Новости о нейронных сетях

Новости о нейронных сетях появляются постоянно: то компьютер научился определять пол по фотографии, то моделировать голос, то нарисовал картину в стиле Сальвадора Дали, то помог обезьянам напечатать «Гамлет». А завтра Скайнет отберет у тебя работу, автомобиль, жизненное пространство, а тебя самого утилизирует за ненадобностью. Или все-таки нет? Сегодня, анонимус, мы поговорим о нейросетях и подробно разберемся в этом вопросе.

Тащемта, что, собственно, такое эта ваша «искусственная нейронная сеть»? Говоря научным языком, это математическая модель, которая построена по принципу организации биологических нейронных сетей – сетей нервных клеток живого организма. ИНС представляет собой систему соединенных и взаимодействующих между собой простых процессоров (аналогов биологических нейронов), которые иногда принимают сигналы, а иногда передают их дальше. Будучи соединенными в сеть, такие простые процессоры способны выполнять очень сложные задачи: распознавание образов, сбор данных и распределение их по группам, управлять различными процессами, являться основой для алгоритмов в робототехнике, а с философской точки зрения – быть основой для создания естественного разума при помощи компьютера.

Нейросеть не программируется, она обучается, то есть, технически, находит нужные коэффициенты для связи между нейронами, выявляет сложные зависимости между входными и выходными данными, а затем обобщает их. Говоря проще, постепенно развиваясь, нейронная сеть может выдавать правильный ответ даже несмотря на то, что изначально были введены некорректные или искаженные данные.

Первая нейросеть была построена одним буржуйским ученым по имени Фрэнк Розенблатт аж в далеком 1977 году. Тогда это был очень большой компьютер, занимавший чуть ли не целую комнату. На одной из сторон этого компьютера были фотоэлементы, фотографировавшие различные геометрические фигуры, которые им показывал исследователь, а затем на экран выводилось название этой геометрической фигуры. Тогда радости ученых не было предела, но по нынешним временам это просто игрушка: она не распознавала фигуру при повороте или деформации, например. Этот компьютер не решал задачи, но он, тем не менее, показателен в историческом плане.

В 2012 году произошло событие, которое коренным образом изменило отношение к нейросетям. Сеть SuperVision выиграла конкурс распознавания объектов на фотографии Число ее ошибок составило 16,4% (человек ошибается в пяти процентах случаев). Но удивительнее всего было то, что для предварительного обучения сети использовался не супермощный сервер НАСА или что-то типа того, а обычный ноут с двумя видеокартами NVIDEA. Тренировка заняла две недели.
Это был первый случай, когда нейросеть превзошла классические алгоритмы машинного зрения в очень сложном и специфичном тесте. База изображений включала в себя не только простые объекты вроде автомобилей, автобусов, столов и стульев, но еще и триста пород собак, из которых два десятка — разновидности терьеров.

Звучит необычно? Пожалуй, но вот что важно: тебе никогда не узнать столько пород собак, а машина их уверенно распознает. И речь не о каком-то огромном компьютере IBM, а о системе вроде тех, что собирают себе любители игр с крутой графикой.

Классификация изображений — нечто гораздо более сложное и высокоуровневое, чем просто разбор буковок на бумаге. Сказать, что отличает хуй от пизды сможет даже ребенок, но попробуй с ходу рассказать об отличительных признаках, допустим, облака. В чем конкретно его разница по сравнению с остальными объектами, которые ты видишь? В голову приходят слова «белый», «небо», «кучевые» и так далее. Это множество параметров, о каждом из которых тоже нужно иметь представление. Что такое «белый»? А «небо»?

Сейчас эту проблему решают с помощью метода глубинного обучения, который активно использует компания Google. Суть в том, что нейроны собирают в слои (в супервижн их было пять, в современных – до сотни), затем разделяют по уровням. Получается некая иерархия. Затем им скармливают различные примеры того, как именно то самое облако должно выглядеть. ИНС должна понять, как его идентифицировать, а в случае ошибки перестроить саму себя.

Что сказать в заключение? На последнем конкурсе распознавания фотографий сеть Гугл смогла показать результат в 6.4% ошибок, что очень близко к показателям человека. ИНС может придумывать почти осмысленные подписи к фотографиям, обыгрывать чемпионов мира в различных играх, превращать неосмысленные движения обезьян в трагедии Шекспира. В общем и целом, все это идет на пользу человечеству и когда-нибудь нейронные сети смогут выполнять большинство функций человека. Но лично я боюсь только одного: однажды эти хреновины усложнятся настолько, что осознают себя личностями, и начнут требовать странного. И ты сильно охуеешь, когда твой личный робот отодвинет тебя от кудахтера и начнет скролить ленту в поисках годноты, осознав, что он тоже права имеет. И, что характерно, благодаря своим, куда более совершенным чем у человека, алгоритмам распознавания, будет делать это значительно лучше, чем ты. И зачем ты тогда нужен, дружок?