Частіше, ніж здається. Де та для чого використовують
штучний інтелект

Штучний інтелект (AI) — це набір технологічних інструментів і алгоритмів, які надають нам прогнози, рекомендації та рішення щодо змін цифрового й реального середовища, базуючись на різних даних. Загалом, він повинен виконувати завдання, які, як вважалося раніше, може виконати тільки людина.

AI складається з двох основних підмножин: машинного навчання (ML) та глибинного навчання (DL). Суть обох — навчитися розрізняти різні речі. Нам як людям легко це зробити навіть не маючи чіткого розуміння, які саме біологічні процеси в цей час відбуваються в нашому мозку. Машини ж роблять це саме завдяки ML та DL.

Машинне навчання — це підрозділ штучного інтелекту, який допомагає системам самостійно вчитися на даних без будь-якої явної участі людини. ML використовує різні алгоритми, які використовують дані, щоб з'ясувати, як поліпшити, спрогнозувати й описати дані.

Глибинне навчання — це різновид штучного інтелекту і метод машинного навчання, заснованого на концепції штучних нейронних мереж. Такі мережі допомагають машинам вчитися на даних, особливо на неструктурованих даних. Найчастіше використовується в комп'ютерному зорі, розпізнаванні зображень і мови.

Почнемо з простого. Точніше близького широкій аудиторії — сфера розваг. Вже звичні маски та фільтри в Instagram, мегапопулярна Reface, що додає ваше обличчя на відео, програми що зістарюють чи змінюють стать — все це приклади використання AI.

Туди ж і всі голосові помічники, які стають все більш масовими. І не тільки завдяки вбудуваному в смартфони функціоналу, а й як окремі девайси — смарт-колонки.

Ще один приклад використання штучного інтелекту — безсонні ночі. Точніше, рекомендаційні системи. Зараз ця сфера знаходиться у своєму розквіті. А для стримінгових сервісів на кшталт Netflix та Spotify — це взагалі один із ключових активів.

Навряд, штучний інтелект зможе найближчим часом замінити лікарів. Проте він може і вже почав допомагати їм у роботі. Особливо це стосується діагностики різних хвороб та виявлення їх на ранніх етапах, оскільки видимі ознаки захворювання можуть з'явитися занадто пізно. У перспективі — це допоможе зробити процес лікування максимально персоналізованим.

Прикладами використання таких технологій можуть бути, і звичні масовому користувачеві функції «здоров'я» у смарт-браслетах, годинниках, телефонах. І речі більш нішеві.

Наприклад, американський стартап CarePredict, створив платформу для догляду за людьми літнього віку. Технологія ж глибинного навчання допомагає моніторити медичні показники, які можуть не мати видимих ознак й повідомить, якщо необхідна консультація лікаря або ж медичне втручання.

Також варто згадати й про стартап MAWI, створений українцями. Носимі девайси якого допомагають стежити за багатьма показниками стану здоров'я: тиск, температура, кисень у крові, моніторинг сердечного ритму. Та навіть можуть створити кардіограму, коли вам потрібно, а результат одразу можна отримати просто на свій смартфон.

Сфера, де активно використовують штучний інтелект — безпека. При чому, І фізична, і кібербезпека; і рішення для великих корпорацій чи держав, і для фізичних осіб. Прикладів досить багато.

Наприклад, стартап ComplyAdvantage — це провідне джерело даних про ризики фінансових злочинів і технологій їх виявлення. Dtex Systems використовує аналітику поведінки користувачів, щоб допомогти підприємствам виявляти загрози кібербезпеки без шкоди для конфіденційності.

Trueface.ai — API-платформа розпізнавання осіб на основі глибинного навчання. А Cobalt Robotics взагалі створює роботів-охоронців, які працюють поруч з людьми для підтримання безпеки.

Бізнес та фінанси — ще одна сфера, де штучний інтелект максимально затребуваний. Оскільки може допомогти збільшити прибуток, зменшити витрати, чіткіше виділити й сегментувати аудиторії, допомогти з прогнозуванням. І це тільки те, що спадає на думку першим.

Наприклад, компанії на кшталт Netflix, Google, Amazon — не просто так вкладають величезні кошти у свої рекомендаційні. Ми як користувачі сприймаємо це за допомогу у виборі та наш комфорт, для компаній же — це серйозний бізнес-інструмент, який допомагає підвищити продажі.

Крім того використання нейронних мереж може пришвидшити час на прийняття певних рішень і прогнозів та замінити цілі відділи. Наприклад Google використовує AI для перевірки додатків у Play Market, а банки — для рішень видавати кредит чи ні.

Ще один спосіб використання, на який покладають великі надії — аналіз ринку та прогнозування змін на ньому. В перспективі — це допоможе виявляти приховані тенденції, що, як наслідок, буде суттєвою конкурентною перевагою.

Різні люди навчаються по-різному. Це стає причиною основної проблеми багатьох навчальних програм — їх негнучкість. Власне штучний інтелект має всі шанси це виправити шляхом персоналізованої навчальної програми.

Особливої популярності використання AI набуло в застосунках для вивчення мов. Наприклад, британський додаток Memrise використовує штучний інтелект, щоб адаптуватися під потреби конкретного користувача по ходу його навчання. А китайський застосунок ELSA використовує розпізнавання мови, щоб допомогти позбутися акценту.

До того ж, штучний інтелект може допомогти вчителям та викладачам у їх діяльності. Цим займається, наприклад, британський стартап CENTURY. Платформа бачить сильні та слабкі сторони студентів та допомагаю педагогам під них адаптуватися.

Наука — неймовірно дорога сфера. Наприклад, якщо взяти розробку лікарських препаратів, то вона складається з кількох етапів (кожен по року чи кілька), вимагає тестувань та коштує мільярди доларів. За стандартної процедури від початку роботи над препаратом до його появи в аптеках може прийти 7-10 років.

Основна причина довготривалості та дороговизни препарату — перевірка на побічні ефекти. Використання штучного інтелекту може допомогти спрогнозувати та змоделювати реакцію пацієнта на конкретний препарат. І вже існує кілька стартапів, що пропонують рішення корисні саме науковцям на різних етапах роботи з даними.

Крім того в перспективі нейронні мережі можуть допомогти в зборі й структуруванні великих масивів даних, що отримують науковці, а також знаходити певні закономірності.

Наприклад, використання AI стало основою створення Deep-CEE (Deep Learning for Galaxy Cluster Extraction and Evaluation), який допоміг пришвидшити процесу пошуку скупчень галактик.

Цікаво, що певні технології, зокрема й згадані вище, взагалі були б неможливими без використання штучного інтелекту, наприклад:

Звісно ж це далеко не всі сфери, де використовуються нейронні мережі. І точно не всі, де ще використовуватиметься. Але тим краще, ще є час і можливість самим працювати з технологіями глибинного навчання.

Ну а почати свій шлях можна з курсів Machine Learning Beginning чи NLP Beginning. Або ж на річному Data Science & Machine Learning. Professium.