• Добавить в закладки
  • Facebook
  • Twitter
  • Telegram
  • VK
  • Печать
  • Email
  • Скопировать ссылку
12.06.2023, 09:35
Редакция Naked Science
9 690

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
Предстоящие мероприятия
12 июля, 22:10
Редакция Naked Science

Лето 2025 обещает насыщенную линейку научно-фантастических сериалов на ведущих стриминговых платформах. От адаптаций культовых романов до масштабных космических одиссей — мы отобрали проекты, на которые стоит обратить внимание.

14 июля, 10:19
Александр Березин

Фраза «понедельник — день тяжелый» несет больше смысла, чем можно подумать: в этот день действительно чаще случаются сердечные приступы и многое другое. Теперь исследователи показали, что такое влияние понедельники сохраняют даже после того, как человек прекратил ходить на работу.

14 июля, 11:29
ПНИПУ

Представьте мир, где извергаются серные вулканы высотой в 60 раз больше Эвереста, под 20-километровым льдом скрываются океаны, мощные гейзеры выбрасывают струи водяного пара в космос, а реки из жидкого метана стекают в углеводородные моря. Так выглядят спутники планет Солнечной системы. Ученый Пермского Политеха Евгений Бурмистров рассказал, почему они считаются самыми перспективными местами для поиска жизни и колонизации.

12 июля, 22:10
Редакция Naked Science

Лето 2025 обещает насыщенную линейку научно-фантастических сериалов на ведущих стриминговых платформах. От адаптаций культовых романов до масштабных космических одиссей — мы отобрали проекты, на которые стоит обратить внимание.

11 июля, 17:47
Денис Яковлев

Международная команда ученых оценила связь между длительностью физической активности, ее интенсивностью, риском смерти от всех причин и вероятностью развития сердечно-сосудистых и онкологических заболеваний.

9 июля, 08:26
Полина Меньшова

Подобрать тип физической активности, который лучше всего подходит человеку, можно исходя из особенностей его характера. Психологи из Великобритании определили, что люди с разными чертами личности получают больше удовольствия от разных видов спорта.

17 июня, 16:49
Адель Романова

Радиотелескопы уловили очень короткий сигнал, и по его характеристикам стало ясно, что он не может быть естественного происхождения. Астрономы пришли к выводу, что источник находился в околоземном пространстве — там, где уже более полувека летает «мертвый» аппарат NASA.

25 июня, 15:19
ФизТех

Группа российских ученых из Института прикладной математики имени М. В. Келдыша РАН и МФТИ провела детальное численное исследование источников шума, генерируемых крылом прототипа сверхзвукового бизнес-джета в режиме посадки. Эта работа, сочетающая передовые методы вычислительной гидродинамики и аэроакустики, впервые позволила с высокой точностью локализовать и охарактеризовать основные зоны шумообразования вблизи полноразмерной геометрии крыла модели прототипа сверхзвукового пассажирского самолета в посадочной конфигурации.

2 июля, 11:17
Юлия Тарасова

Результаты эксперимента в США в будущем могут позволить добиться разрешения на использование отработанной конопли в качестве кормовой добавки в животноводстве.

[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
Закрыть
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