Мир меняется: умные машины учатся друг у друга
Взгляните вокруг - и увидите, что число носимых датчиков для здоровья и фитнеса в нашем мире постоянно растет. Fitbit, Garmin, умные браслеты и часы, многие другие устройства - все они уже заняли определенную нишу в сердцах людей. Но чего многие не знают, что мы уже используем множество датчиков для контроля целостности мостов и зданий, для слежения за передвижениями насекомых и других животных.
Быстрый рост «интернета вещей» (IoT) показывает, что к следующему десятилетию десятки миллиардов сенсорных устройств будут связаны в единую сеть. Эти подключенные датчики позволят автоматизировать процессы в широком спектре отраслей экономики, от промышленных предприятий до здравоохранения, повысить производительность и улучшить качество нашей жизни.
Основа для этих сенсорных устройств, которые будут трудиться везде и всюду, практически неизменна: микропроцессор, память и проводной или беспроводной интерфейс, связывающий его с Интернетом, а также батарея или другой источник энергии.
Каждое приложение и устройство «интернета вещей» будет работать в своем собственном уникальном контексте, включающем местоположение, условия окружающей среды и поведение людей в этой области. Каждое устройство будет внимательно следить и адаптироваться к своему контексту.
Добавляем искусственный интеллект
Что происходит, когда мы добавляем в эту смесь искусственный интеллект (ИИ)? С ИИ, эти устройства могут улучшать свое поведение в ответ на изменение контекстов. Подобно тому, как живые существа подстраивают свое поведение под окружающую обстановку, даже небольшие устройства «интернета вещей» смогут работать вместе с ИИ, постепенно улучшая свое программное обеспечение.
Рассмотрим портативное мобильное устройство, типа умных часов или смартфона, в которых, как правило, содержится полный набор разнообразных функций и приложений, которые подойдут для всех пользователей. Чтобы персонализировать все это, пользователям приходится вручную настраивать каждое приложение отдельно и постоянно обновлять их конфигурации, поскольку предпочтения людей меняются время от времени.
Что, если устройство само сможет изучать наши предпочтения, наблюдая за нашими моделями пользования? Это могло бы автоматизировать процесс персонализации. А как насчет ситуаций, с которыми наше устройство еще не сталкивалось? Сможет ли оно определить, что мы могли бы предпочесть в неизвестной ситуации?
И вот здесь-то машины с искусственным интеллектом могли бы помочь друг другу быстрее учиться, эффективно обмениваясь информацией между собой, тем самым умножая скорость обучения в расчете на одно устройство.
Говорящие смартфоны
К примеру, как говорит Раджа Джурдак из ICT Centre, смартфоны в непосредственной близости друг от друга могли бы запускать каждый свою собственную машину ИИ и делиться логическими блоками, тем самым ускоряя работу своих программ и сохраняя заряд батареи.
Каждый телефон обучается независимо, вырабатывая свой собственный генетический материал программной логики - эволюционирует в некотором роде. Это называется «островной моделью» в области эволюционных алгоритмов. В «интернете вещей» каждое устройство становится «островом». Иногда они делятся тем, что узнали. За счет этого увеличивается разнообразие их генетического фонда, что крайне полезно для системы, которая обучается или эволюционирует. Из этого также следует, что оба устройства знают, как лучше реагировать в новых для них условиях.
Отслеживание животных демонстрирует, как может протекать совместная работа связанных в «интернете вещей» устройств. Датчики размещаются на шею или на ушные бирки, отслеживая положение и деятельность домашнего скота, домашних или диких животных. Чтобы предоставлять точную информацию, каждое устройство должно изучить специфические особенности животного, которое оно отслеживает - вид, возраст и пол - и с этим может значительно помочь ИИ.
Затем, когда два или больше животных встречаются, устройства «интернета вещей» обмениваются информацией о том, что узнали о поведении животного, благодаря чему ускорить процесс обучения для других устройств на животных с похожими характеристиками.
Прогнозируя слабину
Преимущества совместного обучения в «интернете вещей» выходят за рамки устройств на животных и людях. Взять, например, устройства, которые размещаются для мониторинга структурного состояния мостов и дорог. Во многих случаях, эти устройства не будут иметь канал связи с Интернетом из-за стоимости и удаленности, но смогут собирать информацию на месте и находить специфические закономерности в наблюдаемых данных датчиков, которые могут прогнозировать слабину.
Поскольку слабина проявляется относительно редко, совместное обучение соседствующих устройств обеспечивает большую выборку для обучения тех устройств «интернета вещей», которые еще не обнаружили неисправность.
На пути к созданию устройств «интернета вещей» общего назначения предстоит еще много вопросов. Скомпрометирует ли такое устройство частную информацию о своем владельце, если будет участвовать в обмене данными? Ответ зависит от того, будет ли ИИ раскрывать информацию частного характера или нет. В процессе обучения устройство IoT, будут разрабатываться и меры безопасности, и жесткие ограничения, и запрет на внесение изменений извне.
Другой вопрос: откуда устройству знать, каким из соседних устройств доверять при принятии решений, с какими сотрудничать? Что делать, если злоумышленник входит в сеть с целью внести подрывную логику в совместную среду обучения IoT? Методы противодействия пока не разработаны. Но разрабатывать их нужно и желательно в скором времени.
