Знакомимся с нейронными сетями

Нейронные сети — что мы вообще о них знаем? Попробуем понять, что они из себя представляют, как люди о них узнали и для чего начали использовать в современном мире умных технологий.

Нейронные сети: определение

Если мы откроем сайт Википедии (Свободной энциклопедии), то, отбросив много лишних заумных фраз, находим следующее (пересказываю, не списывая готовую и сложную для понимания информацию) — нейронные сети — это некая математическая модель, состоящая из трех типов нейронов:

  • входящие нейроны;
  • скрытые нейроны;
  • выходные нейроны.

У любого живого организма есть целая сеть нервных клеток. Об этом свидетельствуют многочисленные результаты исследователей человеческого мозга (о как!).

Ученые попытались воссоздать нечто подобное, но в искусственном варианте. Их труды привели к положительному результату. Была полностью смоделирована структура нейронных связей. Искусственные нейроны дали возможность (благодаря обучению — да, да! — нейроны могут обучаться!) использовать их в получении определенных сигналов, их передаче по всей нейронной сети и последующей выдаче результатов очень сложных задач.

Интересно, что нейронные сети невозможно спрограммировать как обычную компьютерную схему. Нейронные сети обучаются!

Входные и выходные данные различаются благодаря процессу обобщения. Факт того, что выходные данные существенно отличаются от входных — это просто феноменально. Искусственная система работает почти одинаково с живым человеческим мозгом.

Здесь я пропускаю скучную хронологию исследования, моделирования нейронной сети и перехожу к самым интересным пунктам: как же она используется человеком и какие чудеса может творить.

Возможности нейронной сети

Нейронные сети являются настоящим прорывом в области науки и техники. С помощью этих умных сетей разрабатываются целые системы, которые, в свою очередь, нацелены на автоматизацию рутинных процессов. Да и вообще здорово помогают человеку решать многие интеллектуальные (и не только) задачи.

Пока невозможно (а может уже и возможно) заставить сети нейронов принимать самостоятельные решения для выполнения тех или иных заданий.

Предположим, мы предлагаем искусственному нейронному соединению некие объекты: рисунки, звуки, буквенные обозначения какой-то информации. Начинается процесс обучения.

Сеть начинает сравнивать, обобщать, классифицировать разные объекты с заданным образцом. Т.е. на выходе ей предоставляется то, что требуется. Только тогда сеть будет выбирать нужную информацию из той, что была на входе.

После прохождения обучения сеть может легко и быстро определять, что требуется и почти молниеносно выдавать результат.

Этапы обучения нейронной сети

Обучение нейронки проходит ряд обязательных этапов:

  • собирается информация (данные) для обучения;
  • готовятся данные для выхода;
  • подбираются и предлагаются различные характеристики информации;
  • обучение и проверка результатов;
  • исправление выдачи ошибочных решений нейронной сети и окончательное обучение.

Самое сложное из этой системы — выбрать данные для начала обучения нейронной сети. Информация должна быть преобразована в тот вид, в котором ее можно предложить на входе. Данные заносятся и сохраняются в файл и содержат все необходимые значения, которые сеть должна будет выбрать перед тем, как выдаст выходную информацию.

В процессе обучения сеть просматривает последовательно или случайно выборку информации. Этот просмотр может быть не разовым.

Повторные просмотры выборок дают более эффективный выход и качественное обучение нейронной сети.

Не всегда сеть обучается правильно. Иногда ее обучение уходит в сторону от задуманного создателем. Например: даем сети несколько вариантов женского пальто. Все модели изображены на одном фоне. Как результат, сеть научилась ориентироваться только на этот фон, хотя требовалось распознавать модели пальто.

Таким образом, чтобы обучить нейронную сеть хорошо, понадобится много усердия. А это может стать довольно сложной задачей для «учителя».

Самостоятельное обучение сети

Нейронные сети могут обучаться без учителя, т.е. практически самостоятельно.

Для такого типа обучения используются самоорганизующиеся карты, которые представлены в форме визуализации и анализа информации (данных).

Данные поступают в сеть одновременно на все нейроны. Данные как бы перебираются и выдается «информация — победитель».

Примеры использования нейронной сети

Есть данные, которые выданы за определенный период времени. Задача — спрогнозировать эти данные на будущее.

Моделируется цепочка данных на сегодня, вчера, позавчера.

Следующая цепочка — данные смещаются на один, два, три дня и так далее.

Далее начинается обучение сети, а в конце сеть может выдавать данные на завтра, послезавтра и последующие дни с размером в один или более шагов (периодов, дней и т.д.).

Самым наглядным примером использования нейронных сетей можно назвать поисковую систему. Яндекс или Гугл, или какая другая поисковая выдача, всегда использует нейронные сети, чтобы конкретному человеку показать именно то, что более ему релевантно.

Прежде сеть собирает данные о пользователе, а затем уже предлагает нам то, чем мы интересовались ближайшее время, что покупали, на каких страничках Интернета гуляли.

Релевантность подачи данных при этом просто поражает (лично меня). Такое впечатление, что какой-то объект следит за мной постоянно, а затем показывает мне, что мне подходит.

Голосовое распознавание запроса — это еще одна мощная возможность нейронной сети выдать информацию. Теперь мы можем голосом попросить показать нам что-то, включить устройства (музыку, телевизор, пылесос и т.п.), а искусственные системы сделают это по нашей просьбе. Разве это не чудо?

Автомобили, оснащенные нейронными системами управления, совершенно не нуждаются в водителе. Они прекрасно ориентируются в любой местности, не допуская столкновения с любыми объектами и в совершенстве соблюдают все правила дорожного движения.

А как вам способность нейронных сетей изменить вашу внешность в графическом редакторе? Поменять пол, возраст и т.п. — это делается в фотошоп или другом редакторе за пару секунд.

Чем искусственные нейронные сети отличаются от человеческого мозга

В некоторых направлениях искусственные сети уже значительно превосходят возможности человеческого мозга: они быстрее и навсегда запоминают предоставленную им информацию.

Но по качеству выдачи данных пока что сеть уступает. Ведь естественные нейронные связи более сложный механизм, нежели созданная искусственным путем сеть нейронов.

Таким образом, нейронные сети позволяют сделать то, что человеческий мозг мог бы (возможно бы мог) сделать за тысячи лет. А так как у нас нет такого временного жизненного промежутка, то с помощью сетей нейронов мы можем посмотреть на жизнь уже сейчас с другой стороны.

Оценки
( Пока оценок нет )
Логоправ!
Добавить комментарий

  1. Лёха

    О, какая интересная статья про нейронные сети. Всегда думал, где они живут и чего делают

    Ответить
    1. admin автор

      Рада, что статья понравилась.

      Ответить
  2. Анна

    Разве нейронные сети это не одно и то же с искусственным интеллектом?

    Ответить