Sieci neuronowe są skupiskami sztucznych neuronów, które mówiąc krótko bezustannie się przebudowują, ilekroć podejmią słuszną decyzję; wzmacniają w ten sposób wybrane ścieżki i zmieniają strukturę sieci. W co zatem ,,fizycznie" opakowane są sieci neuronowe, skoro ponoć nie potrzebują programowania, w tym sensie, że jedynie algorytmy komputerowe wprowadzają dane do sieci neuronowych stymulując je do nauki i rekonfiguracji? Czy są one wbudowane w jakiś dysk twardy i mają to swoje fizyczne, stałe miejsce ,,bytowania"i rozwijania się (rozumuję, że również systemu operacyjnego, np. Windowsa, czy czegoś innego sieci nie potrzebują), lub scalone są z jakimś procesorem, którego moc obliczeniową wykorzystują do uczenia się? Rozumiem aspekty (niefizyczne) działania sieci neuronowych, lecz poszukuję konkretnego wytłumaczenia ich fizycznej budowy: jak powiązane są z komputerem, dyskiem twardym i programami komputerowymi wprowadzającymi do sieci neuronowych dane wejściowe.
Sieć neuronowa to nie jest żaden "byt", żeby go jakoś podłączać. To model matematyczny, który możesz sobie trzymać nawet na kartce papieru, jeśli przepiszesz sobie wagi dla poszczególnych neuronów. Tu nie ma żadnej magii, to jest zwykła matematyka. Budujesz sobie po prostu model złożony z kilku warstw: warstwa wejściowa, warstwy obliczeniowe i na koniec wyjściowa, między warstwami masz połączenia "każdy z każdym" pomiędzy neuronami, każdy neuron ma swoją wagę liczbową, która stanowi o jego "przepuszczalności" (im mniejsza waga, tym mniejszą wartość neuron przepuści dalej, bo jego działanie to mnożenie wyniku z neuronu poprzedniego razy waga). Potem sumuje się wyniki z warstwy i leci z tym do warstwy kolejnej, i tak dalej, aż do ostatniej - wyjściowej. Po drodze masz jeszcze funkcje aktywacyjne (matematyczne) imitujące różne warianty aktywacji, czyli np. że neuron aktywowany jest powyżej danej wartości etc... Tak samo uczenie to nie jest żadna magia - polega na ustalaniu wag dla neuronów, również matematycznie, na zasadzie propagacji wstecznej opartej w wielkim skrócie na czymś w rodzaju liczeniu pochodnych. Ustawione prawidłowo wagi to gotowa sieć, a wagi jak wspomniałem możesz sobie rozpisać nawet na kartce Potem ładujesz inne dane wejściowe na wejście i wartość liczbowa leci po sieci poprzez obliczone "neurony", czyli mnożąc się przez ich wagi, aż do wyjścia - otrzymujesz wynik. To tak w mocno wielkim skrócie. A podłączenie? Dowolne, w pierwszym lepszym języku programowania, pisząc zwykłą, najprostszą appkę korzystającą z takiego modelu, czyli pobierającą dane wejściowe i implementującą daną sieć.
PS. Info że tak powiem z pierwszej ręki, bo budowałem i trenowałem w życiu niejedną sieć neuronową, zwykłe, konwolucyjne, rekurencyjne i jeszcze inne kombinacje. Fajna zabawa z tym jest, czasami można się zdziwić rezultatami, ale nie ma tu żadnej magii, jest zwykła matematyka.
Z powyższej odpowiedzi na temat, który założyłem - odnośnie matematyczno - informatycznego jestestwa (bo wszystko sprowadza się do przetwarzania informacji) sieci neuronowych, wynika że sieciom tym, jako konstruktom potrzeba informacji, czyli danych do tego, aby mogły się uczyć, analizować i rozwiązywać problem. Dane to ich pożywka. Coś w tym jest, i sam nie wiem co, ale sieci neuronowych, jako funkcjonującego modelu matematycznego, który można zapisać na kartce, jakoś nie mogę sobie wyobrazić. Wydaje mi się, że sieci neuronowe, owszem, można zapisać na kartce, jednak w tym konkretnym i temu podobnym przypadku będą one tylko wzorem - ,,dwuwumiarowym zapisem" bez logicznego wyjścia do działania. Wynika z tego, że sieci te są samodzielne, ale rozwijają się w oparciu o powiązanie z oprogramowaniem, czyli implementacją informacji przez program do sieci, aby mogły one działać - tak aby nazwa ,,sieci neuronowe" miała sens. Jeśli źle rozumuję, albo prawie dobrze łapię temat, lecz nie do końca, proszę kolegę wyżej o korektę. Byłbym wdzięczny za podesłanie jakiejś fachowej literatury bądź literatury popularnonaukowej w tym względzie.
Sieci neuronowe są zbiorem procesów wykorzystujących rachunek prawdopodobieństwa, pozwalające na podejmowanie decyzji wykonawczych urządzeniom i aplikaciom posługującym się sztuczną inteligencją. Oparte są na porównywaniu informacji otrzymanych poprzez bodźce „zmysłowe”- czujniki maszyny/programu z „pamięcią” -bazą danych poprzez wykorzystanie struktur matamatycznych.
Wynik działania sieci neuronowych jest odpowiedzią zgodną z systemem wartości narzuconym im przez programistę /człowieka lub maszynę/
Wytłumaczenie w przystępny sposób:
05:41
Zawsze mówiłam, że kiedy mówisz o samouczeniu się maszyn mówisz o sztucznej inteligencji
05:45
Dlaczego? Ponieważ "sztuczna inteligencia" to próba stworzenia urządzenia bądź aplikacji,
które posiadają inteligencję człowieka lub są od niego i inteligentniejsze
Uczenie maszynowe to seria algorytmów sprawiających, że twoje urządzenie bądź aplikacjia dysponuje sztuczną inteligencią
06:06 Powtórzmy to ponownie.
Sztuczna inteligencia - to próba stworzenia urządzenia bądź aplikacji,
które posiadają inteligencję człowieka lub są od niego i inteligentniejsze
Uczenie maszynowe to seria algorytmów sprawiających, że twoje urządzenie bądź aplikacjia dysponuje sztuczną inteligencią
06:19
Przed wielu lat Alan Turing powiedział:
"kiedy komputer spowoduje byś uwierzył, że masz kontakt z człowiekiem
Kiedy jakiś komputer spowoduje byś uwierzył, że rozmawiasz z człowiekiem lub współdziałasz z człowiekiem możemy powiedzieć, że ten komputer jest inteligentny, dysponuje sztuczną inteligencją"
06:49
A zatem sztuczna inteligencja jest przymiotnikiem, który stosujemy do opisania wszystkich tych urządzeń lub aplikacji, które symulują inteligencjie człowieka poprzez użyciu "uczenia maszynowego"
07:07
Przez to chcemy powiedzieć, że jeśli sztuczną inteligencię porównamy do samochodu to "uczenie maszynowe" będzie silnikiem tego samochodu, który sprawia że samochód się porusza.
07:14
Uczenie maszynowe sprawia, że to urządzenie lub aplikacjia są równie lub bardziej inteligentne jak człowiek.
07:23
Uczenie maszynowe jest techniką. Sztuczna inteligencia to sposób w jaki opisujesz te obiekty, które symulują inteligencię.
07:35
Nie wszystko w uczeniu maszynowym jest dopracowane do perfekcji i chciałabym pokazać ci jeden z poważniejszych problemów na powyższym przykładzie.
07:42
Chcę, żebyś sobie wyobraził, jakiś but, masz trzy sekundy. Jeden. Dwa. Trzy.
bardzo dobrze teraz chcę, żebyś mi powiedział, lub żebyś myślał tak, jak sobie wyobrażałeś
wyobrażałeś sobie to jako pierwszy obraz - but klasyczny
jak na drugim obrazku - szpilki
czy trzeci obrazek - trampki
08:06
Ja osobiście kiedy mnie proszą, bym wyobraził sobie but
Wyobrażam sobie ten z pierwszego zdjęcia, ale są ludzie, którzy będą sobie wyobrazić
drugi lub trzeci
08:16
To oznacza, że wszyscy mamy inne projekcje w stosunku do podobnych rzeczy i jako programiści przenosimy te koncepcje, w które my wierzymy.
08:28
Teraz wyobraź sobie, że opracowałem aplikację, która rozpoznaję buty i ja sama ją trenuję
rozpoznać jako buty tylko to co przypomina but z pierwszego obrazka.
08:41
Gdy zobaczy obraz drugiej lub trzeciej formy butów nie rozpozna tego jako butów, pomimo że nimi są.
08:47
oczywiście na pierwszy rzut oka nie wygląda to na poważny problem. Można powiedzić dobra rozpoznaje buty ale nie tenisówki, nie ma problemu.
08:57
Ale wyobraź sobie prawdziwy przypadek, gdy Google Fotos udostępnił Fich Ware
który jako narzędzie Google Fotos automatycznie etykietował zdjęcia
09:07
i pewnego razu w fazie prób tego programu, w których uczestniczyłam, po dostarczeniu zdjęcia osoby o wyglądzie afroamerykanina algorytm zaetykietował go jako chango. Tutaj już ten błąd stał się znaczący.
09:18
Teraz wyobraź sobie, że byłam na konferencji gdzie prezentowałam demo programu rozpoznającego głos, które fonkcjonowało perfokcyjnie podczas prób. Program był niewiarygodny rozpoznawał głos wszystkich przechodzących bez żadnych problemów
09:39
Ale w dniu gdy go próbowano głosem kobiety nie zadziałał i zdali sobie sprawę, że nigdy nie trenowali tego narzędzi głosem żeńskim
09:46
ten problem nazywa się "human bias". Jest to bardzo powszechny problem, z który musi się zmierzyć programista
urządzeń lub aplikacji "machine learning"
10:00
Przez to chcę powiedzieć, że ja jako człowiek mam pewne przekonania i pewne koncepcje, które przenoszę do mojego programu lub urządzenia. W innych typach programów, które nie używają "machine learning", nie stwarz to problemu
10:11
Ale gdy tworzysz urządzenia lub aplikację, które będą współpracowały w świecie ludzi lub z trójwymiarowym światem, pojawia się ogrom detali na które należy zwrócić uwagę aby zapobiec tego typu problemom, które tu przytoczyłam.
10:31
Chciałbym ci to powiedzieć, jeśli kiedykolwiek dojdziesz do wniosku, że sztuczna inteligencja może doprowadzić do końca świata, pragnełabym abyś pomyślał, że za każdą sztuczną inteligencją stoi ręka człowieka, który ją zaprogramował.
Oznacza to, że to od nas programistów zależy aby sztuczna inteligencja była używana w dobrych celach.
10:57
To powód dla którego ja Hayde Martinez tak bardzo się staram przedstawić wam ten temat. I żeby coraz więcej ludzi umiało i rozmawiało o "machine learning" by coraz więcej ludzi mogło rozwijać programowanie i podczas gdy coraz więcej ludzi będzie umiało programować o wiele szubciej stanie się możliwe coś co sprowokuje, że "machine learning" zostanie uregulowany prawnie.
11:14
Ponieważ ja sądzę, żę potrzebujemy uregulowań dla "machine learning"? Istnieje wiele rzeczy gdzie uczenie maszynowe jest używane dla naszego dobra. Istnieją sensory potrafiące robić prawie wszystko. Potrafimy rozpoznawać ludzkie twarze, aplikacje te istnieją w androidzie i w nowym iphone. Ale też są badane sensory, które czytają nasze fale mózgowe wykorzystując EEG i zrobili rzeczy niewiarygodne jak możliwość kontrolowania wózków inwalidzkich za pomocą myśli między innymi.
11:43
Ale tak jak spektrum rzeczy dobrych jest super szerokie. Istnieje tak samo duże spektrum rzeczy złych które możemy zaprogramować.
Poza tym istnieje też inny wielki dylemat, to co dla mnie jest dobre wcale nie znaczy, że dla ciebie będzie to też dobre.
Użytkownik ppp edytował ten post 13.10.2019 - 19:20
Sieci neuronowe, mają jeden zasadniczy cel: uczyć się. I wynika to z moich konkluzji wobec tego zagadnienia oraz podsumowania umieszczonych w poście wyżej materiałów. Mózg człowieka - masa galaretowatej substancji zamkniętej w sferycznej puszcze, podtrzymywanej przez kręgosłup, działa tak, jak procesuje sieć neuronowa: połykanie zbiorów informacji, na których mózg, a zatem niezliczone skupiska neuronów, bezustannie się przebudowuje, wzmacniając swą ,,biochemiczną maszynę analityczną" i rozwijając jej architekturę / rusztowanie neuronalne w miarę opanowywania zadań. Superkomputer o gigantycznej mocy obliczeniowej będzie tak samo ,,głupi" jutro czy za kilka lat, jak był ,,głupi" wczoraj i jest dzisiaj - jest to typ maszyny obliczeniowej, o prostym zadaniu: wykonywanie operacji analitycznychxi podleganie temu rodzajowi narzuconych z zewnątrz procesów, gdzie w grę pośród prawdziwych tytanów wśród superkomputerów wchodzi liczba takowych zabiegów w kwadrylionach operacji na sekundę! W przyszłości maszyny usprawnione przez SI i sieci neuronowe, będą uczyć się w niewyobrażalnym tempie, i niepotrzebna będzie im do tego super moc obliczeniowa. Z każdym kolejnym napotykanym problemem ich sieci neuronowe będą się przebudowywać, wzmacniać, uczyć i tym samym zwiększać swoją potęgę.
Potem ładujesz inne dane wejściowe na wejście i wartość liczbowa leci po sieci poprzez obliczone "neurony", czyli mnożąc się przez ich wagi, aż do wyjścia - otrzymujesz wynik. To tak w mocno wielkim skrócie. A podłączenie? Dowolne, w pierwszym lepszym języku programowania, pisząc zwykłą, najprostszą appkę korzystającą z takiego modelu, czyli pobierającą dane wejściowe i implementującą daną sieć.
