22/06/2017 ИСИ СО РАН
Участники «Технопрома» — о развитии и применении искусственного интеллекта
86 ИСИ СО РАН ИВМиМГ СО РАН СО РАН Инновации Математика Информационные технологии Новосибирск Глубинное обучение (Deep Learning) — область машинного обучения, которая активно развивается последние годы. Конечно, это не тот искусственный интеллект, который представляют себе фантасты, но уже сегодня многие алгоритмы решают задачи биомедицины, машиностроения, обработки естественного языка. Участники Международного форума технологического развития "Технопром-2017" обсудили перспективы искусственного интеллекта на стратегической сессии.
Машинное обучение занимается множеством задач, для которых не создано традиционных алгоритмов решения, и некоторые российские разработки в этой области достигают мирового уровня. Заведующий лабораторией Федерального исследовательского центра "Информатика и управление" РАН кандидат физико-математических наук Иван Валентинович Смирнов отметил, что существующие алгоритмы направлены на получение новых данных: современные методы, например нейронные сети, представляют собой некий "черный ящик", они не имитируют рассуждения человека (как индукция или дедукция), а решают задачу собственным путем. Сейчас такого рода технологии активно развиваются: чат-боты, к примеру, начинают все лучше имитировать разговор человека (некоторые из них могут пройти не только тест Тьюринга, но и более сложные испытания). Со временем алгоритмы машинного обучения станут частью повседневной жизни, но для того, чтобы оно развивалось как научное направление нужен заказ рынка.
Младший научный сотрудник Сколковского института науки и технологий Алексей Зайцев рассказал о том, как глубинное обучение может помочь в авиакосмической индустрии. Дело в том, что при строительстве летательных аппаратов производится множество расчетов, каждый из которых занимает по несколько часов работы суперкомпьютера, а это не только долго, но и дорого. Технология суррогатного моделирования создает специальные модели — они позволяют решить эту проблему и сократить время расчетов до миллисекунд. Такой подход уже уменьшил время разработки самолетов на 5 %.
О том, как машинное обучение развивается в научно-исследовательских институтах, рассказал директор Института систем информатики им. А. П. Ершова СО РАН, сотрудники которого работают в этой области с 1969 года, доктор физико-математических наук Александр Гурьевич Марчук.
— По всему спектру технологий машинного обучения инженерия опережает теоретические исследования, — рассказал ученый. — Специалисты уже задним числом пытаются научно обосновать работу тех или иных алгоритмов, хотя и это не просто. Например, все еще не существует четкого объяснения технологии нейронных сетей. Наш институт хочет энергично развернуть не только фундаментальные, но и прикладные исследования в области искусственного интеллекта. Вместе с Институтом математики им. С. Л. Соболева СО РАН и Институтом вычислительной математики и математической геофизики СО РАН мы пытаемся сформировать программу большей технологической направленности: думаю, мы в состоянии доводить исследования не только до теории, но и до создания прототипов, реальных технологических решений.