Искусственный интеллект в действии
Инвестиции в приложения и системы искусственного интеллекта продолжают увеличиваться, а организации по всему миру активно внедряют генеративные сервисы. По отчетам The Economist, к концу 2024 года крупнейшие технологические компании выделят 400 миллиардов долларов на развитие технологий искусственного интеллекта, а 70% опрошенных организаций уже активно используют нейросети в своей работе. Роль AI-технологий в различных индустриях становится всё более значимой, и ключевую роль в этом играют такие разработки, как сверточные нейронные сети (CNN), которые лежат в основе систем компьютерного зрения, распознавания объектов и анализа изображений. Чтобы лучше понять, как эти технологии развиваются и какие перспективы они открывают, мы поговорили с Евгением Ермолиным, специалистом в области компьютерной инженерии, ведущим инженером-исследователем, который разрабатывал аппаратные решения для CNN в Технионе, одном из старейших и знаменитейших вузов Израиля.
В этом интервью Евгений расскажет о том, что такое сверточные нейронные сети и какие перспективы есть у технологии будущем.
— Евгений, сегодня часто говорят об искусственном интеллекте, но многие не до конца понимают, что это такое. Объясните, что такое искусственный интеллект? Искусственный интеллект — это широкое понятие, которое включает в себя множество технологий, способных выполнять задачи, требующие интеллектуальной деятельности, такие как распознавание образов, обработка естественного языка и принятие решений. Основная идея ИИ — создание систем, которые могут “учиться” на данных, улучшать свои способности и решать задачи с минимальным вмешательством человека.
— Что позволяет искусственному интеллекту “обучаться”? — В частности сверточные нейронные сети. Это один из ключевых инструментов, которые используются в сфере искусственного интеллекта, особенно для обработки изображений и видео. CNN имитируют работу нейронных сетей мозга и имеют способность автоматически выделять важные особенности в данных. Эти сети особенно эффективны в задачах распознавания объектов, классификации изображений и анализа видео, где требуется высокая точность и автоматизация.
— Из каких основных компонентов состоят нейросети? — Во-первых, это алгоритмы, которые представляют собой математические модели, способные обучаться на данных и выявлять закономерности. Алгоритмы задают правила работы нейросети, определяют, как она “учится” и принимает решения. Во-вторых, это технологии, которые помогают эти алгоритмы реализовать на практике. Это могут быть облачные платформы, программные решения для работы с большими данными и инструменты машинного обучения, которые позволяют тренировать и тестировать нейросети. И, наконец, важнейшую роль играют аппаратные решения. Это специализированное оборудование — процессоры, графические чипы и микросхемы, которые оптимизируют вычисления и ускоряют работу нейросетей.
— Евгений, вы возглавляли проектирование и внедрение аппаратных решений в Технионе — одном из ведущих технических университетов страны. Расскажите, как именно аппаратные решения улучшают работу сверточных нейронных сетей? — Аппаратные решения играют важную роль в повышении эффективности нейронных сетей, особенно когда речь идет о задачах, требующих высокой производительности, таких как обработка видео в реальном времени. Обычные процессоры могут не справляться с такой нагрузкой, поэтому в Технионе я создавал специализированные аппаратные компоненты, которые оптимизировали вычислительные процессы, позволяя CNN работать быстрее и эффективнее и мгновенно анализировать информацию, что очень полезно, например, для автоматических камер или технологий для распознавания объектов.
— Ваши исследования в области аппаратных решений для нейросетей были признаны на Международной конференции по нейронным сетям IJCNN 2020. Как оценивались работы, и насколько сложно было попасть в число признанных участников? — В 2020 году на конференцию было подано огромное количество заявок от исследовательских команд со всего мира. Среди участников были представители ведущих университетов и компаний из США, Европы, Азии. Это конференция уровня "А", что означает, что она входит в список флагманских мероприятий в своей области и является одной из самых престижных. Конференции такого уровня собирают ведущих специалистов со всего мира и предъявляют строгие требования к подаваемым работам. Процедура двойного анонимного рецензирования, когда авторы не знают друг друга, что исключает предвзятость.
— Недавно вы стали старшим членом международного Института инженеров электротехники и электроники (IEEE), одного из крупнейших и уважаемых профессиональных сообществ. Это признание вашей экспертизы на мировом уровне. Можете рассказать немного больше о значении этого членства? — IEEE — это одно из крупнейших и самых уважаемых профессиональных сообществ, которое объединяет инженеров и ученых со всего мира. Это также дает возможность сотрудничать с ведущими экспертами и участвовать в передовых исследованиях.Членство в IEEE считается престижным благодаря его репутации ведущей организации для профессионалов в области электротехники, электроники и вычислительных технологий. Быть частью этой глобальной сети означает доступ к передовым исследованиям, возможностям профессионального развития и сотрудничеству с лидерами отрасли.
— Также интересно узнать, как вы, как эксперт в этой области, видите дальнейшее развитие нейросетей? — Если говорить о будущем нейросетей, я вижу несколько направлений, где могут произойти большие прорывы. Прежде всего, это автономные системы, такие как автомобили с автопилотом, где нейросети будут помогать принимать решения в реальном времени. И ещё одно перспективное направление — это нейроморфные вычисления, которые работают по принципу мозга и могут сделать нейросети гораздо более мощными и эффективными.