Искусственный нейронные сети и возможность создания на их основе искусственного интеллекта

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Искусственный нейронные сети и возможность создания на их основе искусственного интеллекта

Artificial neural networks and the ability to create on their basis of artificial intelligence

Сулейманов К.Б.

Дагестанский государственный университет

Махачкала, Россия

Искусственный интеллект - это область компьютерной науки (раздел информатики), занимающаяся автоматизацией разумного поведения [1]. Разумное поведение ярче всего проявляется при решении так называемых «интеллектуальных задач».

Среди основных направлений развития систем искусственного интеллекта выделяют: нейронные сети, экспертные системы, естественно-языковые системы, эволюционные вычисления, самоорганизующиеся СУБД, интеллектуальная инженерия. Из них направление «нейронные сети» стабильно держится на первом месте и это связано с потенциалом развития этой технологии, а так же с перспективой ее реализации.

Искусственная нейронная сеть (ИНС) -- математическая модель, а также её программное или аппаратное воплощение, построенная по принципу организации и функционирования биологических нейронных сетей -- сетей нервных клеток живого организма. Это понятие возникло при изучении процессов, протекающих в мозге, и при попытке смоделировать эти процессы. Первой такой попыткой были нейронные сети У. Маккалока и У. Питтса. [2]

Среди основных задач, решаемых с помощью нейронных сетей, можно выделить распознавание образов, раскопка данных, диагностика систем, финансовое прогнозирование, кластеризация, аппроксимация, шифрование данных, контроль за деятельностью сетей.

Искусственная нейронная сеть представляет собой систему искусственный нейронов, соединенных и взаимодействующих между собой. Эти искусственные нейроны так же называются процессами. Такие нейроны довольно просты по сравнению с обычными процессами, протекающими в персональных компьютерах. Каждый процессор подобной сети имеет дело только с сигналами, которые он периодически получает, и сигналами, которые он периодически посылает другим процессорам.

Так в чем же основная особенность нейронных сетей? В чем их главное отличие? Одно из главных преимуществ нейронных сетей перед традиционными алгоритмами является то, что они обучаются, а не программируются в привычном смысле этого слова. Технически обучение заключается в нахождении коэффициентов связей между нейронами. Нейронная сеть способна выявлять сложные зависимости между входными и выходными данными и выполнять их обобщение. Значит нейронная сеть может дать результат даже при условии, что на входе были использованы искаженные, неполные данные. Это одна из характерных черт искусственного интеллекта, способность работать в ограниченных условиях, как и человек.

На рисунке 1 ниже представлена схема простой нейросети.

искусственный интеллект нейронная сеть

Рис.1 Схема простой нейросети

Зеленым цветом обозначены входные нейроны, голубым - скрытые нейроны, голубым - выходные нейроны. Скрытые нейроны преобразуют информацию и добавляют нелинейность модели.

Выделяют следующие этапы решения задач в нейросети:

• Сбор данных для обучения;

• Подготовка и нормализация данных;

• Выбор топологии сети;

• Экспериментальный подбор характеристик сети;

• Экспериментальный подбор параметров обучения;

• Собственно обучение;

• Проверка адекватности обучения;

• Корректировка параметров, окончательное обучение;

• Вербализация сети с целью дальнейшего использования[3].

В 1950 году один из основателей понятия «Искусственный интеллект», Пионер в области вычислительной техники, английский ученый Алан Тьюринг, написал статью под названием «Может ли машина мыслить?» [4] в которой описывает процедуру, с помощью которой можно будет определить момент, когда машина сравняется в плане разумности с человеком, получившую название теста Тьюринга. С этого момента ученые задаются вопросом: каковы границы возможностей компьютеров и достигнут ли машины уровня развития человека?

Многие ученые предполагают, что именно нейронные сети смогут в полной мере достигнуть потенциала человеческого мозга и даже перешагнуть через него. Уже была разработана компьютерная и математическая модель восприятия информации мозгом. Ее назвали перцептрон. Эта модель так же была реализована в виде электронной машины. Перцептрон способен обучаться и решать довольно сложные задачи. Основная задача, которую он решал это линейное разделение любых нелинейных множеств, так называемое обеспечение линейной сепарабельности.

Но между нейронными сетями перцептрона и биологическими нейронными сетями существует большая разница, разница в их моделях нейронных сетей. У биологического нейрона много входов и множество независимо определяемых выходов. Получалось что, в математическом нейроне анализируются и подсчитываются коэффициенты весов входных сигналов, а в биологическом нейроне происходит анализ силы выходных.

Google и Microsoft используют нейронные сети в своих приложениях перевода языков. Мы часто видели плохие переводы английского языка на русский, но со временем нейронные сети обучаются улучшать эти переводы, исходя из правильных переводов. Тоже самое можно наблюдать в переводе речи в текст. Google voice с течением времени снизило свои ошибки на 49%, в этом и проявляется самообучаемость системы.

Но ведь мозг человека это не только строгий математический расчет и умение делать выводы на основе имеющихся данных и учет этих выводов в будущем. Человеку при этом знакомы такие понятия как творчество, музыка, живопись, красота. И вот возникает вопрос, может ли компьютер, например, сочинить музыку.

Специалисты исследовательского проекта Google Brain, который занимается разработками в области искусственного интеллекта и методов глубокого обучения, сформировали группу по изучению творческих возможностей нейросетей. Об этом сообщает Quartz.[5]

Исследовательская группа Magenta официально будет представлена в июне, однако первые наработки в области творчества машин уже были продемонстрированы на музыкальном фестивале Moogfest, который прошел в городе Дарем (США). Дуглас Экк (Douglas Eck), один из разработчиков в группе Magenta, продемонстрировал импровизацию нейросети. Программа на основе пяти полученных нот сыграла более сложную и длинную мелодию. [5]

По словам Дугласа Экка, разработчики Magenta планируют доработать алгоритм, чтобы нейросеть могла сочинять более сложные и длинные мелодии, а затем будут заниматься разработками машинного творчества в области создания изображений. [5]

Методы машинного обучения уже применялись в творчестве. Например, исследователи из Университета будущего Хакодате с помощью искусственного интеллекта написали роман, который прошел в финал литературной премии имени Хоси Синъити. Также с помощью нейросетей был написан портрет «Следующий Рембрандт», а результаты совместной работы художников и нейросети DeepDream были выставлены на аукцион. [5]

Из всего этого следует, что компьютер уже может заменяет человека во многих сферах деятельности и превосходит его. Но мозг человека намного более разносторонний, чем нейронная система машины. Пока искусственные нейронные сети не могут одновременно сочинять музыку, рисовать, распознавать лица, но возможно в ближайшем будущем человечество сможет создать достаточно сложную искусственную нейронную сеть, способную выполнять все вышеперечисленные функции. Скорее всего этот искусственный интеллект будет намного быстрее и производительней человека, он сможет узнать теорию относительности Эйнштейна и понять ее за доли секунды. Но будут ли у него свои потребности в свободе, индивидуальности, свободе творчества, будет ли он способен любить? На этот вопрос сейчас невозможно однозначно дать ответ.

Список использованной литературы

1. Люггер Джордж Ф. Искусственный интеллект: стратегии и методы решения сложных проблем. - М.: Издательский дом «Вильямс», 2004. - 864 с.

2. Мак-Каллок У. С., Питтс В. Логическое исчисление идей, относящихся к нервной активности // Автоматы / Под ред. К. Э. Шеннона и Дж. Маккарти. -- М.: Изд-во иностр. лит., 1956. -- С. 363--384. (Перевод английской статьи 1943 г.)

3. Миркес Е. М. Логически прозрачные нейронные сети и производство явных знаний из данных // Нейроинформатика / А. Н. Горбань, В. Л. Дунин-Барковский, А. Н. Кирдин и др. -- Новосибирск: Наука. Сибирское предприятие РАН, 1998. -- 296 с. -- ISBN 5-02-031410-2.

4. Гаврилова Т. А. Хорошевский В. Ф. Базы знаний интеллектуальных систем: Учебник для вузов. Режим доступа: http://www.raai.org/about/persons/osipov/pages/ai/ai.html

5. Николай Воронцов. Искусственный интеллект Google займется сочинением музыки. Статья. Режим доступа: https://nplus1.ru/news/2016/05/23/magenta

Размещено на Allbest.ru