Gestern habe ich ein paar Gedanken über neuronale Netze (im Folgenden als NS bezeichnet) in den Artikel geschrieben und hatte die Unklugheit, sie nicht ganz genau zu benennen, was dem scharfsinnigen Blick der Bewunderer meines Talents nicht entging, die mich beschuldigten, sie mit einer listigen und lauten Überschrift zum Lesen ihrer zu verleiten ein Meisterwerk. Um die Bitterkeit ungerechtfertigter Erwartungen in diesem Artikel auszugleichen, lege ich dem Gericht daher eine strikte, aber faire öffentliche Reflexion über einige Anwendungsbereiche der Nationalversammlung vor.
Also, der Umfang von NS. Es scheint mir, dass dieser Titel nach einiger Zeit auch in dem Sinne wie „Anwendungsbereiche der Mathematik“ aussehen wird, dass erstens das Anwendungsfeld der Mathematik extrem weit ist und zweitens nicht spezifiziert ist, um welchen speziellen Unterabschnitt der Mathematik es sich handelt. Neuronale Netze werden in unzähligen Bereichen eingesetzt, es wird viele Variationen ihrer Architekturen geben und sie werden in der Lage sein, dieselben Aufgaben wie unser Gehirn zu lösen, da sie auf einem ähnlichen Prinzip beruhen.
Im letzten Absatz habe ich nichts darüber gesagt, wie lange sie diese Probleme lösen könnten und unter welchen Eigenschaften von Computern. Selbst wenn die Leistung des NS gleich der Produktivität des Gehirns ist (was laut Ray Kurzweil eine Frage von Jahrzehnten ist), wissen wir immer noch nicht, wie das Gehirn funktioniert und ob seine Teile im Voraus vorab trainiert werden. Hier meine ich das „genetische Gedächtnis“, das durch Millionen von Jahren Evolution gebildet wurde. Das heißt, die Struktur von Bindungen und ihre Stärke (Lesegewichte in der NS) in Neuronen im menschlichen Gehirn können sofort bei der Geburt festgelegt werden und passen sich während des Lebens an eine bestimmte Umgebung an. Zum Beispiel glaubt Noam Chomsky (ein berühmter Linguist), dass eine Grammatik der Sprache (die Basisklasse der Sprache in Bezug auf OOP, wenn Sie so wollen) bereits bei der Geburt im Kopf ist. Aber betrachten wir eine weniger ferne Zukunft und sogar die Gegenwart.
Neuronale Netze werden als Technologien für maschinelles Lernen bezeichnet, anscheinend aufgrund der Tatsache, dass das Training (Parametereinstellung) von Daten ein wesentlicher Bestandteil ist. Dementsprechend können neuronale Netze Probleme lösen, die sich auf maschinelles Lernen beziehen, nämlich Klassifizierung, Regression, Clustering. NS kann auch für Lernaufgaben zur Verstärkung verwendet werden. Solche Techniken werden in Entscheidungsfindungssystemen verwendet. Zum Beispiel hat die Firma DeepBrain, die von Google gekauft wurde, der NS gerade das Spielen von Videospielen beigebracht. Vielmehr lernte ihre NS selbstständig, indem sie nur auf den Bildschirm schaute. Ähnliche NS können ein Auto fahren. Aber darüber wurde viel geschrieben, und ich sehe keinen Sinn darin, die Gedanken anderer Leute noch einmal zu erzählen.
Ich möchte die Anwendungsbereiche von NS beschreiben, je nachdem, mit welcher Art von Daten diese NS arbeitet: Zahlen, Bilder, Text, Töne, Sprache, Video.
Unterschiedliche Netzwerkarchitekturen funktionieren gut mit unterschiedlichen Daten. Beispielsweise werden Faltungsnetzwerke für Bilder und wiederkehrende für die Spracherkennung verwendet. Sie werden auch für die Verarbeitung natürlicher Sprache verwendet: in maschinellen Übersetzungsaufgaben, in Dialogsystemen. Für den Datentyp "Zahl" bei Prognose-, Approximations- und Regressionsproblemen (all dies hängt informell davon ab, dass eine Funktion mit NS modelliert wird) können Sie das Standard-Multilayer-Perzeptron verwenden.
Beschränken wir uns heute nur auf die Anwendungsbereiche von NS für die Bildverarbeitung, viele Analogien können für andere Datentypen gezogen werden.
Also
- Mit NS können Sie etwas auf dem Bild definieren (Klassifizierungsaufgabe). Es kann eine handgeschriebene Figur sein, eine Katze, ein Hund, ein Gesicht oder ein Tumor - NS sowieso. Dementsprechend kann es in allen Bereichen angewendet werden, in denen Sie Bilder (Fotos) und das für Sie interessante Objekt haben. Erkennen von Emotionen, Erkennen von Verkehrszeichen, Autonummern, geheimen Objekten auf Karten, was auch immer.
- NS kann das Bild stilisieren. Ein Beispiel ist auf KDPV zu sehen. Trainieren Sie NS in den Gemälden berühmter Künstler und ändern Sie dann Ihr Foto in den gewählten Stil. Zum Beispiel macht Prizma das (ich frage mich, ob sie mich für Werbung bezahlen werden?). Ähnliches für das Video ist MSQRD, das Facebook gekauft hat. Für die Sprache kann man sich ihre Verzerrung vorstellen. Nun, für Sounds - Stilisierung von Musik.
- Der NS kann unter anderem nach Objekten suchen, die denen auf Ihrem ähnlich sind. Zum Beispiel FindFace.ru. So wie ich es verstehe, arbeitet Natalia Efremova, die einen Bericht über die Nationalversammlung erstellt hat und deren Artikel über Habré ist, darin.
- NS kann neue Bilder erzeugen. Neue Texte schreiben, musikalische Werke schaffen. Die Idee ist einfach und elegant: Sie trainieren NS und invertieren dann die Ausgabe mit der Eingabe.
Das Bild ist nicht so relevant.
- Die Nationalversammlung kann verstehen, was genau auf dem Foto gezeigt wird, dh um die sematische Bedeutung zu bestimmen. Die Nationalversammlung kann also nicht nur sagen, dass die Person auf dem Foto ist, sondern auch die ganze Szene mit Worten beschreiben: Ein Mädchen in einer roten Bluse streichelt eine Katze.
Neuronale Netze können als Erinnerung fungieren, sie erinnern sich an Zeichen, Teile von Bildern. Dies kann zur Datenkomprimierung oder als Hash-Funktion verwendet werden. Und wenn man von Hash-Funktionen spricht, kann man die Verwendung von NS in der Kryptographie nicht übersehen. NS kann zum Verschlüsseln von Daten verwendet werden. Ich weiß nicht, ob es bereits Implementierungen oder Ideen gibt, aber irgendwie dachte ich, dass NS sogar für die Kryptoanalyse verwendet werden kann: Sie in einem Satz verschlüsselten Textes zu trainieren - Klartext, und ihr dann einen neuen verschlüsselten Text zu geben und hoffentlich eine Entschlüsselung zu erhalten dass darin die Operation des Verschlüsselungsalgorithmus mit den Schlüsselparametern angenähert wird.
Dies waren einige (nicht alle) Anwendungsbereiche der Nationalversammlung.
Vielen Dank für Ihre Aufmerksamkeit!