Чем «думают» нейронные сети – объяснение на пальцах

Нейронные сети – довольно обширное понятие. В его основу положены законы математики, химии, физики, программирования. Изучение таких сетей началось уже давно. В нем приняло участие не одно поколение ученых. И только сейчас их развитие вышло на такую ступень, что стало возможным говорить о первых результатах.

Область изучения нейронных сетей тесно связана с искусственным интеллектом. Специально обученные машины уже научились рисовать картины и заменять человека за рулем транспорта. Искусственный интеллект, построенный на основе нейронных сетей, широко внедряют в свои разработки гиганты IT – сегмента: Apple, Google, Qualcomm, Facebook. Все они заявляют, что машинное обучение – главное направление в их развитии. Может статься, что через несколько лет станет возможным создать машинный интеллект, близкий по своим возможностям к человеческому мозгу. Итак, попробуем разобраться: что такое нейросети и каков основной принцип их работы.

Принцип работы

Создавая нейронные сети, ученые брали за основу устройство человеческого мозга. Он состоит из более, чем 86 миллиардов нейронов, связанных между собой синаптическими связями. Сети, созданные искусственно, по масштабам значительно уступают нашему мозгу. Поэтому полноценным интеллектом их называть еще рано. Это, в лучшем случае, упрощенная модель мозга.

Классическая нейросеть еще имеет название персептрон. Она состоит из нескольких слоев нейронов. Первый слой – рецепторные нейроны (сенсоры). Они получают данные из внешней среды. В зависимости от полученной информации и от настроек рецепторов, они могут либо передавать данные на следующий уровень, либо нет. Нейроны – рецепторы называются S-элементами.

Следом за ними идет слой ассоциативных нейронов – А=элементов. Они обрабатывают информацию, полученную от рецепторов. У каждого нейрона – свой собственный алгоритм. Когда результат достигнут, он передается третьему слою – реагирующим нейронам (или R-элементам). Они и выдают результат во внешнюю среду.

Каждый нейрон сети обладает весом (значимостью). Весовой коэффициент определяет, насколько данные этого нейрона важны по сравнению с другими, окружающими его. Чем меньше весовой коэффициент, тем меньше информация, полученная от этого нейрона, влияет на итоговый результат.

Основа любой нейронной сети (ИНС – искусственная нейронная сеть) – множество нейронов, разделенных на слои. Вычисления в этой сети должны производиться параллельно. Некоторую последовательность действий задает передача информации между слоями нейронов. Но, поскольку обмен может происходить одновременно в двух направлениях, это не сильно упорядочивает вычисления.

Как обучаются нейронные сети?

Упрощенно, обучаемость – это способность сети менять алгоритм вычислений, если получен неверный результат. Сети «понимают» ошибку и меняют стратегию, чтобы в дальнейшем в этой и аналогичных ситуациях не ошибаться.

В ИНС это происходит точно так же, как и в естественной – человеческом мозге. В зависимости от поступающих извне (от рецепторов) данных, интенсивность синаптической (электрической) связи между нейронами изменяется. Соответственно, меняются и веса нейронов. Это позволяет корректировать результат на выходе.

Правильные ответы определены человеком или другой программой (не нейросетью). Искусственному интеллекту предлагается некоторая выборка с метками (например, «Это – ананас», «Это – не ананас»). Так происходит первоначальное обучение сети. На этой выборке (обучающая выборка) нейросеть сама формирует алгоритм получения ответа. В дальнейшем ИНС предлагают вариант, не включенный в выборку. Если правильный ответ получен, значит, сеть успешно обучена. Это так называемое обучение с учителем.

Такое обучение занимает много времени даже в несложных сетях, с небольшим количеством нейронов. Кроме того, вероятность ошибки оставалась довольно велика. Поэтому был изобретен другой способ – обучение без учителя. Он стал возможен при усложнении сетей: количество слоев в них увеличилось. Некоторые слои стали «скрытыми», а нейроны получили возможность обмениваться информацией в обе стороны. Новые ИНС назвали рекуррентными. Нейроны в ней передают информацию друг другу во внутренних слоях по много раз, формируя верный алгоритм. Выборка для обучения таким сетям предоставляется без правильных ответов. Нейронная сеть сначала выдает результат, и лишь потом получает информацию о его верности или неверности. Такой тип обучения назвали обучением с подкреплением.

Выбор типа обучения напрямую зависит от задач, возложенных на сеть. Обучение с учителем эффективно, если от ИНС требуется распознавать изображения на картинках и фотографиях. Если же требуется структурировать большой объем информации в условиях постоянно меняющихся входных данных, лучше сработает обучение с подкреплением.

Сегодня нейросети активно применяются во всех областях IT-сферы. Они эффективны, и при этом сравнительно просты. На текущем этапе работа ИНС дает отличные результаты. Каковы их предельные способности, пока не может сказать ни один из разработчиков. Понятно лишь, что потенциал нейронных сетей огромен. Пока неизвестно, разовьются ли нейросети в полноценный искусственный интеллект. Но пользоваться некоторыми из их возможностей можно уже сейчас.