Программисты научат беспилотные машины здравому смыслу
Ученые из Массачусетского технологического университета представили стартап iSee, который разрабатывает беспилотные автомобили на основе нового подхода к системам искусственного интеллекта. Вместо того чтобы полагаться на традиционные алгоритмы машинного обучения, программисты вдохновляются когнитивным науками: это позволит им наделить беспилотный транспорт подобием здравого смысла у людей и умением быстро ориентироваться в неожиданных ситуациях. О проекте рассказывает MIT Technology Review.
Водители за рулем опираются на знание особенностей окружающего мира, когда принимают решения на дороге. Например, им известно, что автобусу нужно больше времени для того, чтобы затормозить, и что из него внезапно может выйти сразу много пешеходов. Создать бортовой компьютер, который мог бы реагировать на подобные ситуации, с помощью традиционных методов очень сложно.
Например, в прошлом году в Китае беспилотный автомобиль Tesla на скорости въехал в машину для подметания улиц — по мнению некоторых экспертов, это произошло из-за того, что встроенный компьютер тренировали в Израиле или Европе, где нет такой разновидности уборочных автомобилей.
Основатели стартапа iSee Дебби Ю (Debbie Yu), Ибиао Чжао (Yibiao Zhao) и Крис Бейкер (Chris Baker) намерены понять, как человек извлекает информацию об окружающем мире, чтобы создать систему искусственного интеллекта нового типа. Программисты не раскрывают подробностей, однако рассказывают, что, в частности, они исследуют интуитивное восприятие физики окружающего мира — в похожей области работают ученые из Google DeepMind.
Понимание того, как работает мир вокруг, позволяет предсказывать, как будут развиваться неожиданные ситуации. Кроме того, по мнению Джоша Тененбаума (Josh Tenenbaum), советника компании, знание законов физического мира тесно связано с интуитивным пониманием психологии и способностью предугадать, какие цели преследует человек — например, тянется к чашке с чаем, чтобы взять ее.
Новый стартап сочетает классические методы машинного обучения (в частности, глубинное обучение) с вероятностным программированием. В качестве платформы для испытаний исследователи используют автомобиль Lexus RX450h, принадлежавший одному из основателей iSee. Как сообщается на сайте компании, тестовый прототип уже проехал тысячи километров и имел рекордно низкое количество сбоев. Тем не менее, представители компании пока не предоставили более конкретной статистики.
В последние годы все больше ученых работают над тем, чтобы научить системы искусственного интеллекта и роботов эффективно взаимодействовать с объектами окружающего мира. Так, компании Google удалось обучить роботов зрительно-моторной координации движений при захвате реальных предметов, а также определять характеристики объектов в виртуальном мире.
Кристина Уласович
Также алгоритм может быть полезен при стихийных бедствиях
Ученые разработали датчик, способный распознавать диарею по звукам дефекации, и представили его на 183-м заседании Акустического общества Америки. Предполагается, что устройство поможет предсказывать вспышки инфекционных заболеваний. Диарея может иметь вполне безобидное происхождение: например, быть побочным эффектом лекарства или реакцией организма на что-то несвежее. Однако нередко диарея сопровождает инфекционные заболевания, многие из которых до сих пор представляют серьезную опасность — например, холеру, уносящую около 150000 жизней в год. С этой точки зрения мониторинг звуков диареи может быть полезен для того, чтобы предсказать вспышку инфекции и остановить ее стремительное распространение. Группа ученых из Технологического института Джорджии под руководством инженера-исследователя Майи Гатлин (Maia Gatlin) разработала прототип устройства для мониторинга диареи. Датчик использует микрофон и алгоритм машинного обучения, работающий на встроенном микропроцессоре и умеющий анализировать звуки, которые издают посетители туалетов. Авторы изделия рассказывают о работе алгоритма в общих чертах, не сообщая об архитектуре нейросети, размере и составе датасета для обучения. Известно, что первоначально исследователи обучили алгоритм на звуках, которые удалось собрать из онлайн-источников. Каждый из этих образцов устройство преобразовывало в спектрограмму. Сперва алгоритм научили распознавать, какие характерные особенности спектрограммы сопровождают те или иные виды выделений. Для обучения использовались различные звуки естественных отправлений человека: как нормальные, вроде мочеиспускания, метеоризма и обычной, здоровой дефекации, так и патологические. Так, для диареи характерны определенные движения кишечника, рыхлые и водянистые, и сопровождаются они определенными звуками. Затем алгоритму дали послушать другие образцы звуков, и он смог распознать тип события с точностью до 98,1 процента. Авторы датчика предполагают, что устройство может быть полезно в различных сферах: например, для отслеживания состояния кишечника у пациентов в хосписах или тех, кто страдает от болезни Крона. Также детектор будет полезен в зонах стихийных бедствий — там, где загрязнение воды приводит к распространению болезнетворных микроорганизмов. Кроме того, не исключено, что в будущем эту технологию можно будет применять в экосистеме умного дома. Исследования того, что происходит в туалете и после него, помогают предсказать вспышки многих инфекционных заболеваний, не только холеры. Подробно о том, какую информацию можно получить, исследуя стоки, N+1 рассказывал в материале «Смытые данные».