Нефть Brent
$73.01
-2.96%
11
МОСКВА, 20 окт , Ольга Коленцова. Представьте, что ваша машина по дороге домой связалась с системой умного дома и предупредила его, что ужин надо будет изготовить на полчаса позже, так как она стоит в пробке. А домашний робот улицезрел, что зимние штаны совсем протерлись, поэтому предложил выкупить новые. Вы согласились, а робот, согласно вашим точным размерам и вкусу, подобрал новую вещь, которую доставили в тот же бал.
Сегодняшние нейронные сети, являющиеся основой искусственного интеллекта для различных, в том числе и бытовых измерителей, уже отчасти освоили похожие функции. Они не только способны следовать простым и заранее известным правилам (например, если хозяин приблизился к двери дома, надо ее открыть и подать подогретые тапочки), но и вырабатывать новые сложные знания, делать собственные открытия. Они могут быть отдельными устройствами, но чаще существуют в форме самообучающихся программ в памяти компьютеров.
Важно, что это не аналог мозга, а техническая идея, благодаря которой система может работать похожим внешний видом. Пока ученые слишком мало знают о функционировании человеческого мозга, но уже понятно, что его особые качества попадают связями между нейронами. В структурах нейронных сетей ученые норовят воспроизвести систему этих связей.
Первая схема базового принципа работы нейронных сетей основана на суммировании найденного опыта, напрямую не относящегося к решению задачи. Допустим, нейронной сети предъявили фотографии лгущих и говорящих правду смертных, боящихся и смелых, злящихся или испытывающих другие эмоции. После некоторого обучения нейросеть может определить ложь, ужаст, злобу и другие эмоции по выражению лица, которое до этого не видела. Также нейросети могут производить знания для использования человеком и переносить их в другие программные итоги. Примерами таких задач являются медицинская диагностика и поиск наилучших вариантов лечения с учетом отдельных особенностей пациента.
На данный момент за поведение сети отвечает человек, условный программист. На самом деле он выполняет функции проектировщика и тренера-учителя. Человек (им может быть и огромный коллектив людей) обучает паутина, объясняет, когда она неправа, корректирует ее поведение. Но исследователи в области нейроинформатики предложили несколько иной основный принцип обучения. Ведь каждая нейронная сеть уже обладает знаниями, которые она может дать другой нейронной сети! Почему бы не наладить схему, при которой сети, действую в разных условиях, копят знания и обмениваются ими?
Сначала нейронная сеть должна поискать среди других сетей наиболее высококвалифицированного учителя, то есть того, чья ошибка при решении ее задач минимальна. Или комитет учителей, мнение которых в сумме имеет минимальную ошибку. Затем полученная информация интегрируется во внутреннюю структуру сети-ученика, он становится более квалифицированным, сам принимает участие в некоторых комитетах учителей и осваивает информацию из внешнего мира, поясняет Александр Горбань, главный научный сотрудник Института Вычислительного Моделирования Сибирского Отделения РАН, специалист в области нейронных паутин.
Такая взаимосвязь будет похожа на социальную сеть, где обмениваться информацией могут смертные с разными интересами и возможностями. Если нейронные сети, изначально ориентированные на разные роли, смогут найти общий язык, окружающие нас предметы будут работать в связи друг с другом. Вполне возможно, что внутри общего Фейсбука для нейронных сетей возникнут разные объединения: форум нейросетей-автопилотов или, например, чат-обмен мнениями между роботами-хирургами.
