Сегодня существует масса сайтов и приложений (например, ThisPersonDoesNotExist (сайт), CaptionBot (сайт), FaceApp (приложение)), на которых они забавно совмещают картинки, придают цвет чёрно-белым фотографиям, распознают рукописный текст или речь и т.д. И это лишь малая часть возможностей ИНС. Их потенциал безграничен, хотя, конечно, на данный момент существенно уступает человеческому мозгу: по сравнению с нейросетями, мы спокойно можем разобрать речь собеседника в шумном помещении или узнать человека среди сотен других людей.
Искусственные нейронные сети умеют то же самое, но работают медленнее в сравнении с живыми существами. Современные технологии сильно продвинулись, и нет никаких сомнений, что через десять-пятнадцать лет нейрокомпьютеры догонят по своим возможностям человеческий мозг благодаря стремительному развитию нейросетей и искусственного интеллекта в целом: совсем недавно нейронные сети научились различать виды насекомых, предсказывать полноту измерений в квантовой томографии, а также помогли создать новые антимикробные препараты.
- ЧТО ТАКОЕ НЕЙРОННАЯ СЕТЬ, НЕЙРОН И СИНАПС? -
Рассмотрим представленные понятия с точки зрения биологии в силу того, что прототипом структуры искусственных нейронных сетей послужили, как ни странно, биологические нейронные сети.
Нейрон, то есть нервная клетка, представляет собой специфическую структуру в нашем организме, отвечающую за передачу внутри него любой информации. Синапс же является местом контакта между двумя нейронами и служит для передачи нервного импульса между двумя клетками. Таким образом, нейронная сеть, как можно догадаться, представляет собой некоторую последовательность (связку) нейронов, объединённых между собой синапсами.
Как уже было сказано, ИНС построены по тому же принципу. Они способны обучаться и в процессе обучения выявлять сложные зависимости между входными данными и выходными, а также выполнять обобщение – возвращаться верный результат на основании полученных данных.
Исследования в области биологии продолжаются и по сей день: учёные-нейробиологи обнаружили уникальную форму клеточного обмена в человеческом мозге. Это открытие утверждает, что мозг может быть более мощным органом обработки информации, чем предполагали экспериментаторы.
- КЛАССИФИКАЦИЯ -
Теперь, когда мы разобрали базовые понятия, пришло время рассмотреть классификацию. Нейронные сети делятся по типу входной информации, характеру обучения, (характеру) настройки синапсов, (характеру) связей и времени передачи сигнала. Разбор каждого пункта займёт много времени, поэтому подробно я разберу лишь два – по типу входной информации и по характеру обучения.
Классификация по характеру обучения:
· аналоговые;
· двоичные;
· образные.
Аналоговые нейронные сети используют информацию в форме действительных чисел; двоичные оперируют с информацией, представленной в двоичном виде; а образные работают с информацией, представленной в виде образов: знаков, иероглифов, символов.
Классификация по характеру обучения:
· с учителем;
· без учителя;
· с подкреплением.
Обучение с учителем предполагает наличие полного набора размеченных данных. Это означает, что каждому примеру в обучающем наборе соответствует ответ, который алгоритм и должен получить.
В обучении без учителя у модели есть набор данных (датасет), но нет явных указаний, что с ним делать. Нейронная сеть пытается самостоятельно найти взаимосвязь, извлекая и анализируя полезные признаки.
Обучение с подкреплением действует по принципу видеоигры. Агенты ИИ пытаются найти оптимальный способ достижения цели или улучшения производительности для конкретной среды. Когда агент предпринимает действия, способствующие достижению цели, он получает награду. Глобальная цель – предсказывать следующие шаги, чтобы заработать максимальную награду в конечном итоге.
- КОНЦЕПЦИЯ РАБОТЫ -
Представить принцип работы ИНС можно, даже не имея конкретных навыков. Общая схема (алгоритм) следующая:
1. На входной слой нейронов поступают определённые данные;
2. Информация передаётся следующему слою, причём каждый синапс имеет собственный коэффициент веса, а любой следующий нейрон способен иметь несколько входящих синапсов;
3. Данные, полученные следующим нейроном, – это сумма всех данных для нейронных сетей, которые перемножены на коэффициенты весов (каждый на свой);
4. Полученное в итоге значение подставляется в функцию активации, в результате чего происходит формирование выходной информации;
5. Информация передаётся дальше до тех пор, пока не дойдёт до конечного выхода.
Первый запуск нейросети не даст верных результатов, ведь она ещё не натренирована.
Перейдём к функциям активации, которые были упомянуты. Они используются в целях нормализации входных данных. Существует огромное количество, но хотелось бы выделить основные, имеющие самое широкое распространение. Главное отличие между ними – диапазон значений функционирования:
· линейная функция f(x)=x является наиболее простой и применяется либо для тестирования созданной нейросети, либо для передачи данных в исходной форме;
· логистическая функция (сигмоида) – в большей степени распространённая функция активации, её диапазон значений – от 0 до 1;
· гиперболический тангенс применяется для охвата отрицательных значений, если предусмотрены.
Остаётся только сказать, что для задания нейросети данных для дальнейшего оперирования ими, потребуются тренировочные сеты.
- КОМУ ВЫГОДНО? ГДЕ ПРИМЕНЯЮТ? -
КОМУ ВЫГОДНО?
Термин «нейронная сеть» появился ещё в 1943 году, но популярность обрел только в последние годы: посредством магазинов приложений стало распространяться ПО, созданное при помощи нейросетей, в колонках новостей запестрели заголовки о фантастических возможностях искусственного интеллекта. Сегодня нейронные сети используются во множестве сфер.
ГДЕ ПРИМЕНЯЮТ?
Нейросети для развлечений
ИНС пользуются люди, далёкие от математических моделей. Когда создатели ПО поняли, что нейросети – это как минимум весело, рынок приложений наводнился программами на их основе. Программы для обработки изображений, «старения», замены лиц на фото и видео моментально стали вирусными. На самом деле, это весомое оружие в век социальных сетей. Приложения могут не только позабавить – с ними можно здорово поменять внешность, причём сейчас всё это выглядит настолько натуралистично, что едва ли с первого взгляда заподозришь подвох.
Нейросети на службе правительства
Нейросети способны помогать правоохранительным органам искать преступников, бороться с наркобизнесом и терроризмом, быстро находить в интернете противозаконный контент. Однако ИНС можно применять как для поиска пропавших детей, так и для ужесточения контроля над населением.
Уже есть несколько примеров проектов внедрения искусственного интеллекта в России. В ГИБДД хотят научить нейросеть обнаруживать факт кражи автомобильных номеров: по изображению автомобиля сеть сможет установить, соответствует ли она своему номеру. Это поможет своевременно выявлять подделку или кражу номеров.
Нейросети и бизнес
Нейросети – настоящий подарок для бизнеса и горе для работников. Мы живём в эпоху, когда данные имеют огромную ценность. Мировые корпорации уже наверняка проанализировали ваш профиль в соцсетях и предоставляют вам персонализированную рекламу. Только представьте, что способности сетей искусственных нейронов к анализу и обобщению можно использовать для получения ещё большего массива знаний о потребителях. Например, в 2019 году компания McDonald’s наняла специалистов по разработке ИНС для создания индивидуальной рекламы. Потом не удивляйтесь, откуда бизнес знает о том, какую еду, одежду и косметику вы предпочитаете.
Нейросети в сфере искусства
Что будет, если нейросеть познакомить с шедеврами мировой живописи и предложить написать картину? Будет новое произведение искусства. Предложите нейросети сочинения Баха – и она придумает похожую мелодию, книги Джоан Роулинг – напишет книгу «Гарри Поттер и портрет того, что похоже на большую кучу золы». Книга «День, когда компьютер написал роман», созданная японской нейросетью, даже получила премию.
Специалисты компании OpenAI заявляют, что их программа по созданию текстов пишет любые тексты без человеческого вмешательства. Тексты за авторством нейросети не отличаются от тех, что написаны человеком. Робби Баррат научил ИНС живописи настолько, что теперь она уходит с молотка как шедевры искусства. Появились нейросети-композиторы и даже сценаристы. Сеть от Яндекса произвела на свет пьесу для симфонического оркестра с альтом и альбом, а позже начала писать музыку в стиле известных исполнителей.
Удивительно, как органично нейросети вписались в мир современного искусства. Получим ли мы робота-Толстого через пару лет? Сможет ли нейросеть постигнуть все глубины человеческих проблем и чувств, чтобы творить не компиляцию, а настоящее искусство?
Нейросети в медицине
Нейросети уже помогают улучшить качество диагностики различных заболеваний. Анализируя данные пациентов, искусственный интеллект способен выявлять риск развития сердечно-сосудистых заболеваний. Обученная нейросеть прогнозирует вероятность инсульта точнее, чем обычный врач по общепринятой шкале.
В открытом доступе появились даже приложения для диагностики на основе нейросетей, например SkinVision, которое работает с фотографиями родинок и определяет доброкачественность или злокачественность вашего невуса.
- ПРЕИМУЩЕСТВА И НЕДОСТАТКИ -
ПРЕИМУЩЕСТВА
Шум входных данных
Представьте стадион с его тысячами посетителей. Громкая музыка, болтовня людей, все веселятся и поют, а вы с другом беседуете о чём-то своём, сидя на трибуне. Ваши уши улавливают тонны ненужных звуков, но мозг их фильтрует и воспринимает только то, что говорит собеседник. Подобное качество есть и у нейросетей. После обучения они способны воспринимать только нужную им информацию, несмотря на посторонние шумы (лишнюю информацию).
Адаптация к изменениям
Допустим, у вас установлено некое приложение, на протяжении долгого времени оно не обновлялось, однако сегодня утром пришло обновление. Посидев минуту-другую, вы ознакомились с новым функционалом и готовы использовать приложение. Незначительные изменения не вызвали у вас никаких проблем. То же и с ИНС. Возможность адаптации нейросетей к изменениям позволяет им работать в правильном режиме всё время. Самообучение – самое важное свойство искусственных нейронных сетей.
Отказоустойчивость
Бывают случаи, когда человеку по причине болезни удаляют часть мозга, при этом на работоспособность пациента это практически не влияет. Всё благодаря тому, что остальная часть мозга берёт на себя функции удалённой. Может и не в полной мере, но человек имеет возможность продолжать жить и наслаждаться жизнью. Аналогичное свойство присуще искусственным нейросетям, когда при повреждении некоторого количества нейронов, выдаваемые ответы системы в общем логичны и правильны.
Быстрота работы
Каждый из нейронов, по сути, является микропроцессором, но, поскольку нейронная сеть состоит из тысяч таких нейронов, между которыми распределяется задача, её решение происходит очень быстро – намного быстрее, чем при использовании обычных алгоритмов решения.
НЕДОСТАТКИ
Приблизительный ответ
Нейронные сети не способны выдавать точный ответ. Они могут дать лишь правильный ответ, который будет отличаться от неверного всего на несколько процентов, и с этим ничего не поделаешь.
Многошаговые решения
Искусственная нейросеть не способна шаг за шагом решить задачу, потому что каждый нейрон является независимым и решает свою часть задачи так, как посчитает нужным. Грубо говоря, ему всё равно, что там решил нейрон-сосед.
Вычислительные процессы
ИНС не могут решать вычислительные задачи из-за двух вышеописанных недостатков. Представим, что нужно решить какое-нибудь уравнение. Мы знаем, что решать его необходимо в последовательном режиме, а ИНС, увы, этого не умеет.
- ЗАКЛЮЧЕНИЕ -
К какому же выводу можно прийти? Нейросети стремятся сделать мир более персонализированным. Не всегда идеально, но на сегодняшний день искусственный интеллект способен выполнять человеческие задачи, из-за чего миллионы квалифицированных специалистов могут постепенно лишиться рабочих мест, так как работодателю будет проще запустить нейросеть, чем нанимать живого человека.
По тонкому замечанию Антона Балакирева, руководителя интернет-портала «Robo Sapiens», нейросети не уходят на пенсию, не страдают алкоголизмом или депрессией. Они – идеальный работник.
Однако не везде, куда приходит машинное обучение, оно вытесняет людей. Если нейронная сеть ставит диагнозы лучше живого врача, это не значит, что в будущем нас будут лечить исключительно роботы. Вероятнее, врач будет работать вместе с ИНС. Аналогично, суперкомпьютер IBM Deep Blue выиграл в шахматы у Гарри Каспарова ещё в 1997 году, притом люди из шахмат никуда не делись, а именитые гроссмейстеры до сих пор попадают на обложки глянцевых журналов.
Машинный интеллект по-прежнему не может заместить человеческий мозг. В вопросах ответственности, норм морали и нравственности, а также критических систем безопасности нельзя всецело полагаться на нейросеть, пускай она и умнее нас.
