Социально ориентированный нефинансовый институт развития, крупнейший организатор международных, конгрессных, выставочных, деловых, общественных, спортивных мероприятий и событий в области культуры.

Фонд Росконгресс – социально ориентированный нефинансовый институт развития, крупнейший организатор международных, конгрессных, выставочных, деловых, общественных, спортивных мероприятий и событий в области культуры.

Фонд учрежден в 2007 году с целью содействия развитию экономического потенциала, продвижения национальных интересов и укрепления имиджа России. Фонд всесторонне изучает, анализирует, формирует и освещает вопросы российской и глобальной экономической повестки. Обеспечивает администрирование и содействует продвижению бизнес-проектов и привлечению инвестиций, способствует развитию социального предпринимательства и благотворительных проектов.

Мероприятия Фонда собирают участников из 208 стран и территорий, более 15 тысяч представителей СМИ ежегодно работают на площадках Росконгресса, в аналитическую и экспертную работу вовлечены более 5000 экспертов в России и за рубежом. Установлено взаимодействие с 129 внешнеэкономическими партнерами, объединениями промышленников и предпринимателей, финансовыми, торговыми и бизнес-ассоциациями в 69 странах мира.

Вход в Единый личный кабинет
Восстановление пароля
Введите адрес электронной почты или телефон, указанные при регистрации. Вам будет отправлена инструкция по восстановлению пароля.
Некорректный формат электронной почты или телефона
22 июля 2019
Виталий Мильке

Виталий Мильке о предобученных нейронных сетях (Pre-trained Neural Networks) в медицине и генетике

Первый алгоритм обучения нейронных сетей сформулировал канадский нейропсихолог Дональд Хебб. Учёный изучал взаимодействие нейронов друг с другом, его интересовал принцип, по которому они объединяются в ансамбли. Идеи Хебба подвергались критике, однако спустя несколько лет группа американских ученых смоделировала искусственную нейросеть, которая могла отличать квадраты от других геометрических фигур.

В 2014 году произошло революционное событие: глубокие искусственные нейронные сети (Deep Artificial Neural Networks) стали распознавать объекты на картинках с точностью выше 95%, что лучше, чем это делает человек. С этого момента началось триумфальное шествие нейросетей по планете.

Такие нейронные сети достаточно большие (от нескольких десятков до нескольких сотен слоёв), и для их обучения требуются большие вычислительные ресурсы. Однако все картинки состоят из примерно одинакового набора элементарных объектов: точки, наклонные линии, контрастности и так далее. Поэтому можно не обучать каждый раз нейронную сеть с нуля, а только дообучить уже существующую.

Например, можно взять базу данных рентгеновских снимков рака лёгкого и дообучить только несколько последних слоёв уже готовой нейронной сети. Самое важное, что для такого дообучения не требуется мощных специальных вычислительных ресурсов.

Такая «упрощённая» технология снизила порог входа и позволила многим индивидуальным исследователям и некрупному бизнесу создавать то, что сейчас называется «технологиями искусственного интеллекта в медицине».

001_Виталий Мильке о.png


Artificial intelligence index

Если надо анализировать обыкновенные медицинские данные — например, анамнез, результаты анализа или даже запах изо рта, то можно использовать несложные нейронные сети для получения массы интересной и неочевидной информации. Можно поставить диагноз с помощью нейросетей, оценить состояние здоровья человека, сделать прогнозы на ближайшее время и даже назначить лечение.

Нейросети оперируют цифрами. В них можно одновременно анализировать все параметры общего или расширенного анализа крови, слюны, волос, мокроты, пота и так далее, включая все референтные значения. Обычно каждый вид анализа делает отдельная нейронная сеть, выдающая набор диагнозов. При сравнении с наборами диагнозов от других нейронных сетей (других анализов) можно получить практически точный диагноз.

Добавим ещё одну нейросеть — и по наборам диагнозов можно получить варианты лечения. Врач должен посмотреть результаты и подтвердить диагноз и лечение. Главное — экономится время и уменьшается вероятность врачебной ошибки.

Подобные технологии называются Слабым (или Специализированным) искусственным интеллектом, а иногда просто машинным обучением. Медицина — наиболее очевидная область для получения быстрых практических результатов от применения машинного обучения, так называемых «быстрых побед» (Quick Wins). Также в последнее время с помощью искусственного интеллекта проводятся полномасштабные исследования генетического кода, такие как британская программа «100 000 геномов» (The 100,000 Genomes Project).

Основная цель проекта — расшифровка геномов ста тысяч человек для получения информации о различных видах рака, а также о редких генетических болезнях. Такая информация поможет специалистам более эффективно бороться с раковыми опухолями и различными наследственными заболеваниями. Проект признан чрезвычайно успешным и будет расширен до пяти миллионов геномов. Конечная цель The100,000 GenomesProject— создание персонифицированной медицины и фармакологии. Подобную государственную программу необходимо срочно запускать и в России!

С каждым днём примеров успешного применения искусственного интеллекта в медицине становится всё больше: нейронные сети уже умеют распознавать злокачественные опухоли, в том числе новообразования кожи, тромбы, нарушения зрения, способны диагностировать состояние внутренних органов человека на основе ультразвука, рентгеновских снимков, МРТ и т. д.

Технологии слабого искусственного интеллекта в последнее время крайне популярная тема, однако некоторые аспекты, как правило, остаются в тени. В следующем выпуске, вместе с вами, исследуем эти вопросы подробно. Следите за обновлениями!

Материал подготовил:
Виталий Мильке,
Советник президента по экономике и финансам, АО «Бизнес Альянс»,
PhD reseacher in Computer Science & Machine Learning


Статьи на тему
Аналитика на тему
Интересное на портале
Исследование
PropTech в России: обзор практики применения BIM-технологий и инновационных решений в области проектирования
PwC представляет анализ российского рынка технологий в сфере недвижимости (PropTech). В исследовании рассматривается текущий уровень использования BIM-технологий и инновационных решений в области проектирования в России и в мире.
Статья
Как пандемия повлияла на людей: новые идеи для маркетинговых коммуникаций застройщиков
В данной статье СБЕРМаркетинг рассматривает влияние пандемии на поведение потребителей рынка недвижимости, а также способы изменения маркетинговых коммуникаций, к которым прибегают застройщики для адаптации к изменившейся ситуации.
Экспертное мнение
Жизнь общества после эпидемии глазами медицинских работников
Когда появится вакцина от коронавируса? Станут ли государства больше инвестировать в развитие фармацевтики и биотехнологий? Будет ли осенью всплеск заболеваемости COVID-19? Как в целом пандемия изменила общество и мировоззрение людей? Высшая школа организации и управления здравоохранением (ВШОУЗ) совместно с Фондом Росконгресс представляют анонимный онлайн-опрос «Жизнь общества после эпидемии глазами медицинских работников», проведенный среди участников VIII Международного онлайн-конгресса «Оргздрав-2020». Аудиторию мероприятия составили медицинские работники из всех регионов России, включая 47% организаторов здравоохранения. Всего в опросе приняли участие 467 человек.
Аналитический дайджест
Исследования по повестке Форума «Сильные идеи для нового времени»
В преддверии Форума «Сильные идеи для нового времени», который состоится в ноябре в Сочи, Агентство стратегических инициатив и Фонд Росконгресс совместно с экспертами института статистических исследований и экономики знаний Высшей школы экономики представляют серию исследований, посвященных повестке предстоящего мероприятия.