27 февраля 2018

Введение в Deep Learning

Введение в Deep Learning

Около 5 тысячь лет назад, биологический интеллект (Homo Sapiens) начал создавать универсальный язык, на котором собирался описывать процессы, происходящие вокруг него. И удивительная вещь: оказалось, что этим языком получалось описать как очень крупные объекты (скажем, черные дыры), так и в очень маленькие (например, электроны). Вы, конечно же, догадались, что имя этого языка «математика».

Не прошло еще и ста лет, как тот же биологический интеллект (человечество) изобрел лампово-кремнивые «орудия труда», которые в своей роботе оперируют математической логикой. И опять вы догадались, что речь идет о ЭВМ.

И прошли считанные десятилетия, как человечество с помощью специального математического описания научили компьютеры показывать поведение, которое не было в них заложено/запрограммировано явно (они учились!). Так биологический интеллект начал создавать «думающий» (пока в кавычках) небиологический, а еще точнее искусственный, интеллект.

И этот созданный интеллект помогал человеку с решением рутинных и не очень задач, помогал все лучше и лучше. И прошли считанные на пальцах одной руки годы, как ИИ начал решать какие-то из этих задач на уровне человека, а какие-то и лучше…

Таких успехов ИИ становится все больше и больше, все в большем количестве сфер. Я выделил 2 человеческие (нетехнологические) причины таких успехов.

Человеческий мозг в целом не сильно заточен под долгую концентрацию внимания, а также под удерживание в памяти большого количества деталей. Силиконовые же чипы не имеют внешних раздражителей (у них нет коллег, разговаривающих по телефону в опенспейсе), а в памяти машины, в отличие от нашей, без проблем содержатся тысячи деталей одновременно.

Вторая причина – то, что мы называем «человеческий фактор», помноженный на монотонную трудовую деятельность. Редкий переводчик после 1К+ переведенных договоров заинтересован в идеальном переводе еще одного договора; редкий юрист перечитывает в сотый раз почти типовой договор и ищет в нем какие-то ньансы или интересные шаги; редкий риелтор ищет идеальную квартиру 10-му за день клиенту (и не думает больше о своей выгоде, чем об удобстве клиента). Продолжать можно бесконечно.

Ясно одно, машины будут все в большем количестве сфер будут точнее и быстрее, чем средний человек, а в некоторых случаях превзойдут даже самых профессиональных специалистов.

Но это не повод пугаться. Это повод разобраться, так что же это такое ИИ? Ведь в чем мы – человечество – действительно хороши, так это познание и творческая деятельность!

Создание чего-то нового, постоянное исследование окружающего мира – это то, что нам подарила сама эволюция (наш мозг на гормональном уровне получает вознаграждение за исследование нового). Но и тут – картины, музыка, стихи – машины уже научились достаточно хорошо пародировать (все-таки они не создают, а переносят стиль) креативную деятельность.

Могу смело заявить, что 99% последних успехов ИИ в различных сферах деятельности, были достигнуты благодаря научным и инженерным успехам в развитии нейронных сетей. Эта мысль меня побудила популярно рассказать о нейросетях и дисциплине Deep Learning, изучающей глубокие нейронные сети.

Слайды с того, что получилось на первой лекции выкладываю ниже.

А еще…

Кроме того, я, как один из соорганизаторов и идейных вдохновителей Data Geeks Community, обещаю всячески поддерживать и развивать эту тему (в первую очередь, с помощью докладов) на Data Geeks митапах. Поэтому присоединитесь к нашему сообществу (это бесплатно) и будем рады видеть вас на встречах (это тоже бесплатно)!

Ссылки по теме:

1. Введение в Machine Learning.

Автор статьи

,
Machine Learning Preacher, Microsoft AI MVP && Coffee Addicted