Практическое применение нейронных сетей
В 1996 году фирмой «Accurate Automation Corp» по заказу NASA и «Air Force» был разработан экспериментальный автопилотируемый гиперзвуковой самолет-разведчик LoFLYTE. Самолет был длиной 2,5м и весил всего лишь 32 кг. Он был создан для исследования новых методов и принципов пилотирования. LoFLYTE использовал нейросети, позволяющие автопилоту обучаться, копируя приемы пилотирования профессионального летчика. Поскольку самолет был предназначен для полетов со скоростью 4-5 махов, то быстрота реакции пилота могла быть низкой для своевременного отклика на изменение режима полета. Тогда на помощь приходили нейронные сети, которые, сходя из опыта обучения приемам пилотирования и с помощью высокоскоростной обработки информации позволяли быстро найти выход в сложившейся ситуации.
Определение тематики текстовых сообщений – еще один успешный пример в пользу использования ИИ в проектах. Сервер новостей Convectis был выбран 1997 году лидером персонализированной доставки новостей для автоматической рубрикации сообщений по категориям. Оказалось, сервер определяет ключевые слова по контексту и в реальном времени разделяет потоки сообщений на рубрики.
Нейронные сети прочно вошли и в экономику. Американский банк Citybank использует нейросетевые предсказания с 1990 года. И уже через два года после внедрения, автоматический дилинг показал доходность 25% годовых. А Chemical bank применяет нейросеть Neural Data ля предварительной обработки транзакций на валютных биржах, отслеживая подозрительные сделки.
Интернет – определяющая вещь поколения Z. Именно поэтому искусственный интеллект легче всего найти именно здесь. Осенью 2016 года Яндекс запустил новый алгоритм поиска Палех на основе нейросети, а у Google представлен аналог «Колибри». Оба алгоритма содействуют более точному поиску по введенной в поисковую строку фразе, слову, предложению. Палех анализирует заголовки страниц и распознает их смысл. Создатели скоро обещают модернизировать ИИ так, чтобы анализу поддавался и остальной текст станицы.
Также поисковыми системами уже давно используется поиск по картинке. Но 18 февраля 2016 Артем Кухаренко обнародовал свой стартам FindFace, позволяющий по загруженной фотографии найти людей, похожих на изображенного на фото человека среди пользователей социальной сети «ВКонтакте».
Всем знаком голосовой ввод на поисковых страницах, но приобретенная Google нейросеть DeepMind способна очень точно воспринимать речь и грамотно ее имитировать. На данный момент технология превосходно читает по губам, примерно на 30% лучше профессионала-человека. Очевидно, что у нее огромный потенциал. Некоторые мечтают объединить постоянно улучшающийся (тоже с помощью нейросетей) переводчик иностранных слов и DeepMind, чтобы снизить языковые барьеры между носителями разных языков.
Также известно, что с помощью нейросетей можно упростить труд копирайтеров. Уже сегодня существуют генераторы текстов. На выходе получаются полноценные произведения, не профессиональные, но приемлемые. Был даже проведен эксперимент. В нейронную сеть была загружена база с научными статьями, после обучения, сеть выдала пару десятков научных трудов, которые были разосланы организаторами опыта в научные издания. Парадоксально, но некоторые тексты были даже опубликованы. Популярностью пользуются и синонимайзеры. И задача – повысить уникальность текста путем замены некоторых фраз на синонимичные. Более того, существует сервис «Главред» для трезвой критики. Он выявляет водные конструкции, оценивает качество текста и выделяет фразы, которые стоит заменить, объясняет почему и даже дает советы как именно.
Ну и конечно же, известными примером являются онлайн-консультанты и чат-боты. Компания Luka создала нейросеть, которая следит за поведением человека и создает его электронную копию посредством общения, изучения истории его переписки. Планируется, что после обучения, сеть сможет полноценно общаться с людьми, находить информацию и даже обучать других.