Что нужно знать о нейросетях

В начале 2016 года мир услышал о блистательной победе программы для игры в го AlphaGo в матче с профессионалом высшего ранга Ли Седолем. Свои нейросети демонстрировали крупнейшие компании, а приложение Prism для обработки фотографий стало хитом. Почему нейросети – это не тренд-однодневка, и что важно о них знать, объясняет «Футурист».

1 Что такое нейросети?

Нейронные сети — одно из направлений в разработке систем искусственного интеллекта. Это математическая модель, которая имитирует работу человеческой нервной системы. Одна из главных способностей человеческого мозга – самообучение и исправление ошибок на основании предыдущего опыта, чего компьютеры делать пока не умеют. Поэтому нейросети не программируются, а обучаются.

2 Из чего состоит нейросеть?

Нейросеть похожа на нервную систему человека своей структурой. Она состоит из "нейронов" – отдельных вычислительных элементов. В идеале все нейроны в сети должны быть взаимосвязаны. Однако это требует огромных вычислительных мощностей. Поэтому нейросети состоят из отдельных слоев, которые играют роль вычислительных блоков. Такие сети называют "глубокими".

3 Что может делать нейросеть?

Все задачи нейросетей связаны с обучением. Они могут распознавать образы и речь, рисовать картинки, писать музыку и стихи. Также нейросети способны к прогнозу, анализу больших данных и даже принятию решений.

4 Как обучают нейросеть?

Допустим, вы хотите, чтобы нейросеть научилась писать песни в стиле вашего любимого музыканта. Вы даете ей "послушать" как можно больше композиций этого исполнителя. В конце концов, она поймет, что от нее требуется, и начнет писать такие же. Казалось бы, все просто, но на самом деле, обучение нейросети – сложный и длительный процесс. Сначала нужно правильно составить выборку – то есть, подобрать "плейлист", на котором нейросеть будет учиться писать музыку. Они должны быть близкими по настроению и в то же время точно отражать стиль исполнителя – это принципы непротиворечивости и репрезентативности данных. Затем необходимо закодировать данные так, чтобы сеть смогла их воспринять, выбрать подходящую топологию сети, подобрать ее параметры (количество нейронов, слоев и нейронов).

 

 

5 Какие бывают нейросети?

Важная задача в процессе обучения  – выбор наиболее подходящей топологии. Сеть может обучаться с учителем, без учителя, а также подчиняться некоторым установленным правилам в ходе учебного процесса (обучение с подкреплением). Сети, которые анализируют данные без учителя, называют самоорганизующимися. В этом случае никто кроме самой сети не знает, какая информация окажется на выходе. При обучении с учителем сетям показывают один и тот же набор данных несколько раз. После обучения на основном наборе данных сети дают тестовый набор, чтобы проверить, насколько чисто она обрабатывает информацию.

Выбор топологии зависит от характера данных: если нужно обработать огромный массив информации, лучше рассчитывать на самоорганизующуюся сеть. А если необходимо написать музыку, вы должны контролировать сеть, иначе вы рискуете получить на выходе непонятную какофонию.

6 Могут ли нейросети ошибаться?

Конечно! Технология пока несовершенна. Кроме того, разработчики часто выбирают неправильную траекторию обучения. К примеру, показывают изображения различных моделей танков, сфотографированных на одном и том же фоне – и нейросеть в результате начинает распознавать не предметы, а фон. Просто потому, что ей так проще.

7 Почему нейросети – это важно?

Чаще всего в новостях вы сталкиваетесь с игровым применением нейросетей. Музыкальный альбом в стиле "Гражданской обороны", популярное приложение Prism или новейшая разработка, превращающая наброски лиц в уродливые портреты – все это кажется несерьезным. Однако таким образом разработчики хотят продемонстрировать возможности нейросетей, которые можно применять практически везде. Некоторые нейросети (HNC Falcon, Prism) способны фиксировать случаи мошенничества с кредитными картами и выявлять незаконный контент в сети. Крупные компании, такие как Microsoft используют нейросети для анализа потребительского рынка. Также нейросети способны анализировать динамику изменения цен. Алгоритмы машинного обучения используются во многих системах распознавания речи, обработки изображений, а также в навигации (например, в беспилотных автомобилях). Наконец, нейросети способны даже составлять кулинарные рецепты, адаптированные под культуру той или иной страны. Все это значительно облегчит нашу жизнь в будущем.

8 А AlphaGo – это тоже нейросеть? Почему все о ней говорят, ведь это всего лишь игрушка?

Да, AlphaGo (Google DeepMind) использует нейронные сети, обученные на большом количестве профессиональных партий (технология глубокого обучения). Эти сети предсказывают, какой ход сделает профессиональный игрок в го в той или иной позиции. Кроме того, разработчики использовали технологию подкрепления обучения. Они заставили систему играть саму с собой, научив ее отслеживать, какие ходы являлись наиболее удачными.

До создания AlphaGo го являлось одной из немногих традиционных игр, в которые человек играл лучше компьютера. Но благодаря обширной теоретической базе программа смогла обыграть Ли Седоля, профессионала высшего ранга, со счетом 4:1. Красотой 37 хода во второй игре восхищались многие профессиональные игроки в го. Седоль признался, что поначалу был уверен: машина совершила ошибку. В четвертой игре человек совершил ответный ход, который окрестили "прикосновением бога": согласно подсчетам машины, ее соперник был способен принять это решение с вероятностью 1:10 000. Однако в следующей игре AlphaGo вновь победила. Этот матч продемонстрировал блестящие возможности искусственного интеллекта. 

Фото: pinterest.com

Комментарии