Ontem, escrevi algumas reflexões sobre redes neurais (doravante denominadas NS) no artigo e tive a imprudência de nomeá-la com muita precisão, o que não escapou ao olhar perspicaz dos admiradores de meu talento, que me acusaram de atraí-los com uma manchete astuta e alta para ler seus uma obra-prima. Portanto, para compensar a amargura das expectativas injustificadas neste artigo, submeto ao tribunal uma reflexão pública estrita, mas justa, sobre algumas áreas de aplicação da Assembléia Nacional.
Então, o escopo do NS. Parece-me que, depois de algum tempo, esse título também parecerá "áreas de aplicação da matemática", no sentido de que, em primeiro lugar, o campo de aplicação da matemática é extremamente amplo e, em segundo lugar, não é especificado de que subseção específica da matemática estamos falando. As redes neurais serão usadas em inúmeras esferas, haverá muitas variações de suas arquiteturas e serão capazes de resolver as mesmas tarefas que o nosso cérebro, porque são construídas com base em um princípio semelhante.
No último parágrafo, não disse nada sobre quanto tempo eles poderiam resolver esses problemas e sob quais características dos computadores. Mesmo que o desempenho do SN seja igual à produtividade do cérebro (que, segundo Ray Kurzweil, é uma questão de décadas), ainda não sabemos como o cérebro funciona e se suas partes são pré-treinadas com antecedência. Aqui quero dizer a "memória genética" formada por milhões de anos de evolução. Ou seja, a estrutura das ligações e sua força (pesos de leitura no SN) nos neurônios do cérebro humano podem ser definidas imediatamente no nascimento e, durante a vida, elas se adaptam a um ambiente específico. Por exemplo, Noam Chomsky (um famoso linguista) acredita que alguma gramática do idioma (a classe base do idioma em termos de POO, se você preferir) já está na cabeça desde o nascimento. Mas vamos considerar um futuro menos distante e até o presente.
As redes neurais são chamadas de tecnologias de aprendizado de máquina, aparentemente devido ao fato de que o treinamento (configuração de parâmetros) nos dados é parte integrante. Dessa forma, redes neurais podem resolver problemas relacionados ao aprendizado de máquina, a saber: classificação, regressão, agrupamento. O NS também pode ser usado em tarefas de aprendizado por reforço. Tais técnicas são usadas nos sistemas de tomada de decisão. Por exemplo, a empresa DeepBrain, que foi comprada pelo Google, acabou de ensinar o NS a jogar videogame. Em vez disso, o NS aprendeu por conta própria, apenas olhando para a tela. NSs semelhantes podem dirigir um carro. Mas muito já foi escrito sobre tudo isso e não vejo sentido em recontar os pensamentos de outras pessoas.
Quero descrever as áreas de aplicação do NS, dependendo de que tipo de dados ele trabalha: números, imagens, texto, sons, fala, vídeo.
Arquiteturas de rede diferentes funcionam bem com dados diferentes. Por exemplo, redes convolucionais são usadas para imagens e recorrentes para reconhecimento de fala. Eles também são usados para processamento de linguagem natural: em tarefas de tradução automática, sistemas de diálogo. Para o tipo de dados "número" em problemas de previsão, aproximação e regressão (tudo isso, informalmente, se resume ao fato de que há alguma função modelada usando o NS), você pode usar o perceptron padrão de multicamadas.
Hoje, vamos nos limitar apenas aos campos de aplicação do NS para processamento de imagens; muitas analogias podem ser feitas para outros tipos de dados.
Então
- Você pode usar o NS para definir algo na imagem (tarefa de classificação). Pode ser uma figura manuscrita, um gato, um cachorro, um rosto ou um tumor - NS de qualquer maneira. Conseqüentemente, ele pode ser aplicado em qualquer área em que você tenha imagens (fotografias) e o objeto de seu interesse. Reconhecimento de emoções, reconhecimento de sinais de trânsito, números de carros, objetos secretos nos mapas, qualquer que seja.
- O NS pode estilizar a imagem. Um exemplo pode ser visto no KDPV. Treine NS nas pinturas de artistas famosos e mude sua foto para o estilo escolhido. Por exemplo, a Prizma faz isso (eu me pergunto se eles me pagarão por publicidade?). Algo semelhante para o vídeo é o MSQRD, que o Facebook comprou. Para a fala, pode-se imaginar sua distorção. Bem, para sons - estilização de música.
- O NS pode pesquisar, entre outras imagens, objetos semelhantes ao seu. Por exemplo, FindFace.ru. Pelo que entendi, Natalia Efremova, que fez um relatório sobre a Assembléia Nacional e cujo artigo é sobre Habré, trabalha nela.
- O NS pode gerar novas imagens. Escrever novos textos, criar obras musicais. A ideia é simples e elegante: você treina o NS e inverte a saída com a entrada.
A imagem não é tão relevante.
- A Assembléia Nacional pode entender exatamente o que é mostrado na fotografia, ou seja, para determinar o significado semântico. Portanto, a Assembléia Nacional não pode apenas dizer que a pessoa está na foto, mas também descrever toda a cena com palavras: uma garota de blusa vermelha está acariciando um gato.
As redes neurais podem funcionar como memória, lembram signos, partes de imagens. Isso pode ser usado para compactação de dados ou como uma função de hash. E por falar em funções hash, não se pode deixar de mencionar o uso do NS na criptografia. O NS pode ser usado para criptografar dados. Não sei se existem implementações ou idéias existentes, mas de alguma forma pensei que o NS pudesse ser usado para análises criptográficas: treiná-la em um conjunto de texto criptografado - texto simples e, em seguida, fornecer um novo texto criptografado e, com sorte, obter uma descriptografia. que dentro dele se aproxima a operação do algoritmo de criptografia com os principais parâmetros.
Essas foram algumas (não todas) aplicações da Assembléia Nacional.
Obrigado pela atenção!