Штучні нейронні мережі: як вони зможуть поліпшити наше життя?

Тема нейронних мереж потрібна, адже штучні нейронні мережі вже давно працюють на нас з вами. Їх сфера застосування поширена широко і зустріти їх можна, наприклад, в додатку Google Photo, або так улюбленому всіма фоторедакторі Prisma.

Що таке нейронна мережа?

Самому поняттю “нейронна мережа” вже майже 150 років. У момент зародження поняття про нейронної мережі говорили, як про біологічну, в розрізі вивчення нейронів головного і спинного мозку людини.

Мозок людини складається в середньому з 86 мільярдів нейронів, які в сукупності і утворюють нейронну мережу. Кожен нейрон це окрема клітина, яка містить багато входів (дендритів) і один вихід (аксон), який передає сигнал наступним нейронам. Вихід може розгалужуватися і передавати інформацію відразу декільком клітинам, проте він один. Нейрони здатні передавати не тільки електричні імпульси, а й хімічні сигнали. В рамках цього матеріалу ми розглядаємо тільки електричні, так як такий вид зв’язку має більше спільного з сучасними спробами перенести нейронні мережі в програмовану площину

Як працюють нейронні мережі?

Наведемо простий приклад роботи нейрона, який демонструє отримання масивів інформації з вхідних каналів, яких може бути до 20 000, і передачу на їх основі відповіді наступним в мережі нейронів. Уявіть, що ви сидите з другом в кафе на вулиці. Ви чуєте сотні різних звуків, які відчуваються вами завдяки коливанням барабанної перетинки в вухах. Вона передає вібрації у внутрішнє вухо. У свою чергу в ньому в спеціальній рідині коливаються волоскові клітини, які сприймають коливання. Ці клітини передають сигнали нейронам. Перші в ланцюжку нейрони визначає частоту коливання і передають значення далі. Другі, наприклад, поділяють фоновий і основний шуми, а також поділяють їх на кілька каналів за принципом схожості. Далі мозок виокремлює з усієї отриманої про шуми інформації шум, видаваний машинами. Потім мозок ділить його на шум легкових і вантажних авто. Підключивши накопичений досвід, мозок допомагає виокремити з усього потоку шуми автомобілів з великим об’ємом двигуна і маленьким. Але так як ви знаходитесь поруч з другом, який щось розповідає, мозок визначає його мову, як найголовніший звуковий потік, який ви чуєте і розумієте найкраще. І навіть якщо ви закриєте очі, ви все одно зрозумієте, що говорить друг. Ви не тільки зрозумієте окремі слова його промови, але також розпізнаєте інтонацію, що передаються емоції і смисли його слів. І все це працює завдяки простим коливань повітря, які сприйняло ваше внутрішнє вухо і сотням тисяч нейронів, які ці коливання обробили.

Навіщо потрібні штучні нейромережі?

Мета штучної нейронної мережі – повторити цей процес. Але це неможливо без навчання. Ми не з самого народження вміємо відрізняти слова від звуку працюючої дрилі. Ми здатні розділяти ці звуки завдяки досвіду, який накопичив наш мозок. З самого народження ми бачимо одну і ту ж жінку, яка стверджує нам, що вона наша Мама. І перш, ніж ми навчимося вимовляти слово Мама і асоціювати його з певною людиною, пройде більше року. До речі, багато проблем з вимовою тих чи інших звуків, пов’язані якраз з тим, що ми не можемо бачити якусь конструкцію з мови і зубів, яку вибудовує людина всередині свого рота, щоб правильно вимовити звук «М». Тому таку конструкцію ми підбираємо дослідним шляхом або намагаємося отримати знання. Такі ж знання необхідні і штучних нейронних мереж.

Нейронна мережа в Google Photo

Вперше, про те щоб перенести нейронні мережі в машину, або створити машину на основі нейронних мереж, задумалися в 40-х роках минулого століття. Тоді знання про мозок були невеликі, як слабкі були і потужності обчислювальної техніки. Зараз же передача знань комп’ютерів – менш складне завдання, яке реалізується за рахунок створення спеціальних програм, кодів, здатних навчатися самостійно на основі отриманого досвіду. Повноцінного програмного втілення людського мозку на сьогоднішній день немає, але є програми, які використовують нейронні мережі для певних цілей. Відмінний приклад – додаток Google Photo. Програма вміє самостійно розділяти знімки з того, що на них зображено.

Тобто, подібно очам людини і пов’язаних з ними нейронів мозку, Google Photo може відрізнити фотографії, на яких зображені, наприклад, годинник.

Алгоритми Google Photo вміють визначати годинник, людину і інші об’єкти практично без помилок. Вони знають що годинники круглі або квадратні, мають стрілки і цифри, а іноді на них і зовсім може бути текст. Ремінець, обриси руки або стіна, цифри по колу або в хаотичному порядку – розуміти все це Google навчили його програмісти, вказуючи штучній нейронній мережі різні зображення, на яких зображені годинники. Програма визначає повторювані чинники, і розподіляє їх самостійно за ступенем важливості, або по важливості параметра, як кажуть програмісти. Потім програмі пропонують різні зображення з годинником і без. Якщо програма помиляється в спробі визначення годин, то їй на це вказують і вона сама шукає, на якому етапі визначення зроблена помилка, а потім вносить в саму себе корективи. Паралельно програма аналізує інші об’єкти попадаються на фотографії і питає, що це таке. Відповідь знаходить в своїй основі знань, або очікує відповіді інженерів. Звичайно, це дуже спрощена схема роботи Google Photo і грунтується вона на набагато більш складних алгоритмах, але наочно це виглядає приблизно так.

Крім пошуку по фотографіях, штучні нейронні мережі використовуються і в інших комп’ютерних програмах. Наприклад, в іграх. Уявіть, що в якійсь «бродилки» у вас є напарник, завдання якого повідомляти вам, можна йти в атаку чи ні. Спочатку напарник вчиться, оцінюючи кількість суперників, силу кожного суперника, доступну зброю і броню, рівень здоров’я вашого героя. Співвідносячи всі ці фактори, він аналізує, при якому співвідношенні наявних ресурсів і нападників супротивників ви здобували перемогу, а при якому програвали в битві. Потім він визначає рівень вашої майстерності, виходячи з якого в майбутньому радить – іти в бій або сховатися від супротивника. Так може працювати інтелектуальний рівень складності в грі, підвищуючи рівень противника відповідно до ваших вміннь, щоб грати було завжди цікаво. І все це вже активно використовується.

Куди це нас приведе?

З тим, як це працює вже зараз – розібралися. Давайте подивимося, до чого це може призвести в майбутньому. Все той же додаток Google Photo зі своєю власною штучної нейромережею може навчиться визначати пухлини через аналіз завантажених в нього рентгенівських знімків, виявляти захворювання нирок за наявністю кіл навколо очей людей, зображених на фото або діагностувати будь-які інші хвороби, які проявляються через зовнішні ознаки. У професійному обладнанні подібні алгоритми вже використовуються. Фотографуючи пацієнта і аналізуючи зображення передає інформацію лікаря, який визначає подальші дії. Внесення діагнозів і призначень на лікування в систему лікарем згодом може навчити алгоритм самостійного консультування пацієнтів.

Знання, що передаються таким алгоритмам застосовувати можна не тільки для діагностування захворювань. А й у багатьох різних сферах нашого життя.

Уявіть якими будуть голосові помічники типу Siri і Google Now, уявляєте? Згодом вони навчаться розуміти не тільки фразу «розбуди мене завтра о 7:00» і встановлювати будильник на цей час, а й паралельно аналізувати список ваших завдань і самостійно приймати рішення, у скільки вас розбудити, якщо в календарі є зустріч на 8 ранку. Головне, щоб голосовий помічник не проаналізував мішки під очима і не вирішив, що краще вже вам сьогодні проспати.