Николай Золотых: могут ли машины мыслить, и как их этому научить

Николай Золотых, профессор Национального исследовательского Нижегородского государственного университета им. Н.И. Лобачевского. Фото Татьяны Паутовой.
Николай Золотых, профессор Национального исследовательского Нижегородского государственного университета им. Н.И. Лобачевского. Фото Татьяны Паутовой.

Машинное обучение – это дисциплина, которая занимается алгоритмами обучения. Как научить машину решать задачи, алгоритмы для которых сложно запрограммировать «руками»? Этот вопрос исследует дисциплина «машинного обучения».

О машинном обучении Теплице социальных технологий рассказал Николай Золотых, доктор физико-математических наук, профессор кафедры алгебры, геометрии и дискретной математики Института информационных технологий, математики и механики Национального исследовательского Нижегородского государственного университета им. Н.И. Лобачевского, преподаватель курса «Машинное обучение».

– Николай, расскажите, что такое машинное обучение?

– На самом деле, сложно сесть и написать хороший алгоритм для решения задачи распознавания изображений, для синтеза или распознавания речи, перевода текста с одного языка на другой. В этом случае используется «машинное обучение». Когда мы на большом количестве примеров обучаем программу, даем задачи и даем ответы к ним, то машина сама обучается и постепенно начинает решать задачу все лучше и лучше.

Я начал заниматься машинным обучением до того, как это стало модно. Курс по машинному обучению я читаю с 2007 года, он был разработан по заказу компании Intel. Уже тогда у них был спрос на специалистов машинного обучения и необходимость в подготовке таких специалистов, и они обратились ко мне.

– Над какими проектами вы работаете?

– Сейчас в университете мы ведем большой проект «Программно-аппаратный комплекс «Киберсердце»». Наш промышленный партнер – компания «Ниагара Компьютерс», а мы отвечаем за алгоритмы и программное обеспечение.

Это проект, который реализует все компоненты, связанные с диагностикой сердечно-сосудистых заболеваний. Он состоит из нескольких модулей: диагностика, лечение, реконструкция, визуализация, мобильный кабинет и другое.

Технологии машинного обучения используются по крайней мере в двух модулях: это реконструкция и диагностика. Реконструкция – это восстановление трехмерной персонифицированной настраиваемой (параметрической) сегментированной модели сердца пациента по данным магнитно-резонансной томографии (МРТ) или компьютерной томографии, которые дают набор снимков срезов органа человека, например, сердца.

Еще по теме: Как научить машину

После создания индивидуальной модели можно будет, например, с помощью компьютерного расчета прогнозировать результаты операции на сердце, назначать персонифицированное лечение и так далее.

Эта задача сложная, она никем еще до конца не решена, и хотя с любым аппаратом МРТ поставляется программа, делающая трехмерную визуализацию, но они не дают параметрической модели. И вот этой задачей мы занимаемся с помощью машинного обучения.

Программно-аппаратный комплекс «Киберсердце», реконструкция сердца.
Программно-аппаратный комплекс «Киберсердце», реконструкция сердца.

Другой модуль, где используется машинное обучение – это диагностика. Именно этой командой я руковожу. Основная задача – определить диагноз по электрокардиограмме (ЭКГ) и другим анализам.

Конечно, уже сейчас аппараты ЭКГ дают какое-то заключение, но часто врач берет распечатку ЭКГ и зачеркивает заключение, полученное автоматически, потому что оно неправильно. Мы как раз занимаемся совершенствованием алгоритмов диагностики. Для этого мы собираем большую базу ЭКГ с диагнозами и сотрудничаем с нижегородской больницей №5.

Проект начался в 2016 году, он запланирован на три года, но мы, конечно, планируем развиваться и дальше.

– Насколько перспективно заниматься машинным обучением?

– Для того чтобы заниматься машинным обучением профессионально, не обойтись без математической и программистской подготовки. Студенты института информационных технологий, математики и механики – это будущие программисты, разработчики софта, математики-программисты.

Хорошие студенты наверняка найдут себе интересную и высокооплачиваемую работу. Спрос на специалистов по машинному обучению и близкой тематике в регионе, бесспорно, есть. Почти любой организации нужен специалист по анализу данных (Data mining). Это не совсем машинное обучение, но очень близкая область. Типичная задача – имеется много данных, из них нужно извлечь полезную информацию.

Сейчас проводится много открытых соревнований по машинному обучению и анализу данных, как международных, так и российских. Ставится задача, дается обучающая выборка, участники программируют алгоритмы, обучаются на этой выборке, а потом эти алгоритмы проверяются по тестовой выборке.

Например, есть платформа Kaggle, на которой призовой фонд некоторых соревнований достигал 100 тыс. долларов и выше. Наши студенты тоже участвуют в таких соревнованиях, и сами мы тоже их проводим.

Один из российских ИТ-лидеров, компания Mail.Ru Group, совместно с Нижегородским государственным университетом имени Н.И. Лобачевского проводит чемпионат по машинному обучению ML Boot Camp.

Недавно закончились соревнования, где нужно было предсказать время выхода игрока из онлайн-игры. Замечу, что на таких соревнованиях бывают неплохие призы, и кроме того – это способ «засветиться». Компании могут пригласить на собеседование, предложить хорошую работу.

– Что ждет нас в будущем? Можно ли сказать, что машины мыслят, и станут ли они умнее нас?

– Когда говорят «искусственный интеллект», специалисты часто понимают одно, а простые люди что-то другое. По-русски «искусственный интеллект» звучит, мне кажется, очень фантастично, гораздо более фантастично, чем по-английски. И специалисты уже стараются даже это словосочетание не использовать, чтобы не путать и не пугать людей.

В узком смысле искусственный интеллект – это любая система, которая решает конкретные интеллектуальные задачи. Например, играет в шахматы или распознает собачек и кошечек на фотографиях. В широком смысле искусственный интеллект – это полный аналог интеллекта человеческого.

Алан Тьюринг в 1950 году написал свою известную статью «Computing Machinery and Intelligence», где задавал вопрос, могут ли машины мыслить, и ответил, что, скорее всего, могут. Если научить компьютер обучаться, он будет показывать поведение, которое в нем не было изначально заложено, а это уже означает, что у них есть мышление.

Еще по теме: Олег Кивокурцев: как пермская компания Promobot создает андроидов, которые помогают людям

Также он предложил простую схему, как понять, показывает машина такое же поведение, как человек или нет – тест Тьюринга. Эксперт общается с существом за ширмой, и если на протяжении некоторого времени он придет к выводу, что это человек, а на самом деле это машина, то тест пройден. В 2014 году тест был пройден одним из ботов, который сделал вид, что он подросток. Программа была разработана программистами из Санкт-Петербурга и Одессы, и после этого встал вопрос, что надо как-то уточнять тест Тьюринга.

Машины становятся все умнее: Google автомобили хорошо ездит по дорогам без водителя, а компьютер IBM Watson умеет общаться, дает рекомендации по ведению бизнеса и ставит диагнозы по онкологическим заболеваниям точнее, чем самые крутые специалисты.

Но чтобы понять, правда ли машина мыслит, есть ли у нее самосознание, нужно быть специалистом в нейробиологии. Кстати, у нас в университете есть институт нейронаук, кафедра нейротехнологий, которые занимаются этими проблемами и моделируют мозг. Возможно, они когда-нибудь дадут ответ на этот вопрос.

Интерес к машинному обучению подогрел и интересы людей, которые занимаются философскими проблемами. Мне сложно сказать, что будет с миром, все-таки я не специалист в футурологии. Но я оптимист, и надеюсь, что все будет хорошо. Машины не восстанут. Наверное.