• Добавить в закладки
  • Facebook
  • Twitter
  • Telegram
  • VK
  • Печать
  • Email
  • Скопировать ссылку
12.06.2023
Редакция Naked Science
9 521

Нейросети: зачем они обычному человеку?

3.3

Вдумайтесь: буквально на наших глазах понятия «нейронные сети» и «искусственный интеллект» перестали быть чем-то, что ассоциируется с научной фантастикой, — теперь это наша обыденность. Вместе с телеграм-каналом «Цифровой Журнал» разобрались, что сейчас в центре внимания в мире технологий. Naked Science: Многие часто путаются и не могут понять, что есть нейросеть, а что относится к термину...

Человек в очках виртуальной реальности, работающих с помощью сверточных нейросетей / © IBM / Автор: Caristania Fabricius

Вдумайтесь: буквально на наших глазах понятия «нейронные сети» и «искусственный интеллект» перестали быть чем-то, что ассоциируется с научной фантастикой, — теперь это наша обыденность. Вместе с телеграм-каналом «Цифровой Журнал» разобрались, что сейчас в центре внимания в мире технологий.

Naked Science: Многие часто путаются и не могут понять, что есть нейросеть, а что относится к термину «искусственный интеллект». Расскажите, как их различать?

«Цифровой Журнал»: На самом деле, все довольно просто. Искусственный интеллект — обширное понятие, описывающее систему, способную выполнить ту или иную задачу, которую ранее невозможно было решить без вмешательства человеческого разума. А нейронная сеть — это уже конкретная реализация ИИ, заточенная под определенные задачи, связанные с обработкой сложных данных.

NS: Окей, тогда остановимся на нейросетях. Как они эволюционировали и пришли к текущему состоянию?

ЦЖ: История их развития тянется аж с 1940-х годов, тогда сформировали основные принципы и процессы обучения. Затем в 1980-х был открыт новый подход к обучению нейронок — метод распространения ошибки. Этот алгоритм минимизировал неточности в ходе обучения нейросетей. В 90-х годах интерес снова пропал. Расцвет начался в 2010-х. Доступность данных и GPU спровоцировала новый бум в сфере машинного обучения. Это позволило создавать более сложные модели, такие как глубокие нейронные сети, которые демонстрируют впечатляющие результаты в областях компьютерного зрения, обработки естественного языка, игр и других. 

Основы фундаментальных концепций нейроэволюции  / © Towards Data Science 

NS: А какие сейчас новейшие тенденции в мире нейросетей?

ЦЖ: Мы бы выделили четыре основных направления:

  1. Развитие глубокого обучения. Глобальный тренд, направленный на то, чтобы научить нейросети делать более точные прогнозы и ускорить анализ данных, таких как изображения или тексты, без потери в качестве.
  2. Обучение с меньшим количеством данных. Разработка способов, позволяющих нейронными сетям учиться на небольших объемах информации. Такой подход делает их более доступными для использования в разных областях, даже если данных мало.
  3. Совмещение нейросетей с другими технологиями. Комплекс мер, направленный на оптимизацию и ускорение уже существующих алгоритмов обучения, а также открытие новых.
  4. Обучение с подкреплением. Такой подход позволяет нейросетям взаимодействовать с окружающей средой и принимать решения на основе своего опыта.

Все это вместе поможет искусственному интеллекту еще на шаг приблизиться к уровню человеческого.

NS: Вы часто говорите про обучение нейронных сетей. Незнающему человеку трудно даже в абстракциях представить, как это выглядит. Получится у вас описать этот процесс на каком-то простом примере?

ЦЖ: Конечно! Давайте представим, что мы хотим научить компьютер различать картинки с кошками и собаками. Вот как происходило бы обучение нейронной сети на такой задаче.

  1. Подготовка данных. Сначала нам нужно сформировать набор данных, содержащий много изображений с кошками и собаками. Эти изображения будут использоваться для обучения нейронной сети. Каждое изображение должно быть правильно размечено как «кошка» или «собака».
  2. Разделение данных. Обычно данные разделяют на три набора: обучающий набор (для обучения модели), проверочный набор (для настройки параметров модели в процессе обучения) и тестовый набор (для оценки точности модели после обучения).
  3. Выбор архитектуры нейронной сети. Грубо говоря, для пробежки мы надеваем спортивные штаны, а на корпоратив костюм-тройку. Примерно так же и с нейросетями. В зависимости от задачи, эксперты решают, какой будет нейросеть на уровне архитектуры.
  4. Обучение модели. В процессе обучения нейронная сеть анализирует изображения из обучающего набора и корректирует свои параметры таким образом, чтобы минимизировать ошибку в определении кошек и собак.
  5. Оценка модели. После завершения обучения модели происходит оценка ее точности на проверочном наборе данных. Это позволяет понять, насколько хорошо модель обучилась и насколько она способна работать с новыми данными.
  6. Тестирование модели. Наконец, модель проверяется на тестовом наборе данных, который не использовался в процессе обучения или проверки. Это позволяет оценить реальную способность модели различать кошек и собак на новых, неизвестных ей изображениях.
  7. Настройка и повторное обучение (по необходимости). Если модель показывает недостаточную точность, ее можно настроить, изменяя параметры нейронной сети или увеличивая количество обучающих данных, а затем повторно обучить.
Нейронные сети для начинающих: взгляд с высоты птичьего полета / © waksoft.susu.ru

NS: А как в реальной жизни или работе нейросети помогают людям и облегчают их жизнь?

ЦЖ: Онлайн-сервисы и инструменты с интегрированными нейросетями появляются со скоростью несколько штук в неделю. Если говорить глобально, то вот несколько примеров.

  1. Медицина. Нейронные сети помогают в диагностике болезней, анализе медицинских изображений (например, рентгеновских снимков или снимков МРТ), предсказании осложнений и разработке индивидуализированных лечебных планов.
  2. Технологии связи. Голосовые ассистенты, системы распознавания речи, машинный перевод и синтез голоса.
  3. Финансы и бизнес. Нейронные сети помогают прогнозировать рыночные тенденции, обнаруживать мошенническую активность, автоматизировать процессы принятия решений и улучшать клиентский сервис.
  4. Автомобильная промышленность. В области автономных транспортных средств нейронные сети играют важную роль в системах распознавания дорожной обстановки, принятия решений и управления автомобилями.
  5. Рекомендательные системы. Нейронные сети используются для анализа поведения пользователей и предсказания их предпочтений, что помогает предлагать персонализированный контент и рекомендации в интернет-магазинах, социальных сетях и стриминговых сервисах.

Мы можем брать и более узкие сферы, но тогда одной статьи будет мало.

NS: Хорошо, давайте на конкретном примере. Наш редактор тоже захотел внедрить искусственный интеллект в свою работу. Ему надо выпустить статью с парой тематических картинок. Он не сильно продвинут в теме нейросетей, но попробовать очень хочет. Как ему реализовать задуманный план? 

ЦЖ: Как раз для таких кейсов мы разработали своих собственных ботов, которые работают на базе настоящих ChatGPT и Midjourney. В первой нейросети редактор описывает человеческим языком тему статьи, а чат-бот ему все генерирует. Затем автор просит Midjourney создать тематические изображения и через пару минут весь материал для статьи готов. Нашими ботами пользуются не только новички. Для многих подписчиков ChatGPT стал правой рукой. Программисты генерируют код, копирайтеры — текст, дизайнеры — логотипы. 

© Цифровой журнал

NS: А как вы сами видите будущее нейросетей и их роль в нашей жизни?

ЦЖ: Мы верим, что нейросети теперь с нами. Очень надолго. Мы видим рост интереса и инвестиций в это направление, что приводит к появлению новых технологий и приложений. Можно заявлять, что это не очередной хайп, так как нейронные сети активно внедряются в ключевые области экономики, а компании-гиганты тратят огромные деньги на разработку своих собственных нейронок. Но вместе с этим развитием возникают вопросы безопасности, этики и регулирования, которые также требуют внимания. В целом мы убеждены, что нейронные сети представляют огромный потенциал для улучшения нашей жизни и сделают ее более удобной, эффективной и интересной.

Нашли опечатку? Выделите фрагмент и нажмите Ctrl + Enter.
Подписывайтесь на нас в Telegram, Яндекс.Новостях и VK
Позавчера, 16:49
Андрей

Международная группа геофизиков изучила облик внутреннего ядра Земли, чтобы выяснить, какой у него тип тепловой конвекции. В ходе исследования ученые обнаружили самые горячие и самые холодные точки в центре планеты.

19 апреля
Дарья Г.

По оценкам ученых, «свободных» планет в Млечном Пути может быть в 20 раз больше, чем звезд. Так как планеты сами не светятся, разглядеть их сложно: их ищут гравилинзированием, лучше всего обнаруживающим самые массивные планеты типа Юпитера. Но вот удалось найти еще одну такую «сироту», причем не массивную с Юпитер, а земного размера. И ученые уверены, что это лишь первая находка из многих.

19 апреля
Александр Березин

В норме чем больше становится видов в группе, тем острее они конкурируют между собой, что сначала замедляет возникновение новых видов, а затем ведет к вымиранию. Новая научная работа показала, что у рода Homo ситуация почему-то была обратной: чем больше видов он образовывал, тем быстрее возникали новые дополнительные. Среди позвоночных подобных примеров нет, только среди жуков на изолированных островах. Ученые выдвинули ряд гипотез, позволяющих объяснить столь удивительный результат.

19 апреля
Дарья Г.

По оценкам ученых, «свободных» планет в Млечном Пути может быть в 20 раз больше, чем звезд. Так как планеты сами не светятся, разглядеть их сложно: их ищут гравилинзированием, лучше всего обнаруживающим самые массивные планеты типа Юпитера. Но вот удалось найти еще одну такую «сироту», причем не массивную с Юпитер, а земного размера. И ученые уверены, что это лишь первая находка из многих.

Позавчера, 16:49
Андрей

Международная группа геофизиков изучила облик внутреннего ядра Земли, чтобы выяснить, какой у него тип тепловой конвекции. В ходе исследования ученые обнаружили самые горячие и самые холодные точки в центре планеты.

19 апреля
Александр Березин

В норме чем больше становится видов в группе, тем острее они конкурируют между собой, что сначала замедляет возникновение новых видов, а затем ведет к вымиранию. Новая научная работа показала, что у рода Homo ситуация почему-то была обратной: чем больше видов он образовывал, тем быстрее возникали новые дополнительные. Среди позвоночных подобных примеров нет, только среди жуков на изолированных островах. Ученые выдвинули ряд гипотез, позволяющих объяснить столь удивительный результат.

8 апреля
Василий Парфенов

Режим работы, количество трудовых часов в неделю и экономическую стабильность профессии прочно ассоциируют с благополучием человека. Количественно и качественно определить эти взаимосвязи получается редко — нужны большие выборки респондентов и длительное время наблюдений. Автор новой научной работы использовал долговременное исследование более чем семи тысяч американцев, чтобы выявить основные эффекты паттернов трудовой деятельности на психическое и физическое здоровье работающих людей.

28 марта
Игорь Байдов

Американская компания JetZero, которая обещает произвести фурор в гражданской авиации, получила сертификат летной годности на испытания уменьшенной копии разрабатываемого ею сверхэффективного реактивного авиалайнера со «смешанным крылом». Предстоящая программа летных испытаний будет направлена на оценку летно-технических характеристик самолета, его устойчивости и управляемости.

29 марта
Ольга Иванова

Ученые из США и Швейцарии определили четыре ключевых механизма, задействованных в трансформации личности человека. Но ни один из них не сработает без самого главного — сильного желания измениться.

[miniorange_social_login]

Комментарии

Написать комментарий

Подтвердить?
Подтвердить?
Причина отклонения
Подтвердить?
Не получилось опубликовать!

Вы попытались написать запрещенную фразу или вас забанили за частые нарушения.

Понятно
Жалоба отправлена

Мы обязательно проверим комментарий и
при необходимости примем меры.

Спасибо
Аккаунт заблокирован!

Из-за нарушений правил сайта на ваш аккаунт были наложены ограничения. Если это ошибка, напишите нам.

Понятно
Что-то пошло не так!

Наши фильтры обнаружили в ваших действиях признаки накрутки. Отдохните немного и вернитесь к нам позже.

Понятно
Лучшие материалы
Войти
Регистрируясь, вы соглашаетесь с правилами использования сайта и даете согласие на обработку персональных данных.
Ваша заявка получена

Мы скоро изучим заявку и свяжемся с Вами по указанной почте в случае положительного исхода. Спасибо за интерес к проекту.

Понятно
Ваше сообщение получено

Мы скоро прочитаем его и свяжемся с Вами по указанной почте. Спасибо за интерес к проекту.

Понятно

Сообщить об опечатке

Текст, который будет отправлен нашим редакторам: