+7 (495) 230-01-45
Начнем мы с серьезного, а именно с политики. Я всегда знала, что Дания – очень открытая страна. Но даже в Дании, казалось мне, не может дойти до того, чтобы политиками становился искусственный интеллект. Оказалось, может. В столице Дании появилась новая политическая партия, которую возглавляет AI. Партия эта называется Синтетической, и она собирается активно участвовать в политической жизни страны. Лидер Синтетической партии, Ларс – это чатбот. Ларса разработал датский художник Аскер Стаунес из компании MindFuture. При этому у Ларса есть настоящая предвыборная программа, составленная на основании открытых данных. Конечно, она говорит об очень общих местах, скорее популистских, чем реалистичных – например, о гарантиях базового дохода всем гражданам или о недопустимости регулирования интернета. Самое любопытное, это то, что Ларс реально может попасть в парламент. Да, он робот, но члены партии – реальные люди и подать заявку в парламент они могут.
Ладно со Скандинавией. Но даже такой консервативный всегда Лондон заинтересовался искусственным интеллектом. Этой осенью на одном из слушаний в Палате Лордов выступила робот по имени Ai-Da. Ai-Da заранее прислали вопросы, поэтому на заседании она по сути просто зачитывала ответы. Но ответы были подготовлены с помощью языковой модели AI. А вот потом британские парламентарии стали задавать дополнительные вопросы, и тут система полетела. Девушку пришлось перезагружать.
Давайте ближе к земле. Я серьезно – поговорим про сельское хозяйство. Мы с вами привыкли к тому, что данные физических лиц – это огромный источник прибыли для коммерческих компаний, которые нам что-то продают. Однако подумайте о том, как данные о фермерах и вообще тех, кто работает на земле, могут повысить выручку коммерсантам. Внимание к этой проблеме забили летом, когда одно из исследований указало на то, что прогнозы погоды, использование химических препаратов и другие факторы используются производителями семян и сельскохозяйственной химии для повышения цен в тех регионах, которые, судя по историческим данным, этим факторам подвержены.
Но есть и положительные примеры использования данных при работе в полях. Даже не в полях, а на морских фермах. Например, на тех, где выращивают креветок. Собирая данные в режиме реального времени с помощью оборудования со встроенным Интернетом вещей и загружая потом эти данные в аналитические модели, можно оптимизировать объем и время кормления креветок, в зависимости от условий бассейна и характеристик животных. В одном из проектов, реализованных McKinsey, подобное решение использовалось для креветочной фермы площадью 300 гектаров, увеличив в результате биомассу на 16% и сократив производственный цикл на 15%.
В мире здоровья не только креветок, но и людей также есть любопытные новости. К примеру, в медицинском центре Уолтона создали чатбот на базе искусственного интеллекта, который сокращает время ожидания пациентов для записи на прием, а также экономит рабочее время врачей. Пациент вступает в коммуникацию с чатботом в момент записи в больницу и описывает ему свои симптомы. Чатбот передает истории болезни и ответы пациентов врачам еще до приема. Таким образом, врач еще до того, как пациент зашел к нему в кабинет, может составить первичное мнение о том, чем болен и насколько серьезно человек.
Похожий кейс пришел и из Шанхая. Ведущие больницы в этом городе используют AI в мессенджере WeChat для оптимизации записи к специалистам. Искусственный интеллект изучает исторические данные о пациентах за три года и помогает медсестрам и пациентам сразу правильно выбрать нужное отделение для записи к врачу.
А в исследовательском центре американской Клиники Мейо создали алгоритм машинного обучения, который встраивается в онлайн-калькулятор на сайте или в мобильном приложение, и с помощью которого по набору симптомов можно диагностировать гепатит, вызываемый чрезмерным употреблением алкоголя.
Для тех, у кого с алкоголем проблем нет, то есть для детей, тоже есть хорошая новость. Решение на основе машинного обучения Caleb помогает узнать, когда младенцы хотят есть, и сообщает об этом родителям. Младенцы часто плачут от голода и то, когда они начнут хныкать, можно определить по мимике и жестикуляции. Caleb использует библиотеку MediaPipe от Google и с помощью камеры отслеживает появление таких симптомов как причмокивание, выплевывание соски, попытку засунуть кулачок в рот и прочие. Система каждому придает конкретный вес и при необходимости посылает родителям или няням сигнал о том, что ребенка пора кормить, пока не стало очень громко.
Самую масштабную работу проводят в Индонезии. В этой стране каждый год 390 миллионов человек заболевают лихорадкой денге, и для правительства и врачей всегда важно сразу, откуда идет инфекция. Решение на базе машинного обучения изучает исторические данные о прошлых вспышках заболевания - где они происходили, сколько длились и какие были погодные условия в этих районах. На основании этого можно контролировать «проблемные» регионы.
Будем надеяться, что болезни обойдут нас стороной, особенно если мы будем вести здоровый образ жизни и заниматься спортом.
На теннисном турнире Уимблдон в этом году зрители смогли воспользоваться новым приложением Win Factor. Созданное IBM и использующее ИИ приложение собирает информацию из многих источников и предсказывает шансы игроков на победу в том или ином матче. И кстати поклонники теннисистов и вообще все пользователи могут вносить в приложение собственные прогнозы о будущем победителе. Важный момент – приложение определяет, кто из спортсменов пользуется наименьшей популярностью и предлагает пользователям узнать о них побольше.
Специализированное мобильное приложение разработала к мундиалю и FIFA. Любопытно, что оно предназначено для самих игроков. Футболисты из всех 32 команд получили доступ к информации, которая поступает в приложение от аналитиков. Это данные по эффективности игры, передвижении игрока на поле и его физической подготовке (например, сколько игрок пробежал, сколько передач сделал).
Не переживайте, если вы не игрок национальной команды по футболу. Есть и для нас забавные AI-решения, связанные с чемпионатом мира в Катер. Например, алгоритм британского Института Алана Тьюринга, который предсказывает победителя. Исследователи собрали результаты всех международных матчей с 1892 года. Прогнав данные через модель 100 тысяч раз, система сообщила, что 25% успеха у Бразилии. Но шансы на успех есть у Бельгии и Аргентины. В тот момент, когда вы этот подкаст слушаете, вы наверняка знаете, оказались ли правы британские ученые?
Но кто бы ни стал чемпионом, смотреть футбол и знать о том, сколько на стадионе искусственного интеллекта, очень занимательно. Возьмем, к примеру сенсорный футбольный мяч, разработанный Adidas. Датчики движения, расположенные внутри мяча, посылают данные о его местонахождении 500 раз в секунду. Неплохая помощь судье и команде VAR, верно?
Спорт состоит не только из футбола, поэтому вот вам новости еще и про Формулу 1. Сейчас самое время для подготовки к сезону и технологические компании спешат обновить свои соглашения с гонщиками. Tata Communications продлевает партнерство с администрацией гонок и планирует перенести базы по анализу данных о гонках в режиме реального времени в специализированный ЦОД. Cognizant уже работает с командой Aston Martin, Dell Technologies поддерживает ребят из McLaren, а AMD - партнер Mercedes-AMG Petronas.
И кстати об автомобилях. За последние месяцы автомобилестроение – одна из самых активных в плане публичности и использования AI индустрий.
Audi используют компьютерное зрения для идентификации сбоев на конвейере. GM - Big Data для уточнения дефектов машин и отработки обратной связи покупателей. Tesla рассказывает о Hot Chips 34 на своей суперкомпьютерной архитектуре Dojo. Эта система представляет собой массивный составной суперкомпьютер и его апгрейд требовался для того, чтобы на нем работал масштабный ML алгоритм.
BMW опубликовали базовые принципы работы с AI. Среди них – поддержка и контроль технологии сотрудниками, техническая сложность и безопасность, управление данными и конфиденциальность, прозрачность, политика разнообразия, отсутствие дискриминации и равный подход, защита окружающей среды и общества и ответственность.
Ford подтверждает, что необходимо использовать Большие данные для того, чтобы оставаться конкурентоспобным. Еще в 2018 году Ford инвестировал в открытие двух центров обработки данных. В 2019-м анонсировал партнерство с Google для модернизации ИТ-систем и цифровой трансформации. Плюс, плотная работа с Google позволяет встраивать в машины приложения Google, включая карты и голосовое управление. Сейчас они используют аналитику и данные для увеличения выручки, персонализации страховых услуг, как в сотрудничестве с OnStar Vehicle Data, и прогнозирования поломок как в работе департаментом роботизации Университета Кардинала Херреры.
Из мира машины перенесемся в мир искусства. Ведь и здесь не обойтись без искусственного интеллекта.
Маная Батья, архитектор и компьютерный дизайнер из Нью Дели порадовал мир проектом под названием AI x Future Cities. В нем Батья с помощью системы на базе искусственного интеллекта создает изображения домов будущего. Midjourney, инструмент, который использовал Батья, тратит в среднем 20 минут на каждое изображение и представляет футуристический метрополис, основываясь на текстовых выражениях таких, как «футуристические башни», «технология утопии», «симбиотический» и «биолюминестентный материал».
Другой кейс из арт-мира – в этот раз из всемирно известного музея современного искусства в Нью-Йорке – MoMa. Художник Рефик Анадол представил в музее Unsupervised, масштабную инсталляцию цифровых произведений искусства, на базе AI, которые по-новому интерпретируют более чем двухсотлетнюю историю коллекции MoMa. Использовав 138 151 произведение искусства из музея, ИИ создал новые образы, которые стали частью большой концепции, в которой Рефик собирает данные из цифровых архивов и открытых источников и обрабатывает их с помощью классификационных моделей машинного обучения.
Кинематограф – это тоже искусство и теперь и ему AI может помочь экономить. Такие инструменты, как DALL-E от OpenAI, Midjourney и другие, берут изображения из интернета и выбирают датасеты для обучения моделей ИИ. В итоге они создают похожие, но оригинальные образы с помощью текстовых вставок. Таким образом, у нас появляется новый актер на любую ведущую роль в будущем блокбастере. И никакого нарушения конфиденциальности. И вот уже ИИ работает директором по кастингу в Голливуде.