Hier, j'ai griffonné quelques réflexions sur les réseaux de neurones (ci-après dénommés NS) dans l'article et j'ai eu l'imprudence de ne pas le nommer avec précision, ce qui n'a pas échappé au regard perspicace des admirateurs de mon talent, qui m'ont accusé de les inciter à faire un gros titre rusé et fort pour lire leur un chef-d'œuvre. Par conséquent, afin de compenser l'amertume des attentes injustifiées dans cet article, je soumets au tribunal une réflexion publique stricte mais juste sur certains domaines d'application de l'Assemblée nationale.
Ainsi, la portée de NS. Il me semble qu'après un certain temps, ce titre ressemblera également à des «domaines d'application des mathématiques» dans le sens où, premièrement, le champ d'application des mathématiques est extrêmement large, et deuxièmement, il n'est pas précisé de quelle sous-section particulière des mathématiques nous parlons. Les réseaux de neurones seront utilisés dans d'innombrables sphères, il y aura de nombreuses variantes de leurs architectures et ils seront en mesure de résoudre toutes les mêmes tâches que notre cerveau, car ils sont construits sur un principe similaire.
Dans le dernier paragraphe, je n'ai pas dit combien de temps ils seraient capables de résoudre ces problèmes et sous quelles caractéristiques des ordinateurs. Même si la performance du NS est égale à la productivité du cerveau (qui, selon Ray Kurzweil, est une question de décennies), nous ne savons toujours pas comment fonctionne le cerveau et si ses parties sont pré-entraînées. Je veux dire ici la «mémoire génétique» formée par des millions d'années d'évolution. Autrement dit, la structure des liaisons et leur force (poids de lecture en NS) dans les neurones du cerveau humain peuvent être définies immédiatement à la naissance, et pendant la vie, elles s'adaptent à un environnement spécifique. Par exemple, Noam Chomsky (un linguiste célèbre) estime qu'une grammaire de la langue (la classe de base de la langue en termes de POO, si vous voulez) est déjà dans la tête à la naissance. Mais considérons un avenir moins lointain et même le présent.
Les réseaux de neurones sont appelés technologies d'apprentissage automatique, apparemment en raison du fait que la formation (paramétrage) sur les données fait partie intégrante. En conséquence, les réseaux de neurones peuvent résoudre des problèmes liés à l'apprentissage automatique, à savoir: la classification, la régression, le clustering. NS peut également être utilisé dans des tâches d'apprentissage par renforcement. Ces techniques sont utilisées dans les systèmes de prise de décision. Par exemple, la société DeepBrain, qui a été achetée par Google, vient d'apprendre aux NS à jouer à des jeux vidéo. Au contraire, leur NS a appris par eux-mêmes, simplement en regardant l'écran. Des NS similaires peuvent conduire une voiture. Mais beaucoup de choses ont été écrites sur tout cela, et je ne vois pas l'intérêt de raconter les pensées des autres.
Je veux décrire les domaines d'application de NS en fonction du type de données avec lesquelles NS travaille: nombres, images, texte, sons, discours, vidéo.
Différentes architectures de réseau fonctionnent bien avec différentes données. Par exemple, les réseaux convolutifs sont utilisés pour les images et les réseaux récurrents pour la reconnaissance vocale. Ils sont également utilisés pour le traitement du langage naturel: dans les tâches de traduction automatique, les systèmes de dialogue. Pour le type de données «nombre» dans les problèmes de prévision, d'approximation et de régression (tout cela, de manière informelle, se résume au fait qu'il existe une fonction modélisée à l'aide de NS), vous pouvez utiliser le perceptron multicouche standard.
Limitons-nous aujourd'hui uniquement aux domaines d'application de la NS pour le traitement d'images; de nombreuses analogies peuvent être tirées pour d'autres types de données.
Alors
- Vous pouvez utiliser NS pour définir quelque chose sur l'image (tâche de classification). Il peut s'agir d'une figure manuscrite, d'un chat, d'un chien, d'un visage ou d'une tumeur - NS de toute façon. En conséquence, il peut être appliqué dans tous les domaines où vous avez des images (photographies) et l'objet qui vous intéresse. Reconnaissance des émotions, reconnaissance des panneaux routiers, des numéros de voiture, des objets secrets sur les cartes, peu importe.
- NS peut styliser l'image. Un exemple peut être vu sur KDPV. Entraînez NS dans les peintures d'artistes célèbres, puis changez votre photo selon le style choisi. Par exemple, Prizma fait cela (je me demande s'ils me paieront pour la publicité?). Quelque chose de similaire pour la vidéo est MSQRD, que Facebook a acheté. Pour la parole, on peut imaginer sa distorsion. Eh bien, pour les sons - la stylisation de la musique.
- Le NS peut rechercher parmi d'autres images des objets similaires à celui sur le vôtre. Par exemple, FindFace.ru. Si je comprends bien, Natalia Efremova, qui a fait un rapport sur l'Assemblée nationale et dont l'article est sur Habré, y travaille.
- NS peut générer de nouvelles images. Écrire de nouveaux textes, créer des œuvres musicales. L'idée est simple et élégante: vous entraînez NS, puis inversez la sortie avec l'entrée.
L'image n'est pas si pertinente.
- L'Assemblée nationale peut comprendre exactement ce qui est montré sur la photographie, c'est-à-dire déterminer la sémantique - le sens. Ainsi, l'Assemblée nationale peut non seulement dire que la personne est sur la photo, mais aussi décrire toute la scène avec des mots: une fille en blouse rouge caresse un chat.
Les réseaux de neurones peuvent fonctionner comme de la mémoire, ils se souviennent de signes, de parties d'images. Cela peut être utilisé pour la compression de données ou comme fonction de hachage. Et en parlant de fonctions de hachage, on ne peut manquer de mentionner l'utilisation de NS en cryptographie. NS peut être utilisé pour crypter des données. Je ne sais pas s'il existe des implémentations ou des idées existantes, mais je pensais que NS peut même être utilisé pour la cryptanalyse: pour la former sur un ensemble de texte crypté - texte brut, puis lui donner un nouveau texte crypté et, espérons-le, obtenir un décryptage, donc qu'à l'intérieur, il rapproche le fonctionnement de l'algorithme de chiffrement avec les paramètres clés.
Ce sont là quelques-uns (pas tous) des domaines d'application de l'Assemblée nationale.
Merci de votre attention!