Kemarin, saya menuliskan beberapa pemikiran tentang jaringan saraf (selanjutnya disebut NS) dalam artikel tersebut dan tidak bijaksana untuk menyebutkannya secara tidak akurat, yang tidak luput dari tatapan pengagum bakat saya yang berbakat, yang menuduh saya membujuk mereka dengan judul yang cerdik dan keras untuk membaca tulisan mereka. sebuah mahakarya. Oleh karena itu, untuk mengkompensasi kepahitan dari harapan yang tidak dapat dibenarkan dalam artikel ini, saya serahkan kepada pengadilan refleksi publik yang ketat tapi adil tentang beberapa area penerapan Majelis Nasional.
Jadi, ruang lingkup NS. Tampak bagi saya bahwa setelah beberapa waktu judul ini juga akan terlihat seperti "bidang penerapan matematika" dalam arti bahwa, pertama, bidang aplikasi matematika sangat luas, dan kedua, tidak ditentukan bagian matematika apa yang sedang kita bicarakan. Jaringan saraf akan digunakan dalam bidang yang tak terhitung jumlahnya, akan ada banyak variasi arsitektur mereka dan mereka akan dapat menyelesaikan semua tugas yang sama seperti otak kita, karena mereka dibangun di atas prinsip yang sama.
Dalam paragraf terakhir, saya tidak mengatakan apa pun tentang berapa lama mereka dapat menyelesaikan masalah ini dan di bawah karakteristik komputer apa. Bahkan jika kinerja NS sama dengan produktivitas otak (yang, menurut Ray Kurzweil, adalah masalah beberapa dekade), kita masih tidak tahu bagaimana otak bekerja dan apakah bagian-bagiannya sudah dilatih sebelumnya. Yang saya maksudkan adalah "memori genetik" yang terbentuk oleh jutaan tahun evolusi. Artinya, struktur ikatan dan kekuatannya (baca - bobot di NS) di neuron di otak manusia dapat diatur segera saat lahir, dan selama hidup mereka beradaptasi dengan lingkungan tertentu. Sebagai contoh, Noam Chomsky (ahli bahasa terkenal) percaya bahwa beberapa tata bahasa (kelas dasar bahasa dalam hal OOP, jika Anda mau) sudah ada di kepala saat lahir. Tapi mari kita pertimbangkan masa depan yang tidak terlalu jauh dan bahkan masa kini.
Jaringan saraf disebut sebagai teknologi pembelajaran mesin, tampaknya karena fakta bahwa pelatihan (pengaturan parameter) pada data merupakan bagian yang tidak terpisahkan. Dengan demikian, jaringan saraf dapat memecahkan masalah yang berhubungan dengan pembelajaran mesin, yaitu: klasifikasi, regresi, pengelompokan. NS juga dapat digunakan dalam tugas-tugas penguatan pembelajaran. Teknik seperti itu digunakan dalam sistem pengambilan keputusan. Sebagai contoh, perusahaan DeepBrain, yang dibeli oleh Google, baru saja mengajarkan NS untuk bermain video game. Sebaliknya, NS mereka belajar sendiri, hanya melihat layar. NS serupa dapat mengendarai mobil. Tetapi banyak yang telah ditulis tentang semua ini, dan saya tidak melihat gunanya menceritakan kembali pemikiran orang lain.
Saya ingin menggambarkan area aplikasi NS tergantung pada jenis data NS ini bekerja dengan: angka, gambar, teks, suara, ucapan, video.
Arsitektur jaringan yang berbeda bekerja dengan baik dengan data yang berbeda. Misalnya, jaringan konvolusional digunakan untuk gambar, dan yang berulang untuk pengenalan suara. Mereka juga digunakan untuk pemrosesan bahasa alami: dalam tugas terjemahan mesin, sistem dialog. Untuk tipe data "angka" dalam masalah perkiraan, perkiraan, dan regresi (semua ini, berbicara secara informal, berujung pada fakta bahwa ada beberapa fungsi yang dimodelkan menggunakan NS), Anda dapat menggunakan perceptron multilayer standar.
Mari kita hari ini membatasi diri hanya pada bidang penerapan NS untuk pemrosesan gambar, banyak analogi dapat diambil untuk jenis data lainnya.
Jadi
- Anda dapat menggunakan NS untuk mendefinisikan sesuatu pada gambar (tugas klasifikasi). Ini bisa berupa figur tulisan tangan, kucing, anjing, wajah atau tumor - NS. Dengan demikian, itu dapat diterapkan di area mana pun di mana Anda memiliki gambar (foto) dan objek yang menarik bagi Anda. Pengenalan emosi, pengakuan tanda-tanda jalan, nomor mobil, benda-benda rahasia di peta, apa pun.
- NS dapat menyesuaikan dgn mode gambar. Contohnya bisa dilihat di KDPV. Latih NS dalam lukisan-lukisan seniman terkenal, dan kemudian ubah foto Anda dengan gaya yang dipilih. Misalnya, Prizma melakukan ini (saya ingin tahu apakah mereka akan membayar saya untuk iklan?). Sesuatu yang mirip dengan video tersebut adalah MSQRD, yang dibeli oleh Facebook. Untuk pidato, orang bisa membayangkan distorsi. Nah, untuk bunyi - gaya musik.
- NS dapat mencari di antara gambar-gambar lain benda-benda yang mirip dengan yang ada pada Anda. Misalnya, FindFace.ru. Seperti yang saya pahami, Natalia Efremova, yang membuat laporan tentang Majelis Nasional dan yang artikelnya tentang Habré, bekerja di dalamnya.
- NS dapat menghasilkan gambar baru. Untuk menulis teks baru, membuat karya musik. Idenya sederhana dan elegan: Anda melatih NS, dan kemudian membalikkan output dengan input.
Gambarnya tidak begitu relevan.
- Majelis Nasional dapat memahami apa yang sebenarnya ditunjukkan dalam foto, yaitu, untuk menentukan makna semantik. Jadi Majelis Nasional tidak hanya bisa mengatakan bahwa orang itu ada di foto, tetapi juga menggambarkan seluruh adegan dengan kata-kata: seorang gadis dalam blus merah sedang membelai kucing.
Jaringan saraf dapat berfungsi sebagai memori, mereka ingat tanda-tanda, bagian dari gambar. Ini dapat digunakan untuk kompresi data atau sebagai fungsi hash. Dan berbicara tentang fungsi hash, orang tidak bisa tidak menyebutkan penggunaan NS dalam kriptografi. NS dapat digunakan untuk mengenkripsi data. Saya tidak tahu apakah ada implementasi atau ide yang ada, tetapi entah bagaimana saya berpikir bahwa NS bahkan dapat digunakan untuk analisis kriptografi: untuk melatihnya pada serangkaian teks terenkripsi - teks biasa, dan kemudian memberinya teks terenkripsi baru dan mudah-mudahan mendapatkan dekripsi, oleh karena itu bahwa di dalamnya mendekati operasi algoritma enkripsi dengan parameter kunci.
Ini adalah beberapa (tidak semua) bidang penerapan Majelis Nasional.
Terima kasih atas perhatian anda!