KPETOB.COM

Кретов Николай Николаевич: Нейросетевой интеллект миф или реальность?

В настоящее время когда в разной производственной деятельности нужна замена человеческим рукам , которая может оценивать ситуацию и принимать , порой и для человека , очень сложные решения, на рынке происходит борьба между производителями наукоёмких технологий ,способных некоторым образом выполнять интеллектуальные задачи.

Уже на западе и в других высокоразвитых странах применяется такая технология как нейросети . По мнению многих учёных нейросети - это будущее вычислительной техники. Так что же собой представляет нейронная сеть?

Нейросеть – это связанные между собой смоделированные нейроны (модель нейронов находящихся в мозгу человека). Даная структура позволяет анализировать входные данные и на выход подавать результат вычислений. Количество входов сети равно количеству данных , которые она должна обработать , а количество выходов зависит от того в каком виде нужно получить решение задачи. При помощи нейросетей можно решить практически любую задачу.

Часто упоминающимся примером нейросетевых задач является задача о распознавании образов. На картинке (допустим чёрно-белой) изображена буква . Наша задача распознать данную букву . Это типичная задача для нейросетей и очень сложно её решить при помощи каких-нибудь других технологий. А перевести эту задачу на нейросетевой язык очень просто .Допусти у нас чёрно-белое изображение размером 30*30 пикселов следовательно у нашей нейросети будет 900 входов на каждый из которых подаются битовый сигнал равный либо 0 либо 1 (в зависимости от цвета данного пиксела).Выходов будет 33 (один выход – буква) в результате вычислений на том выходе , который обозначает букву изображённую на рисунке должен появиться сигнал(самый сильный если мы используем аналоговые сигналы).

Но нейросеть же сама не способна правильно решать задачу , по этому для начала её нужно обучить. То есть подогнать под данную задачу (подстроить веса). Обучение нейросети похоже обучению ребёнка : вы показываете одну букву и смотрите на выходы сети. При неправильном выходе корректируем нужные веса и так до того момента когда нейросеть будет давать очень много правильных ответов. Когда нейросеть обучена она можен давать правильные решения даже при незнакомых ей ситуация (буква немного искажена).

Мы рассмотрели топологию простейшей нейросети.

Это очень перспективное направление вычислительной науки , которое в будущем возможно будет вообще заменять человека во многих видах его деятельности.

Ссылки на литературу.