Както невронни мрежи ви оставят без работа

И все пак толкова щастлив ярки снимки и uznavalkam лица? Има лоши новини.

Всичко около хора, говорим, за невронни мрежи: Prisma, MSQRD, AlphaGo ... Всичко изглежда толкова ново, невероятно, забавно. Но много малко хора разбират, че тази невронна мрежа, какви са възможностите и какви разпространените такива решения да доведе до сравнително скоро.

Как изкуствена невронна мрежа

А невронна мрежа е математически модел, който най-добре се представяше като слоеста структура подобни елементи.

Първият "слой" е отговорен за получаване на постъпващата информация, както и всички последващи такива, които могат да бъдат десетки, работа с повече и по-абстрактни представяния на тези данни, докато след всички тези представителства не се превръщат в един изходен сигнал, който е резултат от цялата система ,

Как невронни мрежи

Най-очевидната задача за невронни мрежи е признаването на изображения. Да предположим, че зарежда снимката на колата. Просто казано, първото ниво на елементи могат да се разграничат по права линия от извита, светлина от тъмен елемент.

Следващият слой на базата на "примитиви" се опитва да се направят изводи за значението на този или онзи отделни елементи от картината и така нататък, до последния слой на елементите не е "стига до извода," че изображението на колата или нещо друго.

Най-интересното в случая е, че невронната мрежа не е програмиран по обичайния начин, и обучени на огромен брой примери - котенца снимки на автомобили, картини на велики художници и Бог знае какво още.

Правейки последователно коригират погрешни заключения, той постепенно се увеличава процентът на "хитове", докато достигне желаната стойност. Ако невронната мрежа е достатъчно сложен, в този момент, дори и неговите създатели и "треньори" Аз не съм в състояние да каже точно как тя решава да задачата. Classic "черна кутия".

Защо невронна мрежа "изстрел" в момента

Повечето от теоретични проучвания, които представляват основата на невронни мрежи, са писани преди повече от половин век, но и за практическото прилагане на тези идеи не е необходимо почвата. През последните години, той пристъпи напред неврология, добре разбират принципите на работа на зрителната кора на мозъка. Спектакъл на компютри е достигнал нивото, необходимо за моделиране на йерархични невронни структури.

Все пак, всичко това щеше да остане партидата на интелектуален учени от университети, ако един ден някой не дойде на ум да тече невронната мрежа "назад".

Как Prisma, Google Deep мечта и други

Това е един много опростен поглед, но това е така. Предварително обучени за конкретен "хранят" набор от невронна мрежа снимка на изображението не е предназначен да го признае, и обратното заместник - с цел да се идентифицират и да се акцентира върху това са елементите, че системата "помни" след тренировка. Няколко повторения на тази операция, както и дава същия резултат, че сте харесали толкова много в Prisma.

В зависимост от картините на един художник обучени в системата, много впечатляваща снимка, за да се поберат на уникалния стил на му. Да, това е масов продукт, лишен от всякаква научна стойност. Мода за него да се проведе възможно най-бързо всичко останало. Но невронната мрежа ще остане и ще бъде все по-често се разпространява около нас. Неусетно и бързо.

Защо ни е само чуят за снимките

Точно две причини и двете са често срещано явление. Първо, тя се фокусира със снимки привлякоха най-голямо внимание. Някои чували за AlphaGo. но с най-голяма популярност Prisma в света на играча в първия мач. Решението на комплексни задачи за автоматизация някак си не попада в сферата на интерес на масовата публика.

На второ място, това е в сферата на изображения, за да тренират невронната мрежа най-лесният начин - там е наистина гигантски библиотека на маркираните изображения като ImageNet. на която можете бързо да се обучават невронната мрежа за всякакви цели.

Това, което се има предвид невронна мрежа

Красотата е, че невронната мрежа могат да бъдат обучени за всеки набор от данни - просто да й каже какво е резултат от неговата работа ще се смята за правилен. Това означава, че тя може да се има доверие с почти всяка задача.

Далеч отвъд примерите не е нужно да отидете: Yandex наскоро експерти са поставили доста демонстрация експеримент, писане неформална музикален албум, чийто текст песни напълно създаден невронна мрежа и стилизиран работа на Egora Letova и групата "Гражданска защита".

Има и по-сериозни успехи. Впечатляващи резултати са постигнати в областта на медицинската диагностика - АНН поставя по-добри диагнози на лекарите. Ние няма да навлизаме в подробности, достатъчно zaguglit "невронна мрежа медицинска диагноза." Google Voice Search използва невронна мрежа, както и заради тях успя да постигне рязко подобряване на качеството на обслужване. И това е само началото на един дълъг списък.

Какво ще стане, ако сложите невронна мрежа за наблюдение на работата на специалист? След известно време, тя ще бъде в състояние да изпълнява същите действия, само по-добре. И това не е автоматизацията, на които сме свикнали, когато глъчката, а не да лежи под прав ъгъл към камерата, в резултат на робот в пълно объркване. Това ще бъде краят на цялата професия.

Когато ние се търкаля

Стартираме около там, където се претърколи на света по време на индустриалната революция. Нови средства за производство ще направят излишни милиони работни места. Започнете с всички преводачи (да не говорим за обучение на невронни мрежи за адекватни времена), служителите на кол центрове (за разпознаване на реч и гъвкави диалогови скриптове), охрана (за разпознаване на лица и нетипичен поведение), шофьори (да, същите автопилот) и така нататък.

С течение на времето, все повече и повече работни места ще бъдат включени в автоматизирането на фунията. Трябва да сте много уверен в себе си човек, да предположим, че това няма да ви засегне, както добре. Или ни.

Какво ни очаква след това? Вероятно, безусловен основен доход. масовата безработица и чакат, докато невронната мрежа няма да се развие достатъчно, за да се вземат изцяло грижа на техните веднъж на тези независими творци.

Ние също ще се помни миналото и прекарване на свободното време с колеги страдащите или пиене спътник робот ...

Бихте ли искали да получавате новините ни на Apple? Да | не

И все пак толкова щастлив ярки снимки и uznavalkam лица? Има лоши новини. Всичко около хора, говорим, за невронни мрежи: Prisma, MSQRD, AlphaGo ... Всичко изглежда толкова ново, невероятно, забавно. Но много малко хора разбират, че тази невронна мрежа, какви са възможностите и какви разпространените такива решения да доведе до сравнително скоро. Как изкуственото.

Изпълнение Сравнение IOS 10 бета 3 и IOS 9.3.2

10 приложения, които ще бъдат полезни по време на пътуването

наистина не е смешно, някои професии са изчезнали, много жители на моно градове в България живеят в бедност, от смъртта технология на производство в бъдеще е заплашена от война, и то не само в малко градче за оцеляване (търсене на храна, работни места и т.н.) ще избере страната, от пазарите на всяка една маркетинг и природните ресурси са както по-рано

Разбира се, има селото и селото, в което технологичния прогрес не е като "агресивни" и забележими. Но дори и в областта днес са третирани комбинират, не sahoy ...

по-бързо невронна мрежа би са започнали да се диагностицира, толкова повече ще бъдат поставени, толкова повече тези лекари за приемане на хора ще работят и плащат за трикове :)

Хаха, аз също си мислеше, че Prism е толкова готино нещо, което наистина привлича II. И след това нова версия, в която се оказа, че това конвенционалните филтри, които също могат да бъдат избрани по силата на неговото прилагане към снимката. Шлака.