Читайте РБК без баннеров

Подписка отключает баннерную рекламу на сайтах РБК и обеспечивает его корректную работу

Всего 99₽ в месяц для 3-х устройств

Продлевается автоматически каждый месяц, но вы всегда сможете отписаться

ИИ-поэт и «поддельный» Том Хэнкс: дайджест Индустрии 4.0 № 19

Тема недели

Искусственный интеллект научился писать почти как человек

В июле 2020 года американская компания OpenAI открыла ограниченный доступ к языковой модели GPT-3 — системе, которая предсказывает наиболее вероятную последовательность слов и предложений в тексте. Программисты и исследователи продолжают тестировать новый алгоритм и удивляться его возможностям. Модель генерирует длинные тексты и короткие новостные заметки, пишет стихи, придумывает мемы и даже создает несложные программы и приложения. Нейросеть GPT-3 обучили на триллионе слов со всего интернета, включая Википедию, электронные книги и мастер-классы по C++. Благодаря такому объему данных ее тексты так похожи на те, что пишут люди.

Но GPT-3 не понимает смысл того, что она генерирует. Система сходу может сказать, сколько людей живет в Красноярске, но не сможет решить простую задачку. Если у алгоритма спросить: «Что останется, если из коробки с двумя туфлями вынуть одну туфлю и положить вместо нее карандаш?», GPT-3 ответит: «Одна туфля». Исследователи считают, что недостаток логики — проблема всех языковых моделей, основанных на глубоком обучении. Чтобы они работали лучше, нужно добавить в их учебную программу нейросимволическое обучение, задача которого — научить нейросеть понимать значения слов и применять их в разных ситуациях. Процесс мышления может выглядеть вот так:

Фото: REG.ru
Фото: REG.ru

Этот подход в своей работе использует группа ученых из американского Института искусственного интеллекта Аллена (Allen Institute for AI) под руководством профессора Е Чжин Чой. Исследователи стараются объединить глубокое и нейросимволическое обучение алгоритмов. Для этого они создали базу данных, которая состоит из названий предметов реального мира, описания их характеристик и моделей взаимодействия. Анализируя эту информацию, ИИ учится делать выводы о том, как объект поведет себя в конкретной ситуации, и предположения, почему он так делает. Например, если человек бросит горящую спичку на охапку дров, система решит, что он хочет ее поджечь или что ему нужен источник света. По словам профессора Чой, нейросеть может «понимать» причины даже тех ситуаций, с которыми раньше не сталкивалась.

Нейро-символическое обучение будет полезно не только для создания языковых моделей, но и для разработки голосовых ассистентов. Если алгоритмы научатся понимать, что действительно нужно клиенту, а не подбирать наиболее частотный вариант ответа, на них можно будет переложить больше рутинных процессов. То же можно сказать о нейросетях, которые пишут новостные заметки или предлагают товары клиентам онлайн-магазинов.

Технология недели

С помощью инфразвука можно выявлять торнадо на полчаса раньше, чем с помощью радаров

Ежегодно в мире фиксируют около 1,5 тыс. торнадо, которые наносят значительный ущерб глобальной экономике: только США в 2019 году потеряли $3,1 млрд из-за этого природного бедствия. Главная проблема в том, что торнадо сложно предсказать, потому что они формируются и перемещаются очень быстро. В среднем люди получают предупреждение за 15 минут до прихода бедствия в город. Этого едва хватает, чтобы добраться до убежища.

Ученые из Университета Миссисипи нашли способ выявлять торнадо быстрее. В этом помогают микрофоны, улавливающие инфразвук — волны с частотой меньше 20 Гц. Для сравнения: человек слышит звуки в диапазоне от 16 до 20 тыс. Гц. В ХХ веке с помощью инфразвука фиксировали испытания ядерного оружия и сход лавин, но технология оказалось полезной и для предсказаний торнадо. В среднем микрофоны ученых «замечали» формирование торнадо на 30 минут раньше, чем доплеровские радары, которые используют сейчас. Технология не поможет уменьшить экономический ущерб от бедствия, но даст людям больше времени, чтобы спастись.

Проблема недели

Убедительный дипфейк можно создать всего за $100

Сотрудник американской ИТ-компании FireEye Филип Талли создал дипфейк актера Тома Хэнкса с помощью алгоритмов машинного обучения и облачных технологий. Выступая на конференции по информационной безопасности Black Hat, Талли заявил, что ему не потребовалось специальных знаний: все необходимые приложения находятся в открытом доступе. Затраты на проект составили всего $100 — стоимость аренды программы для генерации изображений от Nvidia.

Если не обращать внимание на неестественные складки на шее и текстуру кожи, поддельный Том Хэнкс выглядит почти как настоящий: нейросеть точно воспроизвела узнаваемые черты актера. Филип Талли также попробовал синтезировать голос актера, используя видео из YouTube. Так как алгоритмы для имитации звука развиваются медленнее, чем генераторы изображений, «голос» постоянно подвисал.

Своей презентацией Талли хотел показать, насколько просто создать убедительную подделку. Это значит, что мошенники будут использовать дипфейки, чтобы незаконно получать деньги или порочить репутацию конкурентов. В медиа и политике подделки тоже навредят: фейковые новости могут повлиять на исход выборов или спровоцировать конфликт между государствами.

Статья недели

Американские ученые нашли способ лечить прионные болезни

Прионы — это неправильно свернутые белки, в составе которых нет нуклеиновых кислот. В первую очередь они поражают ткани головного мозга, делая их похожими на губку. Они могут перекодировать нормальные белки и менять их структуру — так инфекция распространяется по организму. Вероятность летального исхода при прионных болезнях равна 50%, а в тяжелых случаях летальность еще выше. Эффективного лекарства от этих болезней пока не существует.

Тем не менее, ученые из США провели серию экспериментов, которые показали эффективность терапии антисмысловыми олигонуклеотидами — короткими последовательностями РНК, останавливающими синтез аномального белка. Таким способом исследователям удалось вылечить мышей, больных скрейпи (почесухой). Животные, которые получали лечение, жили на 98% дольше, чем мыши в контрольной группе. Антисмысловую терапию пытались применять и раньше, но безуспешно. Эффективность новых экспериментов объясняется тем, что в этот раз нуклеотиды вводили периодически большими дозами, а не непрерывно маленькими.

Одной строкой

Google будет выявлять землетрясения с помощью смартфонов.

Пентагон передаст часть используемых частот телеком-компаниям, развивающим 5G.

Модный дом Gucci выпустил приложение, в котором можно создать виртуальные кроссовки.

В Японии построили 18-метрового робота из аниме «Мобильный воин Гандам».

«Яндекс» тестирует беспилотные автомобили в США.

Human Rights Watch призывает запретить автономное оружие.

Ученые из Вьетнама создали новый водоотталкивающий материал, который не покрывается льдом.

Южная Корея запустит пилотный проект по использованию 6G в 2026 году.

Компания LG представила прототипы складных, гибких и скручивающихся дисплеев.

AR-система создает виртуального соперника для бегунов и помогает тренироваться эффективнее.

Что послушать

Выпуск подкаста Podlodka про имитационное моделирование — метод проверки гипотез при помощи математических расчетов. По мере того, как мир становится сложнее, переменных в уравнениях становится все больше. Чтобы за всем уследить и проконтролировать даже мелкие детали, используют искусственный интеллект. Он строит модели, которые делают производство более безопасным, помогают уменьшить очереди в банках и спрогнозировать распространение опасных болезней.

Что посмотреть

Сюжет о том, как нидерландская компания Heemskerk использует роботов для сортировки и упаковки заказов. Heemskerk — поставщик скоропортящихся продовольственных товаров и готовых блюд для ретейлеров. С помощью роботов компания смогла сократить время доставки заказов. В результате продукты быстрее продаются и меньше портятся.

Что почитать

Интервью с Анной Вероникой Дорогуш — программисткой, которая создала библиотеку для машинного обучения CatBoost. Эту библиотеку скачивают 100 тыс. человек в неделю, а такие крупные компании, как Netflix и Aviasales, используют для разработки рекомендательных алгоритмов. Анна Вероника рассказала об искусственном интеллекте, выборе профессии и об отличиях ИТ-индустрии в России и США.

Следующий материал: