Ayer, garabateé un par de pensamientos sobre redes neuronales (en lo sucesivo, el NS) en el artículo y tuve la imprudencia de nombrarlo con bastante precisión, lo que no escapó a la mirada perspicaz de los admiradores de mi talento, que me acusaron de atraerlos con un titular astuto y ruidoso para leer su Una obra maestra. Por lo tanto, para compensar la amargura de las expectativas injustificadas en este artículo, presento al tribunal una reflexión pública estricta pero justa sobre algunas áreas de aplicación de la Asamblea Nacional.
Entonces, el alcance de NS. Me parece que después de algún tiempo este título también se verá como "áreas de aplicación de las matemáticas" en el sentido de que, en primer lugar, el campo de aplicación de las matemáticas es extremadamente amplio y, en segundo lugar, no se especifica de qué subsección particular de las matemáticas estamos hablando. Las redes neuronales se utilizarán en innumerables esferas, habrá muchas variaciones de sus arquitecturas y podrán resolver las mismas tareas que nuestro cerebro, porque están construidas sobre un principio similar.
En el último párrafo, no dije nada sobre cuánto tiempo podrían resolver estos problemas y bajo qué características de las computadoras. Incluso si el rendimiento del NS es igual a la productividad del cerebro (que, según Ray Kurzweil, es cuestión de décadas), todavía no sabemos cómo funciona el cerebro y si sus partes están pre-entrenadas de antemano. Aquí me refiero a la "memoria genética" formada por millones de años de evolución. Es decir, la estructura de los enlaces y su fuerza (lectura - pesos en el NS) en las neuronas del cerebro humano pueden establecerse inmediatamente al nacer, y durante la vida se adaptan a un entorno específico. Por ejemplo, Noam Chomsky (un famoso lingüista) cree que parte de la gramática del idioma (la clase base del idioma en términos de POO, si se quiere) ya está en la cabeza al nacer. Pero consideremos un futuro menos distante e incluso el presente.
Las redes neuronales se denominan tecnologías de aprendizaje automático, aparentemente debido al hecho de que el entrenamiento (configuración de parámetros) en datos es una parte integral. En consecuencia, las redes neuronales pueden resolver problemas relacionados con el aprendizaje automático, a saber: clasificación, regresión, agrupamiento. NS también se puede utilizar en tareas de aprendizaje de refuerzo. Dichas técnicas se utilizan en los sistemas de toma de decisiones. Por ejemplo, la compañía DeepBrain, que fue comprada por Google, acaba de enseñarle al NS a jugar videojuegos. Por el contrario, su NS aprendió por su cuenta, solo mirando la pantalla. NS similares pueden conducir un automóvil. Pero se ha escrito mucho sobre todo esto, y no veo el punto de volver a contar los pensamientos de otras personas.
Quiero describir las áreas de aplicación de NS según el tipo de datos con los que trabaja este NS: números, imágenes, texto, sonidos, voz, video.
Las diferentes arquitecturas de red funcionan bien con diferentes datos. Por ejemplo, las redes convolucionales se usan para imágenes y las recurrentes para reconocimiento de voz. También se utilizan para el procesamiento del lenguaje natural: en tareas de traducción automática, sistemas de diálogo. Para el tipo de datos "número" en los problemas de pronóstico, aproximación y regresión (todo esto, informalmente, se reduce al hecho de que hay alguna función que se modela usando NS), puede usar el perceptrón multicapa estándar.
Limitémonos hoy solo a los campos de aplicación de NS para el procesamiento de imágenes; se pueden establecer muchas analogías para otros tipos de datos.
Entonces
- Puede usar NS para definir algo en la imagen (tarea de clasificación). Puede ser una figura escrita a mano, un gato, un perro, una cara o un tumor - NS de todos modos. En consecuencia, se puede aplicar en cualquier área donde tenga imágenes (fotografías) y el objeto de interés para usted. Reconocimiento de emociones, reconocimiento de señales de tráfico, números de automóviles, objetos secretos en mapas, lo que sea.
- NS puede estilizar la imagen. Se puede ver un ejemplo en KDPV. Entrene a NS en las pinturas de artistas famosos y luego cambie su foto al estilo elegido. Por ejemplo, Prizma hace esto (me pregunto si me pagarán por publicidad). Algo similar para el video es MSQRD, que Facebook compró. Para el habla, uno puede imaginar su distorsión. Bueno, para los sonidos: estilización de la música.
- El NS puede buscar entre otras imágenes objetos similares al suyo. Por ejemplo, FindFace.ru. Según tengo entendido, Natalia Efremova, quien hizo un informe sobre la Asamblea Nacional y cuyo artículo es sobre Habré, trabaja en ella.
- NS puede generar nuevas imágenes. Escribir nuevos textos, crear obras musicales. La idea es simple y elegante: entrenas NS y luego inviertes la salida con la entrada.
La imagen no es tan relevante.
- La Asamblea Nacional puede entender qué se muestra exactamente en la fotografía, es decir, para determinar la semántica - significado. Entonces, la Asamblea Nacional no solo puede decir que la persona está en la foto, sino también describir toda la escena con palabras: una niña con una blusa roja está acariciando a un gato.
Las redes neuronales pueden funcionar como memoria, recuerdan signos, partes de imágenes. Esto se puede usar para la compresión de datos o como una función hash. Y hablando de funciones hash, no se puede dejar de mencionar el uso de NS en criptografía. NS se puede usar para cifrar datos. No sé si hay implementaciones o ideas existentes, pero de alguna manera pensé que NS incluso puede usarse para el criptoanálisis: entrenarla en un conjunto de texto cifrado: texto sin formato, y luego darle un nuevo texto cifrado y, con suerte, obtener un descifrado, por lo tanto que en su interior se aproxima el funcionamiento del algoritmo de cifrado con los parámetros clave.
Estas fueron algunas (no todas) áreas de aplicación de la Asamblea Nacional.
Gracias por su atencion!