Ты каждый день читаешь новости и видишь, как новый ИИ отлично решает очередную задачу, за которую тебе пока платят деньги, а ты даже не разобрался в устройстве простых нейросетей? Стали закрадываться мысли, а нужно ли самому изучать и создавать нейросети, если все сделают за тебя гораздо лучше и уже не догнать? В таком случае читай эту статью и ты найдешь для себя ответ.
Уровень применения нейросетей
С чего начинается опасение бессмысленности изучения и самостоятельного создания нейросетей? Ответ простой, с масштаба происходящего вокруг. У тебя на слуху есть такие модели, как:
- Kandinsky;
- ChatGPT;
- GigaChat;
- YandexGPT;
- Midjourney;
- и т.д.
Сейчас я раскрою тебе страшную тайну - это не нейросети. Да именно так, это не нейросети, а модели. Фактически в этом списке представлено два типа моделей: языковая и графическая.
К языковой модели относятся:
- ChatGPT;
- GigaChat;
- YandexGPT.
К графической модели относятся:
- Kandinsky;
- Midjourney.
А что входит в модель? Вот это правильный вопрос. В модель входит ряд инструментов:
- продукционные модели;
- нечеткие продукционные модели;
- нечеткая логика;
- самоорганизующиеся карты;
- классификаторы;
- нейросети;
- генетические алгоритмы и т.д.
Поверь, это только часть инструментов, которые используются в этих моделях. Заметил, как скрытно в этом списке прячется пункт под названием нейросети? Прежде чем переходить к следующему абзацу, подумай, а почему нейросети являются только одним из инструментов, а не основным.
А все потому, что нейросети, как и другие инструменту умеют решать только одну задачу - это классификация. Именно классификация. А как же прогнозирование, распознавание и т.д? А это все абстрактный уровень, т.е. абстракция, с которой работает разработчик и настраивает сеть на решение той или иной задачи. Но основной принцип работы нейросети, это взять большую кучу данных, найти в них какую-то закономерность и отнести по найденным признакам к определенному классу.
У тебя должен появиться вопрос: а разве нельзя в таком случае воспользоваться обычными классификаторами? Важно понимать, что классификаторы работают с уже четкими признаками, по которым они классифицируют, т.е. это линейная работа. А вот нейросети использует в тех случаях, когда набор данных не имеет явных признаков. Другими словами есть просто куча с наваленными данными, из которой нужно вначале вычленить какие-то признаки, а уж потом разделять по классам.
Теперь возвращаемся к вопросу - а нужно ли сегодня создавать нейросети самостоятельно? Ответ: конечно же да! Почему? Сейчас объясню.
Перспективы для создания нейросетей самостоятельно
Мы максимально упростили понимание нейросетей и выяснили, что они получают на вход какой-то набор данных, а возвращают в виде ответа класс, к которому относится этот набор. А вот что происходит между входом и выходом? Там происходит самая важная и абсолютно индивидуальная для каждой нейросети процедура, это обучение.
А что такого индивидуального в этого обучении? Подавай данные на вход сети и говори ей, что при этом хочешь увидеть на выходе. Ага, звучит легко. А вы когда-нибудь создавали свою собственную, полноценную, обучающую выборку?
Это очень сложный процесс. В первую очередь нужно собрать набор данных для обучения, затем нужно указать какие входы к какому классу относятся. После того, как вы завершили такую муторную работу, вы начинаете обучать сеть, замечать что она классифицирует некорректно, т.е. провалилась в локальный минимум и не может оттуда выбраться.
Много раз начинаете заново обучение с другим набором весовых коэффициентов, другими значениями наклона функции и другой настройкой параметров. Заметив, что сеть хорошо классифицирует только обучающую выборку, вы понимаете, что она переобучилась и переходите к следующему этапу - изменение архитектуры сети. Вы начинаете настраивать количество промежуточных слоев, количество нейронов, менять связи и т.д.
Чувствуете, как прослеживается во всем этом рука специалиста?
Да, именно специалист может обучить нейросеть до желаемого состояния и никто другой не знает тонкостей этой работы. А возможно это лишь потому, что специалист глубоко знает устройство нейросетей, принципы их построения, алгоритмы обучения и т.д.
Поэтому, если у вас вдруг закрадывается мысль, что все уже потеряно и нет никакого смысла учиться создавать нейросети сегодня, то вы теряете своё будущее. Сегодня это актуально, как никогда. Возможно сейчас самый актуальный момент.
А чтобы стать специалистом, то ты должен знать устройство нейросетей. Для этого тебе необходимо изучить на канале мою подборку по нейросетям, тогда тебе станет ясно и понятно.
Подписывайся, чтобы ничего не пропустить и всегда быть в курсе.