يعمل باحث كبير في جامعة جنوب الأورال الحكومية، ومرشح العلوم الفيزيائية والرياضيات، أليكسي روتشاي، مع زملائه، على حل مشاكل في مجموعة واسعة من المجالات: الخدمات المصرفية الرقمية، وتربية الماشية، وتحديد الوجه، والتعرف على الأورام باستخدام التصوير الشعاعي للثدي. وفي كل مكان، تؤدي الأفكار المبتكرة، جنبًا إلى جنب مع الاستخدام الماهر للتكنولوجيا، إلى نتائج مثيرة للاهتمام.
تعزيز التدرج مقابل الغابات العشوائية
ما هي المعاملة؟ عملية بنكية لتحويل الأموال، تحويلها من حساب إلى آخر، وهكذا.
من وجهة نظر الكمبيوتر، المعاملة - هي البيانات التي تعكس تاريخ التدفقات النقدية. لماذا؟ لكي تكون قادرًا دائمًا على الاستئناف والحصول على معلومات حول النقل.
قد تبدو بعض المعاملات مشبوهة - للسلطات الضريبية والبنوك ووكالات إنفاذ القانون. على سبيل المثال، إذا كان شخص ما يحصل باستمرار على نفس الدخل، فهل يشارك في تجارة غير قانونية؟ بعض الكميات قد توحي بتوزيع الدواء. تعتبر مكافحة «غسل الأموال» شرطا هاما لتحقيق الاستقرار والأمن المالي.
مهمة الذكاء الاصطناعي - هي تعلم كيفية التعرف على المعاملات المشبوهة وغير القانونية. ولا يُطلب من الكمبيوتر صياغة السبب «باللغة البشرية»، بل يحتاج فقط إلى إنشاء معيار رياضي لاتخاذ قرار بشأن شرعية المعاملة. للتدريب، يتم استخدام قواعد بيانات المعاملات المنشأة بالفعل، حيث يتم وضع علامة على الخطوط المشبوهة مسبقًا. من الجيد أن تكون قاعدة البيانات متوازنة، أي أنه يجب أن تحتوي على أعداد متساوية تقريبًا من المعاملات «العادية» و«السيئة». وفي الأنشطة الحقيقية للبنك، تشكل المعاملات المشبوهة وغير القانونية حصة صغيرة جدًا. بعد تلقي بيانات حقيقية «من الحياة»، سيقضي النظام المزيد من الوقت في التدريب، لكنه سيحقق نتيجة أقل فعالية.
استخدم الباحث الكبير في جامعة جنوب الأورال الحكومية، مرشح العلوم الفيزيائية والرياضيات، أليكسي روتشاي وزملاؤه، قاعدة البيانات البيضاوية، التي تم فيها اختيار معاملات البيتكوين، لتدريب واختبار نظامهم. قاعدة البيانات هذه غير متوازنة: فهي تحتوي على ما يقرب من مائتي ألف معاملة، حوالي عُشرها - غير قانونية. لإعدادهه، كان على العلماء أولاً موازنة قاعدة البيانات.
القاعدة الإهليلجية / Elliptic معروفة جيدًا وقد جذبت بالطبع انتباه المتخصصين الآخرين. لقد جربوا طرقًا مختلفة للتعلم الآلي بأسماء مثيرة للاهتمام: «الغابة العشوائية»، و«الانحدار اللوجستي»، و«مصنف بايز الساذج»، و«طريقة الإدراك الحسي متعدد الطبقات». تمكن أليكسي روتشاي وزملاؤه من تجاوز جميع النتائج السابقة باستخدام تعزيز التدرج.
يساعد التعزيز (من كلمة «التضخيم») على تحسين دقة التنبؤات. يقوم التعزيز ببناء النموذج خطوة بخطوة، وفي كل خطوة يتم تدريب النموذج على الأمثلة التي ارتكب فيها خطأ في الخطوة السابقة، وبالتالي تصحيحها دون إفساد الدقة الإجمالية.
كلمة «تدرج» تأتي من التحليل؛ مثل هذا التعزيز يشبه «نزول التدرج»، حيث يتم تحسين الوظيفة من خلال إيجاد قيمها الدنيا أو القصوى. من الضروري ارتكاب الحد الأدنى من الأخطاء وتحديد الحد الأقصى من المعاملات المشبوهة، أليس كذلك؟
وكانت النتيجة التي حصلت عليها خوارزمية XGBClassifier - هي 0.9921 نسبة مئوية من الإجابات الصحيحة في قاعدة البيانات Elliptic، بينما كانت النتيجة المنشورة السابقة 0.9780 فقط. الفرق بين هذين الرقمين أساسي: الرقم السابق لم يستوفي متطلبات موثوقية تحديد المعاملات الشاذة، والآن تم استيفاء الشروط. وهذا انتصار!
ثلاث وثلاثون بقرة – كم كيلوغراما؟
يجب وضع حيوانات المزرعة على الميزان من وقت لآخر. ومن المعروف أن الأبقار تعاني من الإجهاد بسبب ذلك، مما يؤدي إلى فقدان 5-10% من وزنها. ليس لأنهم ينظرون إلى علامات الميزان مثل عشاق الموضة الذين يتبعون نظامًا غذائيًا. إن أي إجراء غير مألوف وأي اتصال وثيق مع شخص غريب يمكن أن يخيف الحيوان.
ومع ذلك، لا تزال الماشية قوية جدًا. يكون الأمر أكثر صعوبة مع الخنازير التي تكبر في المزرعة. يقول الخبراء أنه إذا تم وزن الخنزيرة الحامل أو المرضعة، فإنها قد تعاني من احتشاء عضلة القلب والموت الفوري.
ولذلك، فإن جميع الدراسات أولية ومنسقة بعناية، وتحصل التجارب على إذن من أخلاقيات علم الأحياء. كما يتم مراعاة تدابير الحجر الصحي. لا ينبغي أن يعاني أي حيوان أثناء القياسات!
باحث كبير في جامعة جنوب الأورال الحكومية، مرشح العلوم الفيزيائية والرياضيات، أليكسي روتشاي، يشارك في مشروع لتقدير الوزن الحي لحيوانات المزرعة بناءً على أبعادها الخارجية - الخصائص الخارجية أو المورفولوجية. تم دعم هذا العمل بمنحة من مؤسسة العلوم الروسية وتم تنفيذه بالاشتراك مع المركز العلمي الفيدرالي للأنظمة البيولوجية والتقنيات الزراعية التابع للأكاديمية الروسية للعلوم في أورينبورغ. البحث مستمر منذ عام 2017.
تعتبر القياسات اليدوية باستخدام شريط القياس أمرًا مرهقًا للأبقار تمامًا مثل محاولة حملها على الوقوف على الميزان. لذلك، تأتي الرياضيات ورؤية الكمبيوتر والذكاء الاصطناعي للإنقاذ.
الرؤية الحاسوبية هي المراقبة من خلال الكاميرا الرقمية وتحليل الصور. لتقييم ملامح الخنزير، يجب عليك إما إصلاحه أو السماح للكاميرا نفسها باختيار الزاوية المطلوبة. ليس من السهل تقدير المعلمات من التصوير الديناميكي، فمن الضروري أن تأخذ في الاعتبار مسار حركة الحيوان. ولكن اتضح أن الحيوانات تخاف أيضًا من كاميرات الفيديو، خاصة الكاميرات الصاخبة والمتحركة. نتيجة لذلك، من الملائم تصوير الحيوانات من الأعلى فقط. الكاميرات المؤمنة بهذه الطريقة أقل اتساخًا بكثير.
يقول أليكسي روتشاي: «يتم تجديد قواعد بياناتنا كل عام بصور لما يتراوح بين 200 إلى 300 فرد - من الأبقار والخنازير. إن إنشاء قاعدة البيانات هذه عملية كثيفة العمالة. تظهر حساباتنا الأولية أن تقدير وزن الحيوان من المنظر العلوي يمكن أن يعطي نتائج مرضية، لكنها بالطبع ستكون أقل جودة من التقديرات من المنظر الجانبي».
بالإضافة إلى ذلك، يوفر العرض العلوي معلومات إضافية ويمكن استخدامه لتقييم أداء كل من الحليب واللحوم.
يخضع وزن الحيوان للتغيرات الموسمية، ومن المهم أن تأخذ في الاعتبار درجة الحرارة وغيرها من المعايير البيئية. الخطأ في تقدير الوزن الناتج عن النموذج سيكون 5-10%، وهو مقبول للمجمع الزراعي. قد يخطئ النموذج في حالة ظهور صورة لحيوان من فئة وزن مختلفة، إذا لم يتم التقاطها على أرضية خرسانية، ولكن على حصيرة مطاطية - فهذه هي مشاكل أي شبكات عصبية.
«إن الهندسة والمعلمات الخارجية للحيوان تحدد الكتلة ، بالطبع مهمتنا أكثر طموحًا, – يوضح أليكسي روتشاي: ربط العوامل الوراثية للحيوان بخصائصه المورفولوجية. نحن نجري تحليلًا جينيًا، ونبني عينة ونكتشف الجينات المرتبطة بالطول عند الذراعين، والردف، وعمق الصدر وعرضه، وما إلى ذلك. وقد تمكنا من تحديد العديد من هذه الجينات».
بعدان ونصف
الاتجاه الآخر الذي يعمل فيه أليكسي روتشاي يتعلق بالتعرف على الوجه. وهنا يتم استخدام فكرة مثيرة للاهتمام - استخدام صور 2.5D، حرفيا «ثنائية ونصف الأبعاد».
اليوم، أصبحت أنظمة التعرف على الوجه شائعة. إنهم يعملون، كقاعدة عامة، مع صور ثنائية الأبعاد - ويعملون بفعالية. لكن، بالطبع، في بعض الأحيان يعطون أخطاء. إذا كان وجه الشخص بعيدًا عن الكاميرا أو قريبًا جدًا منها، وإذا تم تدويره بزاوية، فقد تنتج الشبكة العصبية نتيجة خاطئة. يمكنك إجبار الشخص على الوقوف بشكل صحيح من خلال وضع القواعد والمعايير، أو يمكنك التفكير في تحسين التكنولوجيا.
تتكون الصورة المسطحة من وحدات بكسل، يتم تحديد كل منها حسب كثافة الألوان: الأحمر والأخضر والأزرق. RGB - هو اختصار مألوف لكل مستخدم للكمبيوتر. مبدأ «الصورة» 2.5 الأبعاد هو أن D يضاف أيضًا إلى RGB - عمق الصورة أو المسافة من الكاميرا إلى سطح الكائن (في حالتنا، الوجه).
هناك ثلاث طرق لتحديد العمق. الطريقة الأولى، البسيطة وغير الموثوقة، هي القياس الضوئي: تتم مقارنة صورتين مسطحتين متطابقتين موضوعتين على مسافة معينة من بعضهما البعض. والثاني باستخدام الليزر. والثالث هو إضاءة الأشعة تحت الحمراء: يتم تحديد هندسة الجسم من خلال «انحناء» شبكة الأشعة تحت الحمراء. المادة المصدر هي الشبكات العصبية التي تم تدريبها بالفعل على التعرف على الصور العادية ثنائية الأبعاد للوجوه. يتطلب إنشائها عددًا كبيرًا من الصور والمعالجة باستخدام كمبيوتر فائق السرعة، وهو ما تستطيع الشركات الكبيرة فقط القيام به. لذلك أنشأت Google قاعدة بيانات Imagenet هذه. وقد ابتكر علماء الرياضيات في تشيليابينسك ذكاءً اصطناعيًا أكثر تقدمًا على أساسها، والذي يأخذ أيضًا في الاعتبار «عمق» الصورة.
انتبه، التهديد السيبراني!
المشروع الجديد الذي يشارك فيه أليكسي روتشاي - هو «الأساليب الذكية لضمان الأمن السيبراني للشبكات الصناعية لأنظمة التحكم الآلي في العمليات المؤسسية». يتم تنفيذ العمل في المشروع بتوجيه من الباحث الكبير في جامعة جنوب الأورال الحكومية كونستانتين كوستروميتين.
في جبال الأورال، يتم استخدام هذه الأنظمة في المقام الأول من قبل الشركات المعدنية. درجات الحرارة المرتفعة والأبخرة الحمضية العدوانية وغيرها من المخاطر التي يتعرض لها العمال والمقيمون في مدينة قد تكون في مركز كارثة بيئية تجعل الأتمتة أمرًا حيويًا.
تدخل البيانات من الكاميرات وأجهزة الاستشعار إلى أجهزة الكمبيوتر العادية المتصلة ببعضها البعض باستخدام بروتوكولات مثل TCP/IP. ماذا لو تداخل فيروس مع عمل النظام أو قرر أحد المهاجمين التسبب في «نهاية العالم» على مستوى المدينة؟
وبطبيعة الحال، توجد بالفعل العديد من الوسائل التقنية لمنع الهجمات السيبرانية. ومع ذلك، فإن هذا يذكرنا بـ «سد الثقوب». وفي الوقت نفسه، يمكن أن يكون هناك الكثير من المكونات التي تتطلب السلامة في مصنع المعادن.
يمكن للشبكات العصبية المدربة على أمثلة عديدة للهجمات السيبرانية أن تراقب حالة النظام ككل، وتحدد الحالات المشبوهة قبل أن تسبب أي ضرر. دعونا نتذكر كيف حدث هذا مع المعاملات المصرفية «الهامشية» الموصوفة في بداية المقال. سيساعدك الذكاء الاصطناعي على ضبط نقاط التحكم ومراقبتها بشكل فعال من أجل إصدار إنذار ليس فقط في الوقت المحدد، ولكن مسبقًا.