Среди множество программных комплексов, автоматизирующих тот или иной аспект деятельности бизнеса или производства, самыми близкими к нейронным сетям являются экспертные системы.
В них программным путем «зашивается» опыт многих экспертов и рассчитываются значения каких-то коэффициентов. Результатом работы являются выводы, прогнозы или рекомендации, выдаваемые пользователю через специальный интерфейс. Логика получения ответов явно прописывается в алгоритмах комплекса.
Нейронные сети же строятся на основе математической модели искусственного нейрона, предложенной У. Маккалоком и У. Питтсом. Это подразумевает некоторую универсальность в подходах к построению модели объекта, его свойствах и взаимодействий.
Благодаря дальнейшим теоретическим работам в этой области стал возможен переход от чисто академических изысканий к практически работающим системам. Это вызвало взрывной интерес к открывающимся возможностям и опасностям.
Что же отличает нейронные сети от всех прочих систем и сетей?
- Главную роль в способности нейронных сетей находить пути решения проблем играет их обучение и даже самообучение.
- В данных, разбитых на большое количество параметров, нейронные сети способны находить скрытые, неочевидные закономерности и предсказывать поведение исследуемой формации в будущем. Их прогностические способности возрастают с обучением.
- Работа с гигантскими объемами информации (Big Data) благодаря параллельным вычислениям, распределенным по разным серверам или в облачной среде.
- Обработка данных высокой степени сложности, включая тексты (в т. ч. рукописные), изображения, звуки, сигналы, меняющиеся во времени.
- Нейронные сети гибки и адаптивны.
Если вы имеете дело со структурой, которая время от времени меняет (даже если кардинально) свое поведение, то обычный программный комплекс, скорее всего, пришлось бы переписывать заново. А нейронкам достаточно переобучиться на новых данных. Они способны изменять даже собственные параметры в реальном времени.
Широк спектр разнообразных «трудных» задач, решаемых нейронными системами:
- Плохо алгоритмизируемые задачи по оптимизации, особенно с нечеткой логикой. Или требующие перебора всех вариантов. Что часто просто нереально.
- Перевод с иностранных языков.
- Распознавание речи, критических событий и ситуаций.
- Классификация и кластеризация малоизученных объектов.
На уровень практического и даже коммерческого применения вышли сети, способные:
- «Понимать» информацию и отвечать на разнообразные вопросы. Самая известная нейронка в этой области — ChatGPT.
- Отдельно стоят сети, разработанные под конкретные нужды бизнеса.
Кроме того, велика необходимость в структурах, обрабатывающих большой объем информации и дающих рекомендации в реальном режиме времени. А также принимающих решения, особенно там, где желательно исключить человеческий фактор (системы оповещения, беспилотного транспорта и пр.).
Количество рабочих нейронных сетей уже измеряется тысячами. Как правило, они нацелены на решение конкретных проблем.
При решении всего множества задач нейросети применяют и большое количество инструментов.
А высший пилотаж — это экспертная нейронная система.
Какой же основной принцип лежит в основе работы нейронок, что заставляет предполагать, что они умеют думать, анализировать, делать выводы и принимать решения? Если вообще умеют.
Об этом поговорим в ближайших статьях.
PS.
Если кликнуть по названию канала, то увидите другие статьи. Можно выбрать еще что-то интересное для себя. А для просмотра будущих статей и поддержки автора — лучше вообще подписаться.
Имеется также постоянно обновляемый гид-путеводитель по статьям канала.
#нейросеть #нейронныесети #ИИ #AI #neuralnetworks #искусственныйинтеллект