Искусственный интеллект - точка входа

Чтобы разобраться в процессе обучения, рассмотрим простую для понимания архитектуру НС. На картинке к посту изображена многослойная нейронная сеть прямого распространения. В ней сигнал распространяется по слоям слева-направо в одну сторону от входных значений до выходных. Основные элементы нейронной сети вы уже знаете: - входные значения, - искусственные нейроны разных типов, - синаптические связи. На что, стоит обратить внимание 👆 🟢 Скрытые слои и нейроны в них. Количество скрытых слоев и число нейронов в них выбирается с учетом поставленной задачи. В дальнейшим уроках мы разберем, как это делать правильно. 🟢 Входные значения. Запомните, что входные значения - это не нейроны. В них не происходит расчета активационной функции, значения просто умножаются на соответствующий весовой коэффициент. 🟢 Нейроны смещения. На следующей неделе выйдет отдельный пост о пользе этих нейронов. Для того, чтобы многослойная НС могла решить задачу, ее нужно обучить. Есть три способа обучения искусственных нейронных сетей: 1. С учителем (supervised learning), 2. Без учителя (unsupervised learning), 3. Подкреплением (reinforcement learning). В понедельник 10.07 мы рассмотрим, алгоритм обучения ИНС с учителем с использованием метода обратного распространения ошибки. 👉 @aisimpleru

Посмотрите на картинку. Теперь вы знаете, какие задачи может решать нейронная сеть соответствующей архитектуры. Завтра поговорим о процессе обучения нейронных сетей. 👉 @aisimpleru

Из предыдущих постов вы уже знаете, что такое искусственный нейрон, как он работает и какие бывают функции активации. Объединив нейроны при помощи связей, получим нейронную сеть. Искусственная нейронная сеть - вычислительная структура, которая моделирует простые биологические процессы, обычно ассоциируемые с процессами человеческого мозга. На картинках посту изображены способы классификации искусственных нейронных сетей. Подробный текст найдете на сайте (урок 2.3). 👉 @aisimpleru

Переходим к понятию функции активации искусственного нейрона. Из предыдущего урока мы узнали, что внутри тела искусственного нейрона происходит некоторое преобразование входного сигнала. Преобразование выполняется в соответствии с функцией активации. Выделяют пять популярных функций активации: 1. Пороговая функция (0 или 1) 2. Линейная функция (прямая вида cx) 3. Функция ReLU 4. Сигмоидная логистическая функция 5. Гипербполический тангенс Более подробно каждая функция описана на сайте (урок 2.2). Помимо соотношений, представленных выше, есть и другие функции активации. Исследователи в области искусственного интеллекта постоянно ищут новые способы улучшить нейронные сети, в том числе модифицируя уже существующие способы и приемы обработки входных сигналов. Корректный выбор активационной функции - основная задача для построения правильной нейронной сети. Оне Однако, не существует универсального правила, в каком случае какую из функций применять. Практика, показывает, что ReLU лучше ведет себя как аппроксиматор. Сигмоида и гиперболический тангенс чаще используются в задачах классификации. Выбор функции активации рассмотрим подробнее на конкретных примерах в следующих уроках. 👉 @aisimpleru

Попытаюсь в одном коротком посте объяснить, что такое искусственный нейрон. Буду делать упрощения и применять аналогии, чтобы было понятно. Подробную статью смотрите в разделе 2.1. нашего курса на сайте. Искусственный нейрон - это математический аналог биологического нейрона. Биологический нейрон (далее - нейрон) - клетка коры головного мозга млекопитающих. Мозг человека содержит 80 млрд. нейронов, соединенных друг с другом при помощи связей, представляющих собой тонкие отростки. Они словно «кабели» связывают массу нейронов между собой. По этим связям через специальное соединение (синапс) передаются электрохимические сигналы. Таким образом нейроны обмениваются информацией между собой и другими участками мозга. Каждый нейрон условно состоит из трех частей: 1. Коротких отростков, по которым сигналы поступают внутрь (дендриты), 2. Длинного отростка, передающего выходной сигнал (аксон), 3. Тела нейрона, в котором происходит активация клетки. Американские ученые Уоррен Маккалок и Уолтер Питтс в 1943 придумали математическую модель искусственного нейрона, применив некоторые упрощения и допущения. Получилось то, что изображено в правой части картинки к этому посту. Как работает искусственный нейрон? Искусственный нейрон - это некая ячейка в которой происходит суммирование входных сигналов X. Каждый сигнал приходит из соответствующей связи и умножается на весовой коэффициент. Весовой коэффициент или вес связи регулирует силу сигнала. 👆Обратите внимание! На схеме изображено так называемое смещение w0. Чтобы не усложнять повествование, поговорим об этом позже. После суммирование получаем значение состояния нейрона S. В соответствии с функцией активации выполняется преобразование состояния S. Рассчитанный сигнал поступает на выход Y, как конечное значение или передается на другие нейроны. В последнем случае выходной сигнал первого искусственного нейрона является входным сигналом для второго и последующих искусственных нейронов. Если понятно объясняю ставьте - 👍, если непонятно - 👎 👉 @aisimpleru

Возможно, вы не знаете, но в июле уже можно покататься на беспилотном такси в Москве 🚕. В районе Ясенево такое такси можно заказать в тестовом режиме в приложении «Яндекс GO». В интерфейсе появилась специальная кнопка для заказа роботизированных такси, нажав на которую пользователи смогут выбрать точки посадки и высадки и вызвать машину. Всего в Ясенево есть 40 возможных точек посадки в машины под управлением искусственного интеллекта. Первым городом России, где запустили беспилотное такси, стал наукоград Иннополис в Татарстане — это город-спутник Казани. При этом, важно понимать, что в соответствии с текущим законодательство в такси будет находиться водитель-испытатель, который не участвует в управлении беспилотным автомобилем. Он следит за безопасностью. P.S. Первыми возможностью заказать беспилотные такси смогут воспользоваться пользователи, выражавшие желание принять участие в тестировании технологии, и жители столичного района Ясенево Источник: rbc.ru 👉 @aisimpleru

Ответ формируется по очень простому принципу 😏 👉 @aisimpleru

Сможете решить такую задачу? Перед вами числовой ряд. На каждом шаге цифры в рядах меняются. Определите механизм формирования цифр и заполните значения в рядах 4 и 5. Дам Вам подсказку: Значение 4 ряда: 1 2 1 1 Удивились? Ответ будет в посте ниже 👇 👉 @aisimpleru

Друзья! Ознакомьтесь с планом бесплатного курса для начинающих. Курс будет выложен на сайте в формате статей в полном объеме до конца июля 2023 года. Анонсы уроков и ключевые тезисы и понятия будут транслироваться в этот канал. Первый урок уже на сайте - обучайтесь! 🚀 Курс ориентирован на минимальный уровень знаний в математике, логике, информатике. Это соответствует 9-11 классу обычной средней школы. 👉 @aisimpleru

Друзья, мы рассмотрели, что такое искусственный интеллект (https://t.me/aisimpleru/9), узнали в каких направлениях он развивается (https://t.me/aisimpleru/22) и немного поговорили о методах ИИ (https://t.me/aisimpleru/26). Прежде чем приступить к изучению методов искусственного интеллекта, обсудим одну важную вещь. Если Вы будете работать в сфере ИИ, то Вам придется изучить огромный объем информации. Чтобы не запутаться в терминах и причинно-следственных связях, используйте вот такой верхнеуровневый подход. У в рамках каждого направления развития ИИ можно рассматривать 4 сущности: 1️⃣ Задача предметной области 2️⃣ Задача из математики 3️⃣ Метод ИИ 4️⃣ Инструмент для реализации. Эти сущности связаны друг с другом, как показано на схеме. Более подробно рассмотрели - это в шестой части первого урока на сайте. Например, вам нужно спрогнозировать котировки ценных бумаг на бирже (задача предметной области). Сведите эту задачу к математической задаче или группе задач. Потом выберите адекватный метод для решения (кстати необязательно ИИ 😉). На последнем шаге реализуйте этот метод программно, используя любой язык программирования, например Python. 👉@aisimpleru

Искусственный интеллект состоит из методов и инструментов. Метод ИИ - это способ решения математической задачи. Инструмент ИИ - это компьютерная программа, в которой содержится метод ИИ. То есть, чтобы создать искусственный интеллект для решения задачи вам нужно освоить методы ИИ и получить навыки программирования. В данном посте рассмотрим основные методы ИИ. Точнее, это будут группы методов. Выделим 5 таких групп: 1. Искусственные нейронные сети 2. Нечеткая логика (нечеткие множества и мягкие вычисления) 3. Системы, основанные на знаниях (экспертные системы) 4. Эволюционное моделирование (генетические алгоритмы, многоагентные системы) 5. Machine Learning (Data Mining и анализ данных, поиск закономерностей в хранилищах данных) Прочитайте текст на картинках про каждый метод. В следующем посте покажем, как связаны между собой 4 сущности: - направления развития ИИ, - задачи предметной области, - методы ИИ, - задачи из математики. 👉 @aisimpleru

Не успел я написать предыдущий пост, как увидел вот такую новость: «В Москве разработали искусственный интеллект, анализирующий поведение покупателей Глава московского департамента инвестиционной и промышленной политики Владислав Овчинский сообщил, что в городе разработали искусственный интеллект, который анализирует поведение и заинтересованность покупателей. Уже скоро её начнут тестировать в ряде крупных супермаркетов. Создатель системы – столичная компания "Гаоди". В продукт входят как физические компоненты (камера и компьютер с нейронным процессором), так и программное обеспечение. В год будет выпускаться не менее тысячи таких комплектов, причём покупатели смогут рассчитывать на регулярное совершенствование алгоритмов. "Аналитика поведения и заинтересованности клиентов - один из важнейших инструментов для всех сегментов ретейла. Благодаря ей можно определить, какие товары привлекают внимание покупателя за счет внешнего вида, как правильно расположить их на полках магазина, а также понять, какие инструменты способствуют увеличению интереса к продукции", – объяснил представитель мэрии. Разработка будет полезна как малым, так и средним ретейлерам, а также владельцам отдельных товарных полок в магазинах. Она сможет определять пол, возраст и направление взгляда покупателей, не собирая при этом никаких личных данных. В результате бизнес получит удобный аналитический интерес, а покупатели смогут рассчитывать на быструю реакцию торговых сетей в случае изменения спроса.» Источник: ruposters.ru 👉 @aisimpleru

У каждого на руках есть карты лояльности крупных супермаркетов или магазинов электроники. Как вы думаете, для чего их придумали? В первую очередь для удержания клиентов, предоставляя им персональные скидки. Однако, я сам лично наблюдал, что и мне и другим приходят одни и те же предложения. Магазин просто оповещает меня о появлении скидки на какой-то товар и сроках действия этой акции. Что интересно, акция рассылается одновременно всем клиентам. Может так получится, что скидка на подгузники будет доступна и студентам, пенсионерам и молодым родителям. Как сделать так, чтобы направлять персонализированные предложение каждой группе пользователей? Решение такой задачи сделало бы рекламную кампанию в разы эффективней, увеличив прибыль магазинов. Искусственный интеллект прекрасно справляется с решением задачи кластеризации. Как это работает? Вы приходите в магазин, собираете корзину покупок и оплачиваете покупки, предъявив карту лояльности. Данные накапливаются в клиентской базе данных магазина. Затем программисты в области Data Science разрабатывают и обучают модель, которая разделит покупателей на кластеры. Кластеры - это группы объектов со схожими характеристиками внутри каждого кластера. На картинке выше показаны три кластера, условно названных студенты, пенсионеры и семьи с детьми. Это сделано для лучшего понимания процесса. В реальности кластеры могут состоят из разных людей, схожих по характеру совершаемых покупок. Далее в игру вступают аналитики, предлагающие, для каждого кластера, считай сегмента целевой аудитории, приемлемые скидки на требуемые для них товары. Маркетологи создают рекламные кампании, E-mail и СМС-рассылки. Происходит анализ результатов проведения эксперимента. Таким образом искусственный интеллект позволяет максимально точно угадать потребности аудитории, повысить продажи и прибыль крупных супермаркетов. 👉 @aisimpleru

«И принцесса от злости повесилась на собственной косе, потому что он совершенно точно сосчитал сколько зерен в мешке, сколько капель в море, и сколько звезд на небе. Так выпьем же за кибернетиков!» (с) Вот такая вот реабилитация кибернетики в СССР в 1967 году 😉 В СССР именно в эта область отвечала за искусственный интеллект. Важно отметить, что долгое время в нашей стране кибернетику считали лженаукой. 👉 @aisimpleru

Завершил работы по адаптации видео-контента для 1 урока бесплатного курса по ИИ для начинающих. Первый урок состоит из 6 частей и доступен на сайте: 1.1. Что такое искусственный интеллект и его виды 1.2. История возникновения искусственного интеллекта и великие ученые 1.3. Направления развития искусственного интеллекта 1.4. Методы искусственного интеллекта 1.5. Взаимосвязь направлений развития, задач и методов ИИ 1.6. Примеры задач предметной области для ИИ Всего будет 5 уроков 🚀 👉 @aisimpleru

Внимательно посмотрите на этих ученых. Благодаря им мы имеем то, что имеем в сфере ИИ сегодня.🙏 👉 @aisimpleru

Две парадигмы развития ИИ: 1. Бионическая 2. Прагматическая В первом случае речь идет о разработке биокомпьютеров, которые содержат в основе, биологические компоненты. К ним относят отдельные клетки или молекулы ДНК. Во втором случае ИИ заменяется компьютерной программой, которая должна выдавать решения, минимально отличающиеся от решения человека, – эксперта предметной области. Методы получения решения, заложенные в такие программы, относят к методам искусственного интеллекта. 👉 @aisimpleru

Не хочу превращать этот канал в душную лекционную помойку. Однако, без знания краткой истории возникновения целой научной области (ИИ) знания будут неполными. Также вы можете не понять, почему искусственный интеллект развивается именно так, как это сейчас происходит. Полноценный душный пост об истории возникновения ИИ начиная с XVIII века читайте на сайте. Здесь поговорим о причинах появления ИИ и тенденциях, заложенных еще в 80 лет назад. Когда все это началось? Я имею ввиду ту самую революцию ИИ, которую мы наблюдаем сейчас в 2023 году? Я заметил, что люди делятся на три лагеря. Кто-то считает - что еще ничего не началось и ИИ не работает, так как должен. Другие думают, что началось лет 5 назад с массовым внедрением во многие бизнес-процессы алгоритмов машинного обучения. Третьи просто пребывают в иной реальности и по-прежнему верят, что ИИ - это сказочки айтишников и хипстеров. Только ручной труд, надежная механика рулят! На самом деле, все началось еще во времена, когда гитлеровские войска в ужасе 😱 драпали из под Курска в 1943. Именно этот год принято считать началом развития ИИ. В 1943 году двое ученых (Уоррен Мак-Каллок и Уолтер Питтс) разработали математическую модель искусственного нейрона. Затем Дональд Хебб в работе «Организация поведения» 1949 года описал основные принципы обучения нейронов. И пошло поехало. В 1958 году Фрэнк Розенблат реализовал их модель в устройство – персептрон. В те времена, ученые очень воодушевились и принялись объединять нейроны в слои, создавая сети различных архитектур. Но бурный рост технологий в сфере ИИ начался только спустя полвека после работ Маккалока и Питтса, как думаете почему? Дело в том, что используемые математические модели, при их программной реализации требовали огромных по тем временам вычислительных мощностей. Нейронные сети обучались месяцами 🐌 на компьютерах того времени, что было неприемлемо. Направление заглохло, энтузиазм пропал. Но в дальнейшем развитие вычислительных мощностей и мода вдохнули в искусственный интеллект новую жизнь. Начиная с 2000-х годов, благодаря компаниям Intel и Nvidia, вычислительные мощности начали расти лавинообразно. Это позволило применить все те методы из 1960-1990-х для решения различных классов задач. В 2010-е вместе с развитием интернета и соцсетей росло и количество информации. ИТ-компаниям необходимо было что-то делать с получаемыми данными. И применение ИИ стало необходимостью, а не развлечением. Теперь Google сортирует выдачу, используя системы машинного обучения (Machine Learning). YouTube подбирает рекомендуемые видео с помощью алгоритмов ML, по той же схеме рекомендует товары Amazon. Новостная лента Facebook генерируется «умным» компьютером. И даже Tinder находит людей, используя алгоритмы ML. Выводы следующие: - текущее развитие ИИ можно отнести к ограниченному ИИ, - текущее развитие ИИ базируется на методологии и математике 30-60 летней давности, - развитие идет лавинообразно, в ближайшие годы мы увидим новые прорывы, похлеще ChatGPT и беспилотных автомобилей. 👉@aisimpleru