Искусственный интеллект (ИИ) стал тенденцией, которая сохранится, по крайней мере, в обозримом будущем. Многие страны начали осваивать эту технологию; примечателен среди них Китай. В этой статье рассматривается, как Китай использует ИИ в области электронной коммерции, финансов и здравоохранения с точки зрения непрофессионала. ИИ во многом улучшил нашу жизнь, но по-прежнему существуют некоторые спорные вопросы, касающиеся его использования.

Первое, что приходит на ум в том, как Китай был преобразован с помощью технологий искусственного интеллекта, восходит к 2013 году. Это было тогда, когда Baidu запустила свою визуальную поисковую систему. Для обычного пользователя сети, использующего поисковую систему, Visual Search улучшил способ поиска элементов или классов, к которым они принадлежат. Однако я считаю, что это было всего лишь ступенькой к использованию технологии в электронной коммерции, где она оказалась более удобной.

В 2014 году Alibaba запустила свою визуальную поисковую систему ​​под названием Pailitao. Это довольно удобный инструмент при использовании Taobao. В то время на американском сайте электронной коммерции Amazon еще не было такой рабочей технологии.

Визуальный поиск - это в основном то, что вы делаете, когда входите в свою учетную запись Taobao и понимаете, что у вас есть изображение предмета, который вы хотите купить, но вы не можете вспомнить его название. Предполагая, что вы уже пользовались Taobao раньше.

Это когда вы выполняете «поиск по картинкам» на Taobao, чтобы получить список похожих результатов, если они не совпадают. Сегодня это может показаться простой технологией, но когда вы смотрите на лежащие в основе сверточные нейронные сети и алгоритмы машинного обучения, вы начинаете понимать, что в исследованиях она прошла долгий путь. Визуальный поиск все еще совершенствуется. Однако в некоторых случаях он может давать более точные результаты по сравнению с поиском по тексту. Под точностью я имею в виду, что вы можете попробовать найти свою красную компьютерную мышь на своем столе дома на Taobao, используя как визуальный поиск, так и текстовый поиск. Визуальный поиск даст лучшие результаты. Конечно, с научной точки зрения есть более эффективные способы анализа этого, но это просто для того, чтобы дать вам простую и ясную картину. Одна из проблем, возникающих при использовании этой технологии, может быть прямо противоположной тому, что я объяснил ранее; что является неточностью. Предполагается, что система визуального поиска использует алгоритм обучения с учителем. Проще говоря, это означает, что вы избавляете от некоторых изображений из своего набора данных (скажем, 80%), на которых ваш алгоритм будет обучаться или учиться. Оставшийся процент будет использован для тестирования.

Если провести аналогию, как выразился Шивам Коллур, эти алгоритмы подобны студентам-математикам, которым дается огромное количество практических задач и инструктируется найти методы их решения путем нахождения закономерностей между информацией в этих задачах и связанными с ними ответами.

Теперь, если пользователь ищет уникальное изображение на Taobao, которого по какой-то причине нет в наборе данных, он, вероятно, не получит релевантного результата. Обычно в искусственном интеллекте для получения более точных результатов требуется больший набор данных. По сути, чем больше набор данных, тем выше точность. Итак, вам может не повезти, если вы ищете уникальный предмет, класс которого не был обработан. Кроме того, чем больше набор данных, тем больше места на диске вам потребуется. Таким образом, это представляет собой своего рода надвигающуюся проблему. Излишне говорить, что есть и другие способы оптимизации, но я не буду вдаваться в подробности.

Электронная коммерция и финансы

Эта технология действительно изменила сектор электронной коммерции. Пользователям стало проще находить продукты, которые им больше всего подходят. Это также упростило рекомендательным системам вывод продуктов с фактическим сходством, а не только с предпочтениями пользователей. Такая точность также может увеличить продажи продавцов.

Я не могу говорить о влиянии ИИ в Китае, не затрагивая финансовый сектор, особенно Ant Group. По данным на март 2020 года, у Alipay (платежного приложения Ant Group) было 1,3 миллиарда активных пользователей. Это немалый подвиг, если принять во внимание принятие решений по управлению рисками, которые они должны делать для каждой транзакции с помощью искусственного интеллекта. Фактически, такое решение занимает примерно 100 мсек на выполнение каждой задачи по управлению рисками. Одна из ключевых вещей в ИИ - это данные!

По мере того как люди в повседневной жизни покупают различные товары, транзакции, которые они проводят, начинают формировать шаблоны данных. Эти шаблоны становятся актуальными для обнаружения мошенничества с использованием алгоритмов машинного обучения.

Вот один сценарий для ясности. Предположим, ваш телефон украден, и грабитель узнает данные вашей учетной записи. Он может решить отправиться по магазинам, покупая дорогие вещи на деньги вашего счета Alipay, а затем куда-нибудь бросить телефон. Однако, поскольку у вас есть история транзакций, алгоритмы будут отмечать или блокировать эти транзакции и ждать какой-либо рекомендации от менеджера рисков или ответственного лица. Когда вы думаете об этом, невероятно, что весь процесс анализа рисков и обнаружения мошенничества занимает всего 100 мс для 1 из 1,3 миллиарда активных пользователей. Без ИИ менеджеры по рискам столкнулись бы с утомительной задачей, пытаясь классифицировать данные даже с помощью простых систем без интеллекта. Это может быть один из сценариев, но он довольно наивен. Это связано с тем, что в наши дни атаки мошенничества стали более изощренными и фактически имитируют поведение человека; которые иногда бывает трудно идентифицировать. Таким образом, алгоритмы постоянно обновляются и адаптируются для обеспечения большей безопасности. В этом отношении ИИ не заменил работу менеджеров по рискам, но упростил им выполнение своей работы в рекордно короткие сроки. Поговорим об эффективности!

Немного проблем

Хотя ИИ увеличил продажи поставщиков и по-разному добился точности и эффективности, он не лишен проблем и сомнений. Когда некоторые технологии искусственного интеллекта были переданы интернет-сообществу, их становится трудно регулировать. Я считаю, что самая большая проблема с искусственным интеллектом или, по крайней мере, с одной из них - это регулирование. Для большей ясности помогут примеры в тексте ниже.

В 2018 году Китай с помощью Sogou запустил первую новостную якорь AI. Фактически, это было примерно в то же время, когда Deepfakes были в новинку.

Проще говоря, Deepfake описывается как видео, обработанное искусственным интеллектом, в котором движения лица человека передаются движению лица цели.

Ведущий новостей AI во многих отношениях выглядел как настоящий ведущий новостей. От того, как синхронизируются губы, до голоса и моргания век; это выглядело почти реальным. Через несколько секунд просмотра видео вы начинаете видеть дефекты, которые пахнут дипфейком.

Однако это было только начало. На момент написания статьи Deepfakes развились до такой степени, что теперь трудно сказать, действительно ли Deepfake является подделкой или нет. Проходят годы, люди доводят Deepfakes до большей реалистичности. Их обучают работе с тысячами изображений или видео, включая синтез звука, чтобы повысить производительность. ИИ - это быстро развивающаяся область исследований, поэтому со временем они станут только лучше. Я должен подчеркнуть, что в некоторых случаях технология может быть разработана и была разработана с добрыми намерениями. В Китае, например, ведущая новостей AI была разработана для работы 24 часа в сутки, чтобы эффективно сообщать самые свежие новости и сокращать производственные затраты там, где это возможно.

Настоящая проблема возникает с регулированием. С появлением этой технологии увеличилось количество фейковых новостей, в основном нацеленных на знаменитостей и политиков.

Чтобы решить эту проблему, Китай объявил уголовным преступлением публикацию Deepfake без раскрытия того, что это Deepfake. Фактически, это регулирование вступило в силу 1 января 2020 года. Это может внести некоторое здравомыслие с этой технологией, но по-прежнему оставляет нам проблему, учитывая тех, кто решит анонимно опубликовать Deepfakes и уйдет с рук. Это. Другие фактически подумывают о полном запрете этой технологии. Однако это контрпродуктивно и тормозит технологические исследования и разработки.

Facebook уже запретил их использование, в то время как Калифорния запретила их как штат. Подход Китая оказался более продуктивным, поскольку он дает больше возможностей для творчества. Тем не менее, WeChat также должен был заблокировать приложение Deepfake под названием Zao из соображений безопасности. Однако пользователям по-прежнему разрешено загружать видео Deepfake в WeChat, включая созданные в Zao.

Я считаю, что лучший способ справиться с рисками, связанными с этой технологией, - это повысить производительность детекторов Deepfake. Конечно, злоумышленники Deepfake также проводят больше исследований, чтобы обойти детекторы, но именно так работает компьютерный мир.

Регулирующие органы должны постоянно улучшать свои алгоритмы, даже если для этого потребуется использовать ИИ. Если вам интересно узнать больше о том, как можно использовать эту технологию, прочтите Обзор Массачусетского технологического института Карен Хао.

Еще одна проблема, связанная с искусственным интеллектом, можно увидеть в секторе электронной коммерции, о котором говорилось выше. AI имеет большой спрос на данные. Чтобы алгоритм машинного обучения давал точные рекомендации по продукту, ему необходимо собрать больше данных от своих пользователей. Иногда это вызывает беспокойство по поводу проблем с конфиденциальностью. Это может не быть очевидным в этой электронной коммерции; однако это более актуальная проблема в секторе здравоохранения.

В секторе здравоохранения, особенно при скрининге изображений, может потребоваться сбор различных изображений пациентов для обучения. По сути, вы пытаетесь диагностировать заболевание быстрее и точнее. Даже если вы говорите, что собираете только изображения без имен и других личных данных пациентов, люди все равно скептически относятся к разглашению таких данных. У этого вопроса действительно две стороны. Хотя это может быть правдой, что вопросы конфиденциальности вызывают озабоченность и важны, Том Митчелл хорошо этому противодействовал. Он заметил, что в Соединенных Штатах Америки есть медицинские записи более 20 лет, но они не могут использовать данные в ИИ из-за проблем с конфиденциальностью. В Китае, однако, они смогли использовать ИИ для обработки медицинских карт независимо от проблем с конфиденциальностью. Этот случай представляет собой компромисс между проблемами конфиденциальности и лучшим медицинским обслуживанием людей.

Ты должен пойти на компромисс !!!!

Если вам понравилось читать, следите за новостями. Я, вероятно, принесу больше практических вещей с кодом, особенно в области обработки естественного языка (NLP).