Нейронные сети - новая философия в компактных решениях

МЕНЮ


Искусственный интеллект
Поиск
Регистрация на сайте
Помощь проекту

ТЕМЫ


Новости ИИРазработка ИИВнедрение ИИРабота разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика

Авторизация



RSS


RSS новости


Переход программных продуктов на нейронные сети - это закономерный результат технического прогресса. Нейронные сети существуют примерно с 50-х годов прошлого века, но при всем успешном продвижении данного подхода период обучения сети занимал чудовищно много времени, да и вычислительные ресурсы были ограниченны и дороги. Всё это в совокупности делало применение нейронных сетей нерентабельным для решения практических задач.

Время шло, росла мощность процессоров. И, помимо устройств с традиционной архитектурой, появились графические процессоры, которые изначально были разработаны для рендеринга графических изображений. Они имеют большое количество вычислительных ядер, позволяющих параллельно обрабатывать огромные объемы данных. Такая архитектура как нельзя лучше подходит для реализации нейронных сетей.

Использование видеопроцессоров существенно расширило область применения нейронных сетей и дало существенный толчок усложнению их архитектуры. В результате появились «глубокие» нейронные сети, которые на сегодняшний день позволяют эффективно решать широкий круг задач, включая распознавание изображений и речи.

При традиционном подходе к задачам распознавания исследователь, исходя из априорных знаний, выделял признаки, уникальным образом характеризующие распознаваемый объект, и строил меры, позволяющие сравнивать степень близости различных признаков. Например, при распознавании лиц выделялись характерные биометрические точки (кончик носа, уголки губ, глаз и т. д.) и измерялось расстояние между ними. Набор таких параметров уникальным образом характеризовал лицо человека.

При использовании «глубоких» нейронных сетей ситуация кардинально меняется. В процессе обучения на большом количестве образцов сеть сама находит оптимальный набор признаков лица и выбирает меру схожести. Таким образом, получается ситуация, при которой сеть успешно идентифицирует лица людей, но при этом никто с уверенностью не может сказать, как она это делает.

Использование нейронных сетей не требует специального оборудования (достаточно обычного настольного компьютера), а от разработчика требуется приличное знание математики и численных методов решения уравнений. Поскольку в нашей стране хороших математиков всегда хватало, российские компании не испытали проблем с освоением новой технологии и на сегодняшний день выпускают большое количество продуктов, использующих нейронные сети.

Широкое распространение нейронных сетей привело к созданию программных пакетов, позволяющих создавать и обучать нейронные сети практически неограниченной сложности и практически не прибегая к программированию. Таким образом, программировать сами нейронные сети не нужно. Необходимо создать архитектуру сети, набрать базу для обучения и экспериментальным путем определять, какая архитектура под какие задачи подходит лучше всего.

Важной особенностью нейронных сетей является асимметрия процессов обучения и последующей работы. Если обучение требует больших вычислительных ресурсов и может занимать несколько суток, а то и недель, то обученная сеть выполняет классификацию за доли секунды.

Вопрос самого ближайшего будущего - появление на рынке компактных мобильных платформ, своего рода компактных компьютеров с периферийным интерфейсом. Но не абы каких, а действительно профессиональных, апробированных и готовых к применению. Они будут не такие мощные, как видеокарты, но зато полностью автономные и не потребуют для работы компьютера. Внутри платформ будет находиться графический чип с низким энергопотреблением. Такой конструктив открывает широкие возможности применения, поскольку его можно встроить практически куда угодно и с помощью компактных устройств решать самые разные задачи распознавания, в том числе комбинированные задачи распознавания образов.

Всё это существенно удешевляет стоимость продукта для конечных заказчиков, поскольку сами решения, например аппаратно-программные комплексы биометрической идентификации лиц, становятся более доступными для применения на широком спектре объектов.

Алексей Кадейшвили, 

технический директор компании «Вокорд»


Источник: www.it-weekly.ru

Комментарии: