Казань,01 Декабря, Воскресенье $ 64.08 € 70.55
Подписаться
Годовая подписка на журнал за 3960 руб
Оформить подписку

Как не запутаться в нейросетях

Как не запутаться в нейросетях
Фото: https://yandex.ru

Все чаще можно слышать о приложениях и программах, использующих нейросети. Их ключевая особенность – способность решать нетривиальные задачи – вызывает много вопросов о том, действительно ли человечество приблизилось к созданию искусственного интеллекта.

Разобраться в вопросе корреспонденту ЭТ помог кандидат физико-математических наук, ассистент кафедры системного анализа и ИТ Казанского федерального университета Евгений Разинков.

xHW4bkwDfSY.jpg

Расскажите – как Вы связаны с нейронными сетями?

- Мое основное место работы – кафедра системного анализа и информационных технологий Института вычислительной математики и информационных технологий КФУ. Я читаю лекции по машинному обучению, компьютерному зрению и Data Mining студентам бакалавриата и магистратуры, также провожу открытые для всех желающих семинары по машинному обучению.

Все перечисленные дисциплины, так или иначе, связаны с машинным обучением. Компьютеру трудно распознать на изображении искомый объект, но человеку эту дается легко. Без специальных алгоритмов компьютерная программа не поймет, что из себя представляет автомобиль или чем он отличается, например, от дерева. Создать достаточно точный алгоритм распознавания вручную вряд ли возможно. Гораздо проще написать алгоритм, который способен обучаться самостоятельно, и одним из них являются нейронный сети.

Почему тема нейронных сетей стала актуальна в последнее время?

- До последнего времени нейронные сети были лишь одним из многих алгоритмов машинного обучения. Помимо них существуют такие алгоритмы машинного обучения, как деревья решений, логистическая регрессия, линейная регрессия, алгоритмы бустинга, метод опорных векторов. Нейронные сети обладали рядом недостатков – они плохо интерпретируются и могут быть вычислительно сложны.

Изменения произошли в 2012 году с появлением глубокого обучения (англ. deep learning). Оно позволило создавать нейронные сети с большим количеством слоев нейронов. Если раньше использовали нейронные сети с двумя или тремя скрытыми слоями, то теперь вычислительные мощности, улучшенные алгоритмы и большое количество имеющихся данных позволяют обучать нейронные сети, содержащие 150 слоев нейронов и более. Это дает возможность создавать классификаторы, способные работать с высокоуровневыми абстракциями и решать более сложные для машин задачи.

Одна из разновидностей нейронных сетей – сверточные нейронные сети – получили широкое применение в компьютерном зрении.

И все же – что такое нейронная сеть? Как объяснить ее для широкого круга лиц?

- Нейронная сеть – это алгоритм, состоящий из структурных блоков, называемых нейронами. Их работа определяется набором параметров, называемых весами. Эти параметры не нужно подбирать вручную – их значения вычисляются в процессе обучения нейронной сети с помощью алгоритма обратного распространения ошибки – после каждой итерации алгоритма обучения нейронная сеть ошибается реже.

jTEuX3jbv4s.jpg

Сколько времени необходимо для обучения нейронной сети?

- Небольшие нейронные сети обучаются быстро, для обучения глубокой нейронной сети может потребоваться неделя вычислений на мощной видеокарте. Однако необходимо также учитывать валидацию – обучение нескольких нейронных сетей с разными параметрами, например, с разной архитектурой, и выбор лучшего результата. Это занимает дополнительное время.

С обучением глубокой нейронной сети связаны и другие сложности. Помимо вычислительных ресурсов им требуется большое количество данных для обучения, сбор которых – трудоемкая задача. Также необходим квалифицированный специалист, который знает, как выстроить архитектуру алгоритма, правильно подобрать начальные параметры и что делать в случае возникновения ошибок на этапе обучения и тестирования.

Насколько целесообразно создавать нейросети с меньшим количеством нейронов? Экономит ли это ресурсы?

- Использование небольшого количества нейронов экономит память и сокращает время вычислений. Я допускаю существование мнения о том, что сети с меньшим количеством нейронов лучше справляются с переобучением. Этот эффект выражается в неспособности алгоритма машинного обучения обобщать информацию – алгоритм показывает хорошие результаты только на тех примерах, на которых проводилось обучение. Тем не менее, рекомендуется использовать максимальное количество нейронов, для которого достаточно памяти видеокарты, с переобучением же лучше бороться с помощью регуляризации, но сейчас я не буду вдаваться в технические подробности.

Мы часто говорим о нейронах, однако не даем им определения. Что же это?

- Нейрон представляет собой функцию, вычисляемую от взвешенной суммы нескольких переменных. Если говорить более простым языком, нейрон имеет несколько входов, каждое входное значение умножается на некоторый «вес». Сумма этих значений называется активацией нейрона, от этого значения вычисляется функция активации. Возвращаемое этой функцией число и составляет выходное значение нейрона.

Насколько нейрон из сети похож на свой биологический аналог в мозге?

- Между биологическим и математическим нейроном есть некоторые сходства. Однако неверно считать, что живой нейрон просто перевели в математику, соединили с другими, и, объединив в слои, получили сеть. Здесь один нейрон значительно проще по своему строению, чем в биологическом мире. Если такое сравнение возможно.

Переходя от теории к практике хочется спросить – зачем приложению Prisma нужна нейросеть?

- Это приложение – не просто набор фильтров для обработки изображений. В основе находится нейронная сеть, при обучении которой использовалось задающее стиль изображение, например, картина Ван Гога «Звездная ночь». На вход обученной сети подается загруженная пользователем фотография, нейронная сеть строит новое изображение, по содержанию напоминающее пользовательское, а по форме – стилевое.

Как еще можно применять нейросеть?

- Ответить на этот вопрос так же непросто, как и на вопрос: «А что человеческий мозг еще может делать кроме рисования?». Так приблизительно можно обозначить широчайший спектр возможного применения нейронных сетей.

Например, можно отметить успех нейронных сетей в игре го, которая до последнего времени считалась неприступной для машин из-за большого количества возможных позиций. Один из сильнейших игроков мира уступил компьютеру, проиграв четыре из пяти партий, поскольку в алгоритме программы AlphaGo была использована глубокая нейронная сеть. В будущем разрыв будет только расти. Создав нейронную сеть для конкретной задачи, люди иногда уступают компьютерам раз и навсегда.

А если мы говорим о беспилотных автомобилях и системах автопилотов?

- Думаю, что в настоящее время ни в одном транспорте сейчас не используют глубокие нейронные сети. Преимущество таких нейронных сетей в точности, но не в скорости. В ситуации дорожного движения важнее второе, поскольку от скорости реакции водителя или программы, управляющей автомобилем, зависят жизни пешеходов, пассажиров и других водителей.

В конечном итоге, на пути распространения глубоких нейронных сетей в приложениях, которые должны работать в реальном времени, стоит вычислительная сложность. Если эта проблема будет решена, возникнет вопрос о времени автономной работы. При решении обеих проблем нейронные сети смогут использоваться значительно чаще.

Как насчет фантастического сценария с искусственным интеллектом? Помогут ли нейросети в достижении этой цели?

- Смотря что понимать под искусственным интеллектом. Если вы подразумеваете Скайнет и роботов, уничтожающих человечество, то мы находимся далеко от подобного сценария. Уже сейчас машина может видеть и принимать решения на основе получаемой через сенсоры информации. Но это пока не то восхождение искусственного интеллекта, которого мы ждем или боимся.

Важно заметить, что уже сейчас глубокие нейронные сети лучше распознают визуальные образы, чем человек.

Получается, что с прогрессом развития компьютерного «железа» нейросети вытеснят человека из всех сфер деятельности?

- Это возможно только в тех сферах, где возможен сбор большого количества данных. Такая возможность есть далеко не всегда.

Безусловно, с каждым годом алгоритмы машинного обучения в целом, и нейронные сети в частности, будут все больше проникать в работу людей, постепенно заменяя их, даже в интеллектуальной сфере. Я руководствуюсь принципом «не можешь предотвратить – возглавь», поэтому занимаюсь машинным обучением.

Бизнес – широкое понятие. Знакомы ли вам примеры эффективного использования нейросетей в этой области?

- Следует отойти именно от нейронных сетей и обратиться к машинному обучению. В этом случае можно вспомнить пример интернет-магазинов, таких как Amazon, которые давно используют систему рекомендаций, предлагая пользователю товары, которые потенциально могут его заинтересовать. В этих системах используются алгоритмы машинного обучения.

Таких примеров очень много.

Если обратиться к моему опыту, недавно мы работали вместе с казанской компанией SmartHead, которая хотела определить эффективность работы своих сотрудников на основе собранной за несколько лет информации. Мы анализировали данные о том, сколько времени требовалось сотрудникам на выполнение тех или иных задач, сколько времени было выделено, кто назначал задачу. После этого можно было сделать вывод о продуктивности сотрудников фирмы.

Иначе говоря – проще придумать сферу, где нельзя применить машинное обучение. И даже это непросто сделать.

Знаете ли вы другие примеры использования нейросетей в Татарстане?

- На данный момент, как мне кажется, возможности применения машинного обучения в бизнесе сильно недооценена. Только сейчас предприниматели начали осознавать, что у них есть большое количество данных, при обработке которых можно получить ценную информацию. Бизнес, который раньше осознает важность анализа данных и использования самообучающихся систем, получит конкурентное преимущество.

Автор – Александр Токарев

Распечатать
Нашли ошибку? Выделите ее и нажмите Ctrl + Enter
Читать также
Когда потребитель выходит из энергосети...

15:54

Когда потребитель выходит из энергосети...

Пользователи соцсетей получат бесплатный доступ к бизнес-знаниям

26 Мая

Пользователи соцсетей получат бесплатный доступ к бизнес-знаниям

Украина попала в список беднейших стран региона

24 Мая

Украина попала в список беднейших стран региона

В Японии стартовали тестовые поставки товаров по Транссибу в Европу

24 Мая

В Японии стартовали тестовые поставки товаров по Транссибу в Европу

В Казани обсудят строительство первого участка второй линии метро

23 Мая

В Казани обсудят строительство первого участка второй линии метро

Как правильно закопать деньги?

23 Мая

Как правильно закопать деньги?

В Татарстане ожидается град

23 Мая

В Татарстане ожидается град

В Казани на два месяца перекроют две улицы

23 Мая

В Казани на два месяца перекроют две улицы

О том, что имеют — не знают, но можно дать и больше...

23 Мая

О том, что имеют — не знают, но можно дать и больше...

Цены на нефть в четверг постепенно снижаются

23 Мая

Цены на нефть в четверг постепенно снижаются

Руслан Халилов: «Мы будем проводить эти форумы ежегодно»

23 Мая

Руслан Халилов: «Мы будем проводить эти форумы ежегодно»

Рост производства в апреле показал максимум за два года

23 Мая

Рост производства в апреле показал максимум за два года

Гендиректор «Яндекс. Такси» станет вторым человеком компании

23 Мая

Гендиректор «Яндекс. Такси» станет вторым человеком компании

У Казани появится фирменный халяльный торт

23 Мая

У Казани появится фирменный халяльный торт

ЦБ потребует возмещения убытков от разорившихся НПФ

23 Мая

ЦБ потребует возмещения убытков от разорившихся НПФ

Все события

Корпоративные Блоги

Все блоги

Экономика и финансы

  1. Когда потребитель выходит из энергосети...
    Вопросы ценообразования и его перспективы на внутреннем российском рынке на заседании правительства Татарстана в эксклюзивном интервью «Эксперту Татарстан» очень наглядно представила член совета директоров…
  2. Лидеры энергоэффективности
    Компании, входящие в группу «ТАИФ», в рамках международного форума поделились передовым опытом в сфере энергосбережения. Сложнейшие технологические решения отмечены и президентом Татарстана, и правительством…
  3. Энергетика Татарстана: победы и проблемы
    Итальянские ветры татарстанской энергетики, газомоторное топливо для привлечения федеральных средств и энергоэффективность предприятий обсудили на международном форуме в Казани
Подписаться

Топ

  1. Когда потребитель выходит из энергосети...
    Вопросы ценообразования и его перспективы на внутреннем российском рынке на заседании правительства Татарстана…

Интервью

WorldSkills. Все стороны медали

WorldSkills. Все стороны медали

Казань готовится принять мировой чемпионат рабочих профессий WorldSkills (Ворлдскиллс). Это престиж для Татарстана, инвестиции, 9,5 млрд рублей на развитие инфраструктуры, специально построенный красивый многофункциональный комплекс «Kazan Expo»… А что «турнир профессионалов» даст ребятам-участникам и что - экономике страны? С вопросами мы обратились к инициатору появления WorldSkills в России Павлу Черных, а также к непосредственным участникам образовательного процесса

Научный фундамент застоя

Научный фундамент застоя

Как «сшить» разрыв между наукой и бизнесом? Синергия фундаментальной науки и промышленности обещает колоссальный прорыв обеих отраслей, однако на этом пути есть множество препятствий