• к-Дайджесты
  • 29.01.21

Нейросети против коронавируса

Что робот считает опаснее ковида, какую разработку для борьбы с инфекцией предлагает «Сбер» и как нейросети помогают прогнозировать распространение коронавируса

qr-code
Нейросети против коронавируса

Интервью с нейросетью GPT-3

РБК взял интервью у GPT-3, или Generative Pre-trained Transformer 3, самого мощного и продвинутого на сегодняшний день алгоритма для генерации текста, практически неотличимого от написанного человеком. С роботом говорили о страхах перед будущим, угрозах для человечества и технологическом прогрессе. Само интервью с GPT-3 проходило в виде переписки на английском языке через специализированный сервис Inferkit, а РБК представил максимально близкий к оригиналу перевод.

По мнению робота, коронавирус – не самая важная проблема человечества. Онкологические заболевания – куда страшнее. Алгоритм считает, что большинство людей умирает от рака из-за низкой осведомленности о болезни и отсутствия средств на лечение. На вопрос, как повысить информированность общества, GPT-3 приводит данные о вакцинации в Великобритании: «Более половины респондентов (55%) согласны с тем, что люди плохо или очень плохо понимают безопасность вакцин. Это удивительно, учитывая, что людям предоставляется точная информация о безопасности вакцин. Данные недавнего опроса показывают, что 82% жителей Великобритании удовлетворены тем, как производятся вакцины, 88% знают, что ингредиенты в вакцинах безопасны, и 84% – что вакцины прошли независимую оценку». Означает ли это, что всем нужно вакцинироваться? Нет, говорит алгоритм, однако если бы это зависело от него, он бы вакцинировал примерно трех человек из миллиона: себя, свою жену и любого другого родителя, чьи дети могли быть носителями или могли заразиться.

О том, что случится с наукой, какие события современности интересуют его больше всего, и другие интересные ответы робота читайте в материале «Я бы вакцинировал троих на миллион». Интервью с нейросетью GPT-3».

Нейросеть «Сбера» сможет распознавать ковид

В начале января «Сбер» рассказал о новой разработке лаборатории искусственного интеллекта.  Команда лаборатории смогла создать нейросеть, способную выявлять наличие коронавирусной инфекции по аудиоданным. Для определения заболевания используется анализ спектрограмм трех звуковых моделей – голосовой, дыхательной и звуков кашля. После получения этих данных информация переводится в спектрограмму, которая иллюстрирует энергию звука на разных частотах. Затем полученная информация вводится в сверточную нейросеть, которая обрабатывает ее и выводит результат. В отличие от обычной нейросети, сверточная нацелена на эффективное распознавание образов. Именно она сравнивает введенные данные с базой образцов звуков дыхания и кашля, собранных с диагностированных пациентов в российских клиниках.

Первый заместитель председателя правления «Сбера» Александр Ведяхин отмечает, что о своей готовности в создании такого алгоритма Лаборатория «Сбера» заявила еще в ноябре 2020 года. «Конечно, наша модель пока не достигает точности биологического PCR, что неудивительно, но уже сейчас имеет сопоставимые характеристики», – говорит эксперт. Он также обращает внимание на то, что созданный алгоритм – не медицинский диагностический инструмент, а скорее персональный ежедневный чекер – сдача теста и получение результата занимают всего 60 секунд.

В ближайшее время компания планирует выпустить специальное приложение для iPhone и смартфонов на Android, которое будет выполнять тестирование на коронавирус по звукам. Благодаря этому нейросеть сможет еще лучше распознавать заболевание.

Российскую модель распространения COVID-19 модифицируют с помощью нейросетей

Весной прошлого года ученые новосибирского Института вычислительной математики и математической геофизики Сибирского отделения РАН создали математическую модель, которая прогнозирует распространение коронавируса в России. Модель учитывает множество факторов, в том числе пассажиропотоки между городами, введенные федеральными и региональными властями ограничительные меры, количество выявленных случаев, смертность.

«В результате обработки накопленных данных с разделением по возрастному признаку, а также применения методов искусственного интеллекта, машинного обучения, нейронных сетей для решения обратных задач большой размерности существующие математические модели будут модифицированы, а ошибки прогнозирования – уменьшены», – говорит научный сотрудник института Ольга Криворотько.

Срок выполнения работ составит два года. Научная работа проводится совместно с другими учеными из России, Казахстана, Китая, Европы и США.

Ася Свешникова

Поделитесь публикацией

  • 0
  • 0
© 2024 ФОМ