Новини, нов Google Translator ще бъде - дали невронната мрежа по-добри хора
Без невронни мрежи в бъдеще е невъзможно. Тези системи се използват не само в онлайн и офлайн приложения, но започват да се използват в роботиката, медицина, образование, икономика и медии. Те може да се активира във всеки процес, при който е необходимо да се анализират данните. Наскоро заявление високите етажи на невронни мрежи - нова онлайн-преводач на Google, което може да се наложи да се конкурират с един мъж. Но ще го конкурират? Или невронната мрежа винаги ще изостава от лице или дори да зависи от него?
На някой като невронна мрежа
Невронната мрежа може да бъде сравнена с малко дете: родено с напълно празна памет, тя постепенно се изпълва чрез обучение. Например, когато едно дете се учи да ходи, той изглежда като възрастните и им подражават. Първо той се влюбва, но гледане на предната част на стандарта, имайте предвид, че прави нещо нередно и повторения. По-скоро, във всеки следващ път, когато той прави стъпка по различен начин. И така, отново и отново, той най-накрая ходи без да падне. Но той ходи тромаво. Поради това, той се движи бавно, или докосва предмети, или той се развива с плосък. Така че, тази функция се изпълнява ефективно и той е да се научим отново. В резултат на това се постига, когато на "идеал", хората са почти никога го променят. Защо, ако този вид пеша е най-ефективният и лесен за употреба? Това със сигурност може да намери нещо в наказателното поле, а той ще трябва отново да се научат, например, е откаран от ходене или спорт, в резултат на нещастие той сложи протеза на крака.
Невронната мрежа прави същото нещо, само че е компютърна програма, създадена от алгоритми. И, за разлика от новороденото, я сложи на първоначалните данни. Те могат да бъдат сравнени с околната среда на детето, на която той изолира и категоризира информация, която трябва да формира навик. И също така го прави невронната мрежа. Всеки възел на невронната мрежа може да бъде представен като кутия, в която има много входове и само един изход. Чрез заливи данни попадат в кутията. Въз основа на тях, се формира от всяка една резултат, който попада в контакта. Но тези кутии могат да бъдат много. Всеки резултат от кутията - ново въвеждане на данни за следващия ред на кутии, или както го наричат, за следващия слой на невронната мрежа, толкова дълго, колкото ще се формира крайния резултат. Тези слоеве могат да бъдат неограничен брой и това е начина, по който данните са класификация.
Но защо класирането и кой определя параметрите, с които масива от данни в кутия се появява някакъв резултат? Всеки вход стойност е определено тегло. Относително казано, програмистът определя значението на определени данни, за да се получи желания резултат. В допълнение, всяка кутия работи своя алгоритъм за генериране на изходни данни. Това е необходимо, за да се свърши с, след като става чрез всички слоеве, за да получите един надясно (или не) отговор. По този начин, мрежата е като паяжина, в който информацията идва от периферията към централната точка.
Но кой определя верния отговор? Както и в случая на дете, невронната мрежа има примери и проби, които трябва да се стремят да се размножават. Например, една невронна мрежа, за да се признае за задача писмо на цифрови изображения. Тя проверява, например, буквата "А", но на изхода казва, че това е буквата "L". Когато невронната мрежа вижда грешката в резултата, повтаря се назад и започва да прави математически корекции на всеки предишен слой до крайния отговор е правилен. Този метод се нарича обратно разпространение, и това може да се повтори няколко пъти. Всичко зависи от това каква част от оригиналните данни от невронната мрежа. Ако много данни, например, целият интернет, невронната мрежа ще бъдат обучени по-бързо и по-ефективно.
Колко дълбоко може да се подготвя невронна мрежа? Трябва ли човек да я постоянно за откриване на грешки? Например, ако мрежата е копирането на картини на известни художници, а след това тя определя яркостта, контури, цветове и може да подаде на подобна картина, съответстваща на всички параметри на оригинала, но не е същото. Тъй като тя осъзнава, че е грешка?
"Ако терминът" с обучение на учители "се използва в невронни мрежи, което не би трябвало хората. Мрежата е обучен на набор от входни и изходни вектори. Да се обучат невронна мрежа на картината, е необходимо да има за всеки възможен обект на всяко стръкче негови снимки и крайната картина. Снимка - това е на входа, на снимката - това е изход. Разбира се, снимките на модели на Рембранд не съществуват. Следователно, необходимо е да се вход парчета - ръцете, стъпалата, ушите, и други. Тук ролята на учителя и на лицето е "- каза професорът от катедрата по компютърни технологии Игор Bessmerty.
Защо невронна мрежа на Google?
Днес невронни мрежи започват да се прилагат навсякъде. Можете да го изтеглите в настоящите икономически показатели и ще се предвиди кризата. Невронни мрежи могат да бъдат използвани за определяне на заболяването, изчисляване на уязвимости в информационните мрежи за прогнози за времето - за всичко, където има цифровизирани данни. Вече чрез прилагане на невронни мрежи разпознаване на текста или отделни обекти от снимки.
Наскоро Google въведе нова система (Google Neural машинен превод система) за онлайн прехвърляне на базата на невронни мрежи. Според разработчиците, системата е намалил броя на грешките в машинния превод на 55-80%. За да тествате услугата, разработчиците пое статии в Уикипедия на конкретен език, като английски, да ги зареди в системата и да получи превод на испански. Тогава те в сравнение с този превод на този, който е бил на Уикипедия. Същото е направено с използването на новинарски сайтове.
По-рано Google преводач прекъсна изречението с думи и фрази и ги превежда индивидуално, като се сравняват с превода на хиляди документи на ООН, ЕС и други организации. Новата система се в резултат на цялата фраза, след като счупи в "вербални сегменти", които се образуват по въпроса, минаваща през слоевете на невронната мрежа. Според експерти, представени списание Nature. Този модел е подобен на признаването на изображението, когато първият невронната мрежа определя яркостта на терена, а след това на контурите, а след това на цвят и така нататък, докато не стигнеш до някакъв резултат.
Нов Google преводач е тествана върху езиковата двойка най-сложната от английски на китайски, и веднага намалява броя на грешките и неточностите с 60%. През следващите месеци невронната мрежа ще работи на други езикови двойки услуга.
При прилагането на невронни мрежи за машинен превод, по един или друг въпрос се появява: Аз преподавам невронна мрежа може да вземе под внимание контекста? В крайна сметка, ако програмата ще се определи, например, че той прави превод на текст на съдебната практика, тя ще се използва само подходящи условия и да позволи по-малко неточности.
Невронна мрежа - подвид на изкуствен интелект, както и тя е в състояние да разпознава и анализира, да се предвиди, покажи прилики и какви проблеми. Въпреки това, според различни оценки AI системи ще бъдат подобрени в продължение на много години, преди да стане мощна и наистина може да се доближи до нивото на човешкото възприятие.
Невронна мрежа - това е само една програма, грешка, която никога няма да направи един мъж. Например, миналата година беше голяма публичност случай, когато приложението Google Снимки нарича две чернокожите в картината "горили". Angered потребител е публикувал приложения екран на Twitter. след което представителите на IT-гигантските му се извиниха и отстранени маркера от приложението. Също така, невронна мрежа, например, може да се определи абстрактно черно-бели изображения като зебри и пингвините.
Във всеки случай, функционалност, мощност и експлоатация на невронни мрежи, ще зависи от целите и нуждите на крайните потребители. Ако програмата е там за забавление, а след това е възможно да се "простим" някои недостатъци. Въпреки това, ако, например, извършва анализ на човешка кръв, са неприемливи грешки.
В тази връзка възниква въпросът: дали задачата е да се създаде невронна мрежа, която напълно ще симулира човешкия мозък? Или ефективно регулиране на по-малко мощен програма за конкретни задачи, вместо да се създават изкуствено супер интелект, който е в състояние да обхване колкото се може повече въпроси и проблеми, и колко хора?
"Не мога да цитирам професор по Преображение" Кучешко сърце ":" Защо се създаде изкуствен човек, ако има такава жена ще роди него в продължение на 9 месеца "?. За да създадете копие на мозъка силиций би изисквало много хиляди сървъри и гигавата електроенергия, а мозъка - това е около един килограм от неврони и 25 вата мощност. AI вече е около нас, и то успешно решава някои проблеми. Паралелно parkovka- не е лесна задача за много собственици на природен интелект, но може да се наложи да паркира колата далеч от премиум сегмента ", - каза Игор Bessmertny.