Паутина искусственного интеллекта

Паутина искусственного интеллекта

Введение

Что лучше – компьютер или мозг? Спросите у большинства людей, хотели бы они иметь мозг, как компьютер, и большинство из них наверняка согласятся. Но посмотрите на ученых, которые последние пару десятилетий изо всех сил пытаются сделать компьютеры, похожие на мозг! Что же произойдет, если совместить лучшее из технологического и биологического миров – систематическую мощность компьютера и плотно связанные между собой клетки мозга? Вы получите превосходно работающую нейронную сеть. Но зачем? Скоро мы получим ответ на этот вопрос.

Введение в ИИ и нейронные сети: лекция

Компьютер или мозг?

Обычно компьютерный код функционирует линейно, он состоит из нулей и единиц, то есть истинных и ложных утверждений соответственно. Но что, если нам нужно обработать данные, которые невозможно представить в простом виде “истиналожь“? Что, если мы хотим, чтобы компьютер был не просто интерпретатором, а больше походил на человеческий мозг?

Нейронные сети, как вы можете догадаться по терминологии, – это решение, позволяющее нашему компьютеру функционировать почти как настоящий головной мозг. Большую роль в процессах обработки информации у человека играют нейроны головного мозга. Именно они позволяют ему понимать и правильно интерпретировать информацию, которая поступает в органы чувств из окружающей среды.

Базовый микропроцессор имеет около 50 миллионов транзисторов

Нейрон в техническом понимании – функция, которая несколько входных фактов превращает в один выходной. Внутри компьютера его эквивалент – микроскопическое переключающее устройство, называемое транзистором. Новейшие микропроцессоры содержат более 2 миллиардов транзисторов; даже базовый микропроцессор имеет около 50 миллионов транзисторов, которые упакованы в схему площадью всего лишь 25 квадратных миллиметров. Однако изъян «транзисторного мозга» в том, что транзисторы в нем соединены относительно простыми последовательными цепями (каждый из них связан лишь с двумя или тремя другими в базовом расположении, известном как «логические ворота»), в то время как нейроны в мозге плотно соединены сложными, параллельными способами (каждый из них связан, возможно, с 10 000 своих соседей). Теперь понятно, почему так сложно создать нейронную сеть, которая напоминала бы функционирование настоящего мозга.

Нейросети Большой скачок

Функционал нейронной сети

Основная идея нейронной сети заключается в моделировании множества плотно связанных между собой клеток мозга внутри компьютера так, чтобы он обрел способность изучать вещи, распознавать закономерности и принимать решения подобно человеку. При этом он мог бы учится сам по себе, как мозг!

Искусственная нейронная сеть (ИНС)

Искусственная нейронная сеть (ИНС)

Нейрон (как функция) не работает в двоичном коде. В отличие от компьютерного кода, он собирает входные данные от других нейронов, суммирует их, и если полученное значение больше какого – либо заданного, он подает сигнал. Таким образом, вместо определенного числа комбинаций нулей и единиц (истинных и ложных высказываний), существует некоторое число возможностей.

Как работает Bitcoin? Все технические детали за 20 минут | BitNovosti.com

Виды нейронных сетей

Виды нейронных сетей

Рассмотрим функционал нейронной сети на простом примере. Представим, что вы, встречая нового человека, задаетесь вопросом: «Смогу ли я с ним дружить или нет?». Чтобы ответить на него, вы рассматриваете две вещи выглядит ли он дружелюбным и совпадают ли ваши взгляды на мир. Каждое из этих предположений оказывается либо истинным, либо ложным (1 и 0 в компьютерном коде). Но вам не нужен друг, с которым у вас разные интересы и мнения, даже если он дружелюбен. При это для каждого из нас какой-то из параметров важнее других. Так, каждый параметр имеет «влияние» или вес. Наконец, получаем простую схему работы нейронной сети: «Если сумма веса параметра «дружелюбность» и параметра «одинаковые взгляды» больше значения «дружба», то этот человек будет для меня хорошим другом».

Обучения нейросети

Обучения нейросети

Обратная связь

Чтобы нейронная сеть адекватно функционировала, ее необходимо правильно настроить. Грубо говоря, мы можем изменять число и вес входных параметров и смотреть, что из этого выйдет. Нейронная сеть обучаема, и чем больше мы ей уделяем внимания, чем больше правок мы вносим, устраняем ошибки, тем выше впоследствии будет ее процент точности. Для того чтобы нейронная сеть научилась, в ней должен быть элемент обратной связи – человек должен постоянно сообщать ей, что она делает правильно или неправильно. Обратная связь нужна для того, чтобы сравнить результат, который вы хотели, с тем, что произошло на самом деле, понять разницу между ними, и использовать это, чтобы исправить ошибку.

Машинное обучение и искусственный интеллект

Работа с входными данными

Компьютер, работающий на базе нейронной сети, во-первых, обладает большей вычислительной мощностью, у него больше возможностей исследовать и вернуть пользователю правильный ответ, а сам юзер получает несколько форм ввода данных.

Разберемся с последним пунктом. Представьте себе предложение со словом “сердце“. Учитывая контекст этого слова (в данном случае остальная часть предложения), вычислительная система нейронной сети сможет понять, имеем ли мы ввиду биологическое сердце человека или животного, сердце как символ любви или любое другое значение. Возможность компьютером многозначной интерпретации входных данных открывает ряд новых возможностей в сфере высоких технологий.

Что умеют делать нейросети

Однако используя простые нейросетевые алгоритмы, можно получить точность только до 97%, в то время как нужды человечества требуют 99% точности и выше. На помощь приходят многослойные (многоуровневые) нейронные сети, точность которых зачастую даже превышает 99% при интерпретации входных данных. Эти многоуровневые нейронные сети должны быть обучены: все возможные формы восприятия должны быть известны заранее.

Работу нейронных сетей мы видим на примере работы алгоритмов Фейсбука. Изображения людей, помеченные на Фейсбук, распознаются благодаря многослойным нейронным сетям. Так работает и постоянно развивающаяся персонализация интернет–контента. Появляются модели телефонов со специальным чипом, который сохраняет данные пользователя, а затем, не без помощи нейронных сетей, персонализирует новостные ленты, обои, интерфейсы, рекламу и дает рекомендации относительно контента конкретному человеку.