18 подписчиков
Как обучается и работает нейросеть в ИИ? На самом деле объяснить суть можно довольно просто. Нейросеть - это многомерная регрессия более сложного порядка, нежели те, которые описываются простыми уравнениями. Возьмите в Экселе два столбца точек, постройте точечную диаграмму и включите линию тренда, которая максимально близко описывает траекторию формы облака этих точек. И вот вы уже получили элементарную нейросеть, способную количественно предсказывать как изменится один параметр при изменении другого. Более сложная нейросеть может предсказывать множество событий при изменении множества факторов или условий.
Чтобы стать такой прозорливой, нейросеть обучается на миллионах предметов, которые имеют персональные атрибуты (свойства) и имена. Нейросеть смотрит на эти атрибуты и понимает, что в выборке есть группы с одинаковыми именами и имеющими схожие свойства, изменяющиеся в ограниченно-узком диапазоне. И в следующий раз, когда нейросеть столкнется с предметом, которого раньше не встречала в обучающей выборке, она, сравнив его со своим полученным опытом, с большей долей вероятности угадает его имя.
Такой принцип обучения называется "обучение с учителем" и применяется в продвинутых оптических сепараторах для распознавания большого количества различных фракций отходов.
Несмотря на большую стоимость оборудования, сепараторы с ИИ окупаются в разы быстрее, чем простые оптические сепараторы, работающие по принципу простого считывания интенсивности отраженной от проезжающих на ленте отходов световой волны.
Но самое главное достоинство сепараторов с ИИ заключается в том, что встроенную в него нейросеть можно постоянно дообучать, повышая тем самым процент извлечённых полезных фракций, без какой-либо физической модернизации оборудования.
1 минута
8 февраля 2024