Что такое нейросети — объяснение для гуманитариев

Искусственный интеллект незаметно перекочевал из области фантастики в реальный мир, и что такое нейросети — уже изучают в рамках школьной программы некоторых стран. Предлагаем и вам погрузиться в эту интереснейшую тему.

Определение нейросетей

Искусственные нейронные сети (ИНС) — разновидность компьютерных вычислительных систем, которые для обработки информации используют модель взаимодействия нейронов в головном мозге человека. Искусственная сеть тоже имеет свои нейроны (единицы, простые узлы), и они вместе воспроизводят сложные алгоритмы для определения и распознавания взаимосвязей поступающих данных.

Простыми словами, нейросеть — это компьютерная симуляция того, как биологические нейроны работают в человеческом мозге. Удивительная особенность нейронок заключается в том, что они обладают свойством обучаться выполнять свои задачи, а необходимость программирования остаётся только на этапе построения архитектуры.

Если же взять классическое машинное обучение, то, например, для написания программы распознавания лиц приходилось строить алгоритм, определяющий, где глаза, уши, рот и т.д. Разработчик вручную выделял все параметры лица и соотношение его составляющих по отношению друг к другу, а машина просто использовала эти ориентиры для распознавания.

Нейронную сеть программируют не для того, чтобы она распознавала лица, а для того, чтобы она училась распознавать лица. Для этого ей нужно только дать выборку.

Резюме этого блока: что такое нейросети по сути? Это программы, ведущие себя подобно миллиардам клеток мозга, и могут быть созданы на обычном компьютере. Они примитивны по сравнению с биологическим прародителем, но хорошо справляются с конкретными задачами по анализу больших объёмов информации.

Как устроена «нейронка»

Строительным блоком нейросети являются нейроны. Нейрон похож на математическую функцию, он принимает несколько входных данных и выдаёт результат.

Типичная нейронка имеет от нескольких десятков до сотен, тысяч или даже миллионов искусственных нейронов, называемых единицами. Они располагаются слоями.

На базовом уровне есть 3 типа нейронных слоёв:

• Входной слой — приём данных в виде массива чисел.
• Скрытые слои — промежуточные блоки обработки. Они добавляются для повышения точности результатов.
• Выходной слой — вывод итога вычислений.

Нейроны входного слоя предназначены для получения различных форм информации из внешнего мира, которую сеть будет пытаться узнать, распознать или иным образом обработать. На противоположной стороне сети нейроны сигнализируют, как она реагирует на полученную информацию, то есть выдают результат. Между входными и выходными слоями находится несколько скрытых слоёв, которые составляют большую часть искусственного мозга.

Между собой нейроны связаны так называемыми «весами». Это число, которое может быть положительным или отрицательным. Чем выше вес, тем большее влияние одна единица нейронки оказывает на другую. То же самое происходит и в мозге, когда клетки подают друг на друга сигналы с разной интенсивностью.

Как нейронные сети обучаются

Чтобы программа обучалась, должен быть задействован элемент обратной связи. Процесс можно сравнить с «методом проб и ошибок».

Представим, что вы учитесь забивать мяч в ворота или овладеваете другим навыком. Когда вы разгонялись, выбирали точку соприкосновения ноги с мячом и рассчитывали силу удара, мозг отмечал, какая комбинация действий чаще всего приводила к успешному результату. При каждой новой попытке мозг сравнивал желаемый результат (мяч в воротах) и реальный, чтобы корректировать тот или иной элемент техники. И спустя время, потраченное на практику, закрепляются нейронные связи, дающие вам новый навык — самая оптимальная комбинация движений и силы для забивания мяча.

ИНС обучаются таким же образом с помощью процесса обратной связи («обратное распространение»). При обучении компьютер имеет данные, которые должны получаться (правильные ответы) и данные, передаваемые с выходного слоя (результат работы сети). Если правильный ответ 3, а сеть выдаёт 1, то она «работает в обратную сторону» для корректировки весов таким образом, чтобы они в итоге выдавали правильный ответ 3 при тех же входящих данных.

На практике встречаются более сложные объекты обучения. Например, мы хотим, чтобы наша нейросеть отличала столы от стульев. Для начала нужно заложить те признаки, по которым она будет определять разновидности мебели:

1. Есть ли спинка?
2. Есть ли столешница?
3. Есть ли мягкая оббивка?
4. Можно ли на нём комфортно сидеть долгое время?
5. Можно ли на него положить много вещей?

Для стула ряд ответов будет выглядеть так: «Да», «Нет», «Да», «Да», «Нет» или 10110 в двоичном формате. А для стола так: «Нет», «Да», «Нет», «Нет», «Да» или 01001. Таким образом, нейронная сеть собирает ответы от разных групп нейронов на всех слоях и выдаёт конечный ответ.

Чем больше признаков будет обрабатывать нейросеть, тем сложнее должна быть её структура.

Теперь нужно запускать обучение. Для этого понадобится «скормить» нейронке обучающие примеры. В нашем случае разработчики показывают ей множество столов и стульев, заранее сообщая правильный ответ: что есть стол, а что есть стул. Каждый раз пропуская через себя входящие данные, нейросеть «подстраивает» свои связи до тех пор, пока результаты не будут соотноситься с правильными ответами.

Готово, у нас рабочая ИНС! Теперь если показать ей новый стол или стул, то она должна сразу выдавать правильный ответ, потому что научилась правильно распознавать признаки этих предметов.

Где применяют нейросети

Вы уже ежедневно используете такие программы. Самый простой пример — это поиск информации в Интернете. Google, Яндекс и другие поисковики активно внедряют эти технологии для повышения точности результатов запросов. Алгоритмы самообучаются, анализируя миллионы запросов, которые пользователи вводят в поисковую строку.

Беспилотные системы. Обучающийся автопилот используется не только в автомобилях, но и в других транспортных средствах. Так, в самолетах нейросеть считывает сигналы с различных приборов кабины и соответствующим образом воздействует на органы управления, чтобы борт оставался на безопасным курсе.

Компьютерные игры. В виртуальных мирах искусственный интеллект может сделать приключения более увлекательными, выстраивая сюжет индивидуально под каждого игрока.

Картографические приложения. Карты и навигатор благодаря нейросети выстраивают наиболее оптимальный маршрут, анализируя загруженность дорог и другие обстоятельства.

Перевод текста. Например, автоматический перевод Google за последние несколько лет всё чаще использует нейронные сети для преобразования слов на одном языке (ввод сети) в эквивалентные слова на другом языке (выход сети). Таким образом, перевод становится более «интеллектуальным» и логичным.

Распознавание лиц. Нейросети выводят обычный фоторобот на новый уровень, позволяя в режиме реального времени определять пол, возраст и настроение человека.

Оценка качества продукции. Фабрики и заводы могут использовать нейронку для контроля качества. Предположим, вы производите моющее средство, а это сложный химический процесс. Для оценки конечного продукта используется ряд критериев (цвет, кислотность, густота, прозрачность и пр.). Результаты этих данных можно анализировать и сопоставлять вручную или просто передавать нейросети, которая способна быстро всё «прогнать» и выдать заключение о пригодности партии.

Банковская сфера. В банковской системе проходят тысячи транзакций в секунду, и многие из них могут быть мошенническими. Такая программа идеально подходит для автоматизации процесса по выявлению подозрительных переводов. Здесь входные данные могут быть такими:

1. Были ли попытки неверного ввода PIN-кода?
2. Увеличилась ли частота транзакций за последнее время?
3. Была ли карта привязана к новому аккаунту/устройству?
4. Есть ли оплата нетипичных для клиента услуг и пр.?

Нейросеть легко определит подозрительные карты и передаст их человеку-оператору.

Банк может использовать ИНС, чтобы решить, давать ли кредиты людям на основе их прошлой кредитной истории, текущих доходов и послужного списка.

Рекомендательные системы. Нейросети подбирают наиболее интересный контент пользователям социальных сетей, музыкальных и видеосервисов. Здесь программа основывается на анализе данных о поведении относительно контента: лайки, репосты, комментарии, длительность просмотров, досмотры, добавление в избранное, интересы друзей и пр.

Маркетинг. Искусственный интеллект хорошо прокачался и в подборе персональной рекламы. Кроме критериев из предыдущего абзаца собирается большой массив данных о ваших запросах в поиске, покупках на сайтах, ваших гаджетах и местах, где вы бываете. Благодаря этому рекламодатель может более точно старгетировать объявление именно на вам.

Построение прогнозов. Нейросети могут помочь прогнозировать фондовый рынок, погоду, вероятность пробок, посещаемость заведений и т.д.

Диагностика заболеваний. Нейронные сети уже способны помогать врачам диагностировать сложные заболевания на основе их симптомов.

Развлечения. За последние годы стало доступно множество приложений для интеллектуальной обработки изображений, например, состаривание или замена лиц. Теперь в режиме реального времени на экране смартфона можно поэкспериментировать со своей внешностью: нанести макияж, изменить причёску и цвет волос, скорректировать черты лица.

Нейросети начали активно справляться с задачей создания реалистичных несуществующих лиц, которые можно использовать в рекламе или кино.

Искусство. Нейронки продемонстрировали способность генерировать новые «произведения искусства», если познакомить их с существующими работами известных деятелей. Это и живопись, и композиции, и даже литературные произведения.

Сюда же можно добавить решение задач по улучшению и трансформации контента:

• Повысить качество фото, разрешение и частоту кадров видео.
• Раскрасить фото или чёрно-белый фильм.
• Заменить окружающую среду (например, из зимы сделать лето).

Что такое нейросети — кратко

Искусственные нейронные сети — программное обеспечение, работающее подобно нейронам в головном мозге. Они способны обучаться и выполнять конкретные функции по распознаванию признаков, классификации, предсказанию, решению задач и генерации контента согласно заданным параметрам. Нейросети состоят из множества искусственных нейронов, которые принимают, обрабатывают и передают друг другу данные с разными «весами». Обучение происходит путём сравнения результатов анализа данных с правильными ответами, программа корректирует веса до тех пор, пока не будет получаться нужный результат.