Нейронные сети – что это, как работают, новости

Нейронные сети – что это, как работают, новости, плюс видео обзоры

Что такое искусственная нейронная сеть?

Именно искусственная, потому, что есть и биологическая нейронная сеть, с которой и была взята основа.  Всё одновременно и просто и сложно. Попытаемся начать разбираться в этом хоть и непростом, но крайне интересном вопросе.

Ведь уже сейчас нейронные сети, как направление развития искусственного интеллекта способны с точностью человека определять, что изображено на картинках, распознавать звуки, на основе этого появились различные сервисы типа Photos от Google, Cortana, мгновенные голосовые переводы в Skype и т.д.

Искусственная нейронная сеть – это некий математический алгоритм, который работает по принципу нейрона в нашем мозгу с возможностью самообучаться, да именно развиваться, путём проб и ошибок. Это значит, что были созданы математические алгоритмы обработки данных по принципу работы нейронов в нашем мозге, которые постоянно обрабатывают информацию от различных органов чувств – зрение, слух, обоняние, осязание и т.д.

Вообще учёные и изобретатели часто перенимали многие конструкции и механизмы работы у природных организмов и систем.

Так вот ещё около 70 лет назад, учёные уже начали разработки по созданию первых нейронных сетей на основе имеющих тогда ламп накаливания и т.д.

Конечно всё было крайне просто, но основы были заложены тогда и, к сожалению работа по развитию нейронных сетей была приостановлена до появления технически более развитых средств. Плюс знания по улучшению искусственных нейронных сетей расширялись вместе появлений всё новых сведений по функционированию мозга человека.

Как работают нейронные сети?

Хотелось бы обратить внимание на такое момент, как многослойная обработка данных, до того чтобы получить результат. Что это значит?

На примере глаза, мы можем узнать, что зрение работает, начиная с фиксации сетчаткой точек света и тьмы, потом в первичной зрительной коре определённые нейроны активизируются, передавая полученную информацию дальше в высшие области зрительной коры, где данные обрабатываются на более высшем уровне, определяя более сложные объекты, предметы.

И так далее, вплоть до появления картинки в нашем мозгу, то есть данный процесс состоит из какого-то количества слоёв обработки, на каждом этапе свой функционал. Также работают искусственные нейронные сети, создав нужный многослойный математический алгоритм обработки данных, в него просто добавляются различные единицы информации, чтобы на выходе получить какой-то результат.

То есть смотрите, если ИНС нужно распознать картинку, то принцип действия соответствующего алгоритма будет примерно таков:

1. Первая часть алгоритма начинает определять яркость каждого пикселя;
2. Вторая часть алгоритма займётся обнаружением кромки и линии, полученные группой одинаковых пикселей;
3. Третий слой займётся на основе полученной информации от первых двух, распознаванием формы и текстуры;
4. Четвёртыая часть может уже начать классифицировать, к чему из известных в базе объектов может относится полученный объект.

То есть принцип работы от простого к сложному. К примеру, чтобы узнать что нарисована собака нам нужно убедиться, что там есть определённая форма, размер, отличительные признаки, цвет, только у нас в мозгу это происходит значительно быстрее и сложнее, а в ИНС принцип работы такой же только упрощённый.

К примеру, компания Google на одной из конференций сообщила, что её сервис Google Photo на данный момент использует 30 разных слоёв для осуществления поиска по фотографиям.

ИНС заняты не только в распознавании изображений, хотя сейчас это один из самых продвинутых способов развития ИНС.

ИНС успешно перешли на распознавание звуков и речи. Опять же ступенчато, начиняя с распознавания звуков их сочетания, соединения в слова, потом фразы и в итоге получаем осмысленную речь, которую только что наговорили в Skype, а он уже автоматически перевёл её на другой язык и воспроизвёл собеседнику.

В общем, принцип работы я думаю понятен, но вначале я сказал о возможности самообучаться, это один из самых захватывающих нюансов этой темы.

Что значит, ИНС могут самообучаться?

Дело в том, что ИНС для своей работы должны постоянно получать поток данных (сотни и тысячи и больше картинок к примеру), результат определения которого в конечном счёте может меняться от малейшего изменения входящих данных. Полученные результаты постоянно сравниваются с эталонными потом база обновляется и дополняется в зависимости от успешности выполненного распознавания.

Но, что интересно, если проанализированный объект определён неправильно, то включается метод обратного распространения ошибки, чтобы найти более точный ответ. Программа возвращается послойно назад и вносит коррективы в обработку данных.

То есть алгоритм сначала будет потоянно ошибаться, неважно сколько попыток было сделано, главное что в процессе обратного хода и внесения корректировок рспознавания, в конечном итоге программа получит верный вариант и, соответственно цепочка определения разных данных станет верна на каждом из этапов, они будут одобрены и внесены в базу, что впоследствии даст возможность использовать их более праильно.

Именно этот процесс, ошибка – возврат и проба другого способа и делает ИНС подобно мышлению и обучению человека, потому именно так обучаемся и мыс вами.

И именно сейчас, когда интернет получил столь широкое распространение, а значит наполнился огромным количеством данных, то через ИНС можно пропускать огромные массивы данных, к примеру, картинки с описанием того что на них изображено и алгоритм, должен выстроить логическую цепочку которая точно или почти точно распознает это. Или те же фильмы, диалоги из которых изучаются ИНС чтобы понять о чём идёт речь.

Думаю теперь частично принцип работы ИНС стал понятней, чтобы пробраться в дебри работы самого алгоритма ИНС, понятно что потребуются значительные усилия, пока так сразу углубляться не будем, лучше постепенно со временем.

Rempc.by