Добрый день, меня зовут Игорь Рубанов, и я рад всех видеть сегодня на конференции AI&BigData, на которой я думаю будут обсуждать много интересных тем.
Своим выступлением я открываю поток Data Science, и начну я с более общей темы, эволюция ИИ и связанных с ним областей.
-------------------------------------------------------------------
- в своем выступлении я попытаюсь дать определение ИИ, рассказать историю развития Информации и Интерфейсов (являющихся основными части ИИ)
- приведу примеры последних научных разработок в области BCI и открытий в исследовании человеческого мозга
- далее мы обсудим интересные тренды в развитии ИИ и свежие инженерные разработки в области BCI & BMI
- и закончу я свой доклад обзором рынка Data Science и перспектив его развития
----------
Ну чтож поехали, и начнем мы с взгляда внутрь ИИ
===============================================
Abstract: In our days most of the valuable information are coming from smartphones and/or web browsers. In recent years with significant advance in the BCI technology (especially success in the hardware development), we gonna to see and participate in emerging a totally new data-market, which will require new approaches, new way of thinking, and of course with its own fascinating challenges. Successful development of those area will not only significantly expand data science labor market, but will improve the symbiosis of human with new forms of artificial intelligence, potentially leading to new era of enhanced human.
Поговаривают, что Известный физик Резерфорд любил говорить, что все науки разделяются на две группы - на физику и коллекционирование марок/картинок
На мой взгляд, коллекционировать картинки АИ уже научился :) !!!
IN THE BEGINNING, THERE WAS “AI”
Так что же такое ИИ?! ИИ имеет много определений, включающих такие как способность к логике, обучению, креативности и т.д.
Более обобщенно ИИ можно описать как способность воспринимать информацию и сохранять ее как знания.Т.е. по сути ИИ формируется из информации и различных способов передачи-обработки информации т. е. различных интерфейсов
-------
Давайте посмотрим как эволюционировали, способы представления и передачи информации человеком, за последние 50 тысяч лет
Информация как и Интеллект имеют множество определений. Наиболее распространенное определяет Информацию как знания, полученные в ходе определенной деятельности: такой как обучение, общение, исследования и т. Д.
если мы посмотрим на историю человека (владельца самого современного Интеллекта на данный момент), мы увидим много разных примеров того, как хомо сапиенс представляли знания, возможно наиболее известным из которых является наскальная живопись (самые ранние имеют возраст 64 тысяч лет)
-------------------
Интересный факт:
что до сих пор нет единого мнения о их предназначении, одни теории утверждают что их главное назначение было способом общения с другими людьми, другие теории утверждают что наскальная живопись была связана с религиозными обрядами.
Рисунки в различных местах довольно схожи между собой: в основном это животные, человек как правило представлен изображением руки
---------------------
следующим шагом в эволюции было развитие еще более сложного способа представления информации - языка и письменности (создание которой относят к Шумерской цивилизации, около 3100 г. до н.э.)
С этого момента резко увеличивается объем производимой информации и как следствие начинают активней развиваться интерфейсы распространения информации.
Следующим большим шагом можно считать изобретение почты (персидский король Кир Великий, около 550 г. до н.э.),
Далее с большим перерывом идет изобретение телеграфа (разработан в 1830-х годах) и наконец в конце 19 века Беллом был запатентован телефон (1876 году)
В сочетании с другими открытиями, эти технологии позволили человечеству обмениваться информацией в беспрецедентных масштабах.
Но не прошло и 100 лет, как ситуация кардинально образом изменилась еще раз,
и связано это было с внедрением беспроводной связи, за последние 50 лет мы наблюдаем быстрое развитие GSM инфраструктуры:
1G (первый мобильный сотовый телефон был продемонстрирован компанией Motorola в 1973 году, и весил 2 кг),
2G (впервые запущен в Финляндии в 1991 году), 3G (был запущен в Японии в 2001 году),
4G (недавно запущен в Украине в 2018 году)
И, конечно же появление сети Интернет - одного из величайших изобретений человечества и военных :) !
Также в течение последних 5-10 лет мы видим бурный рост рынка Internet of Things (интернета вещей), и такое ощущение что скоро не останется ни одной не оцифрованной сферы человеческой жизни.
Все эти замечательный инновации позволили нам то, что еще 20 лет назад казалось далекой мечтой: видеосвязь как заменитель физического общения в рамках целой планеты !!!
-----
Однако при существенном улучшении форм фактора (сравните клинопись и тачскрин), средство общения человека с устройством осталось тоже самое что и 3 тыс лет назад - письменный, и разговорный язык
Давайте теперь посмотрим на современные интерфейсы:
На первом месте однозначно клавиатура, позиции которой и на данный момент выглядят непоколебимо, на мобильных в виде виртуальной клавиатуры
На втором месте я бы поставил тачскрин, который грозит полностью заменить и отправить в небытие концепт мышь
На третьем я бы поставил мышь и голосовое управление которое в последнее время набирает все большей популярности (что в первую очередь происходит благодаря развитию в области NLP)
Далее я бы расположил инновационные интерфейсы на основе EEG и дополненной/виртуальной реальности
Однако (как я уже упоминал ранее), наша коммуникация с компьютером и смартфоном все еще базируется на наших пальцах и языке, и поэтому имеет ограниченную скорость передачи данных, что учитывая постоянный рост объема информации у многих уже начинает вызывать опасения)
---------
Единственная технология выделяющаяся из этого ряда это EEG, т.к. такой способ коммуникации практически не имеет ограничений в объеме передаваемых данных
Давайте рассмотрим детальнее последние достижения в области EEG интерфейсов.
Я приведу примеры исследований только с животными, прежде всего потому, что самые передовые интерфейсы требуют прямого (инвазивного) доступа к мозгу. А большинство из нас еще не готовы вскрывать свой череп на благо науки )
Невообразимые результаты были получены в университете Duke, где группа ученых смогла соединить мозги четырех крыс, чтобы создать «Brainet» (сеть, образованную несколькими мозгами животных, взаимодействующие и обменивающиеся информацией в реальном времени через прямые интерфейсы «мозг-мозг»), и способные выполнять вычислительные задачи лучше, чем любая из крыс была в состоянии самостоятельно. а если соединить 6 млрд людей в один ?!
Исследователи также проводили другие эксперименты, описывающие Brainet, который позволил трем обезьянам, связанным интерфейсом «мозг-мозг», управлять виртуальной рукой на экране по трем осям.
Оказывается, заставить животных синхронизировать свои мозги было не так уж сложно. Обезьяны были обучены управлять виртуальной рукой обезьяны на экране, используя только свои мозги.
Затем мозги обезьян были соединены вместе, а часть управления была отобрана - каждая обезьяна могла контролировать движение только по одной оси. В течение нескольких дней обезьяны узнали сами по себе, как контролировать руку, чтобы захватывать виртуальные объекты.
Буквально несколько недель назад вышла статья описывающая похожий эксперемент но уже на людях https://www.sciencealert.com/brain-to-brain-mind-connection-lets-three-people-share-thoughts, которых научили играть в тетрис на основе схожей логики.
Мы уже добрались до конца первого раздела, и я бы хотел подвести небольшой итог, воспользовавшись цитатой William Gibson, который на мой взгляд довольно точно описал текущее положение вещей: «Будущее уже здесь, оно просто распределено неравномерно».
Во второй части доклада я бы хотел поговорить о мозге человека, а в особенности о его самой новой части - неокортексе.
Почему это важно ?!!,
да потому что человеческий мозг является на данный момент единственным интеллектом такого высокого уровня,
И к тому же большинство алгоритмов в современном AI/ML были подсмотрены при исследовании работы мозга и пришли в дата сайнс из нейросайнса
Когда мы говорим об экстраординарных возможностях человеческого мозга, мы обычно имеем в виду область, называемую неокортексом (на слайде представлена его микроскопическая часть), она сформировалась около 200 миллионов лет назад, и у людей занимает около 75 процентов объема мозга. При рождении, неокортекс почти ничего не знает - он учится всему через опыт.
Сегодня многие считают, что Neuroscience находится на пути к раскрытию тайн человеческого мозга. Ведущим проектом в этой области является, европейская инициатива Human Brain Project (Blue Brain Project является важной его частью), которой Еврокомиссия выделила 1 млрд евро и который стартовал в 2013 году, по моему мнению, это один из самых многообещающих проектов за последнее время!
Интересный взгляд на перспективы неокортекса предлагает известный футуролог и director of engineering в гугл - Рэй Курцвель, по его мнению мы должны подготовиться к следующему большому скачку в способностях мозга, т.к. эволюция неокортекса только начинается и будет связана с созданием синтетического неокортекса в облаке.
Более радикально поменять свой взгляд на неокортекс предлагает создатель палма Джеф Хокинс, его идея заключается в том чтобы воспринимать мозг не как быстрый процессор а как систему памяти которая хранит и воспроизводит наш опыт, чтобы помочь нам разумно предсказать, что будет дальше. В соответствии с его теорией региональные различия в кортикальных функциях, таких как зрение и слух, объясняются исключительно источником входных данных.
Одна из многих целей Blue Brain проекта - смоделировать работу мозга, и разработать новые основанные на работе мозга вычислительные алгоритмы.
Я хочу вам рассказать об одном из последних открытий сделанных учеными Blue Brain Project.
Для большинства людей, чтобы понять мир в четырех измерениях, требуется много воображения. Но последнее исследование обнаружило структуры в мозге до 11 измерений; - новаторская работа, которая начинают раскрывать самые глубокие архитектурные секреты мозга.Используя алгебраическую топологию так, как она раньше никогда не использовалась в нейронауке, команда из проекта «Голубой мозг» раскрыла вселенную многомерных геометрических структур и пространств в нейронных сетях мозга.
--details:
Исследование показывает, что эти структуры возникают, когда группа нейронов образует так называемое клике: каждый нейрон соединяется со всеми нейронами в группе очень определенным образом, который генерирует точный геометрический объект. Чем больше нейронов есть в клике, тем выше размерность геометрического объекта.
На этом слайде вы можете видеть пример такого:
клике сформированного из 5 нейронов (Red A)
(B1) - полная матрица связи с 31 146 нейронами
Я не хочу вдаваться в детали и уходить в математику рассказывая про топологии, и поэтому рекомендую всем кого заинтересовала это работа, почитать оригинальную статью авторов исследования, в которой расписаны многие интересные детали.
------
А мы двигаемся дальше, и рассмотрим какие есть интересные тренды в современном ИИ
Из огромного количества интересных идей, я решил выбрать 3 наиболее значимых на мой взгляд:
Капсульные сети Хинтона
Генеративно-состязательная сеть (Generative adversarial network)
Фрактальная теория мозга
В 2017 году Джеффри Хинтон и его команда представили новый тип нейронной сети на основе так называемых капсул. В дополнение к этому, команда опубликовала алгоритм, называемый динамической маршрутизацией между капсулами, который позволяет обучать такую сеть.
Для всех в сообществе Deep Learning это была огромная новость, по нескольким причинам:
Прежде всего, Хинтон является одним из отцов основателей глубокого обучения и изобретателем многочисленных моделей и алгоритмов, которые широко используются сегодня в сетях глубоко обучения
Во-вторых, Хинтон представил что-то совершенно новое, а это очень интересно, и скорее всего стимулирует дополнительную волну исследований
2018 год приближается к концу и стоит заметить, что как первые идеи Хинтона, Капсульные сети не получили ожидаемого хайпа
По словам ЛеКуна Генеративно-состязательная сеть - это наиболее интересная идея за последние 10 лет.
Искусственный интеллект очень хорош в определении предметов: покажите ему миллион фотографий, и он сможет сказать вам с высокой точностью, какие изображают пешехода пересекающего улицу.
Но ИИ практически безнадежен в создании изображений пешеходов сам по себе.
Если бы он мог это сделать, он мог бы создавать множество реалистичных, но синтетических картинок, изображающих пешеходов в разных условиях, которые самоуправляемый автомобиль мог бы использовать для тренировки, даже не выезжая на улицу.
----детали
Основная идея GAN состоит в том что обе сети обучаются на одном наборе данных:
Одному, известному как генератор, поручено создавать вариации на изображениях, которые уже видели - возможно, изображение пешехода с дополнительной рукой
Вторую сеть, известную как дискриминатор, просят определить, является ли пример, который она видит, похожим на изображения, на которых он обучался, или это фейковое изображение, произведенная генератором
Со временем генератор может стать настолько хорошим, что будет создавать изображения, которые дискриминатор не сможет распознать как подделки.
По существу, генератор научили распознавать, а затем создавать реалистичные образы пешеходов.
И последняя из интересных идей о которых я хотел бы вам рассказать в этом блоке - это Фрактальная Теория Мозга
Фрактальная Теория Мозга представляет инновационный и даже можно сказать революционный способ взглянуть на темы Мозга, Разума, Искусственного Интеллекта и даже Эволюции. В этой теории пересекается большое разнообразие идей из таких областей как математика, квантовая механика, биология и др.
Автор предполагает, что организация мозга фрактальна (нейроны объединяются в колонны, колонны в группы и т.д), и не только в структуре, но и в функционировании.
Тем кому это показалось интригующим, я рекомендую посмотреть youtube лекцию Wai H. Tsang или прочитать его книгу book
Буквально на днях Tsang написал в facebook что он приступает к реализации соответствующих библиотек, чтобы сделать его идеи доступными широкой аудитории
В этом разделе я хотел бы сконцентрироваться на конкретных примерах BCI
Вы когда-нибудь мечтали контролировать людей вокруг себя? Семья, друзья, коллеги, даже совершенно незнакомые люди? Теперь у вас есть такая возможность благодаря инновациям нейронауки и биотехнологий, и стоимость всего 260$
Как это работает: с установкой электрофизиологии вы узнаете захватывающие концепции нейронауки:
из первых рук, когда ваш мозг посылает электрический импульс мышцам вашей руки, говорит им двигаться, и когда ваши мышцы двигаются, это создает еще больший электрический сигнал.
Вы считываете этот сигнал, затем усиливается его и вводите в нервы, контролируя руку другого человека.
На слайде вы видите событие которое затерялась в суматохе открытия ЧМ, и которое собственно дало старт чемпионата мира по футболу 2014 года. Это был момент который ожидали в течение многих лет: paraplegic (страдающий параличом нижних конечностей) человек сделал первый удар, контролируя роботизированную ногу силой своих мыслей.
На самом деле это отличный пример того, насколько хорошо такая технология уже принята обществом - большинство людей не увидели каких-либо особых чудес в этом на мой взгляд удивительном достижении
Следующий пример, показывает какие возможности дает fMRI технология уже сегодня.
В 2011 году была опубликована статья «Реконструирование визуальных восприятий от активности мозга, вызванных фильмами», Синдзи Нишимото
На видео вы видите пример такого эксперимента
В 2016 Bilenko and Savage разработали улучшенную версию алгоритма
В 2018 снова улучшили алгоритм распознавания
На данный день это наверно лучшее зеркало которое у нас есть для нашего мозга
Video: https://www.youtube.com/watch?v=nsjDnYxJ0bo
На слайде вы видите разработку которая была опубликована всего несколько месяцев назад:
Компьютерная система транскрибирует слова, которые пользователь «говорит про себя»
Такого рода интерфейсы могут существенно улучшить коммуникацию с помощью голосовых команд
Основное преимущество такого устройства, то что собеседник не видит как вы общаетесь
Также разработчики планирую уменьшить количество сенсоров чтобы сделать устройство более user-friendly
На слайде вы можете увидеть примеры наиболее популярных (не инвазивных) EEG хедсетов (muse, EPOC). Что интересно, что вы можете купить их прямо сейчас на amazon, а их цена варьируется всего от 100$ до 400$. Наибольшее применение такие хедсеты находят в области brain фитнеса, йоги, профилактика дефицита внимания у детей, различного рода играх.
------------
В последние годы активное развитие получили технологии которые не считывают мозговую активность как в случае с EEG, а наоборот стимулируют мозг, самая известная из них называется tDCS (на слайде представлено устройство компании foc.us, разработанное для геймеров, в некоторых случаях применяется при лечении эпилепсии). tDCS, действует как метод нейромодуляции, вызывая длительное усиление или уменьшение передачи сигнала между нейронами
На рынке, также уже появились, медицинские и коммерческие устройства которые объединяют в себе функции EEG и tDCS (а также других видов стимуляции). Которые позволяют организовать обратную связь в мозг, и имеют множество практических приложений. Однако их цена пока начинается от 1000$
И последний пример, вероятно, самое ожидаемое устройство на рынке, которое может вывести всю область “сканеров” и в том числе BCI новый уровень.
Dr. Mary Jepsen основатель компании Openwater так описывает свою цель:
“Наша цель - создать устройство пригодное для портативного использования, позволяющее нам видеть внутреннюю работу не только мозга но и тела в режиме реального времени”.
Техническая инновация, данного проекта заключается в использование последних разработок в области оптоэлектроники (а именно: рассеяние света и голография)
-------links
https://www.youtube.com/watch?time_continue=11&v=awADEuv5vWY
https://www.ted.com/talks/mary_lou_jepsen_could_future_devices_read_images_from_our_brains
https://www.openwater.cc
https://events.technologyreview.com/video/watch/mary-lou-jepsen-openwater-evolution-of-interfaces/
Вот мы и добрались до последнего блока сегодняшней презентации: Data Market
Exponential growth of technology:
Since Deep Blue's victory over Kasparov in 1997, most people believe computers are dominant in chess. However, when a no-holds-barred tournament was held it was human-computer teams that won, not computers on their own.
Диджитализация всех сфер жизни: точно так же, как трактор оцифровал более 95% рабочих мест в фермах, мы можем ожидать оцифровки большинства задач, в которых нам просто нужно выполнить работу.
Целые области, такие как транспорт или административная работа, растворятся в дата центрах и автономных машин.
---
и поэтому вот это все что я вам рассказывал нам нужно как дата аналитикам
и для нас появляется огромный рынок данных и мы для его анализа
The new job tectonic shift:
The 21st will see it shift from factories and services to creative undertakings such as entrepreneurship, science, art, entertainment, and engineering. The added challenge is that this will have to be global in concept
Facebook, Cambridge Analytics, - data becoming money! Collaboration - becoming money too :)
By many opinion, Blockchain technology is the missing link to settle scalability, privacy, and reliability concerns in the Internet of Things. Blockchain technology can be used in tracking billions of connected devices, enable the processing of transactions and coordination between devices; allow for significant savings to IoT industry manufacturers. This decentralized approach would eliminate single points of failure, creating a more resilient ecosystem for devices to run on. The cryptographic algorithms used by blockchains, would make consumer data more private.
=========================
Blockchain-based Machine Learning Marketplaces [blockchain-ml]
Machine learning models trained on data from blockchain-based marketplaces have the potential to create the world’s most powerful artificial intelligences.
They combine two potent primitives:
private machine learning, which allows for training to be done on sensitive private data without revealing it,
and blockchain-based incentives, which allow these systems to attract the best data and models to make them smarter
The result is open marketplaces where anyone can sell their data and keep their data private, while developers can use incentives to attract the best data for their algorithms to them.
------