Наверх
12 комментариев 13/08/2015

Эти страшные искусственные нейронные сети

Эти страшные искусственные нейронные сети

Неделю-две назад в Интернете поднялась буча после сообщений о том, что нейросети научились описывать изображение на картинке простым человеческим языком, расписывая все действие в деталях, и делали это очень по-людски. Кто-то говорил, что вот теперь-то нам должно стать страшно жить, другие писали, мол, до чего дошел прогресс, третьи писали третье, и поглощая весь этот “информационный мусор”, почему-то никто не сказал: “Чуваки, попуститесь, эти страшные нейросети совсем не страшные!!”.

Каждый из нас точно видел фильм про искусственный интеллект, развитие и самообучаемость которого привели к тому, что в живом человеке из плоти и крови отпала необходимость, а ненужное стоит ликвидировать. Режиссеры много нафантазировали подобных киношек, все они захватывающие и любопытные, а главное – среднестатистический человек точно уверен, что ИИ в перспективе должен захватить власть над человечеством. А если нет? То есть один шанс на миллион, что будет так, имеется, но один на миллион, comе on. А лейтмотив всего следующего пассажа: нейросеть – это не искусственный интеллект, не надо паники.

ex-machina-obzor

Во время изучения человеческого мозга ученые увидели нейронные сети в нервной системе, подумали, что это хорошо, и решили создать сами нечто подобное. Своими руками, чтобы помочь человечеству на машинном уровне. Искусственная нейронная сеть (ИНС) – это математическая модель, созданная по принципу взаимодействия клеток нашего мозга, способных к распознаванию объектов, обучению и накапливанию опыта. Если говорить о долгосрочной перспективе, то нейросети нужны человеку для всех абсолютно областей, где нужно принимать решение. Когда вы приходите к врачу, он смотрит вашу карту, изучает симптомы и, анализируя информацию, прикидывает, какая это может быть болезнь. А что если этим же может заняться нейронная сеть?

83387_original

На данный момент исследования в области развития нейронных сетей ведутся полным ходом, ведь человеческий мозг – сложная штука, и создать что-то по образу и подобию его – тяжело. Например, в организме человека клетки умирают с незавидной регулярностью, но это никак не влияет на его способность функционировать, в то время как пару маленьких ошибочек в коде или мелкая поломка могут поставить крест на работоспособности искусственно созданной системы. Только в 1960-х было доказано сходство ИНС с человеческим мозгом, но способности нейросетей были слишком ограниченными и годились лишь для узкоспециализированных задач, так что изучения забросили.

Теперь же ученые по второму кругу заинтересовались нейронными сетями в виду скоростного развития всего вокруг, дешевизне и доступности мощных процессоров. В качестве самого простого примера мы все ожидаем рабочий образец самопилотируемой машины. Но чтобы выпустить ее на улицы города, надо не только научить ее водить, но и научить нейронные сети распознавать пешеходов, животных, светофоры, другие машины и многая-многая объекты вокруг. ИНС применяются и в медицине для классификации видов рака. Самый распространенный пример – распознавание текста или речи. Приблизительно, думаю, понятно. Нейросеть – это не искусственный интеллект, это ее первая очень отдаленная ступенька.

_

Нейронная сеть, созданная человеком, – это не просто написанный программный код. Объясняя на пальцах, это нейрон, который получает сигналы, центр обработки, центр исчисления, выходной нейрон. Информация передается по дендритам и аксонам. В принципе, ИНС называют трехслойной, ведь у нее есть входные, скрытые и выходные нейроны. Короче, все по той же технологии, что и в нервной системе, но чуть упрощенный вариант. Тем не менее, ее может создать каждый желающий с прямыми руками – объяснительных записок в Интернете миллион. Пишите код и садитесь ИНС обучать. У сетей есть несколько этапов обработки информации:

  • сбор данных для обучения;
  • подготовка и нормализация данных;
  • выбор топологии сети;
  • экспериментальный подбор характеристик сети;
  • экспериментальный подбор параметров обучения;
  • собственно обучение;
  • проверка адекватности обучения;
  • корректировка параметров, окончательное обучение;
  • вербализация сети с целью дальнейшего использования.

По сути, вы можете обучать свою нейросеть распознавать как изображения и образы, так и звуки, и любые другие формы передачи информации. Если не влезать в глубокие дебри и показывать на простых примерах (честно высмотрела его в Интернете), представьте, что вашей ИНС нужно найти в этих матрицах численную фигуру – квадрат, ромб, крест.

ИНС

Исходя из поставленной задачи, вы определяете строение своей сети. Матрица 5 на 5, значит, входных элементов 25, правильных результатов может быть всего 3, значит, и выхода три. Размерность скрытого вектора нейронов рассчитывается в зависимости от количества выходных нейронов – их не может быть меньше, да и увеличение должно быть незначительным. Затем вам надо будет описать связи между слоями и обучить готовую ИНС. Если на пальцах, то это все. Если заинтересовало и у вас все в порядке с математикой, можете воспользоваться инструкцией (повторюсь – одной из десяти миллионов в Инете) и написать свою сеть. И натаскать ее на любую интересующую вас инфу.

neural_by_cliv3101-d5wu1ft

У нейросетей довольно небольшая история развития и изучения, но вариантов их использования масса: распознавание образов и их классификация, принятие решений, кластерный анализ, прогнозирование, сжатие данных. К примеру, именно с помощью нейросетей со Street View удаляли лица прохожих. А на недавнем хакатоне предложили тему, в которой нейросеть подключается к датчикам в вашем телефоне и контролирует ваше состояние, положение, движение. В случае, если вам стало плохо, вы потеряли сознание или чего-то в таком роде, телефон самостоятельно отправит тревожный сигнал по указанному номеру.

privacy-streetview

Сейчас, благодаря повышенному интересу к искусственным нейросетям, развитие их заметно ускорилось. Так, еще в прошлом году было сделано сенсационное открытие, что ИНС способны к обобщениям. То есть, если изменить пару пикселей в изображении, искусственные сети могут не распознать изображение. Для человеческого глаза и мозга изображения ничем не отличаются, а вот для машины правая и левая картинка – не одно и то же. А ведь разница между ними – буквально пара пикселей, которые выделены в центральной колонке. Это доказывает, насколько нейросети все еще не совершенны и, возможно (!!), несовершенна и система самого человека, ведь искусственная ИНС создана по биологической модели. Есть ли на самом деле в мозгу человека подобные встроенные ошибки классификации, о которых мы еще ничего не знаем? Если подводить итог, стоит отметить: ученые очень переживают, что таким образом ИНС будет допускать страшные ошибки. На примере той же самопилотируемой машины – а что, если нейросеть не распознает человека из-за того, что какой-то элемент его облика не внесен в классификацию? Над этой проблемой уже работают. 4a7c283a9ae53679951030f00eec9974

Да, искусственная нейронная сеть работает по модели “черный ящик”. Так называют системы, внутреннее строение и механизм работы которых сложны для понимания или вообще неизвестны. Если суммировать с уже известным фактом, что нейросети умеют обучаться, накапливать опыт и принимать решение, немудрено, что все вокруг находятся в панике от того, что система может повести себя непредсказуемо или агрессивно. Тем не менее, мой немного философский (Ляпота сказал, что мне можно) эпилог гласит – бояться не стоит никого, кроме людей. Именно они эти машины создают и обучают. И если уже сейчас Хокинг и Маск выступают против создания оружия с искусственным интеллектом, вы понимаете, что опасения эти не напрасны. НО! Нейросети по сути своей направлены только на помощь людям. Последний пример для лучшего усвоения – некоторые виды рака невозможно выделить маркерами, а искусственные нейронные сети могут их классифицировать, распознавая вторичную структуру белка.

Если вы нашли ошибку, пожалуйста, выделите фрагмент текста и нажмите Ctrl+Enter.

12 комментариев

по хронологии
по рейтингу сначала новые по хронологии
1

Интересная статья,но много неточностей, хотя это простительно, ведь автор не изучал нейронные сети для профессиональных целей, а для любительских имеет очень хорошее понимание.
К примеру,

То есть, если изменить пару пикселей в изображении, искусственные сети могут не распознать изображение.

, это не совсем так. Один из этапов обработки информации, пропущенный в списке, это кластеризация. При обучении, входящие модели данных сортируются к наиболее подходящему кластеру, автобусы к автобусам, велосипеды к велосипедам. Потому для распознавания объекта не нужно сравнивать картинки попиксельно, нейронная сеть определит кластер изображения и сравнит с заранее обученными кластерами. Вы можете попробовать в примере с матрицами изменить в матрицах положения нескольких цифр и после кластеризации они все-равно распознаются.
И нейронная сеть не копирует работу нейронной сети мозга, она построена на схожей работе, но работает по совершенно другому принципу, а её структура давно уже не трёхслойная. Так, к примеру, многослойный персептрон создаст более трёх слоев, в зависимости от сложности входящих параметров и количества обучаемых эпох.
Если кому-то захочется поиграться нейросетью, но формулы разбирать и кодить не захочется, поиграйтесь пакетом Statistica Neural Networks, графический интерфейс, все дела)

Автор2

по поводу пикселей. я так понимаю, сейчас этот "баг пофиксили" (хотя, это вообще возможно?), но мой источник вот http://www.i-programmer.info/news/105-artificial-intelligence/7352-the-flaw-lurking-in-every-deep-neural-net.html
на счет строения - нам нужна самая примитивная модель) если вы хотите влезть чуть дальше в дебри, будет круто, я с удовольствием почитаю ваш бложик)

3

Ничего не фиксили) Для выполнения задачи распознавания образов всегда применяется кластеризация при обучении сети, а пример построен так, чтоб пропустить этот этап и показать что сеть может ошибаться изменив всего пару пикселей. В целом для гарантированного образа необходимо скормить сети килотонну изображений с машиной в самых различных ракурсах и конкретно указать что все это - машина, тогда нейросеть будет однозначно определять её на любом изображении. Этот алгоритм используется в Google Photos)
К сожалению у нас в Украине вся тема нейросетей носит исключительно научный характер и не применяется в организациях. И даже на научном уровне все толчется на одном месте. В моем университете когда-то поднимались задачи реализации проектов по гос. заказу, связанные с транспортом и медициной, но, к сожалению, после заказа государство отказалось выделить даже 100$ на их реализацию.

4

Если он без подключения к интернету верно даст ответ на главный вопрос жизни, вселенной и всего такого, то я готов к пришествию такого искусственного интеллекта :)

7

Что делать, если даже после статей "простыми словами" я не понял в чем кардинальная разница между обычными программами и нейронными сетями?

8
Омг Афанасич

Программа имеет набор команд, которые последовательно выполняет. Нейросети нужно обучать. До обучения они ничего не умеют. Если нейросети скормить пару тысяч фотографий и указать, где на них котики, то она сможет с большой вероятностью найти кота на новой фотографии.

9
Сергей

Получается , эти нейросети повсеместно используют для распознания лиц при съемке какой-либо камерой или распознании текста (например, google translator)? Заранее спасибо

10
Ruslan Saharuck
Тем не менее, ее может создать каждый желающий с прямыми руками – объяснительных записок в Интернете миллион. Пишите код и садитесь ИНС обучать.

Не является ли это заявкой на эксперимент от кеддра? Звучит, может, и заоблачно, но разве не интересно будет посмотреть на это?

11

А что если мозг не орган мышления, а ретранслятор для управления телом душой?

12

Если будет доказано, что ИИ невозможен, значит всё таки душа есть)

Добавить комментарий

Такой e-mail уже зарегистрирован. Воспользуйтесь формой входа или введите другой.

Вы ввели некорректные логин или пароль

Извините, для комментирования необходимо войти.

Modal box

Сообщить об опечатке

Текст, который будет отправлен нашим редакторам: