5 кейсов, где искусственный интеллект выступает в роли защитника

К 23 февраля мы собрали для вас 5 кейсов, где выступать в роли защитника будет искусственный интеллект. Смертельные болезни, внешние угрозы, преступники, экологические проблемы и чрезмерные траты ресурсов – читайте в нашей сегодняшней статье, как цифровизация на базе больших данных (Big Data) и машинного обучения (Machine Learning, ML) защитит нас от этих опасностей. Спойлер: от этих проблем – защитит отлично, но создаст множество новых.

Защита от бактерий, вирусов и болезней: большие данные и машинное обучение в медицине

Big Data и Machine Learning уже более 10 лет активно используется в медицине для визуализации данных (чего стоят одни только многочисленные интерактивные карты коронавируса, захватившего мир в 2020 году), в рекомендательных системах по назначению лекарственных препаратов, диагностике заболеваний по рентгеновским снимкам и прочим приложениях для обработки большего объема информации и распознавания образов. Также искусственный интеллект (Artificial Intelligence, AI) помогает лечить рак, болезни глаз, выполняет УЗИ беременных, предсказывает развитие эпидемий и даже ассистирует при проведении малоинвазивных операций [1]. А в феврале 2020 года ученые Массачусетского технологического института (MIT) с помощью алгоритмов машинного обучения получили новый мощный антибиотик. В обучающий датасет вошло около 2500 соединений, 1700 из которых – это препараты, одобренные управлением по санитарному надзору за качеством пищевых продуктов и медикаментов США, а остальные 800 — биологически активные вещества из натуральных продуктов. Нейросеть синтезировала около 6000 новых соединений, среди которых была обнаружена молекула с высокой антибактериальной активностью. Новый антибиотик, структура которого существенно отличается от существующих лекарств, назвали галицином (halicin). Его эффективность была подтверждена лабораторными испытаниями на бактериях туберкулёза, клостридий, аэробных бациллах и кишечной палочке. Примечательно, что, в отличие от существующих антибиотиков, бактерии не становятся к нему устойчивыми (не вырабатывают резистентность) — по крайне мере, пока. Предварительные тесты показали, что галицин не токсичен для человека. Однако, прежде чем запустить массовое производство этого нового лекарства, необходимо провести еще ряд лабораторных и полевых исследований [2]. Однако, как мы рассказывали здесь, искусственный интеллект может навредить, если изначальной целью внедрения ML-системы на базе Big Data было получение прибыли, а не помощь заболевшим людям.

Искусственный интеллект в военной промышленности

Крупные боевые беспилотные самолеты и компактные дроны, наземные комплексы на базе танков и бронетранспортеров, ракеты и самонаводящиеся прицелы – все эти виды тактического оружия активно используют алгоритмы распознавания образов, вычисления оптимального пути, прогнозирования и прочие ML-приложения [3]. Также стоит упомянуть постоянно растущий спрос на промышленных и военных роботов. Еще технологии машинного обучения будет ассистировать бойцов для быстрого принятия управленческих решений в боевых условиях. В частности, в начале 2019 года Командование Армии США инициировало программу разработки виртуального помощника для экипажей танков и боевых машин, чтобы повысить эффективность их работы в условиях боя. Проект рассчитан на 5 лет: согласно плану, заключительные испытания состоятся в 2024 году. Впрочем, стоит упомянуть, что военные специалисты понимают ответственность, связанную с применением искусственного интеллекта и робототехники не в мирных целях. Поэтому в августе 2017 года 116 экспертов из 26 стран мира отправили в ООН открытое письмо с призывом запретить автономное оружие. Среди них руководитель Tesla Илон Маск и Мустафа Сулейман, сооснователь компании DeepMind Technologies, которая в настоящее время принадлежит Google. Это позволяет надеяться, что технологии больших данных и машинного обучения не попадут в руки фанатичных безумцев, бесконтрольно использующих столь мощное оружие [4].

Big Data и Machine Learning против преступников

Мы уже не раз писали про систему уличного видеонаблюдения с модулем распознавания лиц, которая внедрена в Москве и вводится в другие города России. В 2019 году только в столице эта технология помогла раскрыть более 4 000 преступлений и задержать десятки разыскиваемых граждан [5]. Тем не менее, стоит упомянуть об обратной стороне данной Big Data системы, когда записи с уличных видеокамер городского видеонаблюдения попадают на черный рынок данных, а доступ к самим камерам не слишком защищен с технической точки зрения. Кроме того, тотальное видеонаблюдение на улицах ведется без фактического согласия самих наблюдаемых, а это уже противоречит закону о неприкосновенности личной жизни и напоминает систему всеобщего контроля из фантазий Оруэлла (1984) и прочих антиутопий. Подробнее о угрозах неправомерного использования биометрической информации, к которой относится изображение лица в том числе, читайте в этой статье. Также, говоря про безопасность, стоит упомянуть использование методов машинного обучения в сфере cybersecurity, о чем мы писали здесь. Побочным эффектом является то, что киберпреступники также применяют ML-алгоритмы для создания новых вредоносных программ и обмана биометрических систем. Например, синтезируя фальшивые видео со знаменитостями и обычными людьми, чтобы использовать их изображения и голос в преступных целях. Что такое Deep Fake и чем это опасно, смотрите в этом материале.

распознавание лиц, искусственный интеллект контролирует человека — Big Data системы распознавания лиц с модулями Machine Learning все активнее внедряются в каждом городе России

AI и проблемы экологии

Мы уже рассказывали, как машинное обучение и большие данные пытаются сделать наши города чище, помогая ухаживать за лесными массивами, оптимизировать раздельный сбор мусора и вывоз бытовых отходов, а также контролировать экологическую обстановку. Также эти технологии позволяют прогнозировать и, соответственно, снижать, риски нефтеразливов и вырубки лесов [6]. Однако, следует помнить, что обучение каждой нейронной сети сравнимо с выбросами углекислого газа от 5 автомобилей. В частности, для нейросетевой модели Transformer обучение на 65 миллионах параметров провоцирует выброс CO2 около 11 кг. А когда число обучающих параметров возрастает до 213 миллионов, то выделяется уже 87 кг вредных для окружающей среды веществ [7].

Цифровизация для сокращения расходов

Big Data и Machine Learning позволяют заранее оценить потенциальную выгоду от предполагаемых месторождений полезных ископаемых, чтобы не тратить время и деньги на разработку неэффективных локаций. Также эти технологии позволяют оптимизировать производственные процессы, предупредив о возможности внезапной поломки дорогостоящего оборудования и таким образом сократить потери от простоев техники. Подробнее об этом мы писали здесь. Еще инструменты аналитики больших данных и методы машинного обучения помогают снизить расходы на рекламный бюджет, повысив эффективность таргетированного маркетинга. Технологии интернета вещей (Internet of Things) могут значительно снизить коммунальные расходы, своевременно просигнализировав об открытом кране, не выключенной лампочке или не закрытой форточке и даже самостоятельно справиться с этими проблемами. Тем не менее, все маркетологи мира используют Big Data и Machine Learning, чтобы увеличить рост продаж, стимулируя каждого из нас к еще большему потреблению через индивидуальные предложения товаров и услуг на основе анализа пользовательских интересов и внешних условий.

машинное обучение, нейросети, искусственный интеллект — Нейросетевые модели помогают корпорациям экономить, но стимулируют обывателей больше потреблять

В следующей статье мы рассмотрим, почему люди не стремятся делегировать искусственному интеллекту решение сложных управленческих задач. А тематическую публикацию к 8 марта про применение Big Data и Machine Learning в индустрии моды и красоты читайте здесь. Как использовать технологии больших данных и машинного обучения, сократив риск побочных эффектов цифровизации своего бизнеса, вы узнаете на наших образовательных курсах в лицензированном учебном центре обучения и повышения квалификации руководителей и ИТ-специалистов (менеджеров, архитекторов, инженеров, администраторов, Data Scientist’ов и аналитиков Big Data) в Москве: