Как Искусственный Интеллект Защищает Нас От Рака И Излишней Жестокости

[Sascha]

Некоторые полагают, что распространение искусственного интеллекта и робототехники ставит под угрозу нашу личную жизнь, нашу работу и даже нашу безопасность. Все больше и больше задач уходят на выполнение мозгам на основе кремния. Но даже самые громкие критики не могут не признавать очевидные блага, которые ИИ и автоматизированные системы готовят для человечества. В рамках проекта Grand Challenges BBC собрал экспертов, которые изложили свое видение будущего в присутствии машин и искусственного интеллекта.


«Мы должны рассматривать ИИ не как что-то, с нами конкурирующее, а как что-то, что может усилить наши собственные способности», говорит Такео Канаде, профессор робототехники в Университете Карнеги — Меллона. Потому что ИИ обладает толерантностью к скуке, а также умеет выявлять закономерности намного лучше и быстрее, чем люди. Автоматизация уже принялась за распутывание самых сложных узлов нашего мира, от болезней до жестокости.

И она может сделать нашу жизнь безопаснее в 21 веке.

Сражение с инфекционными заболеваниями


Для миллиардов людей по всему миру жужжание москитов рядом с ухом может означать гораздо большее, чем раздражающий укус – оно может быть предвестником болезни и даже смерти. Один вид – Aedes aegypti – особенно распространился из Африки в почти всех тропических и субтропических регионах, перенося лихорадку Денге, желтую лихорадку, Зика и чикунгунья (вирус, вызывающий калечащие боли в суставах). Одна только Денге заражает 390 миллионов человек в 128 странах каждый год.

«Этот москит – крошечный демон», говорит Рейнир Маллол, компьютерный инженер из Доминиканской Республики, горячей точки распространения Зика. Вместе с Деси Раджа, медиком из Малайзии (другой страны, подверженной риску заражения вирусом), пара разработала алгоритмы ИИ, которые предсказывают, где вероятнее всего будут происходить вспышки.

Project Premonition от Microsoft использует беспилотные летательные аппараты для поиска патогенов в горячих точках распространения Зика

Их искусственный интеллект в области медицинской эпидемологии (Aime) – это система, которая объединяет время и местоположение каждого нового случая Денге по отчетам местных больниц с 274 другими переменными факторами, такими как направление ветра, влажность, температура, плотность населения, тип жилья. «Это все факторы, определяющие распространение комаров», объясняет Маллол.

Испытания в Малайзии и Бразилии показали, что они могут прогнозировать вспышки с точностью около 88% за три месяца. Система также помогает определить эпицентр вспышки с точностью до 400 метров, позволяя местным медикам вовремя вмешаться с инсектицидами и защитой от укусов для местных жителей.

Aime также развивается, чтобы предсказывать вспышки Зика и чикунгунья. Огромные технологические компании по-своему развивают эту идею: например, Project Premonition от Microsoft использует автономные беспилотники, чтобы выявлять очаги распространения комаров, и используют диоксид углерода и световые ловушки для поимки этих насекомых. ДНК москитов и животных, которых они кусали, затем анализируется машинными алгоритмами, которые выявляют закономерности в гигантских объемах данных все лучше и лучше с каждым разом – и находят возбудителей.

Борьба с оружием


За последний год в США погибло 15 000 человек из-за стрельбы. У этой страны самый высокий уровень связанной с оружием жестокости во всем развитом мире. Чтобы решить проблемы с беспорядочной стрельбой и связанными с оружием преступлениями, в некоторых городах страны обращаются к технологиям за помощью.

Автоматизированная система, которая слышит звуки выстрелов посредством ряда сенсоров, может использоваться для определения места, где раздавались выстрелы, и оповещать органы безопасности в течение 45 секунд после того, как был спущен курок. ShotSpotter использует 15-20 акустических датчиков на квадратный километр для обнаружения характерного «хлопка» выстрела, определяя его место рождения с точностью до 25 метров.

Технологии машинного обучения используются для подтверждения того, что звук был огнестрельным, и подсчитывают количество выстрелов, показывая, будет ли полиция иметь дело с одиноким стрелком или несколькими преступниками, а также используют они автоматы или нет.

Уже 90 городов – по большей части в США, но также в Южной Африке и Южной Америке – используют ShotSpotter. Небольшие системы также были развернуты в девяти университетских городках в США в ответ на недавнюю стрельбу в кампусе.

Ральф Кларк, исполнительный директор ShotSpotter, считает, что в будущем эта система может использоваться не только для простого реагирования на инциденты.

«Мы стремимся понять, как наши данные могут использоваться для прогностических возможностей полицейских», говорит он. «Машинное обучение можно совместить с погодой, дорожным трафиком и другим, чтобы более точно информировать полицейские патрули».

Борьба с голодом


Около 800 миллионов человек во всем мире полагаются на корни кассавы (маниоки) в качестве основного источника углеводов. Этот крахмалистый овощ, похожий на ямс, едят как картофель; его также можно измельчить в муку для приготовления хлеба и выпечки. Он может расти там, где не могут другие культуры, что сделало кассаву шестым по величине продовольственным растением в мире. Однако этот древесный кустарник также уязвим для болезней и вредителей, что может привести к опустошению целых полей овощей.

Исследователи из Университета Макерере в Кампале, Уганда, объединились с экспертами по болезням растений, чтобы разработать автоматизированную систему, направленную на борьбу с заболеваниями маниоки. Проект Mcrops позволяет местным фермерам фотографировать свои растения на дешевые смартфоны и использовать компьютерное зрение для выявления признаков четырех основных заболеваний, которые приводят к опустошению посевов маниоки.

«Некоторые из этих заболеваний крайне трудно распознать, и они требуют различных действий», объясняет Эрнест Мвебазе, исследователь компьютерных технологий, возглавляющий проект. «Мы даем фермерам карманного эксперта, чтобы они знали, опылять урожай или же уничтожить и посадить что-то еще».

Эта система диагностирует заболевания кассавы с 88-процентной точностью. Обычно фермерам нужно звонить правительственным экспертам для посещения ферм, чтобы те идентифицировали болезни, на что уходят дни и недели, пока болезнь распространяется.

Mcrops также позволяет загружать снимки в базу данных, на основе которой затем диагностируются эпидемии. Мвебазе надеется, что эта технология позволит также автоматически определять проблемы других видов растений, например бананов.

Борьба с раком и потерей зрения

DeepMind от Google может помочь врачам с лечением рака, благодаря машинному обучению, которое поможет ему идентифицировать здоровые участки тканей пациента

Рак приводит к более чем 8,8 миллиона смертей по всему миру, и 14 миллионов человек диагностируются с той или иной формой рака ежегодно. Раннее выявление рака может существенно повысить шансы на выживание человека и снизить риск рецидива. Скрининг – один из ключевых способов раннего выявления рака, но разбираться в сканах и других результатах тестов очень и очень трудно и долго.

DeepMind и IBM применяют свои технологии ИИ к этой проблеме. DeepMind объединилась с британскими врачами Национальной службы здравоохранения в университетских колледжах Лондона, чтобы обучить свою программу на основе ИИ лечить рак, отделяя области здоровой ткани от опухолей при сканировании головы и шеи. Она также работает с Moorfields Eye Hospital в Лондоне, выявляя ранние признаки потери зрения при сканировании глаз.

«Наши алгоритмы способны интерпретировать визуальную информацию при сканировании», говорит Доминик Кинг, главный по клиникам в DeepMind Health. «Система учится определять потенциальные проблемы и рекомендовать правильный курс действий врачу. Пока рано комментировать результаты, но они уже очень обнадеживают».

Кинг говорит, что методы ИИ могут помочь врачам определять диагноз быстрее, просеивая сканы и расставляя приоритеты на тех, которые рекомендуются к немедленному рассмотрению.

IBM также недавно объявила, что ИИ Watson может анализировать изображения и оценивать записи пациентов, точно определяя опухоль в 96% случаев. Сейчас система проходит медицинские испытания в 55 больницах по всему миру, помогая диагностировать рак молочной железы, легких, колоректального рака, рака шейки матки, яичника, желудка и предстательной железы.

Не выключая свет


На фоне разгорающихся споров о том, могло ли изменение климата вызвать два катастрофических урагана в исторических масштабах в США, как можно было бы максимально эффективно направить искусственный интеллект на исследование использования чистой, возобновляемой энергии для предотвращения дальнейшего ущерба, который приводит к проблемам климата?

Люди всего мира все больше полагаются на возобновляемые источники энергии для борьбы с изменением климата и загрязнением, вызванным ископаемым топливом, и задача балансирования энергетических сетей с такими прерывистыми источниками становится все сложнее. Распространение умных счетчиков – цифровых мониторов энергии, которые автоматически записывают потребление – также предоставит много данных о том, как и когда потребители используют энергию. Только в Евросоюзе планируется установка 500 миллионов умных счетчиков в домах к 2020 году.

«Управление всеми этими активами невозможно для человека, поскольку время ответа часто составляет порядка нескольких секунд», говорит Валентин Робу, доцент интеллектуальных систем в Университете Хериот Ватт в Эдинбурге. Он работает с английской компанией Upside Energy, разрабатывая новые способы управления электрическими сетями.

Они создают алгоритмы машинного обучения для мониторинга производства и спроса на энергию в реальном времени. Что это значит? Что энергия будет сохраняться в спокойные часы и затем выпускаться в часы пик, например с утра, когда каждый хочет сделать себе кофе. По мере того, как электромобили и домашние аккумуляторы становятся все более распространены, технологии можно использовать для хранения энергии и равномерного распределения возобновляемых потоков.

Робу также говорит, что ИИ можно использовать на еще более базовом уровне, помогая снизить наш спрос на подключенные устройства. Например, холодильниками ИИ может управлять напрямую, чтобы они включались лишь тогда, когда спрос на электроэнергию самый низкий в сети.