Инфополоз

«Современное»: Мысль внутри машины. Феномен нейронной сети

«Современное»: Мысль внутри машины. Феномен нейронной сети

Мы пользуемся искусственными нейронными сетями каждый день. Даже если вы не сортируете свою коллекцию с помощью приложения «Photos» от Google или не разыскиваете конкретного незнакомца с фотографии на Facebook, то уж голосовым вводом в мессенджере точно не брезгуете. Concepture рассказывает, как работает технология, вдохновленная биологическим строением человеческого мозга.

И то, и другое

Искусственные нейронные сети – это одновременно и математическая модель, и ее физическое (аппаратное или программное) воплощение. Построена она по принципу функционирования биологических нейронных сетей – сетей нервных клеток живого организма.

Иерархия и ее значение

Рис.1 Однослойная нейронная сеть

Идея ИНС возникла еще в 50-х годах прошлого столетия. В то время компьютеры демонстрировали поразительные возможности в сфере вычислений, но только этим все и ограничивалось. Ученым же хотелось большего. Дело в том, что обычный компьютер не умеет рассуждать как человек, а оперирует исключительно конкретной интерпретацией контекста. Другими словами, машина может решить сложное дифференциальное уравнение, но не сможет выявить различия между двумя явлениями человеческого мира (скажем, крикетом и футболом).

Исследователи пришли к выводу, что если необходимы возможности человеческого мозга и мышления, то следует более подробно изучить его. Наш мозг – это огромная нейронная сеть, в которой информация передается от нейрона к нейрону путем слабых электрических импульсов. Главное здесь иерархичность – нейронная сеть, отвечающая за зрение, идет от простого (нейронов, которые воспринимают тьму и свет) к все более сложным (контуры) и наконец, самым сложным (восприятие рук, лиц, цельных частей тела). Соответственно, «третий» элемент в этой цепочке не воспринимает тьму, свет, контуры – всю эту информацию, уже обработанную и «готовую к употреблению» он получает от тех, кто ниже в иерархии. Именно подобную систему пытается повторить и современное воплощение нейронных сетей.

К сожалению, в 50-е годы машины просто не могли обеспечить достаточные вычислительные мощности, чтобы постройка ИНС была возможна. Предпринимались попытки постройки подобных систем (например, Perceptron Фрэнка Розенблатта), но они были ограничены рамками одной задачи – определяли, является ли визуальный образ «квадратным» или «не квадратным», но не цвет или другие аспекты изображения.

Каскадные уравнения

Рис.2 Схема каскадных уравнений

Современные нейронные сети существуют благодаря двум аспектам:

1

Вычислительные мощности современных компьютеров достигли необходимой величины.

2

Возник необходимый объем информации, пригодной для обучения нейросетей.

ИНС следует воспринимать как систему каскадных уравнений, вдохновленных биологическими нейронными сетями. Ключевое различие заключается в том, что в ИНС информация идет только в одну сторону, в то время как нейроны в БНС могут обмениваться ею в обоих направлениях.

Тем не менее, однонаправленная система позволила создать целый мощный кластер, который работает по принципу иерархичности и позволяет ИНС справляться с распознаванием сложных визуальных объектов и человеческой речью. Алгоритм выглядит следующим образом – поступающая информация обрабатывается первым «рядом» искусственных нейронов (математическим образом), затем отправляется «вверх» следующему ряду. В современных ИНС подобных «рядов» и нейронов может быть от одного-двух до нескольких сотен.

Важным аспектом правильной работы ИНС является ее обучение. Происходит оно путем «скармливания» сети особо устроенных обучающих сэтов (фотографий, кусков текста и так далее) с известным правильным ответом. Сеть производит вычисления и затем выдает ответ. Если он совпадает, то обучение прошло правильно. Если же нет – то используется метод «обратного распространения ошибки», когда сеть движется в обратном направлении и исправляет вычисления, которые привели к неправильному ответу.

Неполиткорректная ИНС

Рис.3

Главными проблемами ИНС сегодня являются: а) корректное обучение; б) ошибки, связанные с восприятием.

В прошлом году сервис «Photos» пометил двух чернокожих людей на фотографиях тегом «горилла», что вызвало скандал, а Google пришлось убрать подобный тег из приложения вовсе. Подобный просчет связан с выбором сэтов для обучения, большая часть которых отражает мир белого человека. Эта условность связана скорее с моральным аспектом технологии.

Вторая же проблема искажает результат работы. Дело в том, что ИНС отличает объекты реального мира по характерным признакам, в то время как человек воспринимает объект целиком: его форму, цвет и прочее. Таким образом картинка, в которой мы увидим абстракцию ИНС может интерпретировать его как конкретный объект.

ИНС-журналистика

Рис.4 Схема икуссвенного нейрона

Решение двух вышеописанных проблем и дальнейшее усложнение алгоритма может поспособствовать интересному преображению социального рабочего пространства человечества. Обработка письменной речи и больших объемов текстового материала вероятно станет предпосылкой машинной информационной журналистики, это значит написание оперативной сводки будут поручать машине, а не человеку.

Совершенствование обработки изображений может помочь в медицине – предварительные данные будут собираться на основе фотографий и сообщать человеку о необходимости проверить свое здоровье у врача. Если будут достигнуты успехи в анализе устной речи, то фантастические переводчики «на лету» станут реальностью, а не выдумкой.

Больше комфорта

Рис.5 Модель нейрона

Будущее искусственных нейронных сетей лежит в области помощи человеку. Как почти любая высокая технология, ИНС повышает уровень комфорта современной жизни и приводит к высвобождению большого объема времени, который человек может потратить на те области, где машинный интеллект не справляется. Конечно, это повлечет за собой сокращение традиционных профессий, но на их место, как и всегда, придут новые. Прогресс человечества всегда был связан с определенными жертвами и потрясениями.

Вывод? Кому-то это может и не понравиться.