#trender | nevrale nettverk

Ordet "nevrale nettverk" i dag er en av de mest fasjonable form, og de er ofte misbrukt av markedsførere i å fremme sine teknologi-startups. Men det er unektelig som i dag er gjenstand for vår vurdering er en av de viktigste fenomener, uten noe som det er umulig å forestille seg modernitet.

Hva er mer kraftfull — den menneskelige hjerne eller datamaskinen? For de aller fleste svaret på dette spørsmålet er opplagt og hva er det egentlig å argumentere, er riktig. Men hvis du ser på arbeidet som forskere har gjort i løpet av de siste tiårene, vil vi legge merke til at mange av dem har forsøkt å bringe prinsippet om drift av datamaskinen til veien for menneskelig tenkning, og det er ikke uten suksess. Hvordan er det mulig? Med hjelp av neurale nettverk — datasystemer består av hundrevis, tusenvis eller millioner av kunstig hjerne celler som kan lære og handle på prinsippet veldig likt arbeid av den menneskelige hjerne.

Den Menneskelige hjerne og datamaskin er ofte sammenlignet med, og vi er nødt til å innrømme at de har mye til felles. En normal hjerne består av om lag 100 milliarder mikroskopiske celler som kalles nevroner. Hvert nevron består av en celle kroppen med et par forgrening av fra den tilkoblinger — mange dendrites (inn-kanaler på celler som sender informasjon til cellen kroppen) og en axon (utgang kanal av celler som er involvert i visning av informasjon). I datamaskinen tilsvarende av et nevron er en nanoscopic enhet kalt transistor. Moderne mikroprosessorer som brukes i datamaskiner og mobile enheter inneholde mer enn to milliarder transistorer.

Dette, kanskje er det likheter mellom datamaskiner og menneskelige hjerne slutten, og forskjellene begynner. Og det er ikke det at datamaskiner — det er en kald metall boks fylt med binære tall, og hjernen — det er noe varmt, levende og fylt med tanker, følelser og minner. Den reelle forskjellen er at et datasystem består av relativt enkle serielle tilkoblinger, mens nevroner i hjernen sammen i en kompleks parallell tilkobling, og hvert neuron er koblet til omtrent 10 000 av sine naboer.

På den ene siden har vi hundrevis av millioner av transistorer, kombinert i en enkel og logisk system, på den andre — 100 ganger mer nevroner i samspill med hverandre gjennom komplekse, sammenvevde relasjoner. Resultatet er at prosessen av menneskelig tenkning, i hvert fall på dette stadiet, er det ekstremt vanskelig å studere og spesielt til kunstig gjenskape. Og det er akkurat hva var prøver å gjøre forskere Macallan Warren og Walter Pitts, når du er i 40-årene av forrige århundre, først formulert konseptet av en kunstig nevrale nettverk.

Datamaskiner er konstruert for å lagre store mengder unyttig informasjon som gjør fornuft og logikk, bare hvis du pre-angi den nøyaktige instruksjoner for sin behandling. Den menneskelige hjerne er en langsom og krever ofte flere måneder for å sortere ut noe komplisert. Men i motsetning til datamaskiner, kan vi spontant sette sammen informasjon i intrikate mønstre — derav røtter av kreativitet Beethoven eller Shakespeare: lage originale mønstre, forming uvanlige forhold, og oppfatning av ting, slik at de kom i en ny og uventet lys.

Enig, det ville være flott om en dag datamaskiner kunne administrere informasjonen som er tilgjengelig, så vel? Faktisk, vi er allerede flyttet til denne spennende fremtid, og veldig raskt. Og kanskje var det på grunn av flere store oppkjøp i de siste årene: betydelig økt ytelse på datamaskiner, fremveksten av kunstige nevrale nettverk og maskinlæring, samt fremveksten av Internett, med sin enorme mengder data som er brukt som undervisningsmateriell for kunstig intelligens.

Den grunnleggende ideen om artificial neural nettverk består i å kopiere komplekse gjensidige forbindelser mellom cellene i den kunstige hjernen slik at maskinen kunne lære å gjenkjenne mønstre og ta avgjørelser som det gjør folk. Den gode tingen er at det nevrale nettverket er ikke nødvendig å programmere: det er designet for selvstudium.

Men, man kan nesten si at en nevrale nettverk — dette er en eksakt kunstig kopi av hjernen. Det er viktig å merke seg at nettverk — er først av alt en datamaskin simulering: disse nettverk er opprettet ved programmering konvensjonelle datamaskiner, der den tradisjonelle måten er vanlige transistorer, kombinert i en logisk tilkobling. Imidlertid, de virker som om de består av milliarder av bitte små hjerneceller som arbeider i parallell. En datamaskin simulering er bare en samling av algebraiske variabler og matematiske ligninger som samler dem sammen.

Konvensjonelle kunstige nevrale nettverk består av ti, hundre, tusen eller millioner av kunstig nevroner, kalt enhetene, som blir arrangert i lag, der hver enhet er koblet til den neste, både i egne lag, og i den neste. Noen av dem er input blokker og er utformet for å motta fra den ytre verden beskjed. Disse blokkene er forbundet med skjult blokker som behandler mottatte data og opptar mesteparten av den kunstige hjernen. Til slutt, output-enheter gjørfjerne mottatt og bearbeidet informasjon.

Tilkobling mellom blokkene er preget av et tall kalt en vekt og kan være positiv (når en enhet interesserer andre) eller negative (når en enhet blokker eller hemmer en annen). Jo høyere vekt som gjelder, jo mer en enhet påvirker andre. Dette minner om hvordan levende hjerne celler påvirker hverandre.

Informasjon flyter gjennom nevrale nettverk på to måter. Når nettverket er trent eller fungerer normalt etter trening, prøver av den informasjonen matet henne gjennom blokker av input, og deretter få til enheter utgang. Denne felles struktur er kalt et nettverk med en mekanisme for å forutsi hendelser. Men, bruk av informasjonen ikke garantere eksitasjon av alle enheter. Hver enhet får en inngang fra sin nabo, og disse signalene er multiplisert med en vekt på forbindelser som de er på reise. Hver blokk legger til innledende data om mottatte signal, og hvis det samlede beløpet overstiger terskelen, enheten interesserer nærliggende kvartaler.

For Å nevrale nettverket ble trent, det bør være obligatorisk tilstedeværelse av tilbakemeldinger-på samme måte som barn må hele tiden snakker om hva som er bra og hva er dårlig. Faktisk, de tilbakemeldingene vi er hele tiden. Husk hvordan du lærte å spille i bowling: når du plukker opp ballen og rulle langs sporet, hjernen din overvåker hastigheten på ballen og dens bane. Avhengig av roll neste gang du vil huske hvordan jeg rullet ballen sist gang, og vil justere sine bevegelser for å oppnå et godt resultat. Dermed, du har brukt tilbakemelding for å sammenligne resultatet med det ønsket, og til å justere sine handlinger for å oppnå suksess.

Nevrale nettverk som er innlagt på en lignende måte, ved å behandle de tilbakemeldinger som er kalt "metoden tilbake overføring av feil". Det sammenligner mottatt output data med data som var forventet, og bruker forskjeller mellom disse data for endring i vekten av forbindelser mellom enhetene som er involvert i nettverket. Videre er det endringer som påvirker alle tilkoblinger fra input-enheter til output-enheter og tilbake. Over tid er det en metode for feil back-propagation gjør det mulig å trene nettverket og å redusere til null forskjellen mellom ønsket og faktisk resultat.

Etter det nevrale nettverket ble utdannet ved hjelp av et tilstrekkelig antall eksempler, det kommer til det stadiet der du kan gi henne et helt nytt sett av input-data, som hun aldri hadde sett, og se for hennes reaksjon. For eksempel, du viste nevrale nettverk med et stort antall bilder av stoler og bord, maksimalt tilgjengelig forklare henne forskjellen mellom disse møblene. Deretter kan du prøve å vise henne bilde av sofaen og vente på resultatet. Avhengig av hvor effektivt du har trent på nevrale nettverk, prøver å forholde seg hva han så den kategorien av "chair" eller "bord" som er basert på erfaring. Slike prosesser skjer i hjernen av et lite barn som først ser et objekt, og prøver å relatere det til i listen over begreper som allerede er kjent for ham.

Hvis du tenker på det, er dette et eksempel er allerede nok til å forstå hva kunstige nevrale nettverk i prosessen av evolusjonen kan ha mange praktiske anvendelser. For eksempel, fly produsenter har allerede testet den automatisk trent systemer autopilot-systemer som ikke er programmert på forhånd, og ta avgjørelser basert på innkommende real-time signal dashboard og cockpit kontroll av flyet, basert på den mottatte informasjonen.

Eller ta, for eksempel, banksektoren. Tenk deg at du kjører en Bank, hvor hvert minutt er tusenvis av kredittkort-transaksjoner. Nevrale nettverk kan med hell brukes til å identifisere aktiviteter som er klassifisert som uredelig. Som innganger kan du bruke følgende spørsmål: 1) gjorde kortholderen i person? 2) om du skal bruke en PIN-kode? 3) har det vært i de siste 10 minuttene fem eller flere korttransaksjoner? 4) er det et kart i det samme landet der det ble utstedt?

Etter å ha Mottatt et tilstrekkelig antall av fører, kan systemet automatisk å merke transaksjon som mistenkelig, så Bankens ansatte kan bestemme om du ønsker å ta forholdet deres handlinger. I tillegg, en nevrale nettverk kan hjelpe bankene til å gjøre vedtak om å utstede et lån til kunden, for å raskt analysere sin kreditt historie, nåværende inntekt og sysselsetting.

Men slike programmer av nevrale nettverk er fortsatt bare er på konseptstadiet, og er neppe til å komme i våre liv i nær fremtid. Nyhetene i dag om å bruke denne teknologien kommer hovedsakelig fra underholdningsindustrien. Det første jeg husker oppsiktsvekkende Prisma-program som snur ordinære bilder og bilder til ikke-eksisterende malerier av store kunstnere, så vel som skandaløs Findface tjeneste som gjør det mulig for i hemmelighet laget bilder av det menneskelige ansikt for å finne sin side Vkontakte. Og selvfølgelig er det umulig ikke å huske eksperiment av Yandex, når det nevrale nettverket, studerte tekster av sangene Yegor Letov skrev en hypotetisk album "sivilforsvaret".

Men hvis du legger til side ironi, i dagnevrale nettverk gjør vårt daglige liv mye mer bra enn du kan forestille deg. Hvorfor tror du i de siste årene, din e-post var merkbart mindre spam? I stor grad har å takke et datasystem som lærte å skille mellom virkelige brev fra korrespondanse, hvilket sted i kassen.

Takk til nevrale nettverk i nyere tid har også bedret seg markert i maskin oversettelse, og slike systemer er ikke lenger en av de tilfeldige verdier av ordet, og velg oversettelsen avhengig av sammenhengen, er å undersøke et stort antall forslag på forskjellige språk.

Men på dette stadiet, datamaskiner i henhold til deres nivå av bevissthet sammenlignbar med barn i førskolealder. Likevel, alt som er nødvendig for deres videre studier inkluderer: data volum fortsette å vokse som datakraft av prosessorer. Så vi, bevæpnet med popcorn og fortsette å se hvordan dette utvikler ideen, og hva det til syvende og sist vil føre til.