Daži uzskata, ka mākslīgā intelekta un robotikas izplatība apdraud mūsu privātumu, darba vietas un pat mūsu drošību. Arvien vairāk uzdevumu tiek veikti smadzenēm, kuru pamatā ir silīcijs. Bet pat visbalsīgākie kritiķi nevar neatzīt acīmredzamās priekšrocības, ko AI un automatizētās sistēmas gatavo cilvēcei. Projekta Grand Challenges ietvaros BBC pulcēja ekspertus, kuri mašīnu un mākslīgā intelekta klātbūtnē izklāstīja savu nākotnes redzējumu.
“Mums nevajadzētu redzēt AI kā kaut ko tādu, kas ar mums konkurē, bet gan par kaut ko tādu, kas var uzlabot mūsu pašu spējas,” saka Kārnegi Melona universitātes robotikas profesors Takeo Kanade. Tā kā AI ir pielaide garlaicībai, tā arī spēj daudz labāk un ātrāk identificēt modeļus nekā cilvēki. Automatizācija jau ir sākusi atšķetināt sarežģītākos pasaules mezglus, sākot no slimībām un beidzot ar nežēlību.
Un tas var padarīt mūsu dzīvi drošāku 21. gadsimtā.
Cīņa ar infekcijas slimībām
Miljardiem cilvēku visā pasaulē moskītu rosīšanās netālu no ausīm var nozīmēt daudz vairāk nekā kaitinošu kodumu - tas var būt slimības un pat nāves ierosinātājs. Viena suga, Aedes aegypti, ir īpaši izplatījusies no Āfrikas gandrīz visos tropu un subtropu reģionos, pārnēsājot tropu drudzi, dzelteno drudzi, Ziku un chikungunya (vīrusu, kas izraisa kropīgas locītavu sāpes). Tropu drudzis vien katru gadu inficē 390 miljonus cilvēku 128 valstīs.
"Šis ods ir niecīgs dēmons," saka Rainier Mallol, Dominikānas Republikas datoru inženieris, Zika karstais punkts. Kopā ar Malaizijas (vēl viena valsts, kurā pastāv vīrusa inficēšanās risks) mediķi Desi Raja, pāris ir izstrādājuši AI algoritmus, kas paredz, kur visticamāk notiek uzliesmojumi.
Reklāmas video:
Microsoft projekta sludinājums izmanto dronus, lai Zika karstajos punktos atrastu patogēnus
Viņu mākslīgais intelekts medicīniskajā epidemioloģijā (Aime) ir sistēma, kas apvieno katra jaunā Denges drudža gadījuma laiku un vietu, par kuru ziņo vietējās slimnīcas, ar 274 citiem mainīgiem lielumiem, piemēram, vēja virzienu, mitrumu, temperatūru, iedzīvotāju blīvumu, mājokļa veidu. “Šie ir visi faktori, kas nosaka odu izplatību,” skaidro Mallall.
Pārbaudes Malaizijā un Brazīlijā parādīja, ka tās var paredzēt uzliesmojumus ar aptuveni 88% precizitāti trīs mēnešos. Sistēma palīdz arī noteikt uzliesmojuma epicentru 400 metru rādiusā, ļaujot vietējiem mediķiem savlaicīgi iejaukties ar insekticīdiem un aizsargāt vietējos iedzīvotājus no koduma vietas.
Aime arī attīstās, lai prognozētu Zika un Chikungunya uzliesmojumus. Milzīgi tehnoloģiju uzņēmumi šo ideju uztver savā veidā: piemēram, Microsoft Project Premonition izmanto autonomus dronus, lai noteiktu moskītu kabatas, un izmanto oglekļa dioksīda un gaismas slazdus, lai noķertu šos kukaiņus. Pēc tam moskītu un to sakodamo dzīvnieku DNS tiek analizēti ar mašīnu algoritmiem, kas katru reizi labāk un labāk atklāj gigantisku datu daudzumu un atrod patogēnus.
Ieroču cīņa
Pēdējā gada laikā lielgabalu ugunsgrēka dēļ ASV ir miruši 15 000 cilvēku. Šajā valstī ir visaugstākais ar ieročiem saistītās vardarbības līmenis visā attīstītajā pasaulē. Lai risinātu problēmas, kas saistītas ar bezizšķirīgu šaušanu un ar ieročiem saistītu noziegumu, dažas pilsētas visā valstī vēršas pēc palīdzības pie tehnoloģijām.
Automatizētu sistēmu, kas dzird ugunsgrēka skaņas caur sensoru sērijām, var izmantot, lai noteiktu, kur tika nošauti šāvieni, un brīdinātu drošības spēkus 45 sekunžu laikā pēc sprūda pavilkšanas. ShotSpotter izmanto 15-20 akustiskos sensorus uz kvadrātkilometru, lai noteiktu raksturīgo šāviena “popu”, atrašanās vietu tā dzimšanas vietā ar precizitāti 25 metrus.
Mašīnmācīšanās tehnoloģijas tiek izmantotas, lai apstiprinātu, ka skaņa bija šāviens, un saskaita izšauto kadru skaitu, lai norādītu, vai policija nodarbosies ar vientuļo ieroci vai vairākiem noziedzniekiem un vai viņi izmanto ložmetējus vai nē.
Jau 90 pilsētas - galvenokārt ASV, bet arī Dienvidāfrikā un Dienvidamerikā - izmanto programmu ShotSpotter. Reaģējot uz neseno universitātes pilsētiņas ugunsgrēku, deviņās ASV pilsētiņās ir izvietotas arī nelielas sistēmas.
ShotSpotter izpilddirektors Ralfs Klārks uzskata, ka nākotnē šo sistēmu var izmantot ne tikai vienkāršai negadījumu reaģēšanai.
"Mēs vēlamies saprast, kā mūsu datus var izmantot policijas darbinieku prognozēšanas spējām," viņš saka. "Mašīnmācību var apvienot ar laikapstākļiem, satiksmi un daudz ko citu, lai precīzāk informētu policijas patruļas."
Cīņa pret badu
Apmēram 800 miljoni cilvēku visā pasaulē paļaujas uz maniokas (maniokas) saknēm kā galveno ogļhidrātu avotu. Šo cieti saturošo jamss veida dārzeņu ēd tāpat kā kartupeli; to var arī sasmalcināt miltos maizes un ceptu izstrādājumu pagatavošanai. Tas var augt tur, kur citas kultūras nevar, padarot manioku par sesto lielāko pārtikas augu pasaulē. Tomēr šis koksnes krūms ir neaizsargāts arī pret slimībām un kaitēkļiem, kas var izpostīt veselus dārzeņu laukus.
Pētnieki Makereres universitātē Kampalā, Ugandā ir sadarbojušies ar augu slimību ekspertiem, lai izstrādātu automatizētu sistēmu, kuras mērķis ir apkarot kasiovas slimību. Mcrops projekts ļauj vietējiem lauksaimniekiem nofotografēt savus augus ar lētiem viedtālruņiem un izmantot datora redzi, lai noteiktu četru galveno slimību pazīmes, kas postošas maniokas kultūras.
“Dažas no šīm slimībām ir ārkārtīgi grūti atpazīt un prasa dažādas darbības,” skaidro Ernests Mvebeze, datorzinātnieks, kurš vada projektu. "Mēs dodam zemniekiem kabatas ekspertu, lai viņi zinātu, vai apputeksnēt savas kultūras, vai iznīcināt un iestādīt kaut ko citu."
Šī sistēma ar 88 procentu precizitāti diagnosticē maniokas slimības. Parasti lauksaimniekiem ir jāaicina valdības eksperti, lai apmeklētu saimniecības, lai noteiktu slimības, un slimības izplatībai ir vajadzīgas dienas un nedēļas.
Mcrops arī ļauj augšupielādēt momentuzņēmumus datu bāzē, kuru pēc tam izmanto, lai diagnosticētu uzliesmojumus. Mwebaze cer, ka šī tehnoloģija automātiski noteiks arī problēmas ar citām augu sugām, piemēram, banāniem.
Cīņa ar vēzi un redzes pasliktināšanos
Vēzis visā pasaulē izraisa vairāk nekā 8,8 miljonus nāves gadījumu, un 14 miljoniem cilvēku katru gadu tiek diagnosticēts kāds vēža veids. Agrīna vēža atklāšana var ievērojami palielināt cilvēka izdzīvošanas iespējas un samazināt atkārtošanās risku. Skrīnings ir viens no galvenajiem veidiem, kā agrīni atklāt vēzi, taču ir ļoti, ļoti grūti un laikietilpīgi izprast skenēšanu un citus testa rezultātus.
Google DeepMind var palīdzēt ārstiem, kas ārstē vēzi, ar mašīnmācīšanos, lai palīdzētu noteikt veselīgas pacienta audu zonas.
DeepMind un IBM šai problēmai izmanto savas AI tehnoloģijas. DeepMind ir sadarbojies ar Apvienotās Karalistes NHS ārstiem Londonas universitātes koledžās, lai apmācītu savu uz AI balstīto programmu vēža ārstēšanai, atdalot veselo audu zonas no audzējiem galvas un kakla skenēšanā. Viņa strādā arī ar Moorfields acu slimnīcu Londonā, acu skenēšanā atklājot agrīnas redzes zuduma pazīmes.
“Mūsu algoritmi spēj interpretēt skenēto attēlu vizuālo informāciju,” saka Dominiks Kings, DeepMind Health klīnikas vadītājs. “Sistēma iemācās noteikt iespējamās problēmas un ieteikt ārstam pareizu rīcību. Ir pāragri komentēt rezultātus, taču tie jau ir ļoti iepriecinoši."
Kings saka, ka AI paņēmieni var palīdzēt ārstiem ātrāk noteikt diagnozes, veicot skenēšanu un piešķirot prioritāti tām, kuras ieteicams nekavējoties apsvērt.
IBM arī nesen paziņoja, ka Vatsona AI var analizēt attēlus un novērtēt pacientu ierakstus, precīzi norādot audzēju 96% laika. Sistēma pašlaik veic medicīniskos pētījumus 55 slimnīcās visā pasaulē, palīdzot diagnosticēt krūts, plaušu, kolorektālo, dzemdes kakla, olnīcu, kuņģa un prostatas vēzi.
Neizslēdzot gaismu
Karstās diskusijās par to, vai klimata pārmaiņas varēja izraisīt divas katastrofiskas viesuļvētras vēsturiskā mērogā Amerikas Savienotajās Valstīs, kā mākslīgo intelektu varētu maksimāli izmantot, lai izpētītu tīras, atjaunojamas enerģijas izmantošanu, lai novērstu turpmākus postījumus, kas rada klimata problēmas?
Cilvēki visā pasaulē arvien vairāk paļaujas uz atjaunojamiem enerģijas avotiem, lai apkarotu klimata pārmaiņas un fosilo kurināmo radīto piesārņojumu, un arvien grūtāk kļūst līdzsvarot enerģijas tīklus ar šādiem periodiskiem avotiem. Viedo skaitītāju - digitālo enerģijas monitoru, kas automātiski reģistrē patēriņu - izplatīšana sniegs arī daudz datu par to, kā un kad patērētāji patērē enerģiju. Tikai Eiropas Savienība plāno līdz 2020. gadam mājās uzstādīt 500 miljonus viedo skaitītāju.
“Cilvēkiem nav iespējams pārvaldīt visus šos aktīvus, jo reakcijas laiki bieži ir dažu sekunžu lielumā,” saka Valentīns Robu, Edinburgas Heriot Watt universitātes intelektuālo sistēmu docents. Viņš sadarbojas ar Lielbritānijas uzņēmumu Upside Energy, lai izstrādātu jaunus veidus, kā pārvaldīt elektrotīklus.
Viņi izveido mašīnmācīšanās algoritmus, lai reālā laikā uzraudzītu ražošanu un enerģijas patēriņu. Ko tas nozīmē? Šī enerģija tiks uzkrāta klusās stundās un pēc tam atbrīvota pīķa stundās, piemēram, no rīta, kad katrs vēlas pagatavot savu kafiju. Tā kā elektriskie transportlīdzekļi un mājas akumulatori kļūst arvien izplatītāki, tehnoloģiju var izmantot enerģijas uzkrāšanai un vienmērīgai atjaunojamo enerģijas avotu sadalei.
Robu arī saka, ka AI var izmantot vēl pamata līmenī, palīdzot samazināt mūsu pieprasījumu pēc savienotajām ierīcēm. Piemēram, ledusskapjus var tieši kontrolēt AI, lai tie ieslēgtos tikai tad, kad elektrības pieprasījums ir mazākais tīklā.
Iļja Khel