Как искусственные нейронные сети копируют мозг, чтобы ИИ мог думать быстрее вас
- Бывший соруководитель отдела искусственного интеллекта в Facebook Серкан Пиантино объясняет, как нейронные сети воспроизводят основные функции нашего мозга.
- «За кулисами Facebook или Google находится искусственный интеллект, который предсказывает, собираетесь ли вы нажимать на рекламу».
- Мы все знаем, что ИИ думает так же, как мы, но как именно?
Один из самых увлекательных программных докладов на TOA 2016 был сделан Серканом Пиантино, бывшим соруководителем отдела искусственного интеллекта в Facebook и основателем Top 1 Networks компании по производству оборудования для глубокого обучения.
Серкан хотел конкретизировать идею того, что такое «ИИ» и что он делает. Таким образом, он провел нас с самого начала (что такое нейрон и как сделать его искусственным?) До самого передового (как можно использовать нейронные сети для идентификации отдельных объектов на изображениях).
Это был отличный разговор, в зале цеплялось за каждое слово, поэтому мы решили разбить его выступление на две части и поделиться им еще шире.
В этом посте вы сможете быстрее узнать, как работают нейронные сети и каков их потенциал; а затем во второй части - скоро - Серкан описывает, что они могут сделать. И сила этого невероятная: искусственные нейронные сети составили «новый» шекспировский текст и помогают слепым людям «видеть» Facebook.
Это потрясающая штука, которая может просто перепутать ваш мозг. И когда вы прочитаете это, погрузитесь во часть вторую и погрузитесь в мир, где компьютеры справляются с вашей работой лучше, чем вы ...
Привет, Серкан, похоже, что сейчас с ИИ мы можем сделать гораздо больше, чем всего несколько лет назад. Почему?
Как объясняет Серкан, это сочетание больших прыжков сделало огромный прыжок возможным.
«Сегодня у нас есть мощные модели, основанные на достижениях нейронных сетей. В наши дни существует гораздо больше данных, которые отражают то, как люди понимают мир.
«Поскольку мы разработали программное обеспечение, у нас также есть более быстрое обучение, и у нас есть действительно модное оборудование, которое позволяет нам обучать огромные объемы данных за относительно короткое время.
«Эти вещи означают, что мы можем многое сделать сейчас, чего не могли сделать пять лет назад».
За кулисами Facebook или Google есть «функция», которая предсказывает, собираетесь ли вы нажимать на рекламу или нет.
Отлично! Итак: нейронные сети - можем ли мы начать с самого начала?
Да конечно. Но сначала вам нужно знать, что такое «функция». Серкан может лучше всего это описать:
«Функции на основе данных» кажутся очень абстрактными; но на самом деле в реальном мире функции могут быть чем угодно. Вы каждый день взаимодействуете с такими сервисами, как Facebook или Google, и за кулисами есть «функция», которая предсказывает, собираетесь ли вы щелкнуть по рекламе или фрагменту контента новостной ленты.
«Это функция: где« входные данные »- это все, что он знает о вас, а« выход »- это вероятность того, что вы нажмете на этот фрагмент контента.
Хорошо, если это функция, расскажите мне подробнее об этих « входах и выходах»…
Снова Серкан: «Допустим, у нас есть функция, которую мы хотим вычислить, и мы понятия не имеем, как эта функция может выглядеть. Но у нас есть несколько примеров входов и выходов для этой функции.
«И поэтому мы хотим узнать некоторое приближение, которое могло бы соответствовать данным, чтобы мы могли аппроксимировать функцию».
Вот наглядный пример этого процесса: изогнутая линия - это функция, которую мы хотим изучить. Движущаяся линия все больше видоизменяется, чтобы лучше аппроксимировать функцию.
Серкан продолжает: «Он немного колеблется, и это занимает некоторое время, но в конечном итоге это превращается из действительно плохого приближения функции в довольно хорошее приближение.
«Так что вы действительно можете думать обо всем, что вам нужно принять решение: входы входят, а выходы выходят как функция».
Это машинное обучение. И это может быть применено к человеческим проблемам - и не только.
Хммм. Входы, выходы и функции имеют смысл… это и есть нейронная сеть?
Вроде. Может, пора поговорить о том, как работает мозг… эй, вернись! На самом деле это не так уж сложно!
Серкан: «На рисунке (A) ниже показан нейрон в головном мозге. В типичном мозге их будет около 100 миллиардов. У них есть вещи, называемые дендритами, которые можно стимулировать и принимать сигналы.
«Если стимуляция этого нейрона превышает какое-то пороговое значение, то электрический импульс проходит по аксону до конца нейрона: это то, что мы называем нейроном« срабатыванием ».
«Итак, на рисунке (B) у нас есть искусственная версия этого, которую мы используем в компьютере, - и она имеет ту же структуру! У него есть входы (x1, x2 и x3 - которые вы можете рассматривать как стимуляцию дендритов), и если все входы искусственного нейрона превышают пороговое значение, то выдается выход (y) ».
Серверы Big Sur, которые мы разработали в Facebook для этих нейронных сетей, примерно в тысячу раз быстрее, чем Deep Blue.
Так это как настоящий мозг! Что происходит, когда вы соединяете нейроны с нейронами, а выходной сигнал этих нейронов - с другими нейронами?
Сейчас мы говорим. Серкан?
«Подобные искусственные нейроны исследуются давно, и только недавно мы смогли использовать их и научить делать интересные вещи. В человеческом мозгу много нейронов, и все они взаимосвязаны.
«Хотя самих нейронов около 100 миллиардов, в мозгу есть что-то вроде 100 триллионов точек, где один нейрон соединен с другим.
«Мы можем сделать то же самое с искусственными нейронами: мы соединяем их так, чтобы они накладывались друг на друга, и выход одного становился входом для другого: это искусственная нейронная сеть».
Подождите, сколько энергии вам нужно, чтобы запитать мозг?
Хмммм. Лот.
Deep Blue, суперкомпьютер, который« классно обыграл чемпиона по шахматам Гарри Каспарова в шахматах, был машиной со скоростью 96 гигафлопс.
Серверы« Big Sur , которые мы разработали в Facebook для этих нейронных сетей, имеют мощность 56000 гигафлопс - примерно в тысячу раз быстрее, чем суперкомпьютеры, которые доминировали не так давно!»
Итак, теперь я знаю все о нейронных сетях… не так ли?
Терпение, молодой кузнечик. Серкан?
«Что ж, это относительно простое объяснение, но искусственная нейронная сеть - это ключевая рабочая лошадка, стоящая за всеми достижениями в области ИИ, о которых вы слышите».
Таким образом, нейронные сети - это гораздо больше, и не в последнюю очередь вопрос: что вы можете с ними делать?
Вот вторая часть выступления Серкана о TOA.life, где он описывает, как нейронные сети превзошли это гипотетическое бесконечное количество обезьян, написав Шекспира, и как это помогло слепым людям видеть ...
Если вам понравилась эта статья, нажмите кнопку ♥ ︎ ниже, чтобы поделиться ею с другими людьми, которым это интересно.
Этот доклад отредактирован для ясности и длины.
Получите TOA.life в своем почтовом ящике - и узнайте больше от сети лидеров мнений TOA:
Подпишитесь на рассылку новостей TOA.life
Я, ОС: отлаживайте код своего разума - и взламывайте себя с удовольствием: Основатель Selfhackathon Патриция Славута объясняет, как перепрограммировать наш человеческий код
Создать стартап достаточно сложно - почему вы должны заботиться о том, чтобы« делать добро ?»: стратег по устойчивому развитию Сьюзан Макферсон говорит, что делать добро - это не просто отдавать: это будет способствовать росту вашего бизнес тоже.
