Помогаем покупать
Москва По вашему запросу ничего нет, но вы можете выбрать из списка Москва Санкт-Петербург Екатеринбург Алтайский край Амурская обл. Архангельская обл. Астраханская обл. Белгородская обл. Брянская обл. Владимирская обл. Волгоградская обл. Вологодская обл. Воронежская обл. Еврейская АО Забайкальский край Ивановская обл. Иркутская обл. Калининградская обл. Калужская обл. Камчатский край Кемеровская обл. Кировская обл. Костромская обл. Краснодарский край Красноярский край Курганская обл. Курская обл. Липецкая обл. Магаданская обл. Мурманская обл. Ненецкий АО Нижегородская обл. Новгородская обл. Новосибирская обл. Омская обл. Оренбургская обл. Орловская обл. Пензенская обл. Пермский край Приморский край Псковская обл. Адыгея Алтай Башкортостан Бурятия Дагестан Ингушетия Кабардино-Балкария Калмыкия Карачаево-Черкессия Карелия Коми Марий-Эл Мордовия Саха Северная Осетия Татарстан Тыва Удмуртия Хакасия Чечня Чувашия Ростовская обл. Рязанская обл. Самарская обл. Саратовская обл. Сахалинская обл. Смоленская обл. Ставропольский край Тамбовская обл. Тверская обл. Томская обл. Тульская обл. Тюменская обл. Ульяновская обл. Хабаровский край Ханты-Мансийский АО Челябинская обл. Чукотский АО Чукотский АО Ямало-Ненецкий АО Ярославская обл. Крым
Каталог
Товар добавлен в сравнение
Нажмите, чтобы сравнить.
Товар добавлен в сравнение Товар удален из сравнения

Нейросеть: все о чем вы не знали и боялись спросить

Нейросеть: все о чем вы не знали и боялись спросить

В настоящее время о нейросетях и об их применении говорят практически каждый день. Большая часть современных технологий строится на использовании нейросетей: голосовые помощники, создание изображений на основе их текстового описания, музыка и многое другое. Сами искусственные нейронные сети были впервые созданы в рамках более широких исследований вокруг искусственного интеллекта, и они по-прежнему важны в этом пространстве, а также в исследованиях человеческого познания и сознания.

Нейросеть

Нейросеть - это несколько связанных между собой нейронов, которые получают сигнал от одних и передают их другим. Сами искусственные нейроны – это достаточно примитивные процессоры, однако связанные между собой они способны выполнять сложные задачи. Нейросеть является своеобразным аналогом биологической нейронной сети, а потому она, по большей части, похожа на человеческий мозг.

В отличие от обычных алгоритмов нейронные сети не программируются, они способны самостоятельно обучаться. На первых порах только что созданная нейросеть имеет сходство с мозгом новорожденного человека, который в процессе жизни и обработки информации обучается. Это и является главным преимуществом таких сетей по сравнению с теми же обычными алгоритмами. Обучение происходит в нахождении коэффициентов связей между нейронами, так она способна самостоятельно выявлять сложные зависимости между входными и выходными данными и выполнять обобщение.

Обучить нейросеть распознавать можно самые разные предметы: изображения, звуки, символы текста и прочее. Причем, сеть обладает способностью генерировать их. Правда, пока такие сети могут формировать свои собственные объекты лишь на основе уже имеющихся данных. Так, для того чтобы записать музыкальный альбом нейросеть должна послушать какой-либо альбом и уже, базируясь на его исходниках, выдать нечто свое.

Нейронная сеть включает в себя большое количество процессоров, работающих параллельно и расположенных ярусами. Первый ярус получает необработанную входную информацию – аналогичную оптическим нервам в визуальной обработке человека. Каждый последующий ярус получает выход из предшествующего ему яруса, а не из необработанного входа – точно так же нейроны, расположенные дальше от зрительного нерва, получают сигналы от тех, кто ближе к нему. Последний уровень производит вывод системы.

Каждый узел обработки имеет свою собственную небольшую сферу знаний, включая то, что он видел, и любые правила, с которыми он был изначально запрограммирован или разработан для себя. Уровни тесно взаимосвязаны, и каждый узел уровня N будет соединен с другими узами предшествующими (N-1) и последующими (N+1) ему. В выходном слое может быть один или несколько узлов, из которых может быть прочитан полученный ответ.

Нейронные сети отличаются адаптивностью, что означает, что они изменяют себя, когда они учатся на начальной тренировке, а последующие запуски предоставляют больше информации о мире. Самая базовая модель обучения сосредоточена на взвешивании входных потоков, то есть каждый узел взвешивает важность ввода от каждого из своих предшественников. Входные данные, которые способствуют получению правильных ответов, взвешиваются выше.

Как правило, нейронная сеть изначально обучена или получает большое количество данных. Во время обучения нейроны предоставляют входные данные и «объяснениют» сети возможности их выхода. Например, для создания сети, позволяющей идентифицировать лица актеров, начальная подготовка может представлять собой серию фотографий актеров, обычных людей, масок, скульптур, лиц животных и тому подобное. И каждый ввод сопровождается соответствующей идентификацией, такой как имена актеров, «не актер» или «не человек». Предоставление ответов позволяет модели корректировать свои внутренние веса, чтобы узнать, как лучше выполнять свою работу. Например, если несколько узлов A, B и C скажут узлу D, что на полученном изображении находится кошка, а узел E скажет ему, что на нем собака, а программа обучения подтвердит, что это кошка, то узел D уменьшит вес узла E, и увеличит вес тех узлов, которые сказали ему правду. Иначе говоря, тот узел, который предоставил неверную информация, потерял доверие.

Глубокая нейронная сеть

Одной из разновидностей нейросетей является глубокая нейросеть. На ней при определенных правилах, каждый узел решает, что отправить на следующий уровень, основанный на его собственных входах от предыдущего уровня. Так, нейронные сети используют несколько принципов. К ним относятся градиентное обучение, нечеткая логика, генетические алгоритмы и Байесовские методы. Иначе говоря, им могут быть даны некоторые основные правила об объектных отношениях в моделируемом пространстве. Например, системе распознавания лиц может быть поручено следующее: «брови находятся над глазами» или «усы под носом. Усы выше и/или рядом с ртом». Правила предварительной загрузки могут ускорить обучение и сделать модель более мощной. Но иногда они оказываются неуместными и ненужными, а потому правила строить нужно с особой внимательностью.

Нейронные сети иногда описываются с точки зрения их глубины, включая количество слоев, которые они имеют между входными и выходными данными, или так называемые скрытые слои модели. Они также могут быть описаны количеством скрытых узлов модели или с точки зрения количества входов и выходов каждого узла. Вариации классического нейросетевого дизайна позволяют использовать различные формы прямого и обратного распространения информации между уровнями.

Дуэли нейросетей

Одной из главных проблем нейросетей является невозможность создавать собственный, уникальный, не основанный на уже имеющихся данных контент. Нейронная сеть может распознать многие объекты и с высокой точностью сказать, что это. Но, как уже упоминалось ранее, создать оригинальное изображение она не способна. Однако это решение у этой уже есть, и идею для него подал Ян Гудфеллоу – один из авторов книги «Глубокое обучение».

Еще в 2014 году, будучи аспирантом Монреальского университета, после спора в баре Ян Гудфеллоу придумал технику ИИ под названием GANs, что означает «генеративные противоборствующие силы». Основная идея заключалась в том, что одна сеть работает над созданием реалистичных изображений, в то время как другая анализирует результаты и пытается определить, являются ли изображения реальными или поддельными. По сути, обе сети настроены друг против друга. Генеративная модель желает обмануть дискриминатора, а тот, в свою очередь, пытается доказать, что данные изображения нереалистичны. Именно благодаря этой борьбе, «генератор» со временем учиться создавать такие картинки, которые самостоятельно он бы создать не мог. А иначе говоря, «дискриминатор» заставляет «генератор» работать усерднее.

GANs может даже обеспечить неконтролируемое обучение. В настоящее время нейронная сеть может научиться распознавать кошек, анализируя несколько миллионов фотографий кошек, но при этом люди должны тщательно идентифицировать изображения и помечать их как фотографии кошек. Но сейчас исследователи продвигаются к системам, которые могут учиться без такого активного участия человека, что, в свою очередь, может ускорить эволюцию искусственного интеллекта.

Дуэль нейросетей уже показала свой высокий потенциал. Так, специалисты из компании NVIDIA создали программу для генерирования изображений людей. Данные разработчики взяли из открытых источников CELEBA, CIFAR10 и LSUN. Благодаря им, они смогли создать сеть, которая генерировала случайные изображения людей с разрешением 1024х1024 пикселей и с большим количеством деталей. По итогам они опубликовали часовое видео:

Следующий вариант реализации генеративно-состязательной нейросети – это сайт, которые позволяет создавать изображения девушек в стиле аниме по настраиваемым параметрам. Пользователю предлагается выбрать детали, по которым будет генерироваться девушка, а именно цвет волос, глаз и наличие румянца.

Правда, иногда нейросеть ошибается и на выходе получается такое изображение:

Еще один вариант дуэли нейросетей разработан специалистами из компании Windows. Они смогли сделать нейросеть, которая может создавать изображения на основе их текстового описания. Причем, для реализации разработчикам пришлось представить новую разновидность генеративно-состязательных сетей – внимательную нейросеть. Данная GANs в отличие от обычной большее внимание обращает на деталях, оценивает каждое слово по отдельности и рисует свои картины, опираясь на них.

Нейросети во всех их разновидностях имеют огромное значение для развития искусственного интеллекта. Не исключено, что именно на подобного рода сетях он и будет построен. А пока нейросети начинают все активнее привлекаться к современным разработкам. Так, уже сейчас они используются в голосовом помощнике «Алиса» от «Яндекса», в новом процессор Kirin 970 от Huawei и в распознавании изображений. Многие компании, в том числе Google, Microsoft и «Яндекс», работе с нейросетями уделяют большое внимание и имеют свои подразделения для их разработки.

Автор:
logo
06.03.2018
Узнай о лучших ценах на новинки из мира гаджетов первым!
Подпишись на рассылку от MobiGuru
Market Guru
Скачайте наше приложение и экономьте ваше время ;)
Наш каталог
Наши регионы
© 2003-2018 MobiGuru.ru
Сравнить все
Очистить список