Как искусственный интеллект меняет мир

Считается, что искусственный интеллект (AI) появился еще в 40-е годы 20 века вместе с первыми ЭВМ. Но тогда он не рассматривался как серьезный прикладной инструмент. Сейчас же ИИ стал повсеместным явлением и совершает революцию во многих сферах жизни.

Как именно — рассказываем в подборке. 

Ядерная энергетика

Промышленный термоядерный синтез считается «вечно грядущей» технологией, которая всегда находится где-то там, далеко, и когда появится — непонятно.

Но благодаря ИИ ученые приблизились к этой возможности.

Так, TAE Technologies, крупнейшая в мире компания по исследованию ядерной энергетики, в сотрудничестве с Google разработала алгоритм, который позволяет измерять температуру плазмы.

Почему это важно? Температура ионов в три раза выше температуры электронов, поэтому плазма выходит далеко за пределы теплового равновесия. Речь здесь о более триллионах частиц. Нужны расширенные вычислительные сети.

Решением стал оптометричный алгоритм, благодаря которому ученым удалось снизить скорость потери энергии на 50% и увеличить температуру ионов и общую энергию плазмы в генераторе.

Сам прототип реактора со встроенной технологией TAE обещает выпустить примерно через десять лет.

Генератор плазменного пучка Norman

Изучение космоса

Большой вклад внес искусственный интеллект и в освоение космоса.

Например, международная группа астрономов использовала его для поиска гравитационных линз.

Гравитационная линза — искажение, которое возникает, если смотреть на дальний источник света в космосе через другой космический объект. Может быть вызвано звездой или галактикой, через которую проходит свет от отдаленного объекта.

Модель гравитационной линзы 

Астрономам линзы помогают глубже понять природу тонкой материи, которая составляет 85% всей материи во Вселенной. Например, они могут рассказать, как распределяется масса в пространстве, как это меняется и под влиянием чего.

Однако обнаружить их не так просто — для этого надо пересмотреть и сравнить тысячи реальных изображений линз с компьютерными симуляциями математических моделей. Это может занять в лучшем случае несколько недель, но часто растягивается на месяцы.

Но здесь на помощь приходят сверхточные нейронные сети (convolutional neural network) — специальный алгоритм, который разработала группа ученых во главе с Карло Энрико Петрилло (Carlo Enrico Petrillo) из Гронингенского университета (Нидерланды). Чтобы обучить нейронные сети, исследователи показывали им около полумиллиона симулированных изображений гравитационных линз.

Теперь тот же анализ можно сделать за несколько секунд.

С помощью алгоритма во время обзора неба Kilo-Degree Survey обнаружили 761 гравитационную линзу-кандидат. После дополнительного анализа список сократили до 56 объектов.

В перспективе Петрилло хочет доработать алгоритм, чтобы полностью исключить этап визуального отбора и человеческий фактор.

Помимо этого, ИИ используют еще в десятке приложений в самых разных областях космических исследований: для классификации галактик, для определения положения экзопланет и звезд, для избавления от помех, для повышения четкости изображений.

«Человек классифицирует изображения со скоростью около тысячи в час. Так, если неделю работать без сна и отдыха, можно найти только пять или шесть линз. Для сравнения, нейросеть разбирается в базе данных из  21 789 изображений всего за 20 минут. И это еще не на самом новом компьютере. Благодаря современным устройствам время может быть значительно сокращено».

 

Карло Энрико Петрилло (Carlo Enrico Petrillo), астроном, профессор Гронингенского университета

Радиотелескоп на ИИ (Австралия) 

Фотография

Но вернемся с небес на землю и посмотрим, как ИИ меняет обыденные вещи, которые находятся вокруг нас.

Google

Мировой гигант использует нейронные сети для распознавания изображений.  

Технология сходна с той, с помощью которой ученые классифицируют гравитационные линзы. Google «познакомил» сеть с миллионом разных изображений и научил искать визуальные подсказки на уровне пикселей. Также в систему встроили шаблоны для того, чтобы она могла отличать один объект от другого.

По сути, это напоминает работу в визуальном редакторе. Сначала нейросеть сравнивает изображение низкого разрешения с уже известными изображениями высокого разрешения. Затем она генерирует недостающие детали и воссоздает полный образ.

Эти разработки уже нашли отражение в некоторых визуальных сервисах Google — поиске по изображениям, видеохостинге YouTube и системе автоматического управления транспортом Self-Driving Car.

Apple

Помимо того, что корпорация тоже внедрила аналогичную систему поиска изображений в свои устройства, она предложила применять ИИ для улучшения качества съемки.

Особенно ярко он проявил себя в айфонах с двойной камерой в режиме портрета, где одна распознает объект, а другая — изолирует его и добавляет четкости.

И, конечно, как же не упомянуть знаменитый iPhone X с Face ID для идентификации пользователей.

Музыка

Искусственный интеллект проник и в музыкальную сферу, в частности, в мастеринг.

Мастеринг — финальный шаг в пост-продакшене, когда выравнивается звук уже сведенных треков и удаляются шумы, щелчки и другие дефекты.

Революционное решение здесь предложил веб-сервис LANDR на ИИ, запущенный в 2014 году. Он умеет автоматически сопоставлять обработанные и необработанные композиции и подбирать лучшую методику мастеринга.

18 месяцев разработчики учили сеть понимать поступающий контент и отличать, какую музыку будут сводить. Всего через нее прогнали 8 миллионов треков.

Благодаря LANDR обработать музыку можно без специальных дорогостоящих студий.

В будущем мастеринг на основе ИИ планируют использовать более глобально, например, для написания мелодий.

Вывод

Пока искусственный интеллект и машинное обучение остаются для нас чем-то далеким, непонятным и фантастическим. Но недалек тот день, когда они станут неотъемлемой частью нашей жизни и помогут приблизиться к пониманию как глобальных вопросов, так и решать повседневные задачи.