Новости ИИ декабрь 2022: бот ChatGPT, синтетические лица, ML технологии изучают океан
Рост использования Больших данных и предиктивной аналитики подстегивает развитие рынка аналитики и искусственного интеллекта. Именно с таким выводом мы заканчиваем этот непростой год. Эксперты считают, что мировой рынок аналитики данных достигнет уровня 329,8 млрд долларов США к 2030 году, и будет расти в среднем на 30% в период 2022-2030 гг.
Прогнозируется, что к 2025 году в мире окажется 181 зеттабайт данных. И часть из них явно добавит новинка от проекта OpenAI – ChatGPT. Опубликованный для тестирования лишь 30 ноября, уже за неделю этот AI инструмент набрал миллион пользователей, став самым популярным ботом на базе искусственного интеллекта в мире. По утверждению разработчиков ChatGPT может создавать текст, аудио и видео так, как этого не делал ни один ИИ. Новый алгоритм вызвал бурные дискуссии о том, заменит ли в конечном итоге ИИ человека в различных отраслях и областях знания.
Мы не уверены, что AI проникнет во все аспекты нашей жизни, но то, что он изменит корпоративный мир, это точно. Исследование о состоянии AI от подразделения McKinsey QuantumBlack говорит о том, что использование искусственного интеллекта выросло в два раза за последние пять лет. 50% респондентов отметили, что в их компании ИИ используется, как минимум, в одной из областей. В QuantumBlack также выяснили, что AI встраивают теперь в более широкий круг бизнес-функций. AI работает в различных приложениях, например, для автоматизации бизнес-процессов, создания цифровых двойников и распознавании лиц.
Крупные компании поддерживают эту тенденцию. Представители одного из главных европейских банков, BNP Paribas Group, вошли в рабочую группу «Банки и Аудиты» с целью разработать системный и операционный подход к определению рисков при создании решений на базе искусственного интеллекта и корректирующих действий. Разработка и внедрение AI являются составной частью стратегического плана группы BNP Paribas, разработанного до 2025 года. Более 500 кейсов применения сейчас находятся в промышленной эксплуатации. Цель банка – не только довести это количество до 1000, но и увеличить ценность для компании от внедрения AI.
Пока банки ставят себе стратегические цели, другие компании пользуются ИИ технологиями для получения краткосрочных преимуществ. Например, Disney. Исследовательская группа из Disney создала инструмент, который омолаживает или делает старше актера на экране. При этом для этого не требуются недели сложной и дорогой работы специалистов по визуальным эффектам.
Использование нейросетей и машинного обучения для омоложения/старения актеров уже не новость. Однако результаты не были особенно впечатляющими. Кроме этого, такие изображения нельзя было использовать в видео. Чтобы решить эту проблему, разработчики Disney создали сначала базу данных с тысячами случайно сгенерированных синтетических лиц. Существующие ML инструменты делали эти лица моложе или старше, а результаты этой работы затем были «скормлены» новой нейросети, которая получила название FRAN (face re-aging network, сеть изменения возраста лица). Теперь лица настоящих актеров можно менять в течение нескольких минут.
Еще один пример активно развивающегося рынка данных – китайский порт Шэньчжэнь. В декабре в нем запустили платформу Больших данных, которая призвана служить на благо бизнесу электронной коммерции в этом коммерческом и торговом приграничном городе. По словам создателей платформа является первой, одобренной управлением по таможенным делам Китая. Система собирает данные от государственных учреждений и передает их различным торговым компаниям, операторам перевозок и финансовым организациям с целью создания единой экосистемы для приграничной торговли.
Может без eCommerce мы обойдемся, но вот что нужно каждой компании, это электронные таблицы. Наверняка, вы не можете представить свою работу без Excel или Google Sheets? Прямо сейчас Google меняет парадигму использования электронных таблиц Google Sheets с помощью ML. В прошлом месяце компания анонсировала бета-релиз дополнительного модуля Simple ML for Sheets. Разработанный в рамках open source проекта TensorFlow, Simple ML for Sheets позволит пользователям всех уровней использовать силу технологий во время даже самых простых вычислений.
Теперь к нашей любимой теме – здравоохранению. Ведь так приятно слышать новости из этой области? В Австралии университет Квинсланда (University of Queensland) и стартап Ariel Care из Брисбена решили расширить функциональность ботов, заботящихся о тех, кому требуется помощь. Новая технология реагирует на звуки, движение глаз и жесты и идентифицирует приступы, повышение температуры и падение тела. Подобная технология уже используется в игровой индустрии, но разработчики Ariel Care пересобрали ее с помощью новых алгоритмов. Это требовалось того, чтобы система позволяла с помощью движения глаз и жестов посылать сообщения на мобильный телефон или компьютер тем, кто присматривает за пациентами или пожилыми людьми. Таким образом, делается еще один шаг к тому, чтобы создать модель «умного и заботливого дома», который бы сразу распознавал падение, повышение температуры, ситуацию, когда пациент перестает есть и т.д.
Еще одно исследование выяснило, можно ли использовать количественный показатель молекулярного моделирования в лечении кардиологических заболеваний и построенный с помощью машинного обучения, в качестве клинического маркера для распознавания болезни. Модель машинного обучения, о которой идет речь в этом исследовании, использовалась и в предыдущих опытах. В ней была задействована двойная структура для прогнозирования краткосрочных рисков заболевания коронарных артерий. Важно, что подобный анализ данных с помощью ML открывает дорогу для оценки широкого спектра болезней.
А вот Weill Cornell Medicine выпустил отчет, где пишет, что алгоритмы ИИ могут определить, без проникновения в организм, с 70%-ной вероятностью, сколько хромосом в эмбрионе, который был зачат искусственным путем. Новый алгоритм под названием STORK-A использует микроскопические фотографии эмбрионов, которые делаются на пятый день после оплодотворения, оценки врачей качества эмбриона, возраст матери и другие данные, которые обычно собираются во время ЭКО. Так как модель использует искусственный интеллект, алгоритм автоматически учится понимать корреляции между различными показателями, которые может упустить специалист.
Не поверите, но далеко за пределами планеты Земля тоже используется машинное обучение. Специалисты по планетарным исследованиям и астрономы обсуждали в декабре, как новые ML технологии изменили подходы к изучению Солнечной системы, от планирования до будущих миссий с посадкой на холодной луне Юпитера, Европе, и идентификации вулканов на крошечном Меркурии. Они продемонстрировали, как ML может находить не только куски горной породы, но и глыбы льда на Европе. Будущие космические миссии могут использовать ИИ как настоящего помощника, для того чтобы обрабатывать пробы в режиме реального времени и даже для автопилотов межзвездных кораблей.
Здесь, на твердой земле, ML помогает понять, что у нас в океанах. Новое исследование Технологического Института Джорджии (Georgia Institute of Technology) берет на вооружение модели машинного обучения для понимания, как меняются фазы воды. С помощью нового метода ученые выяснили, что существует твердая закономерность между переходами воды от жидкого состояния снова к жидкому, и эту закономерность можно использовать в системах, где вода является главной движущей силой. Чтобы лучше понять поведение воды, исследователи провели молекулярные симуляционные тесты на суперкомпьютерах, которые можно сравнить с виртуальными микроскопами. Исследователи проанализировали, как двигаются молекулы, и как они меняют плотность воды в зависимости от температуры и атмосферного давления.
Однако с водой связаны не только позитивные моменты. На юге Европы вода часто является причиной наводнений, заставляя тысячи людей покидать свои дома и бросать имущество. Для предотвращения последствий наводнений одна хорватская компания создала платформу с информацией, которая поступает в режиме реального времени - GDi Ensemble FloodSmart. Этот инструмент собирает всю релевантную информацию на единый веб-портал, который доступен как для государственных организаций, так и для любого человека. Платформа состоит из портала, системы сбора данных, модели риска наводнений, модели для предотвращения наводнений и спасательных операций. Размещается GDi Ensemble FloodSmart в облачной инфраструктуре.
Чтобы закончить на оптимистичной ноте, давайте посмотрим на недавний опрос Lloyd's Register Foundation - World Risk Poll. Данные, которые собрала эта британская благотворительная организация, основаны на ответах 125 тысяч респондентов из 121 страны мира. Выяснилось, что две трети (65%) людей, проживающих в Скандинавии, уверены, что искусственный интеллект поможет людям в будущем. Давайте будем как эти 65% и будем надеяться, что правильные данные и сильные технологии помогут нам хорошо начать год!
