#trendy | Нейросети

Słowo "нейросети" jest dziś jednym z najbardziej modnych terminów i często nadużywają marketingu w promowaniu swoich firmach technologicznych. Nie można jednak zaprzeczyć, że dzisiejszy obiekt naszych rozważań stanowi jeden z najważniejszych zjawisk, bez których nie można wyobrazić nowoczesność.

Co mocniej — ludzki mózg lub komputer? Dla zdecydowanej większości odpowiedź na to pytanie jest oczywista i co naprawdę się kłócić, wierny. Ale jeśli spojrzeć na tę pracę, którą naukowcy wykonali w ciągu ostatnich lat, to zauważymy, że wiele z nich starali się przybliżyć zasadę działania komputera do sposobu myślenia człowieka, przy czym bezskutecznie. Jak to było możliwe? Za pomocą нейросетей — systemów komputerowych, zebranych z setek, tysięcy lub milionów sztucznych komórek mózgu, które są w stanie uczyć się i działać na zasadzie bardzo podobnej na to, jak działa mózg człowieka.

Ludzki mózg i komputer często porównują, i trzeba przyznać, że mają całkiem sporo wspólnego. Normalny mózg składa się z około 100 miliardów mikroskopijnych komórek, które nazywane są neuronami. Każdy neuron składa się z komórek ciała z kilkoma bijące od niego połączeniami — wiele dendrytów (kanałów wejściowych komórki, nadających komórki ciała) i jednego aksonu (kanału wyjściowego komórki, zajmującej się przekazywaniem informacji). W komputerze odpowiednikiem neuronu jest наноскопическое urządzenie o nazwie tranzystor. Nowoczesne mikroprocesory stosowane w komputerach i urządzeniach mobilnych, zawierają ponad dwóch miliardów tranzystorów.

Na tym chyba podobieństwa między komputerami i ludzkie mózgi się kończą i zaczynają się różnice. I rzecz nawet nie w tym, że komputery — to zimne, metalowe skrzynie, wypełnione liczbami binarnymi, a mózg — to coś ciepłego, żywego i pełnego myślami, uczuciami i wspomnieniami. Obecnie różnica polega na tym, że system komputerowy składa się ze stosunkowo prostych kolejnych połączeń, podczas gdy neurony w mózgu połączone w trudnych równoległe związku, przy czym każdy neuron jest połączony z około 10 000 swoich sąsiadów.

Z jednej strony mamy setki milionów tranzystorów połączonych w prosty i логичную systemu, z drugiej — 100 razy więcej neuronów, komunikujących się ze sobą za pośrednictwem trudne spleciony związku. W końcu okazuje się, że proces myślenia człowieka, przynajmniej na tym etapie, jest niezwykle trudne do zbadania, a tym bardziej do sztucznego odtworzenia. A właśnie to próbował zrobić naukowcy Warren Макаллок i Walter Pitts, gdy w latach 40-tych ubiegłego wieku po raz pierwszy sformułował koncepcję sztucznych sieci neuronowych.

Komputery są przeznaczone do przechowywania dużych ilości bezużyteczne dla nich informacji, która odnajduje sens i logikę, tylko jeśli z góry określić dokładną instrukcję jej obsługi. Ludzki mózg sam uczy się powoli i często potrzebuje kilku miesięcy na to, aby zorientować się w czymś skomplikowanym. Ale w przeciwieństwie do komputerów, możemy spontanicznie gromadzić informacje w fantazyjne wzory — stąd pochodzą korzenie kreatywności Beethovena lub Szekspira: tworzenie oryginalnych wzorów, tworzenie nietypowych relacji i postrzegania rzeczy tak, aby sądzeni byli w nowym i nieoczekiwanym świetle.

Zgadzam się, fajnie by było, gdyby pewnego dnia komputery mogli dysponować informacjami tak samo? W rzeczywistości, możemy już iść do tego intrygujące przyszłości, przy czym bardzo szybko. I być może to stało się dzięki kilku podstawowym zakupów ostatnich lat: wyraźnie wzrostu wydajności komputerów, pojawienie się sztucznych sieci neuronowych i uczenia maszynowego, a także powstania Internetu, z jego ogromnymi zbiorami danych, które są wykorzystywane jako materiały szkoleniowe dla sztucznej inteligencji.

Podstawowa idea sztucznych sieci neuronowych polega na skopiowaniu złożonych wzajemnych połączeń między komórkami sztucznego mózgu w taki sposób, aby maszyna mogła uczyć się rozpoznawać wzory i podejmować decyzje tak, jak to robi człowiek. Najbardziej niesamowite jest to, że sieć neuronową nie trzeba programować: ona jest stworzona do samodzielnej nauki.

Jednak raczej nie można mówić, że sieć neuronowa — to dokładna sztuczna kopia mózgu. Ważne jest, aby pamiętać, że sieć neuronową — to przede wszystkim symulacja komputerowa: takie sieci są tworzone za pomocą programowania komputerów, w których w tradycyjny sposób działają zwykłe tranzystory połączone w logicznych powiązań. Jednak działają one tak, jakby składają się z miliardów maleńkich komórek mózgu, pracujących równolegle. Symulacja komputerowa to tylko zbiór algebraicznych zmiennych i równań matematycznych, które zbierają je połączyć w całość.

Zwykły sztuczna sieć neuronowa składa się z dziesiątek, setek, tysięcy, a nawet milionów sztucznych neuronów, wymienionych bloków, które są ułożone w warstwy, gdzie każda jednostka jest połączony z sąsiednim, zarówno we własnym warstwie, jak i w najbliższej. Niektóre z nich są jednostkami wejścia i powołani, aby otrzymywać z zewnątrz informacje. Te bloki są połączone z ukrytymi jednostkami, które przetwarzają dane i zajmują dużą część sztucznego mózgu. Wreszcie, bloki wyjściowe zajmująwyjęciem uzyskanych i przetworzonej informacji.

Połączenie między blokami charakteryzuje się liczbą, która nazywa się wagą i może być zarówno pozytywne (gdy jeden blok podnieca inny) lub negatywne (gdy jeden blok blokuje lub hamuje inny). Im wyższa waga tym względzie, tym bardziej jeden blok wpływa na drugi. Przypomina to, jak w żywym mózg komórki mają wpływ na siebie.

Informacja przepływa w нейросети na dwa sposoby. Gdy sieć uczy się lub działa normalnie po treningu, próbki informacji скармливаются jej przez bloki wprowadzania, a następnie docierają do bloków wyjściowych. Takie wspólne struktura nazywa się siecią z mechanizmem przewidywania zdarzeń. Jednak samo pojawienie się informacji jeszcze nie gwarantuje pobudzenie wszystkich bloków. Każda jednostka otrzymuje sygnał od swojego sąsiada, i takie sygnały są mnożone przez wagę więzi, które podróżują. Każdy blok dodaje do wprowadzająca dane otrzymane przez niego sygnał, a jeśli łączna kwota więcej wartości progowej, blok podnieca sąsiadujące bloki.

Aby sieć neuronowa studiował, należy obowiązkowa obecność sprzężenia zwrotnego: dokładnie tak samo dzieciom trzeba ciągle mówić o tym, co jest dobre, a co złe. W rzeczywistości sprzężenia zwrotnego korzystamy stale. Przypomnijcie sobie, jak uczyli się grać w kręgle: kiedy podnieść piłkę i obróć go w utworze, twój mózg czuwa nad prędkością ruchu kuli i za jego ścieżką. W zależności od wyniku rzutu następnym razem będziesz pamiętać, jak катали piłka ostatni raz, i będzie dostosować swoje ruchy do tego, aby osiągnąć dobry wynik. W ten sposób można było sprzężenia zwrotnego, aby porównać wynik z pożądanym i aby dostosować swoje działania w celu osiągnięcia sukcesu.

Нейросети uczą się w ten sam sposób, poprzez przetwarzanie sprzężenia zwrotnego, która otrzymała nazwę "metoda odwróconej dystrybucji błędy". On porównuje otrzymane dane wyjściowe z tymi danymi, które spodziewano się uzyskać, i wykorzystuje różnice między tymi danymi do dokonania zmiany wagi połączeń między blokami, zajęte w sieci. Ponadto zmiany dotyczą wszystkich połączeń: od bloków wejściowych do bloków wyjścia i z powrotem. Z czasem metoda odwróconej dystrybucji błędy pozwala szkolić sieć neuronową i sprowadzić do zera różnicę pomiędzy oczekiwanym a rzeczywistym wynikami.

Po tym jak sieć neuronową odbyło się szkolenie z użyciem odpowiedniej ilości przykładów, osiąga etap, w którym można nadać jej zupełnie nowy zestaw wprowadzenie powyższych danych, którego nigdy nie widziała, i śledzić jej reakcją. Na przykład, można wykazały нейросети ogromna ilość zdjęć krzeseł i stołów, maksymalnie dostępne tłumacząc jej różnicę między tymi mebli. Wtedy ty próbujesz pokazać jej zdjęcie kanapy i czekasz na wynik. W zależności od tego, jak skutecznie trenowali sieć neuronową, ona spróbuje przypisać widzieć do kategorii "krzesła" lub "stół", opierając się na posiadanym doświadczeniu. Właśnie takie procesy zachodzą w mózgu małego dziecka, który po raz pierwszy widzi jakiś przedmiot i próbuje przypisać go do listy pojęć, które są mu już znane.

Jeśli myślisz o tym, to jeden z tego przykładu już wystarczy do tego, aby zrozumieć, że sztuczne sieci neuronowe w procesie swojej ewolucji może mieć wiele praktycznych zastosowań. Na przykład, producenci samolotów już testują automatycznie studiujący systemu autopilocie, które nie są zaprogramowane z góry, a podejmują decyzje na podstawie otrzymywanych w czasie rzeczywistym sygnałów z deski rozdzielczej kabiny pilota i kierują statkiem powietrznym na podstawie otrzymanej informacji.

Weźmy, na przykład, bankowości. Wyobraź sobie, że zarządzasz bankiem, gdzie w każdej minucie realizowane są tysiące transakcji kartą kredytową. Нейросети można z powodzeniem stosować do wykrywania działalności, która jest sklasyfikowana jako nieuczciwe. Jako wprowadzenie powyższych danych można użyć następujące wnioski: 1) Ukazał się czy posiadacz karty osobiście? 2) Używany czy prawidłowy kod PIN karty? 3) Odbywało się czy w ciągu ostatnich 10 minut pięć lub więcej operacji na tej karcie? 4) czy jest karta w tym samym kraju, w którym zostało wydane?

Po Otrzymaniu wystarczającej ilości ingerencja, system jest w stanie automatycznie oznaczyć transakcji jako podejrzane, aby następnie pracownicy banku mogli podejmować decyzje o tym, czy należy podjąć w tym zakresie jakieś działania. Ponadto, sieć neuronową mogła pomagać bankom podejmowanie decyzji o tym, czy wydać klientowi kredyt, szybko analizując jego historię kredytową, bieżący dochód i zatrudnienie.

Ale takie zastosowania нейросетей podczas gdy znajdują się w fazie koncepcji i raczej nie wejdą w życie w najbliższym czasie. Dziś wiadomości na temat korzystania z tej technologii pochodzą głównie z przemysłu rozrywkowego. Pierwszą rzeczą, którą pamiętam нашумевшее aplikacja Prisma, która zamienia zwykłe zdjęcia w nieistniejących płótna wielkich artystów, a także skandaliczne serwis Findface, który pozwala na potajemnie robić zdjęcia twarzy człowieka znaleźć jego stronę Facebook. No i oczywiście, nie można nie przypomnieć eksperyment Yandex, gdy sieć neuronową, po zapoznaniu się teksty piosenek Jegora Летова, napisała hipotetyczny album grupy "obrona Cywilna".

Ale jeśli odstawić ironię, już dziśsieci neuronowe wnoszą w nasze codzienne życie jest o wiele więcej korzyści, niż można sobie wyobrazić. Jak myślisz, dlaczego w ostatnich latach w koncie stało się znacznie mniej spamu? W dużej mierze należy dziękować systemy komputerowe, które nauczyły się rozróżniać prawdziwe e-maile od korespondencji, której miejsce jest w śmietniku.

Dzięki нейросетям w ostatnim czasie również znacznie poprawił tłumaczenie maszynowe i podobne systemy już nie problem jeden z przypadkowych wartości słowa, a zbierane tłumaczenie w zależności od kontekstu, po zapoznaniu się gigantyczna ilość zdań w różnych językach.

Ale na tym etapie komputery według własnego poziomu świadomości porównywalne z dziećmi w wieku przedszkolnym. Jednak wszystko, co niezbędne do ich dalszego uczenia się jest: ilości danych nadal rosnąć, jak i mocy obliczeniowej procesora. Tak, że my, wyposażeni w popcornem, nadal obserwować, jak ten pomysł się rozwija i do czego to w końcu doprowadzi.