Нейросети — что это такое и для чего могут применяться
Нейросети – это одна из инноваций, которая широко обсуждается в последнее время. Вообще для науки очень характерно подражание живой природе: при разработке самолётов использовали данные о строении птиц и насекомых, а оптика во многом опирается на строение человеческого глаза. Поэтому учёные задумались и над тем, чтобы использовать принцип работы человеческого мозга при создании вычислительной техники и программ.
Далеко ли удалось продвинуться на сегодняшний день ? Не очень. На приведённом ниже изображении вы можете видеть сравнительную сложность мозга у разных существ. Так вот, современное конструирование нейронных сетей достигло пока что только уровня мозга пиявки (у которой его, откровенно говоря, почти нет), а никак не человека.
Однако это направление можно считать очень перспективным. Почему же ?
Принцип работы нейронной сети
В очень упрощённом виде работа нейронов выглядит так:
• Нейроны соединены в сложные разветвлённые цепи, в каждом ответвлении цепи множество отдельных нейронов.
• Каждый нейрон имеет несколько «входов» и один «выход».
• Функция нейрона – суммировать результаты, полученные со «входов», обобщить и отправить на «выход» результат. Условно: на вход подаётся «2″, «6″, «умножение», на выход идёт «12″.
• Между нейронами расположены синапсы – «соединительные кабели». Однако каждый синапс может либо усилить сигнал, либо его ослабить. Если сигнал слишком ослабляется, то следующий нейрон его уже не получает, а значит, не будет учитывать его для вычисления своего значения.
Зачем нужны нейронные сети ? Они могут подойти и в качестве альтернативы калькулятору, но для простых операций невысокой сложности и с однозначным результатам они слишком сложны, такие операции обычно решаются с помощью простейших программ. А вот в тех случаях, когда нужно решить очень сложную задачу, и результат нельзя точно предсказать, зная исходные данные, такие сети просто незаменимы.
Преимущества нейронных сетей
Если пойти по пути развития подобных технологий, можно получить целый ряд преимуществ.
• Нейронные сети отсеивают «шум», то есть те сигналы, которые не важны для получения результата.
• Адаптация к изменениям. Это можно сравнить с обновлением программы, но тут есть важное уточнение. Для обновления требуется программист, который напишет новый участок кода. А нейронные сети могут учитывать изменения сами.
• Отказоустойчивость. Если какой-то участок сети выходит из строя, его функции берут на себя оставшиеся участки.
Применение таких сетей может быть очень широким. Например, автоматические операции на бирже. Нейронной сети будет далеко до человеческого мозга, однако её построение можно вести по принципу «ничего лишнего», ведь сети для торговли вовсе ни к чему долговременная память, участки, ответственные за не относящиеся к торговле навыки и за эмоции (последние даже вредны!). Поэтому вполне вероятно, что в ближайшее время такие сети будут взяты на вооружение. Чтобы их создать, достаточно использовать программный язык, что доступно для всех интересующихся.
