Искусственный интеллект технология для космонавтики

XVIII Международный конкурс научно-исследовательских и творческих работ учащихся
Старт в науке

Искусственный интеллект технология для космонавтики

Калинин Д.А. 1
1Школа 2033
Калинин А.В. 1
1АО "Альфа-Банк"
Автор работы награжден дипломом победителя III степени
Текст работы размещён без изображений и формул.
Полная версия работы доступна во вкладке "Файлы работы" в формате PDF

Введение

Искусственный интеллект перспективное направление для развития возможностей авиационных технологий, физики, информатики позволяющий повысить общую эффективность жизнедеятельности человеческого социума.

В настоящий момент существует несколько раскрученных прорывных тем к ним можно отнести web3, блокчейн и другие распределенные реестры и конечно же искусственный интеллект (далее ИИ).

Совсем недавно американский предприниматель И. Маск заявил, что считает исследований ИИ главной угрозой для всего человечества. Известный визионер сообщил об этом по видеосвязи во время выступления на Всемирном правительственном саммите, проходящем 13-15 февраля 2023 года в Дубае, ОАЭ.

Илон читает, что достижения науки и техники могут представлять опасность. Для примера он привел атомную бомбу и ядерную энергетику. Из-за высокого потенциала применения искусственный интеллект может принести не только пользу, но и при неправильном использовании погубить человечество.

«Перспективы его применения огромны, но он также представляет и огромную опасность», — добавил Маск.

Привлекательным для меня в ходе изучения ИИ является, то, что современная компьютерная техника уже позволяет решать множество интеллектуальных задач, а потенциал развития позволит решить насущные проблемы человечества и сильно приблизить наступление технологической сингулярности.

Цель данной работы – разобраться на базовом уровне в принципах функционирования искусственного интеллекта, основных вехах истории его создания и перспективах развития и применения в авиации.

Базовые принципы

Искусственный интеллект основан на нейронной сети. Нейронная сеть — это программа запущенная на компьютере, реализующая математическую модель, построенную на принципах организации и функционирования биологической нейронной сети. В биологии интеллект обеспечивается сетью нервных клеток живого организма. Особенностью человека является способность к самообучению на основании опыта и мозг с каждой итерацией сокращает количество ошибок, аналогичный принцип обучения реализован для искусственного интеллекта. Нейроны – можно считать атомарными вычислительными элементами ИИ, по аналогии с p-n переходами в полупроводниковых устройствах, и из них, как детская пирамида из кубиков, строится нейронная сеть. Возможно, сделать параллели с блоками технологии блокчейна, хотя больше схожести со смарт-контрактами, обеспечивающими изменения состояния сети. При большом количестве нейронов обычно располагаются на нескольких слоях. Во входной слой поступает информация, внутренние или скрытые слои ее обрабатывают, а выходной слой выводит итоговый результат. Для нейрона важны данные на входе и на выходе. Аналогично каждый слой получают входные данные и выдает результат, позволяя более глубоко обрабатывать данные постепенно уточняя и детализируя результат.

Входные данные последовательно обрабатываться на каждом слое. Синапс – связь между нейронами, причем чем она сильнее, тем большее значение имеет на финальное решение. Основной параметр синапа — это его вес. При передаче информации между нейронами она изменяется с учетом веса. Каждый нейрон при передаче информации своим весом определяет какая информация будет доминировать в следующем нейроне. Процесс обучения ИИ заключается в нахождении коэффициентов связей между нейронами выстраивая аналогию с синапсами. В процессе обучения выявляться зависимости между входными и выходными данными и выполняется обобщение. Результат предается в следующий слой и там процесс повторяется. При обучении возможно уменьшение веса связей в случае, например, если финальный результат на выходе из сети становиться хуже. Оценивая полученный результат и изменяя параметры возможно обучить сеть. Обученная нейронная сеть это и есть совокупность всех весов или ка ее еще называют матрица весов.

При этом важной особенностью ИИ считаю его возможность самостоятельно обучатся и сокращать количеств ошибок в будущем. При наличии достаточно объема данных и в случае корректного обучения нейронная сеть может на основании новых, неполных, искаженных любым образом данных, ключевое значение имеет их отсутствие в данных при обучении, вернуть требуемый результат.

История создания

Ученые У. Маккалок и У. Питтс изучая процессы протекающих в мозге и пытаясь их смоделировать предложили математическую модель искусственного нейрона и состоящую их них модель сети.

Исследователи доказали, что нейронная сеть может выполнять логические и числовые операции. Первая компьютерная программа, реализующая нейронную сеть разработана Ф. Розенблаттом в 1958 году. Позднее было создан перцептрон - электронное устройство, работающее на принципах нейронной сети. Биологический нейрон может пребывать только в двух состояниях — возбужденном или невозбужденном, поэтому первые реализации искусственного интеллекта, по аналогии, работали только с сигналами логического нуля и логической единицы. В 1960 г. Б. Уидроу и М. Хофф предложили в качестве функции срабатывания нейрона использовать логистическую кривую и использовать правило обучения известное как дельта-правило, позволившее нейрону работать не только с бинарными, но и с непрерывными (аналоговыми) сигналами.

Развивались методы обучения для глубоких слоев нейронной сети. На замену метода обратного шифрования, эффективно обучающего последние слои сети и очень медленного обучая глубокие слои в 2006 году сразу три группы ученых предложили решение. Д. Хинтон предобучал слои по отдельности с помощью машины Больцмана. Я. Кан для распознавания изображений предлагал сверхточную сеть. И. Бенджио для задействования всех слоев создал каскадный автокодировщик.

Для обучения ИИ необходимы данные, для обучения ИИ на качественное распознавание изображении в 2010 году была создана база с 15 миллионами изображений разбитых на 22 тысячи категорий, ее назвали ImageNet и открыли для свободного использования исследователями .

Практическое применение

Нейронные сети на практике применяться для аналитических вычислений недоступных обычным компьютерным алгоритма и решают задачи также, как и мозг

На текущий момент наибольшее применение ИИ на практике получило - Распознавание , примерами может служить распознавание лиц в московском метро для оплаты и выявления разыскиваемых преступников, разблокировка смартфона по лицу, определение и идентификация объектов на снимке через камеру телефона, наложение на видео различных масок в реальном времени. ИИ может классифицировать информацию по произвольным параметрам или
предсказывать вероятность бедующих событий.

Применение в авиации

В пассажирской

В пассажирских авиаперевозках множество работы и так выполняет автопилот, а люди нужны там в качестве оператора для автопилота(ввод данных для полёта, выбор запасных аэродромов), а также для подстраховки работы автопилота. Искусственный интеллект может применяться в пассажирской авиации для дополнительного освобождения пилота от принятия простых рутинных решений, которыми занимается экипаж, ещё для анализа обстановки по маршруту, подсказках для его корректировки из-за, например, стаи птиц или других объектов которые могут повредить воздушному судну.

На самолётах летают разные люди и порой среди них попадаются особо буйные, которые представляют потенциальную угрозу всем остальным. Обычно выявлением таких пассажиров занимаются стюардессы и часто уже слишком поздно для заблаговременного избежание конфликта. Эту важную работу может выполнять искусственный интеллект анализируя, например, видеопоток и на раннем этапе выявляя возможные эскалации и формируя рекомендации по превентивным действиям, например, предложить нервным пассажирам успокаивающий чай. Наблюдая за каждым человеком в салоне через камеры, нейросеть может распознать потенциально опасных граждан или террористов и доложить об о них экипажу и наземным службам. Такая информация лишней точно не будет.

В военной

Для боевой же авиации в дуэте с истребителем могут использоваться беспилотники, собирающие информацию и передающие её летчику в режиме реального времени. С помощью беспилотников, оснащённых искусственным интеллектом, можно существенно повысить боевую эффективность истребителя, ведь в наш век информация очень важна. Сокращая количество обязательных решений пилота или оператора беспилотника ИИ может существенно повысить боевого применения освободив для человека время для неожиданных и нестандартных решений. Как известно генералы готовиться к войнам на основе прошлого опыта и часто инновации с одной из противостоящих сторон дают сильное преимущество. Масштабируя ИИ, как и любую другую компьютерную программу, возможно дать инструмент для «творческих» решений не только командованию, но и каждому военнослужащему.

Перед вылетом каждому пилоту необходимо быть полностью здоровым и проходить медицинскую проверку. Дополнительно можно установить видеокамеру и датчики в кабину пилота для отслеживания его состояния в реальном времени (вдруг он отключился во время полёта или почувствует себя плохо). Возьмём такой пример: пилот истребителя во время полёта потерял сознание. Искусственный интеллект определил это, отправил информацию штабу, координирующему самолёт, и катапультировал пилота, чтобы сохранить его жизнь или передал управление оператору на земле или при полном отсутствии связи принял решение о самостоятельном возвращении на базу.

Беспилотники

Беспилотный транспорт включая и беспилотную авиацию активно разрабатывают большинство крупных корпораций и технологических компании, например, Яндекс, Сбер, Google, IBM, Uber и многие другие. Без ИИ распознать окружающую обстановку, препятствия, движущиеся объекты, текущие состояние самолета и доступные ему маневры.

По проведенным IBM опросам выяснилось, что 74% руководителей автомобильной индустрии считают, что массовое появление автотранспорта с автопилотом ожидается в 2025 году.

В оборонно-промышленном комплексе нашей страны разработали транспортный беспилотный летательный аппарат (БПЛА) под названием ТрАМП грузоподъемностью 250 килограммов способный доставлять грузы на дистанцию свыше 600 километров. Крейсерская скорость летательного аппарата составляет 195 км/час при потолке в 3 тысячи метров.

В Австралии разработали дроны для поиска акул в прибрежных водах для повышения безопасности людей на пляжах. Видеопоток анализирует ИИ с вероятностью обнаружения и идентификации акул до 90%. При этом человек замечает лишь в 20-30% случаев.

Интеграция транспортных средств через IoT (интернет вещей), позволит им общаться между собой, обрабатывать информацию о грузах и пассажирах, регулировать температуру в багажном отделении или салоне, сообщать о проблемах и пытаться их устранить.

При обслуживании и подготовке

Перед вылетом обязательно надо убедиться в исправности самолёта, порой это занимает очень много времени и как раз-таки это работу может делать нейронная сеть, а конкретно заниматься распознаванием внешних повреждений на авиационной технике и боеприпасах. Можно оснастить ангар камерами или применять квадрокоптеры с камерой для облёта объектов контроля.

ИИ может контролировать ресурс составных частей самолета, рекомендовать установку запасных частей, помогать в организации логистики по доставке комплектующих и расходных материалов, контролировать потоки багажа в аэропортах.

Важной частью успеха авиации является развитие материалов летательных аппаратов, например при помощи YandexDataFactory можно улучшать выплавку стали и контролировать соблюдения стандартов. Анализ исходного сырья поможет определить потребность в специальных добавках. Аналогично можно использовать ИИ для разработки и короля композитных материалов, стекла и прочих материалов для самолетостроения.

На примере синтеза новых лекарств, таких как синтез в шесть стадий лекарства от болезни Альцгеймера возможно предположить создание новых полезных материалов для авиации при помощи ИИ с затратами существенно меньших ресурсов чем при классическом способе экспериментов.

Контроль состояние программного-аппаратного комплекса самолетов со стороны ИИ поможет обнаружить проникшие вирусы или неполадки еще на земле.

Развитие ИИ

Конечно, на текущей момент он ИИ не столь универсален как интеллект человека разумного (лат. Homo sapiens), но прогресс впечатляет и в некоторых областях ИИ уже серьезно обгонят своего создателя. По моему мнению ИИ будет основой для достижения технологической сингулярности. Технологическая сингулярность (англ. technological singularity) — некоторый момент времени в будущем, когда технологическое развитие станет настолько быстрым и необратимым, что приведет к радикальным изменениям характера человеческой цивилизации.

Мощности компьютерных вычислений, например на суперкомпьютерах, уже позволяют обучить неплохой ИИ. Возможно, квантовые компьютеры дадут новый толчок в развитии ИИ и позволят создать действительно сильный ИИ. При этом важно развивать не только функциональную эффективность, но и закладывать основы морали, например, на основе трех законов робототехники, обязательных правил поведения для роботов, впервые сформулированные в 1942 г. А. Азимовым в научном фантастическом рассказе «Хоровод».

Профессор, академик РАН К.В. Анохин разработал гиперсетевую теория мозга. Учёный считает, что разум — это гиперсеть мозга, а сознание — это траффик в этой гиперсети.

Исследователи искусственного интеллекта сталкиваются с проблемой отсутствия теории сознания и мозговой активности, постепенно увеличивается взаимное влияния искусственного интеллекта и нейробиологии.

По результатам математического моделирования мозговой активности ставятся новые цели для экспериментов в области нейробиологии и психофизиологии, а экспериментальные данные биологов в свою очередь во многом влияют на вектор развития ИИ.

Существуют 3 наиболее проработанных теории строения сознания в области теоретической нейробиологии:

1. теория функциональных систем П.К. Анохина,

2. теория селекции нейрональных групп Д. Эдельмана

3. теория глобальных информационных пространств Жана-Пьера Шанже.

По мнению К.В.Анохина, дальнейшее развитие ИИ невозможно без тесного сотрудничества с нейробиологами, без построения новых моделей на основе мощных теорий.

Широкий круг задач, решаемый нейронными сетями, не позволяет в настоящее время создавать универсальные, мощные сети, вынуждая разрабатывать специализированные сети, функционирующие по различным алгоритмам. Тем не менее, тенденции развития нейросетей растут с каждым годом.

Разработка ИИ

На текущей момент я только изучаю ИИ и думаю в какой области разработать собственный пет проект. В интернете достаточно много примеров как по шагам развернуть сеть, но основная сложность не в этом Кажется что для серьезного ИИ нужна идея, команда, подходящий датесет для обучения и понимание полезности для практического применения ИИ в авиации. Я планирую планомерно развиваться в теме ИИ и постепенно продвигаться в разработке полезного изобретения, в будущем на его основе можно было бы создать стартап и обеспечить свое будущее. Надеюсь, обучение в МАИ позволит мне существенно прокачать свои навыки. По крайней мере посетив 11 февраля день открытых дверей мегагаправления «Компьютерные науки и прикладная математика» ощутил общность исследователей ИИ и хорошие перспективы его развития в РФ, вдохновение от увиденного и новый прилив сил позволил мне подготовить данную работу.

Дальнейшими шагами вижу генерацию продуктовых гипотез или вариантов полезности моей разработки для конкретных пользователей. Наиболее перспективные гипотезы нужно будет подробно описать, по возможности провести UX исследования. Затем для перспективных вариантов подготовить верхнеуровневую архитектуру MVP(минимально жизнеспособный продукт) будущего решения.

Выбор языка программирования на мой взгляд не так важен, один синтаксис мало что решает, тут важны наличие подходящий библиотек и фреймворков

Далее необходимо будет подготовить постановку на разработку т.е. описать порядок действия для разработчика, чтобы не упереться в проектирование на первом же шаге.

После непосредственной разработки программы, потребуется ее тестирование. Причем необходимо продумывать автотесты т.к. изменений будет много и часто и ручное тестирование будет слишком трудозатратным.

Ключевой проблемой считаю сбор или подготовку данных для обучения. Тут необходимо будет максимально распараллелить работу.

Обучение. Самый долгий шаг алгоритма, в котором вам придется давать вашей ИНС разные представления чего-либо.

Необходимо сразу спроектировать интерфейс для оператора управляющего ИИ. Необходимо бережно относиться к матрице весов, обеспечить ее версионирование и резервное копирование, не стоит забывать о информационной безопасности и соблюдения авторских прав.

Если продуктовые гипотезы окажутся верны и MVP даст потребителям полезный результат, то можно будет получить ресурсы на доработку ИИ и его улучшение

Как мы видим для создание действительного полезного ИИ нужна командная работа, надеюсь в МАИ я найду единомышленников, и мы сможем объединить наши наработки и идеи. Создавать что-то действительно полезное для практики в одиночку на мой взгляд слишком долго и будет очень сложно дойти до финиша, при этом т.к. получения каких-то результатов сильно затянется скорее всего решения у конкурентов будут существенно лучше по многом направлениям особенно если они будут вести разработку группой и при поддержке сообщества.

Заключение

Данное исследование показывает, что ИИ сейчас очень актуален и востребован в авиации. Нейросеть позволяет серьезно продвинуться в разработке продвинутого искусственного интеллекта.

Актуальность исследований в области ИИ подтверждают уже достигнутые результаты, например, чат-бот с искусственным интеллектом СhatGPT. Он разработан компанией OpenAI и способный работать в диалоговом режим поддерживая запросы на естественных языка. Искусственный интеллект, как и интеллект человека можно применять в различных областях: общение в чате или голосом как Алиса от Яндекса, Маруся от VK или Олег от Тинькофф, анализ видео, распознавания лиц и образов, управление беспилотным транспортом, аппроксимация функционалов, прогнозирование, создание новых лекарств, относительно быстрое проведение экспериментов на которые у людей ушли бы годы и другие применения в науке, управлении или экономике. После обучения на достаточно большом объёме исторических данных ИИ может с высокой долей вероятности предсказывать будущее, например, наличие проблем с техникой или стоимость активов на бирже, распознать звуки, улучшать качество звука, заменять лица на видео так называемые «дипфейки» или озвучивать тексты любыми голосами.

ИИ схож с мозгом человек по своему строению. Пока ИИ не достиг сложности достигнутой биологической эволюцией, но прогресс последнего времени повышает уверенность в достаточно скором выравнивании потенциала, а затем возможно и существенного превосходства ИИ.

Развитие суперкомпьютеров и аппаратного обеспечения в целом дает возможность исследований и разработки в области ИИ более широкому кругу людей. Программные наработки и сообщества специалистов популяризует тему и вовлекают все больше участников , что ускоряет общий прогресс.

Источники

https://www.worldgovernmentsummit.org/home

https://m.habr.com/ru/post/101733

https://ru.wikipedia.org/wiki/ HYPERLINK "https://ru.wikipedia.org/wiki/Искусственный_нейрон#cite_note-6"Искусственный_нейрон#cite_note-6

https://habr.com/ru/company/sberdevices/blog/525508/

https://habr.com/ru/post/234465/

https://ru.wikipedia.org/wiki/ HYPERLINK "https://ru.wikipedia.org/wiki/Технологическая_сингулярность"Технологическая_сингулярность

https://habr.com/ru/post/416071/

https://ru.wikipedia.org/wiki/Три_закона_роботехники

https://scientificrussia.ru/articles/myslyashchaya-giperset-v-mire-nauki-5-6-2021

https://ria.ru/20230208/bespilotnik-1850444168.html

https://habr.com/post/416777/

Просмотров работы: 75