Hvordan fungerer neurale netværk, og kan de lade sig narre?

I begyndelsen af 2019, på Sotheby auktion i London var der en usædvanlig masse-en installation, det vigtigste element, som var en neurale netværk. Kunsten objekt var to skærme forbundet med en lille vintage møtrik-træ kommode. Det er her, det neurale netværk blev opbevaret, som konstant genererede unikke portrætter og bragte dem til skærmene.

Et år tidligere, en anden neurale kunstværk, “Portræt af Edmond de Bellamy,” solgt på Christie’s auktion for næsten en halv million dollars. Den 70×70 centimeter lærred afbildet en mand i en sort frakke og hvid skjorte, og selve arbejdet blev skrevet af en computeralgoritme skabt af det franske projekt indlysende.

Det er første gang i to århundreder af Christie’s auktions hus historie, at et maleri malet af et neuralt netværk er blevet solgt.

I modsætning til konventionelle edb-programmer, skal du “undervise”, så de kan genkende stemmer, skelne en levende person fra en pakke, eller male billeder til en halv million dollars.

Hvordan virker det?
Humane biologiske neurale netværk er mere som et sæt af forbindelser, som vi analysere og træffe beslutninger. Neurale netværk som en teknologi, til gengæld, er i stand til at løse præcis de samme problemer som andre Machine Learning algoritmer, med den forskel, at neurale netværk kan “lære” fra tidligere erfaringer.

Selv ved struktur, neurale netværk efterligner nervesystemet af en levende person: det består af et stort antal individuelle elementer-“neuroner”, der er ansvarlige for beregninger. Hver af disse “neuroner” refererer til et bestemt lag af netværket, så når neurale netværk behandler data, de er konsekvent behandles på alle lag. Parametrene for “neuron” kan ændre sig på egen hånd. Det hele afhænger af den “erfaring”, der blev opnået i tidligere operationer.

Pointen med en sådan udvikling var at nøjagtigt simulere hele processen med det menneskelige nervesystem. Især udviklere er interesseret i vores evne til at lære og ikke gentage fortidens fejltagelser. Ideelt set bør neurale netværk arbejde på samme princip og handle på grundlag af tidligere erfaringer, hver gang at lave færre fejl. Kompleksiteten af den fulde udbredelse af neurale netværk ligger i den lange proces med “læring”, fordi for at netværket skal kunne løse problemerne og give de rigtige svar, er det nødvendigt at passere millioner af data gennem det. Denne proces vil gå hurtigere, når udviklere kan fremskynde processen.

Hvor er de neurale netværk allerede brugt?
Anvendelsesområdet for neurale netværk udvider sig hvert år, men oftest hører vi om underholdnings funktionen af sådanne teknologier. I 2016 dukkede flere projekter op på markedet, som var baseret på neurale netværk. Evnen af denne teknologi blev demonstreret af Prisma og MLVCH, to mobile applikationer, der tillod at overføre kunstnerisk stil til billeder af almindelige brugere.

En anden app, MS-RD, foreslog, at brugerne ændre udseendet af fotos, skal du vælge og oversætte masker eller effekter, der allerede var i appens bibliotek. Den neurale netværk var ansvarlig for alle de virkninger. Store teknologivirksomheder demonstrerer også deres egne neurale nets evner. For eksempel, Google udviklet og viste AlphaGo for spillet af go. Umiddelbart efter at, programmet vandt kampen mod ke Jie, der tidligere blev betragtet som den stærkeste deltager i verden i denne japanske spil.

Det er nødvendigt at forstå, at underholdningstjenester er skabt snarere at demonstrere kapaciteter af neurale netværk og dets læringsmuligheder. I løbet af spillet, udviklerne undervise neurale netværk algoritme, og på grund af spil situationer, teknologien kan simulere næsten alle scenarier for levende adfærd og “lære” at gøre det samme.

Der er også tvivl om udsigterne til en sådan udvikling. Ifølge en rapport fra det analytiske selskab Allied Analytics, i 2023, vil omfanget af markedet for neurale net nå op på $38.000.000.000, mens dette tal i 2016 kun udgjorde $7.000.000.000.

Det neurale netværks marked drives af øget efterspørgsel efter Cloud og Big data, samt en stigning i antallet af løsninger til at forudsige markedet. Vi forventer, at udvide ansøgningerne til neurale netværk vil skabe rentable muligheder for markedsvækst, “allierede Analytics analytikere skrive i deres rapport.

Skriv et svar

Din e-mailadresse vil ikke blive publiceret. Krævede felter er markeret med *