189,5K подписчиков

Для чего создаются самообучающиеся нейронные сети?

942 прочитали

 Говоря простым языком, нейросети  - это связанные между собой простые процессоры, которые вместе способны решать сложные и объемные задачи.

Говоря простым языком, нейросети - это связанные между собой простые процессоры, которые вместе способны решать сложные и объемные задачи. Система этих процессоров имеет способность обучаться и объединять разные данные воедино, делать выводы, собирать целостную картину из гущи информации. Удивительно, но это реально существующая и работающая технология.

Не так давно Algorithmia представила два бесплатных онлайн проекта, чтобы продемонстрировать возможности своих разработок оба они выполняют вроде бы простые но интересные задачи. Функция первого - распознавать ландшафты и объекты на фотографиях, что очень занятно и полезно. Чем полезно? Только представьте, что будет если совместить эту технологию с технологией дополненной реальности. Такая программа могла бы анализировать окружающую вас обстановку и выдавать информацию о любом необходимом предмете. Классно же, согласитесь!

А вот второй проект уже успел нашуметь в интернете, он раскрашивает черно-белые фотографии, придавая объектам на снимке практически стопроцентно соответствующие цвета. Это не просто интересно - это удивительно! Программа понимает фото, понимает какой цвет нужно куда разместить и на это ей нужно не несколько часов, а несколько секунд.

Пример работы нейросети по раскрашиванию фотографий
Пример работы нейросети по раскрашиванию фотографий

Вообще, нейросети используют уже несколько лет в разных сферах жизни. Например, в искусстве. Рижский художник, используя нейросеть, создал несколько занятных экспонатов. Он привлек к работе нейросеть для того, чтобы она проанализировала все возможные способы создания экспонатов и предложила самый оптимальный, классно же и удобно.

Крупные компании не смогли пройти мимо такой технологии, например Google использует нейросеть для снижения расходов. Дело в том что ребятам из Google всегда приходилось отдавать огромные деньги за оплату электричества, им это надоело и они обратились к компании Deepmind, которая и разработала для Гугла нейросеть, которая следит за состоянием серверов, регулируя температуру. Как говорят представители Deepmind, их программа позволила сократить расходы google на электричество почти на 40 процентов.

Яндекс успешно экспериментирует с музыкой: нейронные сети компании уже записали два альбома: в стиле "Гражданской обороны" и "Nirvana". Другая разработка - Yandex Data Factory способна оценивать влияние промоакций на продажи.

Многие крупные технологические компании, такие как Google, Uber, Яндекс уже давно ведут разработку беспилотных автомобилей, в своей работе они опираются на нейросети. Автопилот с искусственным интеллектом в таких автомобилях отвечает за распознавание окружающих объектов (автомобилей, пешеходов и пр.)

Приблизительно так видит окружаиющий мир искусственный интеллект беспилотного автомобиля
Приблизительно так видит окружаиющий мир искусственный интеллект беспилотного автомобиля

Нейронные сети также помогают распознавать возможные случаи мошенничества. Такой инструмент используется, компанией PayPal – в части противодействия отмывания денег. Нейросеть компании оценивает миллионы операций с деньгами и выявляет среди них подозрительные. В результате, в PayPal мошеннические транзакции составляют рекордно низкие 0,32%, тогда как в среднем финансовом секторе — 1,32%.

Нейронные сети сейчас меняют работу целых отраслей. В обществе наблюдаются противоречивые реакции: у одних людей возможности нейросетей вызывают восхищение , а другие сомневаются в их полезности.

Однако, не всегда нейросеть, вытесняет людей. Если нейросеть будет определять диагноз точнее живого доктора, это еще не значит, что в будущем будут лечить только роботы. Скорее всего, врачи будут работать вместе с нейросетью.

Аналогично, суперкомпьютер IBM Deep Blue выиграл в шахматы у Гарри Каспарова еще в 1997 году, однако люди из шахмат никуда не делись, а именитые гроссмейстеры до сих пор попадают на обложки глянцевых журналов.

Если Вам понравилась статья поставьте лайк и подпишитесь на канал НАУЧПОП . Оставайтесь с нами, друзья! Впереди ждёт много интересного