Можно долго вдаваться в историю создания нейросетей середины 20 века, начиная с исследований Фрэнка Розенблатта, однако из-за недостаточного объема вычислительных мощностей ЭВМ (электронно-вычислительные машины) интерес к ним быстро угас.
Основной интерес к нейронным сетям возник с Джеффри Хинтона в 1980-х годах, работы которого привели к развитию глубоких нейронных сетей. С появлением большого количества данных и вычислительных ресурсов, нейронные сети стали более эффективно решать разнообразные задачи машинного обучения, включая обработку изображений, работу с текстовыми файлами, распознание речи и другие.
Так что основанием всего родового древа искусственного интеллекта можно считать как Фрэнка Розенблатта, так и Джеффри Хинтона.
Их работы привели к созданию огромного списка нейросетей, которые подразделяются на:
1. Сверточные нейронные сети (CNN): Широко применяются в обработке изображений и видео.
2. Рекуррентные нейронные сети (RNN): Используются в задачах анализа последовательностей, таких как обработка текста и речи.
3. Сети долгой краткосрочной памяти (LSTM): Вид рекуррентных нейронных сетей, эффективно работающий с длинными последовательностями данных.
4. Глубинные нейронные сети (DNN): Используются для решения сложных задач машинного обучения.
5. Генеративно-состязательные сети (GAN): Используются для создания нового контента, такого как изображения, музыка и т. д.
6. Трансформеры (Transformers): Эффективно обрабатывают последовательности данных, часто используются в задачах машинного перевода и обработки естественного языка.
7. Сети преобразования внимания (Attention Networks): Используются для моделирования взаимодействия между элементами последовательности.
8. Распределенные нейронные сети: Используют несколько устройств для расчетов, позволяя ускорить обучение и развертывание моделей.
Какие нейросети актуальны для обывателя сегодня?
На сегодняшний день существуют сотни видов искусственного интеллекта, созданные различными компаниями-разработчиками.
Представляю вашему вниманию список нейросетей для решения повседневных задач человека:
- GPT от OpenAI, это алгоритм обработки естественных языковых задач, работает в формате вопрос-ответ или автодополнения, по принципу «пользователь вводит начало текста»-«искусственный интеллект генерирует наиболее вероятное его продолжение». Может быт использован простым человеком для генерации докладов или поздравительных речей и т.д.
- WaveNET от Google DeepMind Technologies, этот алгоритм используется для синтеза речи и звуков (даже звуков дыхания и запинания человека), а также для создания различных аудиофайлов и музыки. Ее применение нашло себя в таких областях как: музыкальные приложения, голосовые ассистенты, синтезаторы речи и т.д.
- DeepDream от Google Research, этот алгоритм использует нейронные связи для генерации уникальных и психоделических искусственных изображений. Он способен создавать как искаженные версии существующих изображений, так и создавать новые. Инструмент будет полезен
не традиционнымхудожникам. - DeepSpeech от Mozilla, это алгоритм распознования речи и преобразования ее в текст. Может использоваться для создания голосовых ассистентов и (или) систем автоматического перевода (как например в наушниках с автоматическим переводом), а также просто для перевода своих озвученных мыслей «на бумагу».
- Kandinsky от SBER, это нейросеть вдохновленная работами выдающегося художника Василия Кандинского. Она способна генерировать уникальные изображения с учетом текстового запроса пользователя, стиля, цветовой гаммы и композиции
(как вы видите статьи оформляются с применением данной нейросети).Также нейросеть способна генерировать цельные видео или анимировать последовательность изображений. - Neural Style Transfer от Gatys, Ecker и Bethge, искусственный интеллект применяется для переноса стиля одного изображения на другое изображение, сохраняя его содержание. Может применяться художниками, дизайнерами и рядовыми пользователями
(ведь каждый хотел перенести себя на холсты 12 века). - Generative adversarial network (GAN) от Ian Goodfellow, данный алгоритм состоит из двух нейронных сетей, одна из которых постоянно пытается обмануть вторую. Одна является генератором, другая - дискриминатор (различитель). Генератор создает фотореалистичные изображения, обрабатывает текст, создаёт музыку и т.д. А дискриминатор оценивает полученные результаты и делает выводы о том, реальные ли это данные или сгенерированные. Применение для пользователя может быть любым, от желания создать реалистичную фотографию, до оценки фотографии из интернета.
- YandexGPT от Яндекс, пользуясь платформой «Дзен» невозможно не упомянуть об их технологиях. Это большая языковая модель, по принципу GPT от OpenAI, только она интегрирована в голосового ассистента «Алису», а значит может быть использована в любой момент, а также интегрирована в систему умного дома.
Подводя итоги
В основании родового древа находятся небезызвестные ученые 20 века, однако количество нейросетей на сегодняшний день и их родителей невозможно сосчитать, так что подводя итог дедушкой искусственного интеллекта я бы назвал Фрэнка Розенблатта, а отцом Джеффри Хинтона.