Biologiyaning dolzarb muammolari

Sun'iy intellekt nima
Sun'iy intellekt (AI) - aqlli tizim sifatida ishlaydigan kompyuter algoritmlari va dasturlarini yaratish fan va texnologiyasi: ular tajribaga asoslangan ma'lumotlarni o'rganadilar va saqlaydilar, mavhum tushunchalarni baholaydilar va qo'llaydilar, olingan bilimlardan ta'sir qilish uchun foydalanadilar.
AI – suniy intelekt
Sun'iy intellekt 2 turga bo'linadi: zaif va kuchli. Zaif AI tor yo'naltirilgan deb ham ataladi, chunki u faqat ma'lum bir doiradagi vazifalarni bajarishi mumkin. Bularning barchasi bugungi kunda mavjud bo'lgan AI texnologiyasiga asoslangan ishlanmalardir. Kuchli sun'iy intellekt har qanday muammoni cheksiz sohalarda hal qila oladi. Kuchli sun'iy intellektni ifodalash uchun Toni Starkning "Temir odam" filmidagi yordamchisi Jarvisni o'ylab ko'ring. Bugungi kunda bunday AI ni amalga oshirishning iloji yo'q va uni yaratish g'oyasi sof utopiya sifatida tan olingan. Bugungi kunda sun'iy intellekt: neyron tarmoqlar va mashinalarni o'rganish AI texnologiyasi turli yo'llar bilan amalga oshirilishi mumkin. Buning usullaridan biri neyron tarmoqlardir. Neyron tarmog'i tirik organizmdagi neyron tarmoqlar bilan bir xil printsip asosida qurilgan, shuning uchun nomi. Tanadagi tarmoq nerv hujayralarini - neyronlarni bog'laydi, ular hosil qiladi asab tizimi... Sun'iy neyron tarmog'ida esa oddiy protsessorlar - bir xil tarzda ulanadigan va o'zaro ta'sir qiluvchi hisoblash elementlari ishlatiladi.
An'anaviy algoritmlardan farqli o'laroq, neyron tarmoqlar tajribadan o'rganishga qodir. Neyron tarmoqlar kirish va chiqish ma'lumotlari o'rtasidagi aloqalarni tahlil qiladi va aniqlaydi, ma'lumotlarni umumlashtiradi va muammolarni hal qilish usullarini shakllantiradi. Neyron tarmoqlarning shu tarzda ishlashini ta'minlash uchun mashinani o'rganish usullari qo'llaniladi. Bundan tashqari, neyron tarmoqlarda bunday o'qitish juda ko'p hisoblash resurslarini talab qiladi.
Neyron tarmoqqa nimani o'rgatish mumkinligi kiritilgan ma'lumotlarga bog'liq. Ma'lumotlar qancha ko'p bo'lsa, mashg'ulot shunchalik yaxshi bo'ladi. Siz neyron tarmoqni ba'zi ob'ektlarni boshqalardan ajratishga, solishtirishga va bashorat qilishga o'rgatishingiz mumkin. Neyron tarmog'ini o'rganish bolalarga rasmni ko'rsatib: "Bu mushuk" deyishga o'xshaydi. Neyron tarmoqlarda ular tushuntirish yorliqlari bo'lgan juda ko'p rasmlarni olishadi va alohida elementlarni tanib olishni o'rganadilar, keyin ularni birlashtira oladilar. Kirish tasviri qandaydir filtrlash tizimiga tushadi. Undagi filtrlar tan olinishi mumkin bo'lgan elementlarning o'lchamlari va murakkabligi bilan farq qiladi - har birining o'ziga xos xususiyatlari mavjud. Ushbu tizimda tasvir ko'p marta filtrlanadi. Ko'p elementlar tan olinganda, neyron tarmoq prognoz qiladi: falon ehtimollik bilan bu ob'ekt shaxsdir.
Ertaga birja narxini bashorat qiladigan, pochta konvertidagi qo'lda yozilgan indeks raqamlarini taniydigan va rasmdagi kasal organni aniqlaydigan neyron tarmoqlar shunday paydo bo'ldi. Ularni o'rgatish uchun biz valyuta kurslari va yozma raqamlar, kasal va sog'lom organlarning tasvirlari bo'yicha raqamli ma'lumotlardan foydalandik.
Muammo shundaki, neyron tarmoqlar ko'pincha noto'g'ri edi, chunki trening uchun haqiqatan ham katta ma'lumotlar to'plamini yig'ish qiyin edi. 2010 yilda ImageNet tasvirlar bazasi paydo bo'ldi: 22 ming toifadagi 15 million tasvir. Kirish ochiq edi: har qanday tadqiqotchi ma'lumotlardan foydalanishi mumkin edi. Natijada sun'iy intellektni sifatli o'qitish imkoniyati paydo bo'ldi. Neyron tarmoqlar yanada rivojlangan, qulay va kundalik hayotga mustahkam integratsiyalashgan.
Kundalik hayotda uchragan sun'iy intellekt
Siri ovozli yordamchilari, Google Assistant va Alice, saytlarda tavsiyalar berish algoritmlari – masalan, YouTube’dan videolarni tavsiya qilish yoki Amazon’da tavsiya etilgan mahsulotlar bilan blokirovka qilish uchun Brain, chatbotlar – ularning barchasi AI texnologiyalari asosida ishlab chiqilgan. PayPal neyron tarmoqlarga shubhali tranzaktsiyalarni topishga yordam berish uchun mashina o'rganishdan foydalanadi. Bu kompaniyaga firibgarlik holatlarini kamaytirish imkonini beradi. Rossiyaning Prisma ilovasi fotosuratlarni qayta ishlash uchun neyron tarmoqlardan foydalanadi.
NVIDIA muhandisi Robert Bond qo‘shnilarning mushuklari sarson-sargardon bo‘lib, uning bog‘ini vayron qilganda bog‘ purkagichlarini yoqadigan algoritm ishlab chiqdi. Bu mushuk ekanligini aniqlash uchun u Caffe neyron tarmog‘iga asoslangan tizimdan foydalangan: u kameralardan olingan videokadrlardan mushuklarni aniqlagan. Kamera vaziyatning o'zgarishini qayd etganida, u 7 ta suratga oldi. Fotosuratlar neyrotarmoq tomonidan tahlil qilindi: agar rasmlarda mushuk bo'lsa, tarmoqqa purkagichlar kiritilgan.
Bundan tashqari, neyron tarmoqlar Yandex.Music-da tinglash mumkin bo'lgan 2 ta musiqiy albom yozdilar. Ulardan biri "Fuqaro mudofaasi" guruhining qo'shiqlari asosida yozilgan (ijrochi"Neyron himoyasi" ), ikkinchisi esa "Nirvana" asosida (ijrochi - Neyron).
Qaysi sohalarda siz hali ham neyron tarmoqlardan foydalanishingiz mumkin
Neyron tarmoqlar tibbiyotda, moliya va tijoratda, sanoatda va tartib va ​​xavfsizlikni ta'minlashda - katta hajmdagi ma'lumotlarni qayta ishlash, tartibga solish va bashorat qilish talab qilinadigan joylarda qo'llaniladi.
Tibbiyotda neyron tarmoqlar o'smalar, jarohatlardan so'ng to'qimalar va organlarning shikastlanishini aniqlash, yuzaga kelishi mumkin bo'lgan asoratlar va kasallikning borishini bashorat qilishga o'rgatiladi. Bu oson emas: etarlicha katta tibbiy ma'lumotlar bazasi yo'q, lekin siz yuqori aniqlikka erishishingiz kerak. Axir, agar neyron tarmoq mushukni it bilan aralashtirib yuborsa, bu unchalik qo'rqinchli emas. Ammo sog'lom organ kasal bo'lsa - bu yomon bo'ladi.
HighLoad ++ yuqori yuk tizimlarini ishlab chiquvchilarning professional konferentsiyasida Natalya Efremova aytdi qashshoqlik darajasini bashorat qilish uchun neyron tarmoqlardan nostandart foydalanish haqida. Afrikada qashshoqlik darajasi shunchalik yuqoriki, bu ma'lumotlarni oddiygina yig'ish va tahlil qilish mumkin emas. Eng so'nggi ma'lumotlar 2005 yilda to'plangan. Stenford universiteti olimlari birinchi navbatda aholi punktlarini taniy olishi uchun ImageNet tasvirlar bazasidan foydalangan holda neyron tarmoqni o'rgatishdi. Keyin ular Afrikaning ko'plab kunduzi va tungi sun'iy yo'ldosh tasvirlarini to'plashdi va ularni neyron tarmoqqa yuklashdi. Neyrotarmoq aholining tungi vaqtda uylarini yoritishga puli bor-yo‘qligiga baho berdi va ularning qashshoqlik darajasi prognozini tuzdi. Keyin prognoz 2005 yildagi haqiqiy ma'lumotlar bilan taqqoslandi - neyron tarmoq juda aniq prognoz qildi.