Карта застосування технологій штучного інтелекту: медицина, освіта, транспорт і інші сфери

1. Сільське господарство зараз
2. Що далі
3. Держслужба: робота поліцейських і пожежних
4. Що далі
5. будинок
6. Що далі
7. Освіта
8. Що далі
9. Банки і сфера фінансів
10. Робота з клієнтами
11. Управління персоналом
12. Персональні фінанси
13. Що далі
14. транспорт
15. Транспортна система
16. Що далі
17. промисловість
18. Що далі
19. Медицина
20. IBM Watson
21. діагностика
22. Персональна медицина
23. дослідження медикаментів
24. інфраструктура лікарні
25. Захист навколишнього середовища

Сільське господарство

зараз

У 2012 році компанія Autonomous Tractor Cooperation (ATC) показала прототип безпілотного трактора Spirit, заявивши, що це «перший повністю безпілотний трактор для сільського господарства». Зараз ATC продовжує працювати над поліпшенням прототипу. Spirit оснащений розробленої компанією технології AutoDrive , Яка поєднує радіонавігацію і лазерний гіроскоп разом з технологіями штучного інтелекту.

Завдяки AutoDrive трактор зможе самостійно пересуватися по шляху, по якому він попередньо проїхав з водієм. «Трактор не стане фермером тільки через те, що ми дамо йому шаблон дій. Ми повинні тренувати його, як початківця аграрія. Трактора потрібно навчитися обробляти землю, а не тільки правильно їздити », - говорить генеральний директор компанії Крейг Шульц.

У травні 2016 року російська компанія Cognitive Technologies протестувала безпілотний трактор з системою комп'ютерного зору. На тракторі були встановлені відеокамери, навігаційний і інерційний датчики ГЛОНАСС і GPS і обчислювальний блок.

«Система комп'ютерного зору дозволяє з високою точністю детектувати небезпечні об'єкти, визначати їх розміри і координати для складання високоточних карт, - говорить президент компанії Ольга Ускова. - Завдяки точному знанню положення предметів на поле багато з них стає можливим видалити ще до збиральної стадії, коли вони можуть представляти реальну загрозу механічних елементів сільгосптехніки ».

Трактор об'їжджає об'єкти, які неможливо прибрати при збиранні врожаю, а завдяки камерам і датчикам він отримує інформацію про появу нових об'єктах в режимі реального часу. За словами Ольги Усковою, технологія повинна бути готова для продажу споживачам через півтора року.

У серпні 2016 року компанія CNH Industrial представила концепт безпілотного трактора на основі існуючого Case IH Magnum. Трактор може працювати без участі водія, використовуючи лідар (технологія отримання та обробки інформації про віддалені об'єкти за допомогою систем, що використовують явища відбиття світла і його розсіювання - прим. Ред.) Та камери для того, щоб виявляти і уникати перешкоди. За словами представників компанії, безпілотні транспортні засоби допоможуть підвищити точність і продуктивність робіт в секторі сільського господарства.

Компанія Blue River Technology випускає пристрою LettuceBot, які, використовуючи технологію машинного навчання, розпізнають серед здорових рослин бур'яни і обприскують їх гербіцидами. За словами розробників, LettuceBot фотографує більше 5000 рослин в хвилину.

Співробітник Blue River Technology Бен Костнер впевнений, що LettuceBot допоможе фермерам скоротити кількість використовуваних препаратів на 90%. «Сільське господарство перестане залежати від людської праці в майбутньому», - говорить один з творців трактора Хорхе Еро.

сайт PlantVillage зібрав базу обсягом у понад 50 тисяч фотографій здорових і хворих рослин. Мета розробників - запустити додаток, де фермери будуть завантажувати зображення хворих рослин, а алгоритми визначати їх діагноз. Видання Wired пише, що аграрії витрачають багато грошей і часу через неправильну діагностики, а штучний інтелект зможе швидко і точно визначити проблему.

Cтартап Harvesting аналізує супутникові дані та завдяки технології машинного навчання допомагає державною установою розподіляти гроші між фермерами більш ефективно. «Ми сподіваємося, що використовуючи цю технологію, банки і державні органи будуть давати гроші правильним людям», - говорить генеральний директор компанії Ручіт Гарг.

Що далі

Технології штучного інтелекту будуть застосовуватися в вертикальних фермах, вважає Ніл Якобштейн, керівник курсу штучного інтелекту і робототехніки в Університеті сингулярності в Кремнієвій долині. Вертикальне фермерство - практика вирощування врожаю в теплицях, де штучно створюються всі необхідні умови: світло, температура, вологість.

«ІІ допоможе оптимізувати процеси вирощування врожаю в вертикальних фермах. Він буде контролювати вологу, підігрів і атмосферний тиск в теплицях », - каже Якобштейн.

Держслужба: робота поліцейських і пожежних

зараз

«У Лондоні комп'ютерні системи давно аналізують відео з безлічі камер і шукають злочинців, а поліцейським залишається їх тільки зловити. Комп'ютерні програми в деяких містах Європи самі формують документи для прокуратури і обвинувальні висновки », - говорить Сергій Негодяев, керуючий інвестиційним портфелем ФРІІ.

У 2013 році почалося тестування програми Series Finder, яка аналізує шаблони крадіжок і становить можливу поведінку злочинця. Series Finder бере до уваги такі фактори, як спосіб потрапляння в будинок, день тижня, тип житла і географічна близькість до місць, де вже проходили зломи.

Творці визначили дев'ять основних шаблонів крадіжок і дали програмі кілька реальних злочинів з кожного з них. Series Finder змогла відтворити більшість випадків злочинів, а також виявила дев'ять крадіжок, про які до цього не було відомо.

«Технологія машинного навчання може бути відмінним інструментом для виявлення і передбачення злочинів. Якщо шаблони злочинів автоматично визначено, поліція може негайно зупинити їх », - розповідає розробник програми Синтія Рудін.

У травні 2016 року вчені Рочестерського університету в співавторстві з генеральною прокуратурою Нью-Йорка опублікували дослідження, де повідомляється, що за допомогою штучного інтелекту можна вистежити торговців наркотиками в Instagram.

Алгоритми здатні виявити злочинців за хештегом, ключовими словами, числу передплатників і «даними про проведення транзакцій». Автори звіту заявляють, що технологія визначає торговців наркотиками точніше, ніж експерти.

У серпні 2016 року NASA оголосила , Що працює над інтелектуальним асистентом для пожежних AUDREY. Агентство заявляє, що AUDREY може стежити за групою пожежних, відправляти корисну інформацію кожному учаснику команди, а також давати рекомендації про те, як їм працювати разом.

Спостерігаючи за пожежними, асистент може передбачити розвиток ситуації в найближчий момент. «Пожежники не зайдуть в кімнату, де незабаром має впасти стеля», - говорить керівник проекту Едвард Чоу. За словами Чоу, протягом року AUDREY протестують в польових умовах.

Що далі

згідно звіту Стенфордського університету, до 2030 року кожне місто Північної Америки буде покладатися на технології штучного інтелекту в питанні забезпечення безпеки населення. ІІ допомагатиме запобігати злочинам і виступати асистентом під час судових розглядів, вважають автори звіту.

Також в звіті повідомляється, що штучний інтелект зможе аналізувати соціальні мережі, наприклад Twitter, щоб запобігати можливим акції радикальних угруповань. Автори пишуть, що правоохоронні органи зацікавлені в тому, щоб відстежувати великі скупчення людей в місті і забезпечувати їх безпеку.

«Замінити керівників будь-сфери штучним інтелектом - з області фантастики. Крім того, і в роботі поліції і пожежної охорони є і незамінні технологіями напрямки - рішення, які вимагають психологічної підготовки в роботі з людьми ».

«У майбутньому людині не потрібно брати участь в процесі гасіння пожеж - присутність машин буде значно збільшено. Багато професій зникнуть, але системні аналітики, які формують сценарії роботи техніки, інженери, які обслуговують високотехнологічні засоби пожежогасіння, керівники, природно, повинні залишитися », - вважає Сергій Негодяев.

Негідників звертає увагу на етичне питання впровадження штучного інтелекту в повсякденне життя. «Давайте згадаємо фільм" Термінатор "і божевільний комп'ютер Skynet, який вирішив знищити людство. Чи хочемо ми таке суспільство? Технології повинні розвиватися, але цей розвиток повинен бути гармонійним з розвитком соціуму. І це питання сьогодення, який нам належить вирішити якомога швидше ».

Пітер Бентлі, викладач напрямки комп'ютерних наук в Університетському коледжі Лондона, також вважає , Що ІІ може замінити поліцейських тільки в суспільстві, де його рівень інтелекту буде рівним людському.

«Ми ніколи не довіримося" розумному "поліцейському, якщо не будемо впевнені, що він може правильно оцінити ситуацію. Якщо ІІ буде слабкіше нас, ми не сприймемо його всерйоз, а якщо буде потужніший - розцінимо це як рабське підпорядкування ».

будинок

зараз

У 2011 році компанія Nest випустила самонавчальний термостат Nest Thermostat. Його робота заснована на алгоритмах машинного навчання: протягом першого тижня термостат вивчає потреби людей в будинку, а потім може самостійно регулювати температуру в приміщенні.

У липні 2014 року на сайті Indiegogo запустився збір коштів на «першого в світі соціальної робота для дому» Jibo. За словами творців, робот може розпізнавати і відслідковувати особи, розмовляти з людьми і запам'ятовувати їх переваги. Правда, Jibo все ще знаходиться в розробці - творці вже переносили дату початку продажів, а в серпні 2016 року стало відомо, що робот буде доступний тільки в США і Канаді.

У листопаді 2014 року Amazon представила домашнього асистента Amazon Echo, здатного спілкуватися з людьми і обробляти їх запити завдяки технологіям штучного інтелекту. У травні 2016 року Google продемонструвала подібний пристрій Google Home.

З січня 2016 року засновник соціальної мережі Facebook Марк Цукерберг працює над штучним інтелектом для управління своїм будинком і збирається показати перші досягнення вже найближчим часом. «Завдяки ІІ я вже можу контролювати світло, температуру і управляти воротами», - говорить Цукерберг.

Стартап AI Build працює над прототипом будинку, де все управління буде виконуватися голосом і жестами. Компанія планує встановлювати в кімнаті камери із загальним кутом огляду в 360 градусів і навчити програму запам'ятовувати розташування в ній предметів, розпізнавати людей і реагувати на жести.

«Зараз в мобільних додатках потрібно зробити кілька дій, щоб, наприклад, включити світло. Ми намагаємося створити більш природні умови, коли замість додатка або віддаленого контролю можна буде використовувати мову або жести », - говорить генеральний директор компанії Даган Кем.

Що далі

За даними звіту Стенфордського університету, до 2030 року технології штучного інтелекту зроблять домашніх роботів більш надійними. Роботи спеціального призначення забезпечуватимуть доставку, чистити офіси і стежити за безпекою.

«Якщо ми говоримо про великі міста, в яких" розумні "будинки вже не здаються чимось неймовірним, то, звичайно, є надія на те, що машинне навчання дозволить забезпечувати більше комфорту. Не потрібно буде самому робити якісь дії, щоб в приміщенні було тепло рівно настільки, наскільки вам зараз потрібно, не душно, світло ».

«Алгоритми, звичайно, не будуть готувати щоранку різноманітні сніданки, але прості побутові питання можуть бути автоматизовані», - говорить старший викладач кафедри алгоритмів і технологій програмування МФТІ Віктор Кантор.

За словами Віктора Кантора, машинне навчання може допомогти в більш надійному забезпеченні мінімального необхідного комфорту. «Прогнозування аварій, через які можна залишитися без світла або без опалення, дозволить більш грамотно організовувати профілактичні роботи. Та й в принципі, проводити комунікації, планувати забудову і вирішувати багато інших базових задач буде набагато простіше, коли повсюдно буде використовуватися машинне навчання ».

Освіта

зараз

За даними звіту Лабораторії знань Університетського коледжу Лондона і компанії Pearson, багато шкіл і університетів вже використовують технології штучного інтелекту в освітніх цілях. Більшість з них об'єднують ІІ з технологіями Big Data для того, щоб стежити за тим, чи ходять учні на заняття і виконують завдання.

Завдяки впровадженню штучного інтелекту з'явилися інтелектуальні навчальні системи - програми, які симулюють поведінку вчителя. Вони можуть перевіряти рівень знань учнів, аналізуючи їх відповіді, давати коментарі та складати персоналізовані плани навчання.

Одна з таких систем, AutoTutor, навчає комп'ютерної грамотності, фізики та критичного мислення, спілкуючись з учнем на природній мові. програма Knewton враховує специфіку навчання кожного учня і студента і розробляє для нього персоналізований план навчання. Систему SHERLOCK використовують в ВПС США для того, щоб навчити пілотів знаходити проблеми в електрообладнанні літаків.

На онлайн-платформах Coursera, EdX і Udasity штучний інтелект оцінює тести і есе. Навчальні програми Carnegie Speech і Duolingo використовують технологію обробки природної мови, щоб розпізнавати помилки в вимові людей і виправляти їх.

Автори звіту Лабораторії знань Університетського коледжу Лондона і компанії Pearson пишуть, що штучний інтелект активно впроваджують в процес групового навчання. Його використовують, щоб набирати групи учнів з однаковим рівнем знань, аналізувати дискусії між людьми і позначати моменти, коли учасники бесіди відходять від теми.

Що далі

У звіті говориться, що у технологій штучного інтелекту є інструменти, за допомогою яких можна відстежувати розвиток кожного учня. Подібне спостереження в майбутньому може стати обов'язковим, щоб мати можливість оцінювати показники школи, району і країни в цілому, а також перевірити ефективність різних навчальних програм.

Автори звіту вважають, що в майбутньому штучний інтелект зможе визначити зміни в упевненості і мотивації учня і в разі потреби допомогти йому. «ІІ зрозуміє, коли учень заплутався, занудьгував або навіть визначить, що він знаходиться в фрустрації і передасть цю інформацію вчителю. Замість традиційного тестування штучний інтелект буде оцінювати людину під час навчальних занять, наприклад, під час ігор або спільних проектів ».

Дослідники вважають, що в майбутньому з'являться «навчальні компаньйони», які будуть вчити людину протягом усього його життя. «Перебуваючи в хмарі, вони будуть доступні на кожному пристрої і в офлайн-режимі. Замість того, щоб навчати усіх предметів, ці компаньйони при потребі звернуться до експерта в певній сфері ».

«Мені дуже хочеться вірити в світле майбутнє, в якому навіть самі незначні успіхи в освіті для багатьох людей по всьому світу будуть збиратися і аналізуватися, дозволяючи персоналізувати процес отримання знань».

«Я вірю, що якщо щось у людини погано виходить, то це може бути не тому, що докладено мало зусиль, а й тому, що це просто не його справа. І є на світі якісь заняття, в яких він зможе бути одним з кращих - треба тільки знайти. Ось це завдання і може допомогти вирішувати машинне навчання в освіті », - каже Віктор Кантор.

Банки і сфера фінансів

Зараз: шахрайство

«Банки і Фінтех-компанії вже використовують технологію машинного навчання для того, щоб виявити шахрайство шляхом маркування незвичайної транзакції. Це ефективніше, ніж відстежувати грошові перекази вручну, і скоро така практика стане нормою в сфері фінансів », - пише видання Banking Tech.

У жовтні 2015 року корпорація MasterCard анонсувала початок співпраці з шрі-ланкійським банком National Savings Bank. В рамках партнерства дві компанії створили систему, засновану на технології штучного інтелекту, завдяки якій MasterCard може виявити і запобігти шахрайським транзакції.

Система платежів PayPal використовує ІІ, щоб виявити підозрілу активність, а також для зменшення кількості «помилкових тривог». За словами співробітниці PayPal Хуей Ван, штучний інтелект розрізняє транзакції за моделями поведінки «хорошого» і «поганого» користувача, розроблені компанією. «Це унікальне поєднання людського інтелекту, аналізу даних і машинного навчання», - каже Ван.

Робота з клієнтами

У листопаді 2014 року банк Goldman Sachs інвестував $ 15 млн в компанію Kensho Technologies, яка створює роботів, здатних відповісти на «складні фінансові питання». Місяцем пізніше фінансовий конгломерат UBS Group почав співпраця з сінгапурської компанією Sqreem Technologies, яка використовує штучний інтелект для того, щоб давати персоналізовані поради заможним клієнтам банку.

У 2014 році шведський банк Swedbank запустив інтелектуального асистента Nina. За словами представників банку, протягом року після запуску асистент щомісяця проводив по 30 тисяч розмов - близько 80% всіх дзвінків, які отримує банк.

У 2016 году фінансові компании Santander и HSBC оголосілі про запуск Додатків з голосовим управлінням, Завдяк Яким Користувачі могут почути НЕ только основнову інформацію про їх витрати по карті, а й Проводити транзакції и заявляті про Втрата картки. В цьому ж році Королівський банк Шотландії анонсував початок тестування асистента Luvo, який буде допомагати співробітникам банку відповідати на питання клієнтів.

У червні 2016 року компанія Kasisto запустила «Розумного» бота KAI, який може виконати запити клієнтів по SMS, Facebook Messenger і Slack. Першим, хто почне використовувати бота, стане Королівський банк Канади.

Управління персоналом

«Фінансові установи витрачають багато грошей, виплачуючи штрафи через незаконні дій співробітників. Логічною відповіддю на цю тенденцію стало впровадження технологій штучного інтелекту », - считает Арун Срівастава, співробітник юридичної фірми Baker & McKenzie.

У березні 2016 року стало відомо, що швейцарський фінансовий конгломерат Credit Suisse почав співпрацювати з компанією Palantir для того, щоб відслідковувати поведінку співробітників і виявляти в їх рядах потенційних шахраїв.

компанія NextAngels надає технологію фінансовим установам, завдяки якій вони знають, які положення закону застосовні до певної транзакції. Співробітники банку, що використовує технологію компанії, сподіваються , Що технологія допоможе знизити неефективність в процесах відстеження незаконних грошових переказів з 95% до 50%.

У червні 2016 року західні ЗМІ повідомляли , Що банки Goldman Sachs, Morgan Stanley і фінансові конгломерати Citigroup і UBS Group почали досліджувати способи впровадження технологій штучного інтелекту для найму персоналу. За даними Reuters, банки сподіваються, що ІІ допоможе уникнути плинності кадрів і зменшить витрати на наймання співробітників.

«До сьогоднішнього моменту технології допомагали лише вибрати найбільш підходяще резюме. Зараз вони дають можливість в повній мірі оцінити претендентів », - говорить Марк Ньюман, генеральний директор компанії HireVue, яка використовує ІІ для проведення відеоспівбесід.

Персональні фінанси

Онлайн-платформа Pefin аналізує такі дані, як показник інфляції і рівень податків, щоб продемонструвати користувачеві, яким буде його фінансове становище в майбутньому. За словами творця сервісу Рамьі Джозефа, менше ніж за п'ять хвилин Pefin може синхронізувати дані з фінансовою установою людини і показати, скільки він може витратити і інвестувати.

Сервіс розраховує, коли користувач дійсно може вийти на пенсію або завести дитину, і як ці події можуть вплинути один на одного. «Штучний інтелект робить фінансовий сектор простіше для людей. Від таких технологій залежить майбутнє », - каже Джозеф.

Схожий сервіс - Wallet.ai - на основі даних, які оточують людину, управляє його фінансами. «Все, що ми робимо, це збираємо інформацію навколо користувача, коли він вирішує щось купити або заощадити, дивимося на обстановку, при якій були прийняті ці рішення і даємо людині інформацію про те, як краще управляти своїми фінансами», - говорить засновник сервісу Омар Грін.

Що далі

У березні 2016 року юридична фірма Baker & McKenzie опитала 424 топ-менеджера фінансових організацій і Фінтех-компаній. Фірма з'ясувала, що банки 49% респондентів в найближчі три роки почнуть використовувати технології штучного інтелекту, 39% топ-менеджерів впровадять ІІ для відстеження нелегальних транзакцій, а 26% сказали, що почнуть використовувати штучний інтелект, щоб контролювати законність дій банку.

транспорт

Зараз: безпілотні автомобілі

З 2012 року компанія Google тестує свої безпілотні автомобілі на громадських дорогах і планує запустити їх у виробництво до 2020 року. У жовтні 2015 року зі новим оновленням ПЗ компанія Tesla активувала в своїх машинах режим автопілота, що дозволяє їм самостійно виконувати ряд дій, але в критичних ситуаціях передавати управління водієві.

У січні 2016 року компанія Qualcomm представила процесор для автомобілів Snapdragon 820A. Цей чіп підтримує алгоритми глибокого навчання Zeroth, розроблені самою компанією. Zeroth використовують для класифікації і аналізу зображень та звуків, а також вміє розпізнавати людей, тваринний і жести.

У березні 2016 року корпорація General Motors оголосів про покупку Cruise Automation, компанії, яка займається розробкою технології для безпілотних автомобілів. Також в 2016 році автовиробники Ford і BMW оголосілі про плани випустити повністю безпілотні автомобілі до 2021 року.

«Для цього є реальні обгрунтування, - говорити генеральний директор Ford Марк Філдс. - Безпілотні автомобілі можуть так само сильно вплинути на суспільство, як вплинуло винахід конвеєра 100 років тому ».

Транспортна система

Автори звіту Стенфордського університету пишуть, що вже є міста, де штучний інтелект складає розклад руху метро і автобусів, а також визначає справедливу оплату за рух на автомагістралях і мостах.

У червні 2012 року Університет Карнегі - Меллон спільно з міською адміністрацією Піттсбурга запустив «Розумні» світлофори на перехрестях. Ці світлофори аналізують ситуацію на дорозі і автоматично перемикаються на зелене світло, якщо перед ними накопичилося багато машин.

За словами розробників, завдяки впровадженню технології час очікування зменшилася на 40%, час поїздки на 26%, а кількість викидів вихлопних газів скоротилося на 21%. «Це унікальна технологія, так як кожне перехрестя контролює себе самостійно і синхронізується з сусідніми», - говорить Стівен Сміт, директор Лабораторії інтелектуального координування і логістики Інституту робототехніки Університету Карнегі - Меллон.

Що далі

за данімі Business Insider, до 2020 року на дорогах виявиться 10 млн самоврядних автомобілів. Автори звіту Стенфордського університету пишуть, що безпілотні машини будуть не тільки особистим транспортом. «Ми побачимо безпілотні літальні апарати і вантажні транспортні засоби».

Професор Південного Університету Техасу І Ци считает , Що технології штучного інтелекту будуть широко застосовуються в організації дорожнього руху - наприклад, для запобігання пробок і забезпечення безпеки на дорогах. «Штучний інтелект буде виявляти автокатастрофи, оцінювати їх небезпека і надавати інформацію учасникам дорожнього часу в режимі реального часу», - впевнена професор Ци.

промисловість

за раз

Компанія Rethink Robotics створі інтелектуальних роботів Baxter і Sawyer. Працівники заводів можуть навчати цих роботів виконувати різні дії, встановлюючи їх «руки» в потрібне положення. За словами творців, сотні роботів Baxter вже використовуються на американських фабриках, а на момент старту продажів робота Saywer кілька компаній оголосили про бажання використовувати його у себе на заводах.

«Ми хочемо допомогти компаніям побудувати заводи майбутнього, змінити саму суть процесу автоматизації і звільнити співробітників для того, щоб вони виконували більш цікаву роботу», - говорить Джим Лотон, директор по маркетингу Rethink Robotics.

Що далі

Бредфорд Міллер, вчений-когнітівіст компанії General Electric, яка використовує на своїх заводах Baxter і Sawyer, считает , Що хоча подібні роботи і привертають увагу до еволюції заводів, вони лише частково демонструють можливості цієї сфери. «Революція ще повинна статися. Зміни прийдуть, коли ми почнемо вчити роботів, як дітей, і розвинемо їх мислення до рівня, на якому вони зможуть самостійно робити висновки ».

«Технологія комп'ютерного зору може використовуватися для розпізнавання бракованої продукції, технологія навчання з підкріпленням - для того, щоб якомога легше адаптувати систему на заводі. Також ІІ може використовуватися для оптимізації виробництва і зниження його вартості. Це один з типів заводів, які ми, можливо, побачимо колись в майбутньому », - говорити розробник в сфері робототехніки і штучного інтелекту Фредрік Пай.

Медицина

За інформацією аналітичної компанії CB Insights, зараз існує більше 90 стартапів, які займаються розробкою і впровадженням технологій штучного інтелекту в різні галузі охорони здоров'я. CB Insights також отмечает , Що на липень 2016 року в цій сфері відбулося 60 угод, в той час як в 2011 році їх було всього шість.

IBM Watson

IBM активно впроваджує свою розробку Watson в сферу охорони здоров'я. Watson - суперкомп'ютер, створений для того, щоб досліджувати технології обробки природної мови, машинного навчання та штучного інтелекту.

Технологія Watson for Oncology обробляє великий обсяг медичних даних, в тому числі зображення, на основі яких може точно діагностувати рак. Зараз Watson for Oncology вікорістовується в лікарнях Нью-Йорка, Бангкока і Індії.

Спільно з Дитячою лікарнею Бостона IBM навчає Watson виявляти рідкісні захворювання у дітей, а у співпраці з виробником медичного обладнання Medtronic IBM використовує суперкомп'ютер для дослідження нових способів лікування діабету.

«Перевага Watson в тому, що він здатний знаходити непомітні характеристики хвороби в величезному обсязі інформації, - говорить Дебора ДіСанзо, генеральний директор IBM Watson Health. - Наша мета - створити інструмент, який допоможе лікарям знайти голку в стозі сіна ».

У липні 2016 року IBM початку співпрацювати ще з 16 медичними центрами та технологічними стартапами для того, щоб прискорити розвиток програм для точної діагностики.

«Ми хочемо отримати всі види даних для того, щоб вчити Watson, - говорить Стівен Толле, директор зі стратегічного розвитку підрозділу Watson Health Imaging. - Ми хочемо прийти до такої точки, коли зможемо запропонувати технологію сільській лікарні або академічному медичного центру та отримати однакові показники в точності ».

діагностика

Стартапи Behold.ai и Freenome використовують технології штучного інтелекту для діагностики раку. творці Behold.ai хотят навчити програму визначати захворювання по рентгенівським знімкам, завантажуючи фотографії здорових і хворих людей. Для цієї ж мети Freenome з'єднує технології ІІ і методику «рідкої біопсії».

«Ліки від раку не буде виглядати як черговий медикамент, - говорить професор Стенфордського університету Віджай Панді. - Ми отримаємо можливість поставити діагноз набагато раніше, ніж можемо зараз ».

Компанії Bay Labs і Arterys використовують технологію глибинного навчання, щоб діагностувати захворювання серця. Bay Labs покладається на ІІ для того, щоб інтерпретувати ультразвук, тим самим швидко і точно поставити діагноз. Технологія, розроблена Arterys, працює разом з МРТ і завдяки використанню штучного інтелекту може діагностувати всі можливі серцево-судинні захворювання людини.

«Лікарям неможливо обробляти всі дані самостійно, тому ми стали покладатися на нейронні мережі», - говорить генеральний директор Arterys Фаб'єн Бекерс.

Персональна медицина

стартап Touchkin створив додаток, яке використовує сенсори на смартфонах, щоб виявити зміни в активності користувача, його спілкуванні і сні. Завдяки технології машинного навчання додаток може виявити потенційні проблеми зі здоров'ям людини. «Скоро телефон зможе визначити, що ви захворіли або впали в депресію», - каже співзасновник компанії Джо Агарвал.

додаток Ginger.io , На відміну від Touchkin, замість сенсорів використовує «Пасивну» інформацію про власника телефону: його пересування, дзвінки та повідомлення протягом дня. Додаток може визначити, що користувачеві потрібна медична допомога, і оповістити про це близької людини або доктора.

стартап AiCure розробив додаток, яке автоматизує процес прийому таблеток пацієнтом. Користувачі роблять фотографію під час прийому ліків, а система обробляє зображення і підтверджує, що пацієнт все робить правильно. «Доктору не потрібно втручатися в процес спостереження за пацієнтом, так як він повністю автоматизований», - розповідає генеральний директор компанії Адам Ханіна.

дослідження медикаментів

компанія Atomwise досліджує нові ліки за допомогою штучного інтелекту і алгоритмів, які обробляють мільйони молекулярних структур. Платформа вивчає дані про те, як ліки діяли в минулому, і, таким чином, самонавчається.

«Atomwise може побачити слабкі місця сучасних вірусів і швидко запропонувати потенційні ліки. Це як мати віртуальний мозок, який може проаналізувати мільйони молекул і їх потенційне взаємодія протягом декількох днів замість декількох років », - каже співзасновник платформи Алекс Леві.

інфраструктура лікарні

стартап AnalyticsMD працює над тим, щоб зробити роботу лікарень більш ефективною. Аналітична платформа в режимі реального часу передбачає потенційний потік людей і відправляє цю інформацію на телефони лікарів. Таким чином, керівництво лікарні може виділити додаткові ліжка і персонал заздалегідь.

Захист навколишнього середовища

Організація National Science Foundation використовує технологію машинного навчання, щоб створити 3D-модель планети EarthCube, яка буде оновлюватися в режимі реального часу. EarthCube вмістить в себе дані всіх частин планети - вимірювання показників атмосфери та гідросфери, геохімії океану - щоб зімітувати умови на поверхні землі, над і під нею. EarthCube зможе моделювати різні стани землі і прогнозувати, як планета буде на них реагувати.

Завдяки цій інформації вчені з'ясують, як можна уникнути природних катастроф або визначать план дій, якщо зробити щось неможливо. На основі EarthCube також розробляється Digital Crust - система, яка дасть точне розуміння про процеси, які відбуваються під водою.

За словами Ская Брістоля, керівника проекту, технології машинного навчання допоможуть зіставити два показника різних частин планети - наприклад, змоделювати ситуацію, коли одночасно збільшаться температура і відведення грунтових вод - і проаналізувати результат.

У центрі космічних польотів Годдарда, лабораторії NASA, вчені використовують технології машинного навчання, щоб краще зрозуміти розповсюдження фітопланктону, організмів, які виробляють кисень. Завдяки даним, отриманим з космосу, дослідники можуть передбачити, як будуть розвиватися фітопланктону в майбутньому.

У 2022 цьогоріч стартує супутникова місія PACE, завдяки якій вчені отримають більше даних про фітопланктону. Це дасть їм можливість передбачати шкідливе цвітіння води, а також допоможе дізнатися спосіб, за допомогою якого можна помножити деякі види споживають вуглець фітопланктону, щоб вплинути на зміни клімату.

Корнельський університет створив додаток eBird, де користувачі відзначають місце розташування побачених птахів. Вчені використовують технологію машинного навчання, щоб аналізувати отримані дані і передбачати зміну місць проживання птахів і їх шляхів міграції.