, sexo e histórico dos crimes do acusado. Além disso, verificou-se que a precisão do COMPAS pode ser melhorada se restarem apenas dois parâmetros: idade de uma pessoa e informações sobre condenações anteriores.
Os algoritmos podem tomar decisões e fazer previsões com muito mais eficiência do que os seres humanos. As pessoas levam em consideração fatores não essenciais e ignoram os realmente importantes, cedem às emoções e também se permitem tomar decisões de acordo com seu “instinto” interno, intuição ou sem nenhuma lógica.
No entanto, isso não significa que devemos confiar completamente nas máquinas, porque elas também não têm 100% de precisão.