Neuroniniai tinklai: Kaip jie mokosi iš duomenų
Suprantama paaiškinta, kaip kompiuteriai panašiai į mūsų smegenis gali mokyties iš informacijos ir priimti sprendimus
Kas yra neuroniniai tinklai?
Neuroniniai tinklai — tai kompiuterinės sistemos, sukurtos pagal mūsų smegenų veikimo principus. Jie susideda iš tūkstančių arba milijonų mažų skaičiavimo vienetų, vadinamų neuronais, kurie yra sujungti vienas su kitu.
Čia yra esmė: neuroniniai tinklai nesimuša su tradicinėmis kompiuterinėmis programomis. Jie nesiduoda jums tikslius nurodymus, kas daryti. Vietoj to, jie mokosi iš duomenų. Daugiau duomenų — geresnės nubaidos.
Įsivaizdinkit šitaip. Naudojate nešiojamąjį kompiuterį ir jame yra programa, kuri pabrėžia rašybos klaidas. Ta programa žino taisykles. Neuroniniai tinklai veikia kitaip — jie mato tūkstančius žodžių pavyzdžių ir pradeda suprasti, kurie žodžiai dažniausiai pasirodo tam tikrose situacijose. Žingsnis po žingsnio, jie gerėja.
Kaip jie iš tikrųjų mokosi?
Mokymasis vyksta per procesą, vadinamą „šviesos grąža". Nuo to neskubėkite — tai nuo to nėra taip sudėtinga.
Štai paprasta seka. Neuroninis tinklas gauna duomenų — tarkime, tūkstančius nuotraukų. Kiekviena nuotrauka turi žymą: „tai katė" arba „tai šuo". Tinklas iš pradžių yra visiškai naivus. Jis nežino, kas yra katė, kas yra šuo. Jis tiesiog spėja atsitiktinai.
Bet čia yra magija: kai tinklas klysta, jis žino, kad jis klydo. Sistema sako „ne, ta nuotrauka yra šuo, ne katė". Tada tinklas nežymiai reguliuoja savo vidines jungtis — svorius. Šie svoriai yra kaip nustatymai, kurie lemia, kaip tinklas priima sprendimus. Reguliavimas vyksta tūkstančius kartų. Kiekvienoje iteracijoje — nors ir labai mažai — tinklas gerėja.
Po 100 000 arba 1 000 000 mokymo iteracijų, tinklas pradeda atpažinti kates ir šunis su labai aukštu tikslumu. Iš pradžių — klaidų dėl klaidų. Pabaigoje — pakankamai geras.
Sluoksniai ir jų darbas
Nuostabusis neuroniniai tinklai — tai to, kaip jie yra suorganizuoti. Jie dažnai turi tris dalies tipo sluoksnius.
Pirmas sluoksnis — įvesties sluoksnis. Čia gauna duomenis. Jei mokote tinklą atpažinti veidus, čia gaunamos pikseliai iš nuotraukos. Jei mokote jį verstą tekstą, čia gauna žodžiai arba raidės.
Antrasis sluoksnis — paslėptasis sluoksnis. Čia yra įvyksta tikroji magiją. Čia neuronai sugrupuoja informaciją, randa šablonus ir savybės. Tinklas išmoksta atpažinti, kad veidams reikalingos akys, nosis ir burna tam tikroje vietoje. Tai nėra tiesiog išmoktas — tai savaime atsiranda per mokymo procesą.
Trečias sluoksnis — išvesties sluoksnis. Čia tinklas padarą finalinį sprendimą. „Tai yra katė su 95% tikrumu" arba „tas žodis reiškia..." — tai čia gaunate jūs.
Realūs pavyzdžiai, kuriuos naudojate kasdien
Neuroniniai tinklai nėra iš ateities. Jie jau čia. Jūs juos naudojate kiekvieną dieną, net nežinodami.
Nuotraukų atpažinimas
Jūsų telefonas automatiškai žymi draugus nuotraukose. Tai neuroniniai tinklai. Jie mokėsi iš milijonų nuotraukų.
Balso asistentas
„Sveiki, Alexa" arba „Sveiki, Google" — tai neuroniniai tinklai supranta jūsų balsą ir žodžius.
El. pašto filtravimas
Gmail žino, kad laiškus yra šlamštas. Neuroniniai tinklai išmoko atpažinti brėžinius pagal tūkstančius laiškų.
Rekomendacijos
Netflix žino, ką jūs norite žiūrėti. Spotify žino, kokią muzikos žinote. Neuroniniai tinklai analizuoja jūsų elgesį.
Teksto diktavimas
Kai rašote žinutę ir telefonas siūlo žodžius — tai neuroniniai tinklai prognozuoja, ką rašysite toliau.
Žemlėlapiai ir navigacija
Google Žemėlapiai prognozuoja eismo sąlygas. Tai yra dėl neuroninio tinklo analizavimo milijonų vairuotojų duomenų.
Iššūkiai ir ribojimai
Neuroniniai tinklai nėra magija. Jie turi ribas. Iš pradžių, jie yra „juodosios dėžės" — net specialistai nežino tiksliai, kaip jie priimą sprendimus. Jie žino, kad jie veikia, bet ne kodėl.
Antra, jie gali būti iš dalies. Jei tinklas mokosi iš netobulų duomenų — tarkime, nuotraukų, kuriose daugiau vieno tipo žmonių — jis gali diskriminuoti. Šis vadinamas „šališkumu".
Trečia, jie reikalingi daug duomenų ir elektros. Mokyti didelį tinklą gali reikalauti energijos, ekvivalentiškos šimtams namų elektros vartojimo per mėnesį.
Ir galiausiai, jie nėra universalūs. Tinklas, mokytas atpažinti kates, nebus geras atpažinti automobilius. Jūs turite pradėti iš naujo arba atlikti specialų procesą, vadinamą „perdavimo mokymusi".
Ateitis jau čia
Neuroniniai tinklai sparčiai bręsta. Jie dabar gali rašyti teksto, kurti nuotraukas, gydyti ligas ir prognozuoti orus. Kai kurie specialistai sako, kad per dešimtį metų daugelis darbų, kuriuos dabar daro žmonės, gali atlikti šios sistemos.
Tačiau tai nereišia, kad žmonės bus nereikalingi. Vietoj to, pasikeis darbai. Žmonės galės susitelkti į darbą, kuris reikalingas kūryba, empatijai ir moraliniams sprendimams — dalykams, kuriuos neuroniniai tinklai negali labai gerai daryti. Ne dėl to, kad jie negali, o dėl to, kad jie neturi pasaulio supratimo ir emocijų, kurias turime mes.
Svarbiausia dabar? Suprasti šias technologijas. Žinoti, kaip jos veikia. Kritiškai pagalvoti apie jų naudojimą. Nes šios sistemos jau čia ir jie čia pasilikti. Jūsų pareiga — juos naudoti atsakingai.
Esmė
Neuroniniai tinklai yra kompiuterinės sistemos, kurios mokosi iš duomenų, ne iš programistų instrukcijų. Jie panašūs į mūsų smegenis, bet daug paprastesni. Jie jau yra visur — jūsų telefone, el. paštoje, socialinėse medijose. Ir jų galimybės tik auga.
Informacinis pranešimas
Šis straipsnis yra skirtas švietimui ir informacijos tikslams. Jis nėra techninis vadovas neuroninių tinklų diegimui ar specialistams. Neuroniniai tinklai — tai greitai besivystanti sritis, ir technologijos gali keistis. Daugiau informacijos rasite akademinėse publikacijose ir mokslininkų darbų. Jei ketinate naudoti neuronius tinklus versle, pasitarkite su IT specialistais ir duomenų mokslininkai.
