В нулевых годах, когда я изучал программирование, делал тестовые программки, где ты пишешь что-то в терминале, а программка тебе отвечает в зависимости от того, что ты написал, что вызывало бурный восторг и у меня и у окружающих. Однако это не было нейросетью, а просто последовательные условные операторы: если юзер написал то - ответь так, а написал другое - сяк, если написал то, чего нет в программе - ответь, чтобы он переформулировал вопрос. В мое оправдание, в то время, машинное обучение, одним из самых распространенных вариантов которого являются нейронные сети, было доступно “не только лишь всем” (с). Сейчас, когда компьютеры стали мощнее, а программисты - ленивее, эта технология доступна всем, надо лишь ее правильно применить.
Итак, как же эта магия работает? Вряд ли там 100 миллионов условных операторов на все случаи жизни. А как тогда оно работает? Давай разбираться!
По сути, каждый “нейрон” в нейросети - это математическая модель живого человеческого нейрона. Математическая функция, которая преобразует входы в выходы. Допустим, у нас есть задача идентификации автомобиля с фотографии камеры, обнаружившей нарушение. Нам нужно найти автомобильный номер. Лично я безошибочно найду его, все по тому, что я этому научился. Точно так же обучаются и нейронные сети: обучение может быть с учителем и без него. Например, если мы обучаем узнавать автомобильные номера под присмотром специалиста, то заготавливаем тысячи картинок с автомобилями и их номерами, а потом учим нейронную сеть: вот, номер здесь, а на этой фотографии - здесь и таким образом сеть обучается и со временем начинает безошибочно определять номер. А вот как именно эти нейроны связаны друг с другом и как они взаимодействуют - расскажу в следующих статьях. Продолжение следует, так сказать. Подписывайся и зови друзей!