Что такое нейросеть? И как она работает?

Ответить
Ответить
Комментировать
0
Подписаться
17
3 ответа
Поделиться

Слово «нейросети» сейчас часто используют и, надо сказать, не всегда верно. По сути, это алгоритм, который фильтрует информацию, анализирует ее и постоянно обучается. 

Самый простой пример — поиск похожих картинок в Google, который может понять, что на них изображено, и найти подобные изображения. Поиск Google как раз недавно перешел на нейросети и стал использовать этот алгоритм. Смысл в том, что компьютеру дают огромное количество одинаковых изображений и для начала объясняют, что на этих изображениях (к примеру, кошка) и, таким образом, алгоритм учится определять их самостоятельно. Так или иначе, этот алгоритм симулирует человеческий мозг. 

Люди, которые этим занимаются, зачастую сами говорят, что не очень понимают, как это работает. Самое классное и одновременно страшное заключается как раз в этом. То есть все работает, это хорошо, но мы не до конца уверены, что знаем как. Недавно, например, был случай, когда машина Google победила игрока в го. Так вот, разработчики сами не до конца понимают, как это получилось. Все мастера говорят, что для игры в го нужна интуиция, потому что в отличие от шахмат там нельзя просчитать ходы математически. Однако когда люди анализировали игру машины, они говорили, что она делает какие-то интуитивные ходы, которые не выглядели как логические решения.

На самом деле, на машинном обучении и нейросетях хорошо работают помощники и различные чаты. В Сан-Франциско есть один русский проект, который называется Luka. Журналистка Евгения Куйда из Афиши в какой- то момент решила сделать приложение, которое советует, в какой ресторан сходить в Москве, но оно работает не как приложение Афиши, а как бот, с которым можно разговаривать. Ты ему говоришь: «Я иду на первое свидание с девушкой. Нужно недорогое место…», и он его подбирает, задает вопросы, отвечает тебе — все это происходит в режиме диалога. Идея оказалась настолько классной, что она с ней уехала в Сан-Франциско, сделала это приложение там и заработала на этом деньги. Потом, не так давно, неожиданно все большие компании решили, что сейчас чат-боты и вообще разговоры с компьютерами — это то, что необходимо: Facebook, например, начал делать помощника «М», Google, Microsoft тоже стали этим заниматься. И Luka решили, что у них будет бот, который будет не просто ресторанами заниматься, а станет платформой для чат-ботов, где можно будет делать множество разных вещей и говорить на множество разных тем. Они делали очень много странных экспериментов, например, ботов в виде персонажей из сериала «Кремниевая долина».

28
-8

"этот алгоритм симулирует человеческий мозг. ", - елы, ну когда уже вы, эксперты, научитесь писать то что понимаете, ну или хотя бы не писать то что вы нихрена не понимаете?!?!?
Это ведь не сложно: не понимаешь - не пиши.
Вот честно!
Попробуйте - и говна в интернетах станет меньше.

0
Ответить

Олег, вы напишите в комментариях правильный ответ (на ваш взгляд).

Лично мне этот ответ помог понять, что такое ИНС и с чем это едят

+2
Ответить

"Лично мне этот ответ помог понять, что такое ИНС", - тогда почему вы не написали в ответе то что поняли? о_о
Или эта пурга и есть ваше понимание? О_О
Нейросети никаким боком не имитируют мозг, от слова "совсем", и к ИИ отношения не имеют (хотя могут в будущем стать крохотной частичкой ИИ).
Нейросеть - алгоритм с автоматизированной настройкой параметров. Ок, он хорошо выполняет ряд задач, он крутой и передовой, но .... трам-парарм.. с какого боку тут мозг?
Вы что, всерьез считаете что в нейроне есть какой-то арифметический сумматор?!?!

+2
Ответить

В нейросетях не обязательно используются сумматоры, сигмоиды и минмакс ошибок.

Бывает и симуляция биологических нейронов в том числе, например:
https://ru.wikipedia.org/wiki/%D0%98%D0%BC%D0%BF%D1%83%D0%BB%D1%8C%D1%81%D0%BD%D0%B0%D1%8F_%D0%BD%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D0%B0%D1%8F_%D1%81%D0%B5%D1%82%D1%8C

Другое дело, что полноценная симуляция именно человеческого мозга  невозможна по причине технической сложности моделирования миллиардов  нейронов. И подобные мощности есть только у Гугла и пары десятков  подобных контор.

0
Ответить
Ещё 1 комментарий

Будешь Алисе это объяснять, когда она придёт за тобой

-1
Ответить
Прокомментировать

Я думаю, что наиболее удачное объяснение дается в этом видео:

https://youtu.be/EWzUtuNTNOM

Видео всего 17 мин. При этом дается и историческая справка, и аналогия с человеческим восприятием, и конкретные алгоритмы, утрированно-упрощенные настолько, чтобы было понятно каждому, кто хоть немного знаком с математикой. А также очень забавные примеры.

8
-1
Прокомментировать

Представьте себе устройство, у которого несколько входов и один  выход. При этом на каждом входе как бы есть ручка настройки, которая  ослабляет или усиливает сигнал (на матязыке - коэффициенты, или веса).  После усиления/ослабления сигналы суммируются и обрабатываются хитрой  функцией. Это - искусственный нейрон. На математическом языке -  взвешенный нелинейный сумматор. Если представить его в понятной человеку  форме, получится что-то похожее на графический эквалайзер в плейере.  Несколько ручек, усиливающие разные части сигнала, и один сигнал на  выходе. Если несколько таких искусственных нейронов взять, то это слой  нейронной сети. Если слои нейронной сети соединить, так, чтобы все  нейроны предыдущего слоя были соединены со всеми нейронами следующего,  то это будет уже нейронная сеть с двумя слоями.

Так  вот, математически доказано, что если этих слоёв много, и в каждом слое  достаточно нейронов, то правильно выкрутив "ручки настройки"  у каждого  нейрона можно решить почти любую математическую задачу, точнее, научить  нейронную сеть ИМИТИРОВАТЬ определённую математическую функцию (в  математике используется термин "аппроксимировать")

Главная  плюшка нейронной сети в отличии от других методов в том, что она учится  на примерах, и нейронной сети не нужно ничего знать о задаче, которую  она решает. Вы даёте нейронной сети то, что должно быть на входе, и что  при этом должно быть на выходе. Дайте достаточное количество образцов,  пар "входные значения - выходные значения", и хитрые математические  методы настроят "ручки настройки" на каждом нейроне так, чтобы при  получении такого же образца на входе на выходе получалось нужное  значение.

Например, задачу распознавания лиц тоже можно  считать очень-очень сложной математической функцией. А значит, можно  научить нейронную сеть эту функцию имитировать со сколь угодно большой  точностью.

Проблема в том, чтобы а) подобрать наиболее  удачное число слоёв, число нейронов в слое, правильно выбрать ту самую  "хитрую функцию" в самом нейроне и б) придумать более крутой метод  подбора весов нейрона (=положения "ручек настройки")

1
0
Прокомментировать
Ответить
Читайте также на Яндекс.Кью
Читайте также на Яндекс.Кью