Распознавание лиц, анализ сетчатки, доступ по голосу, авторизация по поведению

На экране смартфона появляется уведомление с просьбой сделать фотографию вашего лица (нужно будет поморгать) и нажать на экран. Ваша личность подтверждена, теперь можете расплатиться своей банковской картой. Такую технологию авторизации – по селфи и отпечатку пальца – MasterCard представила в 2015 году. Технология прошла тестирование и в 2017 году может быть запущена.

С ноября 2016 года туристов, приезжающих в китайский исторический город Вужен, фотографируют. Потом планшеты, установленные на входе в отдельные части города, отправляют в облако несколько кадров видео с изображением посетителя, и через 0,6 секунды система определяет, разрешен ли ему доступ. Точность технологии, разработанной китайской Baidu, выше 99 %. Она, по словам представителей Baidu и Wuzhen Tourism Co, уже упростила пропускную процедуру и позволила сократить время ожидания. Партнеры Baidu работают на базе этой технологии над системами доступа в дома (актуально, например, для краткосрочной аренды) и подтверждения личности через смартфон (чтобы, например, выдавать кредиты), сообщала CNN Tech.

97%СОСТАВЛЯЕТ ТОЧНОСТЬ РАСПОЗНАВАНИЯ ЛИЦ НА ФОТО У АЛГОРИТМА DEEPFACE, КОТОРЫМ ПОЛЬЗУЕТСЯ FACEBOOK. ЭТО ПРАКТИЧЕСКИ РАВНО ПО ТОЧНОСТИ РАСПОЗНАВАНИЮ ЧЕЛОВЕКОМ

Facebook незадолго до объявления MasterCard сообщал, что его команда разработала технологию, которая узнает человека на фото, даже если он не смотрит в камеру, а его лицо не вполне различимо (задача, с которой успешно справляется человеческий мозг). Алгоритм «смотрит» на одежду, прическу, форму и положение тела. Facebook ввел возможность отмечать пользователей на фотографиях в 2005 году и с тех пор активно развивает направление распознавания лиц и на фото, и на видео, в том числе и покупая стартапы с успешными технологиями: только за 2016 год он приобрел разработчиков приложений MSQRD (позволяет создавать и использовать маски и фильтры для видео) и FacioMetrics (анализирует лица в реальном времени, используя алгоритмы машинного обучения). В октябре 2016 года Bloomberg сообщал, что алгоритм DeepFace, которым пользуется  соцсеть, уже умеет распознавать людей практически с той же точностью, что их матери: 97,35 % у машины против 97,5 % у человека.

12метровС ТАКОГО РАССТОЯНИЯ СМОГУТ РАСПОЗНАВАТЬ РИСУНОК РАДУЖКИ ГЛАЗА КАМЕРЫ CCTV К 2025 ГОДУ

Следующие шаги в развитии технологий: во-первых, не только распознать лицо, но и считать эмоции (например, технология компании Affectiva уже используется, чтобы тестировать трейлеры фильмов или рекламы) и, во-вторых, точнее узнавать человека с большего расстояния. К 2025 году разрешение большинства камер видеонаблюдения CCTV будет достаточным, чтобы считывать рисунок радужки глаза с 12 метров, прогнозирует Quantum Run.

Рынок технологий распознавания лиц вырастет с $3,35 млрд в 2016 году до $6,84 млрд в 2021-м (в среднем +15 % в год), прогнозирует Markets&Markets. Спрос на них есть у самых разных бизнесов. Uber, например, в 2016 году обязал водителей делать фото перед началом смены, чтобы избежать мошенничества и защитить профили водителей. Распознавание лиц могло бы помочь бороться со спекуляцией билетами, считает Эндрю Ын из Baidu. А ритейлеры хотели бы узнавать клиентов на входе в магазин, чтобы предлагать нужные именно им покупки и индивидуальные скидки.

Весь рынок биометрических технологий к 2021 году достигнет, по прогнозу Markets&Markets, $24,8 млрд. Пока самой популярной биометрической технологией остается анализ отпечатков пальцев – из-за скорости, точности и относительной дешевизны. Другое направление – технологии, связанные с глазами. Анализ сетчатки глаза уже реализован в смартфонах ZTE Grand S3 (считывает еще и рисунок вен в белках глаз) и Alcatel OneTouch. Но сканирование сетчатки – алгоритмически очень сложная задача, в результате технология много «весит» и довольно медленно работает. На смартфонах Samsung Galaxy Note 7 была применена технология сканирования радужной оболочки, но сами телефоны компания была вынуждена отозвать из-за проблем с батареей.

>100УНИКАЛЬНЫХ ПОКАЗАТЕЛЕЙ У «ОТПЕЧАТКА ГОЛОСА»

Вперед технологии биометрической авторизации подталкивает финансовая индустрия. Российские банки тестируют технологии авторизации пользователей по голосу и фото для доступа к системам мобильного банка. Технологии распознавания голоса уже ввели системы перевода платежей WireCash и SayPay, банки HSBC и Citigroup в Азиатско-Тихоокеанском регионе, полную биометрию к лету 2017 года рассчитывает внедрить британский Lloyd. У «отпечатка» голоса больше 100 уникальных показателей: различаются, например, высота, акцент и т. д., объясняли представители канадского Royal Bank (RBC, он планирует ввести распознавание голоса в 2017 году). Наиболее современные технологии уже умеют считывать по голосу, например, форму гортани и дыхательных путей, а кроме голоса, анализировать, например, фоновый шум и тип используемого телефона. Предполагается, что авторизация по голосу будет надежнее нынешних технологий, а заодно ускорит работу службы поддержки, ведь сотрудникам колл-центра не нужно будет тратить время на серию идентифицирующих вопросов. По оценке Tractiva, к 2024 году рынок голосовой идентификации вырастет до $5 млрд с $245 млн в 2015 году.

Развиваются и более оригинальные способы узнать человека. Так, стартап Nymi, который производит браслеты-трекеры, разрабатывает для Royal Bank и MasterCard систему идентификации по сердцебиению (часть параметров сердцебиения неизменны даже после пробежки, к тому же сенсоры позволяют заметить, если трекер надел кто-то, кроме владельца). Другой набирающий обороты вариант – распознавание по поведению: то, как человек печатает, то, как он пользуется экраном смартфона, – все это в будущем может стать еще одним способом идентификации и анализа, рассказывала CBC News Бьянка Лопез, директор по стратегии компании BioConnect (специализируется на управлении идентификацией).

На первый взгляд может показаться, что биометрические системы надежнее привычных паролей и ПИН-кодов. Но это не совсем так. Немецкий Chaos Computer Club смог «побить» Touch ID от Apple, используя изображение отпечатка в высоком разрешении, снятое со стеклянной поверхности, и лазерную печать на тонком латексе. Мэтт Льюис, директор NCC, исследовательского центра по кибербезопасности, показывал журналистам Financial Times, как можно обойти биометрическую идентификацию от проигрывания записи голоса и искусственного отпечатка пальца до восстановленной по фотографиям и напечатанной на 3D-принтере селфи-маски.

Проблема с биометрическими данными в том, что в отличие от пароля они, строго говоря, не являются секретными и одновременно неизменны для носителя. И то, что делает пароли менее удобными, – необходимость их придумывать и запоминать – с этой точки зрения оказывается преимуществом: если у вас украли данные, пароль вы можете заменить. Изменить голос или отпечаток пальца – задача менее тривиальная. Еще более сложной становится проблема защиты этих данных, если они хранятся не у пользователя, а централизованно – у поставщика услуг, откуда их можно централизованно же украсть.

Кроме возможной кражи данных, многих волнует и просто вопрос их конфиденциальности. Где та черта, после которой финансовый институт, технологическая компания или государство знают о тебе слишком много? На конец 2016 года у Facebook было 1,86 млрд пользователей. Население планеты приближалось к 7,5 млрд человек.

412млнИЗОБРАЖЕНИЙ ХРАНИТСЯ В БАЗЕ ПОДРАЗДЕЛЕНИЯ FACE ФБР США

В мае 2016 года из отчета Счетной палаты США стало известно, что у ФБР есть отдельное подразделение FACE, которое занимается анализом лиц, сравнением и оценкой (Facial Analysis, Comparison, and Evaluation) на основе базы из почти 412 млн изображений, в том числе фотографий в паспортах, на водительских удостоверениях и визах. Также у ФБР есть базы биометрических данных. Счетная палата подчеркивала, что бюро не предоставляет гражданам адекватного описания этих программ и не раскрывает показателей точности (например, долю ложноположительных результатов), но просит исключить свою базу данных из реестра, подпадающего под Privacy Act 1974 года, который определяет правила и ограничения использования персональных данных.

Привычный сегодня способ авторизации – по паролю – был придуман для компьютеров и гораздо удобнее для машин, чем для человека. Если подтверждение личности биометрическими данными, а в перспективе – поведением и совокупностью других факторов (скорость печати и опечатки, движение глаз, манера скроллинга и интенсивность нажатия на сенсорную панель устройства и т. п.) – станет стандартом, человеку больше не нужно будет менять, запоминать и постоянно вводить пароли. Но огромные массивы данных, делающие такую авторизацию возможной, уже есть  в соцсетях, государственных органах, медицинских организациях, и все эти данные потенциально могут быть гораздо привлекательнее для хакеров и мошенников, чем сегодняшние адреса, пароли и номера банковских карт.

Персональные лекарства и методы лечения на основе ДНК

Каждый десятый доллар мирового ВВП тратится на систему здравоохранения, свидетельствуют данные Всемирной организации здравоохранения (ВОЗ). В 2014 году мировой ВВП, по оценке Всемирного банка, составлял более $78 трлн. Выходит, здравоохранение «стоило» более $7,5 трлн – в полтора раза больше ВВП Японии, третьей по размеру экономики мира. По оценке The Economist Intelligence Unit, к 2018 году эти расходы превысят $9 трлн.

Самая частая причина смерти в мире – ишемическая болезнь сердца, а сердечно-сосудистые заболевания в целом – номер один среди медицинских причин смертности. Глобальные расходы на продукты и услуги, связанные с одними только сердечно-сосудистыми заболеваниями, больше, чем вся мировая автомобильная промышленность. Кардиологические, онкологические и неврологические заболевания –  главные вызовы для системы здравоохранения: они распространяются с каждым годом все активнее, уносят больше всего жизней и дороже всего обходятся экономике. Один только рак, по данным Всемирной организации здравоохранения (ВОЗ), обходится мировой экономике как минимум в $1,16 трлн ежегодно и является причиной каждой шестой смерти. За следующие 20 лет количество зафиксированных случаев рака вырастет на 70 %, ожидает ВОЗ.    

Главное событие, с которым медики и фармацевты связывают новые возможности в лечении сложных болезней, произошло еще в 2000 году: был впервые секвенирован геном человека, то есть расшифрована цепочка нуклеотидов, составляющих человеческую ДНК. Секвенирование позволило получить полную генетическую картину человека, идентифицировать мутации в генах, диагностировать редкие генетические заболевания, а в дальнейшем и понять, какие лекарства и способы терапии «сработают» для каждого конкретного человека.

Как медики используют секвенирование? В 2013 году в детском госпитале Children's Mercy в Канзас-Сити врачи боролись за жизнь младенца, который первые два месяца своей жизни провел в отделении интенсивной терапии. Генетику Стивену Кингсмору и его команде потребовалось три дня, чтобы расшифровать геномы ребенка и его родителей (работу Кингсмора в 2014 году описал журнал Nature). Генетики определили характерную для всех троих мутацию – гиперактивная иммунная система повреждает позвоночник и печень. Ребенка удалось спасти, подобрав препараты, которые снижали активность иммунитета. Свою процедуру работы над секвенированием генома команда Кингсмора называет фабрикой: в ней участвует 4 или 5 специалистов, и каждый отвечает за один шаг – от взятия анализа крови до финального диагноза, который ставится с использованием программного обеспечения, таргетирующего конкретные участки генома на основании исходных симптомов. В результате всю процедуру можно уложить в 24 часа. По данным Nature, к сентябрю 2014 года в 28 из 44 случаев, когда команда Кингсмора анализировала данные геномов, удалось поставить точный диагноз и примерно в половине случаев – оптимизировать лечение.

Использование генетической информации позволяет медикам разделять людей со схожими симптомами на гораздо более узкие группы и прицельно бороться с тем, что провоцирует у них заболевание. Например, летом 2016 года исследователи из Wellcome Trust Sanger Institute обнаружили, что наиболее распространенная и опасная форма лейкемии – это на самом деле 11 различных заболеваний, которые по-разному реагируют на лечение.

1млн долларовСТОИЛИ ПЕРВЫЕ РАСШИФРОВКИ ДНК. К СЕГОДНЯШНЕМУ ДНЮ ОНИ ПОДЕШЕВЕЛИ ДО $1000

Но первые расшифровки ДНК стоили $1 млн (к сегодняшнему дню они подешевели до $1000), а от начала разработки лекарств и методов лечения до начала их применения на людях проходят десятилетия. Сейчас фармакогенетическая информация есть в описаниях 137 лекарственных препаратов, одобренных FDA (Управление по контролю за качеством продуктов питания и лекарственных препаратов США, для международной фармацевтической отрасли оно неформально считается одним из основных регуляторов). Но в полной мере воспользоваться плодами научного прорыва еще предстоит.

После секвенирования генома сначала появилась концепция персонализированной медицины, которая подразумевала разработку лекарств под конкретного человека на основе его генетической информации, говорит Андрей Афанасьев, старший научный сотрудник лаборатории функционального анализа генома МФТИ и гендиректор биоинформатической компании iBinom. Затем появилась концепция точной медицины (precision medicine), которая скорее предполагает точный подбор из уже существующих методов лечения того, которое лучше работает для конкретного пациента. В 2015 году тогдашний президент США Барак Обама объявил о выделении на точную медицину из бюджета $215 млн, после этого многие переключились на вторую концепцию, говорит Афанасьев. «Врачи всегда признавали уникальность каждого пациента и старались адаптировать лечение наилучшим образом для каждого индивида. При переливании можно подобрать кровь по ее типу – это было важным открытием. Что, если подбор лечения от рака под наш генетический код оказался бы таким же простым, таким же стандартным? Что, если определить точную дозу препарата было бы так же легко, как померить температуру?» – говорил Обама, объявляя о Precision Medicine Initiative.

В марте 2016 года о развитии точной медицины объявил Китай, и здесь сумма больше на порядки – $9,2 млрд за 15 лет. Шесть лет назад Китай стал лидером в секвенировании генома, после того как компания BGI купила 128 самых быстрых в мире установок для секвенирования генома, получив половину мировых мощностей в этой области, оценивал тогда журнал Nature. В 2016 году доля Китая в мировых мощностях для расшифровки генома оценивалась в 20–30 %. При этом нигде в мире эти мощности не растут так быстро, как в Китае, говорил в Nature Ричард Дали, гендиректор компании DNAnexus, поставляющей облачные платформы для работы с базами генетических данных. Более того, в течение следующих 5 лет правительство Китая обещало добавить в национальную медицинскую страховку несколько точных препаратов и технологий молекулярной диагностики, гарантируя, что инвестиции компаний-разработчиков окупятся, если они преуспеют в своих исследованиях, пишет Nature.

60вирусовУДАЛИЛИ ИЗ ГЕНОВ СВИНЕЙ С ПОМОЩЬЮ CRISPR/Cas9. ЭТО ПОТЕНЦИАЛЬНО СНИЖАЕТ РИСКИ ПРИ ПЕРЕСАДКЕ ИХ ОРГАНОВ ЛЮДЯМ

Одна из главных надежд генетиков сегодня – метод редактирования генома CRISPR/Cas9 (короткие палиндромные кластерные повторы). Ученые «программируют» РНК таким образом, чтобы направить ее к необходимому участку ДНК и с помощью энзима Cas9, «вырезав» нежелательные гены, заменить их «хорошими». CRISPR/Cas9 протестировали на «обычных подозреваемых»: дрозофилах, рыбках данио-рерио, лягушках и мышах. У мышей, в частности, смогли «отключить» ген, который провоцирует болезнь Хантингтона, и предотвратить мышечную дистрофию Дюшенна. С помощью CRISPR/Cas9 удалили 60 вирусов из генов свиней (это потенциально снижает риски при пересадке их органов людям). Кроме того, ученым удалось модифицировать технологию таким образом, чтобы можно было передавать желаемый ген следующим поколениям, например распространить иммунитет к малярии в популяции москитов. В метод уже инвестировано более $1млрд, оценивал летом 2016-го Bloomberg.

Вокруг использования CRISP/Cas9 для редактирования генома человека ведется серьезная этическая дискуссия. В 2015 году о результатах эксперимента с нежизнеспособными, по их утверждению, зиготами объявили китайские ученые. В США и большинстве европейских стран применение технологии на человеческих клетках запрещено: считается, что на сегодняшнем уровне технология недостаточно точна для безопасного применения на человеческих клетках. В 2016 году Великобритания первой из западных стран разрешила в исследовательских целях редактировать геном эмбрионов человека с помощью CRISP/Cas9.     

Летом 2016 года ученые из Университета Пенсильвании получили одобрение RAC (Консультативный комитет по рекомбинантной ДНК) на использование CRISPR в лечении 18 раковых больных: медики возьмут у них пробы крови, модифицируют их T-клетки (участвуют в работе иммунной системы), чтобы они могли эффективнее бороться с раковыми, и вернут их обратно в организм больных. К 2021 году клинические испытания препаратов и методов лечения, связанных с CRISP/Cas9, будут касаться уже не только рака, но и генетических заболеваний крови, глаз, печени, прогнозировала в интервью The Verge одна из авторов технологии Дженнифер Дудна, биохимик из Университета Калифорнии в Беркли.

Другая методика, основанная на модификации Т-клеток, – так называемая адаптивная клеточная терапия (CAR-T drugs): клетки изменяют таким образом, чтобы у них появились химерные антигенные рецепторы (CAR), которые способны распознавать определенный белок-антиген в раковых клетках. То есть CAR помогают T-клеткам целенаправленно атаковать раковые клетки. Как минимум две фармкомпании –  Kite Pharma и Novartis –  уже ведут клинические испытания препаратов с использованием этой технологии, в обоих случаях больше 80 % пациентов в ходе клинических испытаний показали полную ремиссию или полную ремиссию с неполным восстановлением показателей крови. А в конце 2016 года стало известно о нескольких примерах сотрудничества компаний, развивающих обе технологии,  –  и CRISP/Cas9, и CAR-T: в альянсы вступили Editas Medicine и Juno Therapeutics, CRISPR Therapeutics и Celgene/GlaxoSmithKline, а также Intellia Therapeutics и Novartis.

Проблема генетической терапии, с одной стороны, в очень высокой стоимости, а с другой – в логистике, когда приходится высылать, например, кровь пациентов в какую-то одну лабораторию, а потом доставлять ее обратно, говорит Афанасьев. Он приводит в пример компанию Glibera, которая, даже получив одобрение FDA, с 2013 года смогла продать свою терапию один раз, потому что ее стоимость составляет более $1 млн за курс.

Еще один фактор, тормозящий исследования генома, – огромный объем памяти, необходимый для хранения информации. По оценке Intel, если 10 % американцев расшифруют свой геном, потребуется 313 эксабайт для хранения этой информации (313 млрд гигабайт). К тому же расшифровка генома дешевеет намного быстрее, чем обработка полученной информации, в итоге огромный объем полученной информации просто накапливается. Решить эту проблему пытаются, например, Google Genomics и DNAnexus: они ищут возможность упростить работу с данными и их анализ за счет переноса баз данных и расчетов в облако. В мае 2016 года Huawei, WuXi AppTec и WuXi NextCODE объявили о создании национальной облачной инфраструктуры для китайского проекта по развитию точной медицины.

Как и в случае с другой личной информацией, многих беспокоит вопрос конфиденциальности таких подробных медицинских данных. FDA и IBM в январе 2017 года объявили о совместном проекте на платформе Watson Health по использованию технологии блокчейна для хранения генетических данных. Первые результаты FDA и IBM планируют показать уже в 2017 году, хотя проект рассчитан на два года.

Наконец, многие воспринимают редактирование генома неоднозначно: исследование Pew Research среди 4700 взрослых американцев в июле 2016 года показало, что две трети опрошенных «очень беспокоят» или «в некоторой степени беспокоят» последствия внедрения этих технологий. Учитывая, что генетические изменения отражаются на потомстве, не до конца ясно понимаешь, какими именно могут быть последствия подобной терапии.

Тем не менее уже к концу 2020-х годов, по прогнозу Quantum Run, точная медицина может стать стандартом. И когда-нибудь врач в поликлинике, в краткие сроки получив результаты генетического анализа, анализа крови и микробиома (индивидуальной совокупности бактерий в теле человека), сможет поставить точный диагноз, объяснить, что в вашем геноме сделало вас восприимчивым к заболеванию, и выписать рецепт с подобранной для вас дозировкой оптимально подходящего препарата.

Искусственный интеллект предскажет будущее

Почти каждый пользователь компьютера периодически сталкивался с требованием системы ответить на простой вопрос, чтобы подтвердить, что он не робот. Например, указать, на какой из картинок изображен тот или иной предмет, или разобрать слово или ряд цифр, «написанных» на экране не самым разборчивым почерком. Казалось бы, почему этот простой тест работает и неужели в век высоких технологий робот не может легко сделать то же самое?

Но при попытке заставить компьютер имитировать процесс принятия решения, как это делает головной мозг, возникают сложности. Зрительная кора человеческого мозга в каждом полушарии содержит 140 млн нейронов и десятки миллиардов связей между ними. Целая последовательность зрительных зон производит сложнейшую работу по обработке изображений. По сути, каждый человек носит в голове суперкомпьютер, настроенный эволюцией в течение сотен миллионов лет и идеально приспособленный для понимания, что у него перед глазами. Но поскольку всё это происходит непроизвольно, мы не осознаем, какую колоссальную работу проворачивает наш мозг. Как заставить машину понять, что сотни и тысячи возможных вариантов написания каждой цифры или буквы человеческим почерком по-прежнему изображают одну и ту же цифру или букву?

140млн нейроновСОДЕРЖИТ ЗРИТЕЛЬНАЯ КОРА ЧЕЛОВЕЧЕСКОГО МОЗГА В КАЖДОМ ПОЛУШАРИИ

Человечество только недавно подошло к решению этой проблемы благодаря созданию искусственных компьютерных нейронных сетей – математических моделей, построенных по принципу функционирования сетей нервных клеток в живых организмах и способных обучаться на примерах. С каждой новой попыткой, будь то правильное распознавание цифры, буквы или изображения, нейросети фиксируют правильное решение и все лучше и лучше выполняют схожие задачи в дальнейшем. Это пример «машинного обучения», когда компьютер улучшается самостоятельно.

Нейросети – одна из ступеней на пути к созданию искусственного интеллекта (ИИ), который должен уметь развиваться и приспосабливаться к окружающей действительности и «мыслить» практически как живой организм. В ближайшие годы нейросети кардинально изменят области распознавания речи и изображений, поиска по социальным медиа и анализа больших данных, а также повлияют на медицину, безопасность и финансы, сообщил в своем докладе в мае 2016 года Крис Роуэн, технический директор отдела интеллектуальной собственности американской корпорации Cadence Design Systems. И изменения уже происходят.

По мнению Роуэна, в ближайшее время нейросети перейдут от обучения распознавать объекты к более сложным задачам – распознаванию действий, самостоятельному поиску данных, выборке нужной информации для принятия решения. Возможно, в этом умении нейросети вскоре превзойдут людей: ученые из Лаборатории информатики и искусственного интеллекта (CSAIL) Массачусетского технологического института уже обучают нейросеть предсказывать будущее, используя в качестве обучающего материала миллионы видеороликов. Их нейросеть уже предсказывает будущие события по статичным кадрам, например предсказывает по фотографии поезда, что он скоро поедет.

Эти технологии уже используются, а со временем станут незаменимы в прогнозировании, маркетинге, оценке рисков. Для трейдеров технологии машинного обучения могут стать инструментом нового поколения, способным выявлять взаимозависимости и закономерности, которые другие способы анализа не показывают. В перспективе машинное обучение должно позволить с большей точностью предсказывать поведение рынков, вплоть до банкротства отдельных компаний и близости финансовых систем к краху или кризису. В инжиниринге нейросети будут помогать прогнозировать, как поведут себя многоэтажные бетонные здания в случае землетрясения. На дорогах – предсказывать скорость движения и трафик и классифицировать ситуации, чаще всего приводящие к дорожным авариям.

Нейросети прогрессируют в способности принимать решения. Например, в марте 2016 года компьютер AlphaGo, разработанный компанией Google Deepmind, выиграл четыре из пяти партий в «Го» у Ли Седоля, многократного чемпиона по этой китайской игре, которая долгое время считалась чересчур сложной для компьютеров.

Прогресс в области изучения нейронных сетей в последние годы привел к стремительному развитию нейробиологии и прорывам в медицине. Например, были разработаны экзоскелеты  , управляемые сигналами мозга. В Walk Again Project в Бразилии прошли первые испытания, на которых парализованные пациенты в экзоскелетах могли «управлять» своим телом силой мысли, а в университете Миннесоты ученые создали нейроинтерфейс на основе электроэнцефалограммы (ЭЭГ), позволяющий человеку управлять робо-рукой, просто представляя, что он двигает своей собственной.

Нейросети будут активно использоваться в том числе для расширения физических возможностей человека. «Следующая технологическая революция будет связана с созданием когнитивных машин или гибридных человеко-машинных систем», – говорил летом 2016 года на Startup Village в Сколково соруководитель рабочей группы «Нейронет» Андрей Иващенко. Первый шаг на пути к таким системам уже сделан: ученые в рамках европейского проекта Human Brain Project планируют к 2023 году построить компьютерную модель человеческого мозга с бюджетом $1,3 млрд. Есть и похожий американский проект BRAIN (Brain Research through Advancing Innovative Neurotechnologies), направленный на то, чтобы отобразить динамическую активность 86 млрд нейронов (среднее число нейронов в мозге человека).

Необходимость создания нейроинтерфейсов (brain computer interface, BCI), благодаря которым люди могли бы обмениваться мыслями с компьютерами, в феврале 2017 года подчеркивал основатель Tesla Илон Маск. Создание нейроинтерфейсов позволило бы «добиться симбиоза между человеческим и компьютерным интеллектом», сказал он. Маск неоднократно говорил, что уже работает над созданием так называемого нейронного кружева (neural lace), которое позволит связать человеческий мозг с компьютером, и он не единственный в этой сфере: по оценке Allied Market Research, рынок нейроинтерфейсов достигнет объема в $1,46 млрд.

Как и многие технологии, нейроинтерфейсы порождают риски в области конфиденциальности данных. Электроэнцефалограмма содержит уникальные биометрические данные, благодаря которым теоретически можно получить доступ к персональным данным. Первое же крупное научное исследование показало, что с помощью гарнитуры, снимающей ЭЭГ, установить, например, информацию о банковских картак, PIN-кодах, области проживания человека можно на 15–40 % точнее по сравнению со случайным угадыванием. Результаты исследования, проведенного учеными Оксфорда, Беркли и Университета Женевы, были опубликованы еще в 2012 году. В связи с этим ученые из Технологического университета Дании в 2014 году предложили протокол безопасности openPDS, который предлагает хранить не сами данные ЭЭГ, а генерируемые ими команды. С тех пор такие гарнитуры стали популярны в игровой индустрии. В июне 2017 года группа исследователей из университета Алабамы сообщила о результатах эксперимента в котором участвовало 12 человек: с обычной ЭЭГ-гарнитурой на голове их просили напечатать серию случайных символов. После того как человек вводил 200 символов, алгоритм смог сократить число вариантов четырехзначного пин-кода, который может использовать этот человек, с 10 000 до 20, а шестизначного пароля – с 500 000 до 500.     

Другая проблема, которая препятствует развитию нейросетей, связана с объемом памяти, необходимым для хранения большого количества данных. Для Human Brain Project в следующие несколько лет необходимо  построить детализированную молекулярную модель, которая потребует сотен эксабайт (1 эксабайт = 10 в 18 степени байт) памяти. В 2007 году вся информация, имеющаяся на Земле, занимала меньше 300 эксабайт. При этом специалисты прогнозируют, что даже в 2020 году у суперкомпьютеров будет не более 200 петабайт (1 петабайт = 10 в 15 степени байт). Кроме того, использование большого количества связей между отдельными программами, из которых состоит нейросеть, требует огромного объема  энергии – в год она может обходиться в миллиарды долларов.

Впрочем, интерес инвесторов к компаниям, которые занимаются машинным обучением, растет космическими темпами: по данным CB Insights, если в первом квартале 2011 года было заключено около 10 сделок с такими стартапами, то во втором квартале 2016 года их было уже 120. В 2014 году Google купил четыре стартапа, сфокусированных на создании искусственного интеллекта (DeepMind, Vision Factory, Dark Blue Labs, and DNNresearch), а в 2015-м похожие компании приобрели Apple и Intel.

Отдельно растет интерес инвесторов к нейробиологии: в 2016 году основатель платежной системы Braintree Брайан Джонсон объявил о планах инвестировать $100 млн в компанию Kernel, занимающуюся разработкой «нейропротеза» – чипа для улучшения коммуникации между клетками мозга, который использует «нейрокод», с его помощью мозг хранит информацию и обращается к ней при необходимости. Более $72 млн инвестиций привлек бостонский стартап Akili Interactive Labs, который разрабатывает платформу для оценки и развития когнитивных функций мозга с помощью видеоигры Project:Evo.

12млрд доллДОСТИГНЕТ ОБЪЁМ ГЛОБАЛЬНОГО РЫНКА НЕЙРОТЕХНОЛОГИЙ К 2020 ГОДУ

Вырастет и глобальный рынок нейротехнологий: к 2020 году его объем достигнет $12 млрд, ожидает Neurotech Reports, а сами нейротехнологии найдут применение в самых разных отраслях – от управления «умными» домами и транспортом до компьютерных игр и маркетинга. Например, компания Nielsen запатентовала метод, позволяющий по ЭЭГ выяснить, что человек думает о продукте или рекламе, и таким образом исследовать поведение потребителей, а у Microsoft есть патент на технологию, позволяющую определить готовность пользователя воспринимать рекламу.