4 неочевидных варианта, как можно применить нейросети? Электронный нос и другое

Нейросети ворвались в нашу жизнь и мы еще не знаем всего, на что они способны. Тут я из исследований Стендфорда вытащил несколько идей об применении ИИ.

Одним из направлений, привлекающих внимание, является сердечно-легочная диагностика.

То, как нейронные сети работают в этой или других областях медицинской диагностики, основано на сравнении множества различных моделей. Пациент может проходить регулярные осмотры в определенной области, что повысит вероятность обнаружения заболевания или нарушений в работе.

Данные, которые анализирует нейросеть, могут включать частоту сердечных сокращений, артериальное давление, частоту дыхания. Модели могут анализировать вариации по возрасту, полу и уровню физической активности. Физиологические данные каждого человека сравниваются с предыдущими физиологическими данными и данными различных общих моделей.

Отклонения от нормы сравниваются с известными причинами отклонений по каждому заболеванию. Нейронная сеть может обучаться, изучая различные состояния и модели, объединяя их для формирования полной концептуальной картины, а затем диагностируя состояние пациента на основе моделей.

Идея "химического" носа может показаться немного абсурдной, но у нее есть несколько реальных применений. Электронный нос состоит из системы химических датчиков (например, спектрометра) и искусственной нейронной сети, которая распознает определенные образцы химических веществ. Запах проходит через массив химических датчиков, эти химические вещества затем переводятся в формат, понятный компьютеру, и нейронная сеть идентифицирует химическое вещество.

Некоторые варианты применения искусственного носа

Окружающая среда

Идентификация токсичных отходов, анализ топливных смесей, обнаружение утечек масла, выявление бытовых запахов, контроль качества воздуха, мониторинг заводских выбросов, проверка грунтовых вод на наличие запахов.

Медицина

Идея их использования в медицине заключается в изучении запахов тела для выявления и диагностики проблем. Запах изо рта, инфицированные раны и биологические жидкости могут указывать на проблемы. Искусственные нейронные сети даже уже использовались для обнаружения туберкулеза.

Еда

Пищевая промышленность, возможно, является крупнейшим рынком, где можно применять электронные носы, которые смогут даже заменить людей.

Инспекция продуктов питания, оценка качества продуктов, проверка рыбы, контроль ферментации, проверка майонеза и масла на прогорклость, автоматический контроль вкуса, мониторинг созревания сыра, проверка того, является ли апельсиновый сок натуральным, проверка контейнеров для напитков. Ну и конечно, проверка виски и вина.

Одной из уже запущенных программ является программа CATCH.

CATCH, аббревиатура от «Компьютерное отслеживание и характеристика убийств». Он узнает о существующем преступлении, месте преступления и конкретных характеристиках преступления. Программа подразделяется на разные инструменты, каждый из которых делает акцент на определенной характеристике или группе характеристик. Это позволяет пользователю удалить определенные параметры, которые люди считают несвязанными.

Предоставление кредитов — это одна из областей, в которой нейронные сети могут помочь людям, поскольку эта область не основана на заранее определенных и заранее взвешенных критериях. Здесь наоборот, результаты оценки потенциального заемщика туманны.

Банки хотят заработать как можно больше денег, и один из способов сделать это — снизить процент отказов, при этом сохранив возвращаемость денег от заемщика.

Используя нейронные сети, можно более эффективно решать задачу, следует ли банку одобрить кредит. Нейронные сети особенно полезны в этой области, поскольку ни один подобный процесс не может гарантировать 100% точность. Даже точность 85-90% была бы лучше, чем методы, используемые людьми сейчас.

Фактически, в некоторых банках процент отказов по кредитам, одобренным с использованием нейронных сетей, ниже, чем у некоторых из их лучших традиционных методов. Некоторые компании, выпускающие кредитные карты, в настоящее время начинают использовать нейронные сети при принятии решения об удовлетворении заявки. Процесс работает путем анализа прошлых неудач и принятия текущих решений на основе прошлого опыта.

Вывод: банкам еще предстоит улучшить точность работы нейросетей.

Тем не менее, это все создает свои проблемы. Например, банк или кредитная компания должны обосновать свое решение перед заявителем. Причина, по которой «мой нейросетевой компьютер не рекомендует это делать», просто недостаточна для того, чтобы люди ее приняли.

Процесс объяснения того, как сеть научилась и на основании каких характеристик нейронная сеть приняла решение, сложен. Самомодифицирующийся код очень сложно отлаживать и, следовательно, трудно отслеживать. Записи шагов, через которые нейросеть прошла, недостаточно, ведь даже отдельные шаги, которые прошла нейронная сеть, должны быть проанализированы людьми или, возможно, самой сетью, чтобы определить, что в конкретный фрагмент данные имели решающее значение в процессе принятия решений.

PS. лайк, пожалуйста, он помогает продвижению статьи, а значит дает мотивацию писать дальше

Ну и как положено на VC, канал телеграм))) Канал и чатик

Туда выкладываю статьи VC и то, что нет в VC. Мысли, идеи, опыт.

В закрепленных канале всегда телеграм боты Kolersky для доступа в ChatGPT, GPT-4 без VPN, а так же генераторы изображений Midjourney, Dall-e, Stable Diffusion+ (все проекты: KolerskyAI).