Эффективность компьютеров действительно невероятно высока,

и сейчас это применяется в коммерческих целях. Так, в прошлом году в Google объявили, что их карты могут локализовать любую точку во Франции за два часа: они обрабатывают фотографии улиц с помощью алгоритма глубинного обучения, чтобы распознать и прочитать адреса. Подумайте, сколько времени это заняло бы: понадобились бы десятки людей и несколько лет. То же самое происходит в Китае. Baidu — это что-то вроде китайского Google, и сверху слева вы видите картинку, которую я загрузил на вход алгоритмов глубинного обучения Baidu, а под ней — то, как система распознала, что изображено на картинке, и нашла похожие. Похожие изображения имеют похожий фон, морды смотрят в ту же сторону, иногда даже так же высунут язык. Это не просто поиск текста на веб-странице. Я загрузил только картинку. Итак, теперь наши компьютеры действительно понимают увиденное и могут искать информацию в базах среди сотен миллионов картинок в режиме реального времени.

Значит ли это, что компьютеры могут видеть? Это не просто умение видеть. Глубинное обучение — это намного больше. Сложные предложения со множеством смысловых оттенков теперь понятны благодаря алгоритмам глубинного обучения. Как видно на экране, эта стэнфордская система распознаёт отрицательные эмоции в предложении и отмечает их красными точками сверху. Глубинное обучение похоже на человеческое поведение в процессе распознавания того, что и о чём сказано. Глубинное обучение использовалось для чтения на китайском. Результат был на уровне результата человека — носителя китайского. Этот алгоритм был разработан в Швейцарии людьми, ни один из которых не говорит по-китайски. Как я и сказал, глубинное обучение — это оптимальный способ решения таких задач, даже по сравнению с человеческим восприятием.

На экране система, разработаная в моей компании, в ней задействовано всё, о чём я рассказал. Это картинки без описаний. Здесь я набираю предложения. В режиме реального времени картинки распознаются, определяется их смысл, и находятся изображения, соответствующие введённому мной тексту. Итак, вы видите, что предложения и картинки действительно распознаются. Я знаю, что вы видели нечто похожее в Google, при вводе запроса, по которому вам выдаются картинки, но в действительности там идёт поиск нужного текста на веб-странице. Распознавание образов — это принципиально новый процесс. Распознавание стало доступно компьютерным алгоритмам впервые несколько месяцев назад.

Итак, компьютеры теперь могут не только видеть, но и читать, и, как мы уже показали, понимать услышанное. Вы вряд ли удивитесь, если я вам скажу, что они умеют писать. Вот текст, который я вчера получил с помощью алгоритма глубинного обучения. А вот текст, полученный с помощью стэнфордского алгоритма. Каждое из этих предложений составлено алгоритмом глубинного обучения для описания этих картинок. Алгоритм ещё не встречал понятия мужчины в чёрной рубашке, играющего на гитаре. Но ему известны понятия человека, чёрного, гитары, и алгоритм независимо формулирует связное описание этого изображения. Мы всё ещё не дотягиваем до уровня человека, но мы уже близки. При испытаниях люди выбирают описания, данные компьютером, в одном случае из четырёх. Эта система была создана две недели назад, и, скорее всего, в течение года алгоритм покажет результаты намного лучше человеческих, если будет развиваться в том же темпе. Итак, компьютеры могут ещё и писать.

Невероятные возможности

Складываем всё вместе, и нам открываются невероятные возможности. Например, в медицине. Группа учёных из Бостона открыла десятки новых клинически значимых особенностей опухолей; это поможет врачам давать прогнозы онкобольным. Точно так же в Стэнфорде группа учёных, проанализиров опухоли под увеличением, создала систему на основе машинного обучения, которая работает лучше, чем патологоанатомы, прогнозируя исход заболевания у онкобольных. В обоих случаях алгоритмы давали не только более точный результат, но и новые ценные открытия. В случае с радиологией это были новые клинические показатели, понятные для людей. В случае с патологиями алгоритм установил, что для постановки диагноза клетки вокруг опухоли так же важны, как и сами раковые клетки. Это противоречит всему, чему патологоанатомов учили десятилетиями. В разработке обеих систем участвовали как эксперты-врачи, так и специалисты по машинному обучению, но в прошлом году мы смогли преодолеть и это ограничение. На экране пример распознавания поражённых раком человеческих тканей под микроскопом. Система, изображённая на экране, может определить их точнее, или так же точно, как и патологоанатом. В её основе — только метод глубинного обучения. Она разработана людьми, не имеющими никакого отношения к медицине. Или сегментация нейронов. Теперь мы можем сегментировать нейроны так же точно, как и вручную, и эта система так же была основана на глубинном обучении и разработана людьми, не имеющими медицинских знаний или опыта.

Поэтому я, как человек, никогда не занимавшийся медициной, оказался отличным кандидатом на роль основателя новой медицинской компании. Им я и стал. Я порядком трусил, но в теории можно было разрабатывать очень полезные препараты, используя только анализ данных. И — слава богу — отзывы превзошли все мои ожидания, не только в СМИ, но и от медицинского сообщества, где горячо поддержали мою идею. Идея заключается в том, что мы можем взять промежуточный этап лечения и максимально применить к нему наши способы анализа данных, позволив врачам заниматься тем, что у них получается лучше всего. Приведу пример. На составление нового диагностического теста у нас уходит 15 минут. Я покажу это в режиме реального времени, но сокращу процесс до трёх минут, вырезав отдельные фрагменты. Вместо медицинских терминов будут изображения машин, потому что так будет понятнее всем.

Итак, начнём с 1,5 миллионов изображений машин. Я хочу придумать, как их разбить на группы в зависимости от угла, с которого они сфотографированы. Ни одна из картинок не имеет описания, поэтому мне придётся начинать с нуля. Наш алгоритм глубинного обучения автоматически распознаёт отдельные компоненты на этих изображениях. Хорошо то, что человек и компьютер могут решать задачу вместе. Человек, как вы видите, задаёт компьютеру исследуемую область, на основе которой компьютер должен усовершенствовать свои алгоритмы. Такая система глубинного обучения работает в 16 000-мерном пространстве. Компьютер вращает в нём данные, чтобы обнаружить новые структуры. А когда он их находит, человек, управляющий процессом, указывает на те, что его интересуют. Итак, компьютер успешно обнаруживает признаки, например, ракурс. В ходе исследования мы постепенно уточняем, что именно мы ищем. Представьте диагностический тест, благодаря которому врач определяет границы патологии или радиолог — потенциально опасные образования. Иногда алгоритм не может справиться с задачей. Он не находит решения. Здесь капоты и багажники машин идут вперемешку. Поэтому нам надо быть немного аккуратнее и разделить их вручную, а затем задать компьютеру тип изображений, которые нам нужны.

Процесс идёт какое-то время, пропустим немного, а потом мы обучаем наш алгоритм на основе двух объектов из сотен и надеемся, что он это усвоил. Видите, некоторые из этих картинок поблёкли. Это означает, что теперь компьютер распознаёт их самостоятельно. Теперь мы можем использовать этот принцип похожих изображений. Как видите, используя эти изображения, компьютер может самостоятельно находить только фотографии машин спереди. Теперь человек может сказать компьютеру: «Отлично, ты молодец».

Иногда, конечно, даже на этом этапе всё ещё сложно выделить группы. В этом случае даже после дополнительного вращения данных компьютером снимки машин, сделанные справа и слева, всё ещё идут вперемешку. Мы снова даём компьютеру подсказки, чтобы он нашёл плоскость, которая разделит изображения автомобилей справа и слева предельно точно на основе алгоритма глубинного обучения. И с этими подсказками — о, отлично, решение найдено. Компьютер ищет, чем эти объекты отличаются от остальных.

Компьютер не заменяет человека,

Это суть метода. Компьютер не заменяет человека, здесь они работают вместе. То, на что команда из 5—6 человек потратила бы около 7 лет, мы заменяем 15-минутной процедурой, которую выполняет всего один человек.

Этот процесс выполняется за 4—5 рабочих циклов. Как видите, теперь из наших 1,5 миллионов изображений верно классифицированы 62%. Теперь мы сможем быстро выделять отдельные большие блоки и просматривать их, чтобы убедиться, что в них нет ошибок. Если возникают ошибки, мы указываем на них компьютеру. Применяя эту процедуру к разным группам по отдельности, мы получаем около 80% верных результатов при распределении 1,5 миллионов изображений. Сейчас задача состоит только в том, чтобы найти те немногочисленные неверно распознаные изображения, и понять, почему это произошло. Используя этот метод, за 15 минут мы получаем результат, верный на 97%.

Эта техника поможет нам справиться с одной из важнейших проблем — нехваткой медицинских работников в мире. По данным, озвученным на Всемирном экономическом форуме, развивающимся странам нужно в 10—20 раз больше терапевтов и понадобится около 300 лет, чтобы обучить нужное количество людей. А теперь представьте, что мы повысим их эффективность, используя глубинное обучение.

Эти возможности приводят меня в полный восторг, но в то же время я отдаю отчёт в последствиях. Проблема в том, что во всех странах, отмеченных на карте синим, 80% рабочих мест приходится на сферу услуг. Каких услуг? Вот этих услуг. А это именно то, что компьютеры только что научились делать. Если 80% людей в развитых странах заняты тем, что теперь умеет компьютер, то что это значит? Всё в порядке. Они сменят работу. Например, будет больше работы для аналитиков данных. Ну или не совсем. Решение этих задач не займёт у них много времени. Например, эти четыре алгоритма создал один и тот же человек. Вы скажете, что человечество с этим уже сталкивалось. В прошлом мы видели, что когда приходят новые технологии, новые профессии приходят на смену старым, но что это будут за новые профессии? Нам очень сложно сейчас это оценить, ведь производительность человеческого труда растёт постепенно. Однако теперь есть система глубинного обучения, и мы знаем, что её возможности растут по экспоненте. Итак, мы оглядываемся по сторонам: «Ведь компьютеры всё ещё достаточно примитивны». Верно? Но через пять лет их возможности выйдут за границы этого графика. Поэтому нам необходимо начать обдумывать этот аспект прямо сейчас.

Такое уже случалось в истории человечества.

Промышленная революция, благодаря двигателям, дала качественный скачок производства. Однако спустя какое-то время мощности перестали расти. Случился социальный взрыв, но когда двигатели стали применяться в промышленности повсеместно, был найден баланс. Революция машинного обучения будет сильно отличаться от промышленной революции, потому что революция машинного обучения непрерывна. Чем более интеллектуально развиты компьютеры, тем более интеллектуально развитые компьютеры они создают. А это приведёт к тому, с чем наш мир никогда раньше не сталкивался, и ваши прошлые представления о возможном изменятся.

Мы это уже почувствовали на себе. В течение последней четверти века производительность оборудования росла, в то время как производительность рабочих оставалась прежней или немного снижалась.

Я хочу, чтобы мы уже сейчас задумались над этим. Когда я рассказываю об этом людям, они зачастую мне не верят: мол, компьютеры не могут думать, переживать, воспринимать стихи. Мы не понимаем по-настоящему, как они работают. И что? Уже сейчас компьютеры делают то, на что люди тратят бóльшую часть оплачиваемого времени, так что теперь пора думать над тем, как мы будем адаптировать наши социальные и экономические структуры, чтобы быть готовыми к новой реальности.