Какая технология позволяет компьютерам вести себя как люди
Обновлено: 17.05.2024
Человеческий мозг обладают огромными возможностями адаптации. Он управляет сердцебиением, транслирует сны, вспоминает песни по паре нот и позволяет освоить новый язык. Все потому, что мозг может переписать связи, которые он используют, по мере изучения новых навыков или при реакции на изменения в окружающем мире.
Однако скоро перед мозгом может встать серьезное испытание — подключение к нейрокомпьютерному интерфейсу (НКИ). Это может повлиять на восприятие мира и собственного тела, а также скорость создания новых идей.
Интерфейс «мозг-компьютер», установленный инвазивно (внутри черепной коробки), предполагает размещение электродов на поверхности мозга, чтобы принимать электрические сигналы, проходящие через ткань. На базовом биологическом уровне мозг плохо переносит инородные объекты. Они создают так называемую фиброзную ткань, небольшой шрам вокруг самого электрода. Хотя технология относительно нова, считается, что рубцевание мозга не вызывает каких-либо серьезных нарушений в его работе.
Но другие изменения, которые происходят в мозге при использовании НКИ, могут быть гораздо более обширными, чем кусок «мертвой» ткани. Об этом пишет ZDNet.
Первобытный нейронный инструмент
НКИ можно назвать продвинутой «палкой», которая взаимодействует напрямую с нейронами. Поэтому их шанс на адаптацию к новому интерфейсу увеличивается, поскольку он будет стимулировать их пластичность. Прошлогоднее исследование показало, что даже неинвазивный НКИ, который использует носимые передатчики, в течение короткого времени повышает способности мозга к адаптации. Сейчас ученые видят большой потенциал применения НКИ в реабилитации людей, переживших инсульт или травмы спинно-мозговой системы.
Кроме того, при регулярном использовании роботизированного протеза под управлением НКИ мозг может перестроить внутреннюю карту тела, как если бы он был стандартной частью тела. Также нет причин сомневаться, что НКИ позволит человеку адаптироваться под работу с двумя дополнительными механическими руками.
«На самом деле при длительном использовании протеза с НКИ наступает момент, когда он начинает приживаться. Поскольку он так тесно связан с вашей нервной системой, человек, использующий НКИ, фактически начинает рассматривать его как часть своего целого», — подчеркнул Джастин Уильямс, профессор департамента биомедицинский инженерии Винскинского университета в Мадисоне.
Сила мысли
Другие эффекты нейроинтерфейса на мозг, вероятно, обнаружатся позже, когда устройства найдут себе новое применение. DARPA, например, финансирует исследования НКИ, которые могут быть использованы для ведения войны. Солдаты смогут управлять танками или дронами только своим разумом. Точно так же Facebook занимается исследованием применения НКИ для преобразования мыслей в электронный текст. В обоих случаях связь компьютера с мозгом позволит отказаться от обычных интерфейсов, которые требуют ручного ввода.
Это будет означать резкий скачок в скорости между появлением мысли у человека, и ее воплощением в виде действия в реальном мире. Скорость обработки информации вырастет до огромных значений.
«Компьютеры могут обрабатывать сигналы намного быстрее, чем нервная система, поэтому есть возможность масштабировать время. Вы потенциально можете выполнять команды движения намного быстрее, — отметил Джастин Санчес, технический специалист из Battelle Memorial Institute. — Мы ограничены в нашем восприятии и взаимодействии с миром из-за фундаментальной скорости нашей нервной системы. Если вы предоставите мозгу что-то быстрее, он может адаптироваться и работать лучше».
По мнению Джонатана Вулпоу, директора Национального центра адаптивных нейротехнологий, основной вопрос к работе с НКИ: насколько успешно мозг начнет справляться с новыми задачами, к которым он приспосабливался на протяжении своей эволюции. «Он вроде как может, но не так хорошо с нашими текущими методами», — отметил ученый. Кажется, нам только предстоит узнать, сможет ли человеческий мозг превзойти себя, работая в связке с компьютером.
Уже несколько десятилетий ученые со всего мира пытаются соединить человеческий мозг с компьютером. Вслед за ними идею создания нейроинтерфейса подхватили крупные бизнес-корпорации и стартапы. О намерении разработать систему, которая поможет управлять объектами силой мысли, уже заявили Facebook и Илон Маск. Одни возлагают на нейроинтерфейсы надежды — технологии позволят людям с ограниченными возможностями восстановить утраченные функции, улучшить реабилитацию человека, перенесшего инсульт или черепно-мозговую травму. Другие скептически настроены к подобным разработкам, полагая, что их использование чревато юридическими и этическими проблемами.
Что такое нейроинтерфейс и зачем он нужен?
Нейроинтерфейс, он же — «мозг-компьютер», — система для обмена информации между мозгом человека и электронным устройством. И это технология, которая позволяет человеку взаимодействовать с внешним миром на основе регистрации электрической активности мозга — электроэнцефалограммы (ЭЭГ). Желание человека совершить какое-то действие отображается в изменениях ЭЭГ, что в свою очередь расшифровывает компьютер. Нейроинтерфейсы бывают однонаправленные и двунаправленные. Первые либо принимают сигналы от мозга, либо посылают их ему. Вторые могут посылать и принимать сигналы одновременно.
Ключевая особенность нейроинтерфейса состоит в том, что он позволяет подключиться к мозгу напрямую. Что это может дать на практике? Нейроинтерфейсы, например, способны облегчить или кардинально изменить жизнь парализованных людей. Кто-то не может, писать, двигаться или разговаривать. Но при этом мозг находится в прекрасном рабочем состоянии. Так вот нейроинтерфейс позволит совершать этим людям определенные действия, считав лишь их намерения с помощью электродов, подключенных к мозгу.
Можно сказать,что история нейроинтерфейса началась в 1875 году, когда английский доктор Ричард Катон обнаружил, что может зарегистрировать электрическое поле, пусть и слабое, на поверхности мозга кроликов и обезьян. Затем было множество открытий и исследований. А первый нейроинтерфейс, если его можно было так назвать, появился в 1950-е годы. Именно тогда профессор физиологии Йельского университета Хосе Мануэль Родригес Дельгадо изобрел устройство «Стимосивер», которое можно было вживлять в мозг и которое управлялось с помощью радиосигналов. В 1963 году Дельгадо провел ставший знаменитым эксперимент — вживил стимосиверы в мозг быков и управлял ими через портативный передатчик.
Уже в 1972 году в продажу поступил кохлеарный имплант, который преобразует звук в электрический сигнал, передает его мозгу и фактически позволяет глухим людям слышать. В 1973 году впервые был употреблен термин «brain-computer interface» — нейроинтерфейс. В 1998 году ученый Филипп Кеннеди имплантировал первый нейроинтерфейс в пациента — музыканта Джонни Рэя. Он потерял способность двигаться в результате инсульта. Но благодаря имплантации научился двигать курсором, лишь представляя движение рук.
Нейроинтерфейсы, которые «лечат» людей
Женщина, парализованная 15 лет, самостоятельно пьет, мысленно управляя рукойВ начале 2000-х начался новый этап становления нейрофизиологии. И нейроинтерфейсы прочно нашли свое применение в медицине. В 2004 году американец Мэтью Нейгл, который за несколько лет до этого оказался парализованным, стал первым человеком, в мозг которого вживили имплант BrainGate. Сначала с помощью этого устройства, лишь представляя, что он двигает руками, Нейгл научился перемещать курсор по экрану компьютера, затем — включать телевизор, переключать каналы, брать предметы роботизированной рукой, играть в компьютерные игры. Но в 2007 году Нейгл умер от инфекции. Вместе с тем исследовательское объединение BrainGate продолжило свои испытания, и делает это с успехом и сейчас. Например, в 2012 году участница эксперимента, организованного проектом BrainGate2, смогла самостоятельно выпить кофе. Это стало настоящим прорывом. Женщина в течение последних 15 лет была полностью парализована. И благодаря новой разработке BrainGate2 она впервые за это время смогла мысленно управлять искусственной рукой, взять ею предмет, поднести к себе и поставить обратно. В 2017 году ученые BrainGate разработали нейроинтерфейс, способный легко адаптироваться к быстрому и точному управлению протезом.
И если какое-то время назад некоторые задачи в области развития нейроинтерфейсов казались невыполнимыми, сейчас это вполне реально. Сначала компьютер мог расшифровывать только самые простые намерения человека. К примеру, ему не удавалось считывать, хочет человек пошевелить правой рукой или левой. Но в 2016 году сотрудники Университета Джонса Хопкинса в Балтиморе разработали нейроинтерфейс, который позволяет управлять отдельными пальцами протеза руки. Ученые установили на отвечающем за движение рук участке мозга пластину из 128 электродов. Электрические сигналы, полученные при движении каждого пальца, записали и на их основе запрограммировали протез так, чтобы пальцы руки, подключенной к электродам в мозге, двигались по отдельности. Причем, сначала точность управления пальцами достигала 76%, а после доработки — 96,5%.
Ученые по всему миру занимаются совершенствованием нейроинтерфейсов. Появляется все больше проектов, разработок, научных исследований в этой сфере и исследовательских групп, которые этим занимаются. В числе последних — немецкий «The Berlin Brain-Computer Interface», лаборатория нейроинтерфейса в Итальянском институте технологий, лаборатория BCI японского Университета Цукубы, голландский Институт исследования мозга, познания и поведения им. Франциска Дондерса и десятки других.
На исследования человеческого мозга с помощью нейротехнологий выделяются миллиарды долларов. В 2013 году в Швейцарии запустили международный проект The Human Brain Project, рассчитанный на 10 лет и ставящий перед собой задачу создания первой в мире модели человеческого мозга с помощью компьютеров. Проект объединил около 500 ученых из более сотни университетов и исследовательских центров со всего мира.
В 2013 году в США стартовал проект Brain Research through Advancing Innovative Neurotechnologies, бюджет которого оценили в 4,5 миллиарда долларов. Цель проекта — составить полную карту процессов, которые происходят в человеческом мозге.
Управление перспективных исследовательских проектов Министерства обороны США (DARPA) в рамках программы Neural Engineering System Design (NESD) только в 2017 году заключило шесть контрактов на 65 миллионов долларов на разработку нейроинтерфейсов. Финансирование получили Paradomics, Университет Брауна, Колумбийский университет, Фонд зрения и слуха, Лаборатория Джона Б. Пирса, Калифорнийский университет (Беркли). Все эти организации будут заниматься исследованиями в течение четырех лет. И каждая из них занимается своим проектом. Так, команда, Калифорнийского университета из Беркли работает над созданием микроскопа, который сможет изучить активность миллиона нейронов внутри мозга. Стартап Paradromics (единственная частная компания, которая получила грант) разрабатывает устройство Neural Input-Output Bus, которое поможет восстановить речевые функции. Эта разработка позволит регистрировать активность участков мозга, отвечающих за обработку звуков. Благодаря NIOB человек будет представлять, что хочет сказать, а устройство сможет воспроизводить речь. А, к примеру, специалисты из Лаборатории Джона Б. Пирса бросят усилия на создание оптических протезов.
За последние пять лет в области развития нейроинтерфейсов произошли серьезные достижения. Вот некоторые из них. Международная группа ученых создала систему на основе функциональной спектроскопии в ближней инфракрасной области, которая позволяет людям с синдромом «запертого человека» отвечать «да» или «нет» на заданный вопрос. Калифорнийские ученые создали протез, который способен улучшить память человека примерно на 30% после того, как его подключат к мозгу. Исследователи из Университета Цинхуа и Калифорнийского университета ускорили работунеинвазивного нейроинтерфейса до одного символа в секунду. Специалисты из Калифорнийского университета с помощью нейроинтерфейса, нейромускульной стимуляции и подвеса научили ходить человека, парализованного ниже пояса. Бразильские исследователи вместе с коллегами из США, Швейцарии и Германии смогли частично восстановить спинной мозг у пациентов с помощью нейроинтерфейса, виртуальной реальности и экзоскелета.
Как малый и большой бизнес увлеклись нейроинтерфейсом
Бизнес заинтересовался нейроинтерфейсами относительно недавно, расширив при этом область их применения. В 2003 году шведская компания Interactive Productline выпустила игру Mindball, в которой игроки управляли мячом с помощью мысленных команд. Один комплект игры стоил тогда порядка 19 тысяч долларов.
Примерно в то же время была создана австралийская компания Emotiv, которая разрабатывает электронику нейроинтерфейсов на основе ЭЭГ. В 2017 году американские ученые в своем исследовании использовали один из продуктов компании — шлем EPOC+ (его цена 799 долларов), распознающий волны электрической активности мозга и определяющий эмоциональное состояние человека. Исследователи продемонстрировали возможность устройства частично угадывать пароль, необходимый для входа в банковский аккаунт.
Еще один представитель на рынке развлекательных интерфейсов — компания из Калифорнии NeuroSky, которой мир обязан за относительно недорогую гарнитуру MindWave, позволяющую с помощью компьютера или другого гаджета наблюдать за ритмами мозга, или влиять на действия героев видеофильмов.
Канадский стартап InteraXon, основанный в 2007 году, выпустил в 2014 году устройство для медитации Muse. Многие называют его повязкой, сенсоры которой при надевании на голову отслеживают состояние мозга. По сути устройство улучшает качество медитации и способствует лучшему расслаблению и снятию напряженности. А британская компания NeuroPlusразработало устройство, которое помогает людям с синдромом дефицита внимания и гиперактивности улучшить свою способность концентрироваться.
Еще один любопытный стартап — основанная в 2016 году компания OpenWater. Ее специалисты разрабатывают нейроинтерфейс для телепатии. По задумке компании, это должно быть устройство, схожее с МРТ, — оно даст людям возможность видеть, что происходит внутри мозга и организма в любое время. Причем, предполагается, что это будет компактный девайс, который станет массовым в течение 8 лет.
Более того, нейроинтерфейсами заинтересовались не только специализированные компании и стартапы, но и бизнес-гиганты. Например, в начале этого года стало известно, что Nissan разрабатывает нейроинтерфейс, который позволит автомобилю лучше реагировать на изменение обстановки, как бы предугадывая реакцию водителя, прежде чем он повернет или нажмет на тормоз.
Конечно же инициатива Маска встретила не только восторг его фанатов, но и критику. Юрист из Университета Кембриджа Кристофер Маркоу рассказал о проблемах, с которыми придется столкнуться разработчикам. По его словам, для того, чтобы внедрять в здорового человека электроды, нет пока ни юридической, ни этической базы. Кроме этого, нейроинтерфейс может сделать мозг человека объектом, в который захотят проникнуть правительства, рекламодатели, страховые агенты и т.д. Также Маркоу назвал проблему безопасности, а точнее возможность взлома, которая возникнет, как только мы подключим мозг к компьютеру.
Примерно в это же время о планах заняться разработкой нейроинтерфейса заявили и представители Facebook. Как рассказала руководитель исследовательского подразделения компании Регина Дуган, речь идет о технологии, благодаря которой пользователи смогут набирать текст без клавиатуры. Разработка окажется полезной для парализованных людей. По словам Дуган, система будет расшифровывать слова, которые человек решил произнести, отправив в речевой центр мозга.
«Мозг-компьютер» российского производства
Трансконтинентальный сеанс связи с использованием «Нейрочата»В марте ученые Саратовского государственного университета получили грант в 500 тысяч рублей на разработку нейроинтерфейса для улучшения качества сна и контроля пробуждения. Предполагается, что это будет аппарат с датчиками, которые будут крепиться к голове человека и во время сна — считывать сигналы мозга. На реализацию проекта потребуется два года.
Кроме этого, в России, как и за рубежом, есть стартапы, которые поставили перед собой задачу связать мозг с компьютером. Хотя в России, по сравнению с Европой или США, интерес бизнеса к нейроинтерфейсам пока не так высок. Например, есть компания Innovative Brain Solutions (iBrain), которая создала неинвазивный нейроинтерфейс для постинсультной реабилитации. По словам генерального директора компании Константина Сонькина, в ближайшие два года они займутся разработкой системы прямого управления роботизированной кистью руки и игровых сред, где управление строится на основе сигналов мозга. Или же компания Neurobotics — ее специалисты создали нейроинтерфейс, который позволяет управлять квадрокоптером с помощью мозговых импульсов.
Будущее нейроинтерфейсов
Согласно анализу Grand View Research, объем глобального рынка компьютерных интерфейсов к 2022 году достигнет 1,72 млрд долларов. Сейчас основная область применения нейроинтерфейсов — это медицина. Но наряду с этим, к технологии «мозг-компьютер» начинает проявлять интерес бизнес, отдавая предпочтение различным игрушкам, которыми можно управлять с помощью «силы мысли». Нейроинтерфейсы также могут найти, да и уже находят, применение в управлении роботами.
По мнению экспертов, до того, как нейроинтерфейсы станут частью нашей повседневной жизни, могут пройти десятилетия. Но уже сейчас понятно, что развитие технологий идет по пути к миру, в котором можно будет расшифровать психические процессы людей, манипулировать процессами, связанными с эмоциями или намерениями, общаться с людьми без слов.
Внедрение нейроинтерфейсов, безусловно, вызывает опасения. С одной стороны, нейроинтерфейсы могут усовершенствовать лечение черепно-мозговых травм, паралича, эпилепсии или шизофрении. С другой стороны, такие технологии могут усугубить социальное неравенство и дать корпорациям, хакерам, правительствам новые способы эксплуатации и манипулирования людьми. И в целом это может изменить особенности человека, его психику, деятельность как индивида, понимание людей как физиологических существ.
Приветствую читателей Хабра. Вашему вниманию предлагается перевод статьи «Everything you need to know about AI — in under 8 minutes.». Содержание направлено на людей, не знакомых со сферой ИИ и желающих получить о ней общее представление, чтобы затем, возможно, углубиться в какую-либо конкретную его отрасль.
Знать понемногу обо всё иногда (по крайней мере, для новичков, пытающихся сориентироваться в популярных технических направлениях) бывает полезнее, чем знать много о чём-то одном.
Многие люди думают, что немного знакомы с ИИ. Но эта область настолько молода и растёт так быстро, что прорывы совершаются чуть ли не каждый день. В этой научной области предстоит открыть настолько многое, что специалисты из других областей могут быстро влиться в исследования ИИ и достичь значимых результатов.
Эта статья — как раз для них. Я поставил себе целью создать короткий справочный материал, который позволит технически образованным людям быстро разобраться с терминологией и средствами, используемыми для разработки ИИ. Я надеюсь, что этот материал окажется полезным большинству интересующихся ИИ людей, не являющихся специалистами в этой области.
Введение
Искусственный интеллект (ИИ), машинное обучение и нейронные сети — термины, используемые для описания мощных технологий, базирующихся на машинном обучении, способных решить множество задач из реального мира.
В то время, как размышление, принятие решений и т.п. сравнительно со способностями человеческого мозга у машин далеки от идеала (не идеальны они, разумеется, и у людей), в недавнее время было сделано несколько важных открытий в области технологий ИИ и связанных с ними алгоритмов. Важную роль играет увеличивающееся количество доступных для обучения ИИ больших выборок разнообразных данных.
Область ИИ пересекается со многими другими областями, включая математику, статистику, теорию вероятностей, физику, обработку сигналов, машинное обучение, компьютерное зрение, психологию, лингвистику и науку о мозге. Вопросы, связанные с социальной ответственностью и этикой создания ИИ притягивают интересующихся людей, занимающихся философией.
Мотивация развития технологий ИИ состоит в том, что задачи, зависящие от множества переменных факторов, требуют очень сложных решений, которые трудны к пониманию и сложно алгоритмизируются вручную.
Растут надежды корпораций, исследователей и обычных людей на машинное обучение для получения решений задач, не требующих от человека описания конкретных алгоритмов. Много внимания уделяется подходу «чёрного ящика». Программирование алгоритмов, используемых для моделирования и решения задач, связанных с большими объёмами данных, занимает у разработчиков очень много времени. Даже когда нам удаётся написать код, обрабатывающий большое количество разнообразных данных, он зачастую получается очень громоздким, трудноподдерживаемым и тяжело тестируемым (из-за необходимости даже для тестов использовать большое количество данных).
Современные технологии машинного обучения и ИИ вкупе с правильно подобранными и подготовленными «тренировочными» данными для систем могут позволить нам научить компьютеры «программировать» за нас.
Обзор
Интеллект — способность воспринимать информацию и сохранять её в качестве знания для построения адаптивного поведения в среде или контексте
Это определение интеллекта из (англоязычной) Википедии может быть применено как к органическому мозгу, так и к машине. Наличие интеллекта не предполагает наличие сознания. Это — распространённое заблуждение, принесённое в мир писателями научной фантастики.
Попробуйте поискать в интернете примеры ИИ — и вы наверняка получите хотя бы одну ссылку на IBM Watson, использующий алгоритм машинного обучения, ставший знаменитым после победы на телевикторине под названием «Jeopardy» в 2011 г. С тех пор алгоритм претерпел некоторые изменения и был использован в качестве шаблона для множества различных коммерческих приложений. Apple, Amazon и Google активно работают над созданием аналогичных систем в наших домах и карманах.
Обработка естественного языка и распознавание речи стали первыми примерами коммерческого использования машинного обучения. Вслед за ними появились задачи другие задачи автоматизации распознавания (текст, аудио, изображения, видео, лица и т.д.). Круг приложений этих технологий постоянно растёт и включает в себя беспилотные средства передвижения, медицинскую диагностику, компьютерные игры, поисковые движки, спам-фильтры, борьбу с преступностью, маркетинг, управление роботами, компьютерное зрение, перевозки, распознавание музыки и многое другое.
ИИ настолько плотно вошёл в современные используемые нами технологии, что многие даже не думают о нём как об «ИИ», то есть, не отделяют его от обычных компьютерных технологий. Спросите любого прохожего, есть ли искусственный интеллект в его смартфоне, и он, вероятно, ответит: «Нет». Но алгоритмы ИИ находятся повсюду: от предугадывания введённого текста до автоматического фокуса камеры. Многие считают, что ИИ должен появиться в будущем. Но он появился некоторое время назад и уже находится здесь.
Термин «ИИ» является довольно обобщённым. В фокусе большинства исследований сейчас находится более узкое поле нейронных сетей и глубокого обучения.
Как работает наш мозг
Человеческий мозг представляет собой сложный углеродный компьютер, выполняющий, по приблизительным оценкам, миллиард миллиардов операций в секунду (1000 петафлопс), потребляющий при этом 20 Ватт энергии. Китайский суперкомпьютер под названием «Tianhe-2» (самый быстрый в мире на момент написания статьи) выполняет 33860 триллионов операций в секунду (33.86 петафлопс) и потребляющий при этом 17600000 Ватт (17.6 Мегаватт). Нам предстоит проделать определённое количество работы перед тем, как наши кремниевые компьютеры смогут сравниться со сформировавшимися в результате эволюции углеродными.
Точное описание механизма, применяемого нашим мозгом для того, чтобы «думать» является предметом дискуссий и дальнейших исследований (лично мне нравится теория о том, что работа мозга связана с квантовыми эффектами, но это — тема для отдельной статьи). Однако, механизм работы частей мозга обычно моделируется с помощью концепции нейронов и нейронных сетей. Предполагается, что мозг содержит примерно 100 миллиардов нейронов.
Но на этом всё не заканчивается. Каждый нейрон применяет функцию, или преобразование, к взвешенным входным сигналам перед тем, как проверить, достигнут ли порог его активации. Преобразование входного сигнала может быть линейным или нелинейным.
Изначально входные сигналы приходят из разнообразных источников: наших органов чувств, средств внутреннего отслеживания функционирования организма (уровня кислорода в крови, содержимого желудка и т.д.) и других. Один нейрон может получать сотни тысяч входных сигналов перед принятием решения о том, как следует реагировать.
Мышление (или обработка информации) и полученные в результате его инструкции, передаваемые нашим мышцам и другим органам являются результатом преобразования и передачи входных сигналов между нейронами из различных слоёв нейронной сети. Но нейронные сети в мозгу могут меняться и обновляться, включая изменения алгоритма взвешивания сигналов, передаваемых между нейронами. Это связано с обучением и накоплением опыта.
Эта модель человеческого мозга использовалась в качестве шаблона для воспроизведения возможностей мозга в компьютерной симуляции — искуственной нейронной сети.
Искусственные Нейронные Сети (ИНС)
Искусственные Нейронные Сети — это математические модели, созданные по аналогии с биологическими нейронными сетями. ИНС способны моделировать и обрабатывать нелинейные отношения между входными и выходными сигналами. Адаптивное взвешивание сигналов между искусственными нейронами достигается благодаря обучающемуся алгоритму, считывающему наблюдаемые данные и пытающемуся улучшить результаты их обработки.
Для улучшения работы ИНС применяются различные техники оптимизации. Оптимизация считается успешной, если ИНС может решать поставленную задачу за время, не превышающее установленные рамки (временные рамки, разумеется, варьируются от задачи к задаче).
ИНС моделируется с использованием нескольких слоёв нейронов. Структура этих слоёв называется архитектурой модели. Нейроны представляют собой отдельные вычислительные единицы, способные получать входные данные и применять к ним некоторую математическую функцию для определения того, стоит ли передавать эти данные дальше.
В простой трёхслойной модели первый слой является слоем ввода, за ним следует скрытый слой, а за ним — слой вывода. Каждый слой содержит не менее одного нейрона.
С усложнением структуры модели посредством увеличения количества слоёв и нейронов возрастают потенциал решения задач ИНС. Однако, если модель оказывается слишком «большой» для заданной задачи, её бывает невозможно оптимизировать до нужного уровня. Это явление называется переобучением (overfitting).
Архитектура, настройка и выбор алгоритмов обработки данных являются основными составляющими построения ИНС. Все эти компоненты определяют производительность и эффективность работы модели.
Модели часто характеризуются так называемой функцией активации. Она используется для преобразования взвешенных входных данных нейрона в его выходные данные (если нейрон решает передавать данные дальше, это называется его активацией). Существует множество различных преобразований, которые могут быть использованы в качестве функций активации.
ИНС являются мощным средством решения задач. Однако, хотя математическая модель небольшого количества нейронов довольно проста, модель нейронной сети при увеличении количества составляющих её частей становится довольно запутанно. Из-за этого использование ИНС иногда называют подходом «чёрного ящика». Выбор ИНС для решения задачи должен быть тщательно обдуманным, так как во многих случаях полученное итоговое решение нельзя будет разобрать на части и проанализировать, почему оно стало именно таким.
Глубокое обучение
Термин глубокое обучение используется для описания нейронных сетей и используемых в них алгоритмах, принимающих «сырые» данные (из которых требуется извлечь некоторую полезную информацию). Эти данные обрабатываются, проходя через слои нейросети, для получения нужных выходных данных.
Обучение без учителя (unsupervised learning) — область, в которой методики глубокого обучения отлично себя показывают. Правильно настроенная ИНС способна автоматически определить основные черты входных данных (будь то текст, изображения или другие данные) и получить полезный результат их обработки. Без глубокого обучения поиск важной информации зачастую ложится на плечи программиста, разрабатывающего систему их обработки. Модель глубокого обучения же самостоятельно способна найти способ обработки данных, позволяющий извлекать из них полезную информацию. Когда система проходит обучение (то есть, находит тот самый способ извлекать из входных данных полезную информацию), требования к вычислительной мощности, памяти и энергии для поддержания работы модели сокращаются.
Проще говоря, алгоритмы обучения позволяют с помощью специально подготовленных данных «натренировать» программу выполнять конкретную задачу.
Глубокое обучение применяется для решения широкого круга задач и считается одной из инновационных ИИ-технологий. Существуют также другие виды обучения, такие как обучение с учителем (supervised learning) и обучение с частичным привлечением учителя(semi-supervised learning), которые отличаются введением дополнительного контроля человека за промежуточными результатами обучения нейронной сети обработке данных (помогающего определить, в правильном ли направлении движется система).
Теневое обучение (shadow learning) — термин, используемый для описания упрощённой формы глубокого обучения, при которой поиск ключевых особенностей данных предваряется их обработкой человеком и внесением в систему специфических для сферы, к которой относятся эти данные, сведений. Такие модели бывают более «прозрачными» (в смысле получения результатов) и высокопроизводительными за счёт увеличения времени, вложенного в проектирование системы.
28 октября основатель Facebook Марк Цукерберг объявил о переименовании корпорации в Meta. Вместе с тем новая компания будет ориентироваться на создание и поддержание метавселенной, внутри которой пользователи смогут полноценно жить, работать и развлекаться. Facebook не является новатором в вопросе развития технологий виртуальной реальности, однако его компания обращает на этот сегмент пристальное внимание. «Лента.ру» расскажет краткую историю VR, перспективы и преимущества жизни в параллельной реальности и о том, как новые технологии могут перевернуть нашу жизнь.
Параллельно существующая с привычным образом жизни реальность описывалась в многочисленных фантастических романах и фильмах XX века. Однако попытки посмотреть на привычные вещи с другой стороны предпринимались и ранее. В 1838 году физик Чарльз Уитстон описал принцип обозначения восприятия глубины и трехмерной структуры — стереопсис. На основе своего открытия ученый создал первый стереоскоп — прибор, предназначенный для восприятия объемных изображений. Уитстон использовал пару расположенных под углом 45 градусов по отношению к глазам смотрящего зеркал. Физик доказал, что мозг объединяет изображения объектов, полученных с разных точек, в результате чего предмет кажется объемным.
В 1935 году писатель-фантаст Стенли Вейнбаум публикует роман «Очки Пигмалиона», в котором рассказывает про некий прибор, который позволял воспринимать изображение с помощью зрительного контакта, а также осязать выдуманные объекты, чувствовать их вкус и запах. По сути Вейнбаум описывает нечто похожее на современные гарнитуры виртуальной реальности. Идею о том, что люди могут общаться друг с другом, не находясь физически в одной локации, в 1975 году подкинул художник Майрон Крюгер. Он основал лабораторию Videoplace, в которой пользователь помещался в интерактивную среду. Движения человека записывались расположенной за его спиной камерой и тут же передавались на проецируемый силуэт. Это давало наблюдателю ощущение присутствия даже при отсутствии прямой тактильной обратной связи.
Еще в 1957 году изобретатель Мортон Хейлиг, которого называют отцом виртуальной реальности, создал первый в мире VR-симулятор, который назвал сенсорама. Устройство представляло собой подвижное кресло с экраном, а также динамиками, вентиляторами, излучателями запахов. С помощью девайса пользователь мог погрузиться в определенную виртуальную среду: например, оказаться за рулем несущегося по дороге мотоцикла. Идеи Хейлига повлияли на развитие VR и становление сегмента виртуальных видеоигр. В будущем появится много симуляторов, основанных на максимальном погружении геймера в игровой процесс. Например, в 1970-х компания General Electric представляет имитатор полета на истребителе, который был сконструирован из трех экранов, окружающих кабину виртуального летчика. Чуть позже компания VPL создает перчатки виртуальной реальности DataGlove, которые считывали движение пальцев и переносили их в игру. В 1990-х годах Nintendo выпускает консоль Virtual Boy, которая считается первой приставкой, которая способна воспроизводить трехмерную графику. VR-шлем базировался на стереоскопических светодиодных окулярах, которые использовали датчики слежения за глазами пользователя.
В нулевых казалось, что развитие технологии остановилось, пока на рынке не стали появляться относительно недорогие и продвинутые гарнитуры виртуальной реальности. Прорывом в отрасли считались VR-очки Oculus Rift, которые проецировали изображение с помощью LCD-экранов, отслеживали повороты головы и имели несколько степеней свободы. На фоне интереса к индустрии начинают появляться подобные продукты, вроде PlayStation VR, HTC Vive, Samsung Gear VR и прочие устройства, позволяющие запускать игры в режиме полного погружения.
Обратившие внимание на перспективную отрасль IT-гиганты начали предлагать свои инновации в области VR. Не имеющая по состоянию на 2014 год своих серьезных продуктов Facebook приобрела компанию Oculus за два миллиарда долларов. Считается, что примерно в это же время Марк Цукерберг заинтересовался виртуальной реальностью, которую он позже предложит вставить в концепцию метавселенной.
В своем выступлении Цукерберг предложил создание виртуального мира, который был бы тесно связан с настоящим, — так, что люди не могли бы отличить искусственное от настоящего. В описанную основателем Facebook метавселенную человек мог бы внести несуществующие объекты и, наоборот, добавить в VR настоящие предметы. Например, обустроить свой дом вымышленными вещами и взаимодействовать с ними. Человек будущего мог бы взаимодействовать с аватарами пользователей, которые находятся на расстоянии от него: общаться, работать, играть в шахматы и баскетбол, заниматься фитнесом. Выходит, что концепция Цукерберга выходит за границы виртуальной реальности, предметы в которой не существуют на самом деле.
Часто пользователи путают виртуальную реальность с дополненной. Дополненная реальность создается в виде наложения виртуальных объектов в реальный мир. Она может дополнять трехмерные объекты или создавать на их основе новые. Как правило, дополненная реальность или AR существует в привязке к определенному объекту, местности, положению в пространстве. Примерами AR являются отображение полета траектории шайбы в хоккейных трансляциях, трехмерная визуализация мебели в комнате посредством камеры смартфона. В 2016 году популяризации технологии способствовал выпуск игры Pokemon Go, в которой геймеры с помощью смартфона могли проецировать в условиях городского ландшафта выдуманных животных — покемонов.
В случае, если виртуальная реальность соприкасается с дополненной, то получившуюся надстройку называют смешанной реальностью. Субъект MR погружен в искусственный мир, который может копировать свойства некоторых реальных окружений. Пространство и физические законы здесь могут как соблюдаться, так и нарушаться — словно в видеоигре. Четкие рамки виртуальной, дополненной и смешанной реальности пока что оговорены, поэтому для упрощения все термины могут объединить под общим понятием — виртуальная реальность.
По словам футуролога Бернарда Марра, виртуальная реальность является ключом для превращения информации в опыт. Неслучайно было так много сказано об играх, потому что они являются одной из движущих сил индустрии. Существует огромный пласт людей, готовых тратить деньги на самые впечатляющие и захватывающие развлечения. Это подтверждают данные аналитиков Goldman Sachs, по оценке которых в 2025 году рынок виртуальной и смешанной реальности будет оценен более чем в 30 миллиардов долларов. При этом львиная доля денег — порядка 12 миллиардов долларов — будут крутиться в игровой индустрии. Как отмечает основатель стартапа Sandbox VR Стив Чжао, пользователи будут верить в видеоигры будущего, словно все показанное происходит в реальности. Это позволит геймерам проживать моменты в играх по-настоящему и еще сильнее взаимодействовать с другими людьми.
Виртуальная реальность изменит общение, так как для полноценного контакта не нужно будет непосредственно находиться с собеседником в одной локации. Появятся VR-чаты и оборудование, которое будет сканировать пользователей, записывать их движение и речь, передавая на большие расстояния. Исчезнет необходимость в живом присутствии сотрудников на рабочем месте, так как их всегда можно будет собрать в одной виртуальной комнате. Проекты — в дизайне, архитектуре, моделировании — можно будет визуализировать и переносить в виртуальный трехмерный формат.
Условные чертежи здания можно будет не только перенести в 3D-формат, но и увеличить или уменьшить до нужных размеров, а также совершить виртуальную экскурсию внутри будущего объекта
Футурологи считают, что многие виды деятельности также будут перенесены в удаленный формат. Смешанная реальность даст толчок телемедицине: доктор сможет не только знакомиться с показателями пациента, но и принимать прямое участие в операциях. VR-очки или гарнитуры позволят оказаться внутри человеческого тела, проанализировать злокачественную опухоль и удалить ее. Полностью изменится образование: так, врачи могут сразу же изучать строение тела и различные аномалии на практике, тренируясь с помощью реалистичных симуляторов без опаски навредить больному. Уникальные виды виртуального обучения помогут более эффективно действовать в реальности: например, спасатели и военные смогут тренироваться ликвидировать сложный пожар и участвовать в специальных операциях без жертв.
Читайте также: