РАЗВИТИЕ НЕЙРОСЕТЕЙ В СОВРЕМЕННОМ МИРЕ

DEVELOPMENT OF NEURAL NETWORKS IN THE MODERN WORLD

Daniil Glushenkov

 Graduate student, Southwestern State University,

Russia, Kursk

АННОТАЦИЯ

В данной статье проводится краткий обзор того, что представляют собой нейросети, и как их применение всё чаще появляется в различных сферах человеческой деятельности.

ABSTRACT

This article provides a brief overview of what neural networks are and how their use is increasingly appearing in various areas of human activity.

Ключевые слова: нейросеть, искусственный интеллект, обучение.

Keywords: neural network, artificial intelligence, training.

Нейросеть — это математическая модель, которая прошла этап машинного обучения, и которая имеет тот же принцип работы, что и  нейронной сети живого организма. В нём нейросеть способна передавать сигнал от мозга к другим органам, что позволяет регулировать жизнедеятельность организма человека, в то время как компьютерная нейросеть способна решать только ту задачу, которую ей ставит сам человек.  Например, задача голосовых умных помощников, таких как Алиса или Siri — научиться отвечать на вопросы человека и поддерживать разговор с ним.

Виды нейронных сетей.

Классификация нейроcетей определяется тем фактором, который определяет задачи и цели их работы:

1- Многослойные нейронные сети. Они выполняют задачи по обработке числовых данных;

2- Свёрточные нейронные сети. Данный вид нейросетей способен  работать с изображениями, с том числе и медицинскими снимками;

3- Рекуррентные нейронные сети. Они направлены на сбор и обработку информации, которая имеет свойство изменения с течением определённого времени;

4- Генеративные нейронные сети. Создают контент — тексты, изображения.

Для чего нужны нейронные сети.

Суть работы нейронных сетей — моделирование различных способов решения задач в различных сферах деятельности человека, включая науку.

Например, нейросети могут помочь организовать полёт внутри Солнечной системы, а для планирования полёта за её пределы лучше опираться на физическую теорию.

Задачи нейронных сетей.

Применение нейронных сетей позволяет решать задачи следующих типов:

1-Классификация;

2- Прогнозирование;

4- Распознавание;

5- Моделирование;

6- Построение алгоритмов;

7- Анализ.

Сферы применения нейронных сетей.

Нейронные сети могут использоваться для решения задач из любых отраслей человеческой деятельности. Особое применение они находят в медицине. На данный момент это направление только получает своё развитие, но уже является достаточно перспективным, поскольку могу значительно упростить работу врачей, уменьшить риск врачебной ошибки, а также значительно сократить время для постановки диагноза, и построить алгоритм лечения исходя из особенностей организма человека.

Так же искусственный интеллект нашёл своё место в различных сферах науки, благодаря своей возможности построения различных моделей, и проводить все необходимые расчёты на них.

В сфере логистических компаний искусственный интеллект помогает с выбором наиболее подходящего маршрута, просчитывая все возможные пути и сопутствующие факторы. 

Повседневно в сфере торговли уже сегодня человек сталкивается с искусственным зрением на весах, способным определить товар и цену.

Принцип работы нейронной сети.

Весь процесс работы разделяется на шесть этапов.  

1. Постановка задачи.

С этого начинается работа над построением нейронной сети.

2. Сбор исходных данных.

Для работы нейросети нужна информация, на основе которой она будет учиться искать решение. Проводить выборку данных нужно очень качественно, должны быть качественными, потому что данный фактор напрямую влияет на качество обучения искусственного интеллекта.

3. Анализ данных.

Это нужно, чтобы выяснить, нет ли скрытых зависимостей или некорректных данных.

4. Обучение нейронной сети.

В нейросеть загружают часть данных, чтобы она поняла взаимосвязь между ними, и периодически проверяют качество работы. На данный момент, хоть нейросеть и имеет возможность самообучения, но без данных, собранных и загруженных человеком, она не способна сама решать задачи, с которыми человечество еще не знакомо. [1, с 16]

Так же широко используется система машинного обучения, в основе которого лежат алгоритмы.

5. Мониторинг нейросети.

Существуют особые специалисты, которые проверяют, насколько хорошо модель работает на реальных данных и в реальных условиях.  Как только появляются ошибки в процессе решения поставленной задачи, её дообучают.

В процессе доубучения человек находит решение той самой задачи, с которой не справился искусственный интеллект, и вносит в процессе обучения новые правильные данные.

6. Дообучение нейросети.

Постоянное обучение — основа работы любой нейронной сети. Проверка и дообучене являются очень долгим процессом. Иногда он занимает абсолютно всё время использование нейросети, пока её практическое применение не утратит свой смысл. [4]

Нейросети не обязательно обучать с нуля — достаточно улучшить их знания только по определенным параметрам. Это называется обучением с переносом опыта.

Главная трудность в работе с нейросетями.

Процесс создания качественной выборки данных сейчас не происходит в полностью автоматическом режиме. Чтобы построить нейронную сеть, часть данных специалистам приходится отбирать вручную.

Это связано с тем, что в базах данных всегда бывают аномальные значения. Часть из них способна удаляться автоматически, а решение по остальным должен принимать человек. [2]

Риски обучения нейросетей.

Основной задачей специалистов, занимающихся обучением искусственного интеллекта, является не доходить до состояния переобучения. В таком случае появляется риск упустить достаточно важные значения. Так же в определённых случаях, это может значительно снизить кругозор нйросети.

Преимущества и недостатки нейронных сетей.

Использование нейросетей может существенно облегчить работу человека в различных сферах его деятельности. Она активно обучается и могут находить оптимальные решения вместо человека. Имеют более объёмную память и более быстрое мышление. С их помощью возрастает способность исключения рисков и человеческих ошибок. Так же искусственный интеллект не нуждается во сне, пище и других человеческих потребностях. [3]

Но несмотря на все описанные преимущества, нейросети не идеальны.

Результат их правильной и корректной  работы напрямую зависит от выбора исходных данных  и качества обучения. Сама нейросеть занимает достаточно много места на сервере, так как для принятия решения приходится обрабатывать очень большой объём данных, и чем сложнее задача, которую решает нейросеть, тем больше её объём.

В заключении стоит отметить, что нейросети способны полностью заменить работу человека, или оказывать помощь в его трудовой деятельности.  Главное — давать им те задачи, которые уже решал человек, и обучать с помощью качественных данных.

Использование нейросетей значительно снижает вероятность ошибок и рисков, но не исключает их на сто процентов.

          Список литературы:

1. Галушкин, А.И. Нейронные сети: основы теории. / А.И. Галушкин. - М.: РиС, 2015. - 496 c.
2. Для чего строят и обучают нейросети в IT? [Электронный ресурс] // URL: https://practicum.yandex.ru/blog/chto-takoe-neyronnye-seti/ (дата обращения 21.08.2024)
3. Искусственный интеллект. Что такое искусственный интеллект? Как работает ИИ? [Электронный ресурс] // URL: https://builtin.com/artificial-intelligence (дата обращения 25.08.2024)
4. Машинное обучение. Что это и почему это важно? [Электронный ресурс] // URL: https://www.sas.com/ru_ru/insights/analytics/machine-learning.html (дата обращения 21.08.2024)