Jaringan Saraf dan Aplikasi Seluler
Salah satu manajer puncak Google Sandar Pichai mengatakan pada 2014 bahwa prioritas utama perusahaan pada tahap pengembangannya adalah pembelajaran mesin. Dua tahun kemudian, setelah pernyataan ini, pada bulan Maret 2016, program Alphago mengalahkan pemain terbaik di Professional 9 Dana Li Sedol. Program ini dikembangkan oleh startup deepmind dan saat ini milik Google bekerja pada algoritma jaringan saraf belajar mandiri. Setelah kemenangan yang dapat dicabut dari kecerdasan buatan atas jenius manusia memulai booming sistem saraf.
Apa jaringan saraf di mana mereka diterapkan dan mengapa hari ini mereka sering disebutkan, kami akan tahu dalam artikel ini.
Navigasi
Apa itu jaringan saraf dan tugas apa yang mereka pecahkan?
Kemanusiaan telah lama mulai berkembang di bidang kecerdasan buatan. Jaringan saraf, salah satu perkembangan ini. Prinsip-prinsip membangun jaringan seperti itu terletak pada "penyalinan" sistem saraf manusia. Fitur utama mereka adalah mereka mampu belajar mandiri. Artinya, mereka dapat bekerja berdasarkan data yang diperoleh sebelumnya.
Tetapi, jaringan saraf tidak hanya meniru sistem manusia. Mereka juga menyerupai sistem saraf. Yaitu, terdiri dari elemen komputasi yang terpisah. Yang dapat dibandingkan dengan neuron manusia. Semua data yang diterima jaringan secara konsisten menjalani pemrosesan beberapa segmen saraf (layer), yang terdiri dari beberapa "neuron".
Karena jaringan tersebut dikenal dengan parameter masing-masing "neuron" dan seluruh jaringan secara keseluruhan, mungkin, sebagai hasil dari data yang diperoleh sebelumnya untuk mengubah pekerjaannya. Yaitu, "belajar mandiri."
Saat ini, jaringan saraf digunakan cukup sering. Misalnya, banyak belanja online besar menggunakannya untuk menawarkan pelanggan mereka lebih cocok untuk mereka produk. Model matematika untuk mengenali dan bermain pidato, serta pengakuan dan pemrosesan gambar juga banyak digunakan.
Boom pada mobil tak berawak juga membuka ruang lingkup baru penggunaan jaringan saraf. Mereka digunakan untuk meletakkan rute dan pengoperasian sistem navigasi.
Produsen perangkat lunak antivirus juga menggambar mereka. Perkembangan semacam itu di bidang kecerdasan buatan memungkinkan Anda untuk melindungi informasi dari penjahat cyber dan mengidentifikasi konten ilegal di Internet.
Sudah, futurologists "menggambar" gambaran yang luar biasa tentang masa depan, di mana skala jaringan saraf akan meningkat berulang kali. Misalnya, robot akan muncul, tukang kebun. Yang berkat ratusan mikrosamer bawaan akan menerima data, menganalisisnya dan memisahkan gulma dari tanaman yang dibudidayakan. Berkat "pendidikan diri" robot semacam itu mampu menerapkan pemrosesan individu ke setiap pabrik.
Di Internet dikembangkan sekarang, jaringan saraf akan dapat membuat antarmuka suara untuk "komunikasi" dari berbagai objek "web" seperti itu. Algoritma model matematika semacam itu akan dapat menggantikan seseorang di pusat panggilan, pengontrol di gudang, penerjemah, konsultan dan perwakilan dari profesi lain. Menurut banyak analis, jaringan saraf ini hanya perlu 3-5 tahun.
Sudah hari ini, Neural Networks memungkinkan Anda untuk mengambil beberapa solusi untuk seseorang. Biarkan mereka dipanggil terlalu intelektual, tetapi kemenangan program berdasarkan algoritma tersebut memungkinkan Anda untuk percaya pada kesuksesan mereka di masa depan.
Mengapa jaringan saraf menjadi begitu populer sekarang?
Tentang pemikiran kemanusiaan kecerdasan buatan untuk waktu yang lama. Pada penggunaan Neural Networks untuk mengatasi masalah ini, 70 tahun yang lalu. Tapi, hanya hari ini yang menjadi mungkin dalam volume itu yang diperlukan.
Popularitas jaringan saraf saat ini disebabkan oleh peningkatan kecepatan "neuron". Yaitu, elemen komputasi individu. Berkat mana yang dimungkinkan untuk mengurangi waktu untuk tahap "pelatihan." Puluhan juta data yang diperlukan untuk pengoperasian jaringan tersebut karena prosesor modern dan kartu video diproses dengan cukup cepat. Teknologi modern dari pembelajaran yang dipercepat dan membawa mereka ke intelijen buatan maju.
Algoritma sistem saraf dalam aplikasi seluler
Baru-baru ini, ada banyak proyek hiburan di pasar aplikasi seluler, yang menggunakan jaringan saraf. Tentu saja, iklan utama menjadikannya aplikasi Prisma. Selain itu, perlu diperhatikan pesaing aplikasi MLVCH ini, serta layanan video MSQRD yang populer. Yang juga menggunakan algoritma matematika yang dijelaskan.
Prisma.
Aplikasi Prisma, pengembang Rusia, mengubah foto foto-foto seniman terkenal, mungkin aplikasi paling terkenal dari jaringan saraf dalam kehidupan modern. Pertama-tama, Prisma menunjukkan kemampuan algoritma matematika semacam itu ketika mengembangkan aplikasi seluler. Tetapi, gaya gambar seperti itu dapat diterapkan tidak hanya dalam tujuan hiburan, tetapi juga dalam desain, animasi, grafik komputer dan daerah serupa lainnya.
Ya, pencipta Prisma tidak dapat disebut perintis. Menggunakan jaringan saraf untuk pemrosesan gambar digunakan sebelumnya. Misalnya, algoritma serupa digunakan untuk membuat film dalam gaya Van Gogh, tetapi pemrosesan satu frame memakan waktu sekitar 3 menit. Teknologi modern memungkinkannya jauh lebih cepat. Dalam prisma yang sama, pemrosesan foto membutuhkan waktu lebih dari 1 detik. Dan ini terlepas dari kenyataan bahwa foto itu dimuat ke server, diproses dan dikirim ke pengguna.
Saat memproses fotografi, objek yang ditampilkan di atasnya didefinisikan. Setelah itu, gaya artis yang dipilih diterapkan pada gambar. Artinya, aplikasi dengan bantuan jaringan saraf tiruan "duplikat" karya otak artis. Sungguh menakjubkan, menarik dan sangat indah.
Sekarang di "Prism" Anda dapat memilih filter meniru gaya 21 artis - dari Edward Mink dan Mark Stegal ke Van Gogh dan Picasso. Menurut pengembang, algoritma aplikasi sudah segera membantu memilih filter yang sesuai dalam mode otomatis.
Mlvch.
MLVCH adalah pesaing utama Prisma.
MLVCH adalah pesaing utama Prisma. Ini bekerja pada algoritma serupa, tetapi dibedakan oleh elaborasi yang lebih rumit. Jika gambar prisma diproses dalam iterasi 20-30, maka di MLVCH untuk 100. Yang memungkinkan Anda untuk mendapatkan gambar yang lebih rinci di output. Selain itu, MLVCH adalah 2,5 kali lebih banyak filter daripada di Prisma.
Adapun minus, kompleksitas pemrosesan foto ini di MLVCH meningkatkan waktu menerima opsi jadi. Selain itu, hanya satu foto yang dapat diproses secara gratis pada suatu hari. Untuk semua selanjutnya harus membayar 75 rubel. Selain itu, Anda dapat membeli paket 100 foto untuk 2990 rubel.
Di mana lagi jaringan saraf berlaku?
Tentu saja, produk-produk yang diterapkan menggunakan jaringan saraf paling sering digunakan untuk menganalisis gambar. Tetapi menggunakan aplikasi Clarifai, Anda dapat melangkah lebih jauh dan mengenali gambar pada video. Layanan serupa lainnya menawarkan perusahaan Rusia Ntechlab. Dia mengembangkan aplikasi Findface. Dengan yang Anda dapat oleh foto pengguna untuk menemukan profilnya di jejaring sosial "Vkontakte"
Layanan "Auto.ru", yang saat ini milik Yandex, pada foto secara independen mengenali merek dan model mobil yang digambarkan. Prinsip "visi komputer" yang digunakan dalam pengakuan tersebut juga bekerja pada teknologi jaringan saraf.
Menggunakan aplikasi ostagram, Anda tidak hanya dapat membawa gaya, tetapi bahkan menggambar ulang gambar. Dan dengan bantuan deepomatic, pengguna berdasarkan pada gambar apa yang didistribusikan di internet ditawarkan produk dari toko online.
Tentu saja, analisis gambar dengan target periklanan dan hiburan. Area aplikasi jaringan saraf tidak terbatas. AvA Startup memungkinkan Anda untuk mengikuti kesehatan Anda. Aplikasi menganalisis foto-foto hidangan dan makanan dan masalah informasi tentang kalori dan berbagai aditif.
Belum lama ini, dengan bantuan algoritma Jaringan Saraf Yandex merekam album musik "Pertahanan Saraf". Proyek yang disebut "Autopoet" menghasilkan teks yang dicap.
Menggunakan algoritma matematika yang dijelaskan dan mesin pencari internet terkemuka lainnya Google. Pada November 2015, perusahaan ini memperkenalkan fungsi khusus untuk surat gmail-nya, berkat layanan itu sendiri menghasilkan tiga jawaban untuk surat yang masuk. Anda dapat memilih mouse terbaik dengan satu klik.
Jaringan saraf juga digunakan saat membuat mobil tak berawak dan perangkat terbang. Pertama, orang tersebut dikelola dengan cara gerakan ini. Data dikumpulkan di basis khusus, yang digunakan untuk "belajar" autopilot. Sudah di Swiss ada fasilitas udara tak berawak yang menggunakan prinsip-prinsip jaringan saraf dan digunakan untuk mencari turis yang hilang.
Mobil tak berawak
Bot terbaru populer yang digunakan dalam jejaring sosial dan pesan juga dapat menggunakan algoritma matematika yang dijelaskan. Peluncuran Amerika Luka berhasil menggunakan jaringan saraf untuk mempelajari botnya. Dan menggunakan aplikasi ELERNI.ME, Anda dapat membuat avatar dan "mengajar" itu menjadi pemilik Anda sendiri. Untuk jaringan saraf ini mengumpulkan informasi tentang pemilik Avatar dan memperkenalkannya ke objek virtual. Objek semacam itu setelah kematian prototipe-nya akan dapat melanjutkan "kehidupan" pemiliknya.
Selain itu, avatar bot ini dapat dibuat untuk berkomunikasi dengan orang-orang yang tidak ingin menghabiskan waktu. Burner berhasil menguji produk seperti itu. Kami sedang menunggu adopsi aplikasi khusus untuk membuat bot Anda.
Juga jaringan saraf di masa depan akan digunakan untuk membentuk diagnosis medis atau "membaca" hasil analisis. Perusahaan seperti atomwise, enlitik, kulit dikuantifikasi, dll. Sudah bekerja ke arah ini. Dan proyek genomik yang dalam dapat menganalisis genom dan memprediksi pengembangan kemungkinan penyakit.