Искусственный интеллект. Путь к новому миру. Кирилл ПшинникЧитать онлайн книгу.
данных для обучения моделей и пр.
Хотя ученым удалось добиться множества интересных результатов, постепенно в индустрии наступила вторая «зима». Она во многом связана с развитием персональных компьютеров – они перетянули внимание на себя, и финансирование искусственного интеллекта вновь сократилось. Такая ситуация сохранялась до начала 2000-х годов. Еще десять лет понадобилось для того, чтобы ИИ вновь привлек внимание широкой общественности.
Прорыв случился в 2012 году. В тот год в Торонто проходило ежегодное соревнование разработок в области распознавания изображений – ImageNet Large Scale Recognition challenge. Среди участников была команда из исследовательской лаборатории ИИ в Торонтском университете. Ею руководил 64-летний британец Джефф Хинтон. Он начинал карьеру еще в 1970-х и был из тех немногих, кто продолжил исследования ИИ после первой «зимы». В интервью американскому The New Yorker он признавался , что это было непросто: «В хороших университетах нейросетями тогда занимались единицы. Вы не могли этим заниматься в MIT. Вы не могли это делать в Беркли. Вы не могли делать это в Стэнфорде».
В 1978 году он получил докторскую степень в области искусственного интеллекта в Эдинбургском университете. Уже будучи профессором департамента информатики Торонтского университета, он вместе с двумя аспирантами – выходцами из России Алексом Крижевским (Alex Krizhevsky) и Ильей Суцкевером (Ilya Sutskever) – разработал алгоритмы, с помощью которых они обучали компьютерные системы распознавать устную речь, автоматически считывать банковские чеки и мониторить промышленные установки для повышения безопасности. Все эти наработки со временем легли в основу большой нейронной сети AlexNet, обученной распознавать изображения объектов – цветов и автомобилей. На ImageNet исследователи впервые продемонстрировали свою модель, что принесло им победу и мировую славу. Разработка спровоцировала новую волну интереса к ИИ и бум на венчурном рынке. Согласно данным исследования CB Insights , число сделок со стартапами с приставками ИИ за следующие пять лет выросло в 4,6 раза – с 150 в 2012 году до 698 в 2016 году.
Но что такого особенного было в AlexNet? Почему никто не мог с ней конкурировать, а после мероприятия случился бум? Во-первых, это была одна из первых сверточных нейронных сетей, которая продемонстрировала мощь глубокого обучения в компьютерном зрении. Она состояла из восьми слоев, что было значительно глубже, чем у предыдущих сетей. Такая глубина позволяла захватывать более сложные признаки изображений, что повысило качество распознавания. Во-вторых, AlexNet показала, что глубокие нейросети могут категоризировать данные, которые они до этого не видели. Представьте, что вы обучили модель распознавать кошек на наборе данных с разными конкретными изображениями нескольких пород: персов, британских голубых и пр. Модель могла определить породу у кошки на изображении, которое не участвовало в обучении. Сейчас это кажется данностью, но предыдущие поколения нейросетей этого не умели. Они могли определить породу кошки только на фотографии,