«Интерес шизофреников к работе мозга можно понять – поскольку «у кого чего болит, тот о том и говорит»»
Charlotte, из форума Нейролептик.
Слабонервных и действующих академиков РАН прошу удалиться. Я решила написать статью, которая многим не понравится. Работая на международных просторах новейших рынков автомотив, я вдруг обнаружила партизанские отряды пессимистов ИИ. Это слепоглухие люди, страдающие очевидной импотенцией, но при этом упрямо вещающие: — Нейронные сети, это тупик. Ничего у вас не получится. Это невозможно. И т.д. и т.п.
Причем это все не мальчишки, а уважаемые люди, тянущие в своих варикозных ручках гранты разных государств и университетов. Одним из ключевых доводов является мантра: «Никто не знают как внутри работают DNN( нейронные сети глубокого обучения)…»
Так вот, я считаю, что ЗНАЮ, КАК ВНУТРИ РАБОТАЮТ НЕЙРОННЫЕ СЕТИ ГЛУБОКОГО ОБУЧЕНИЯ.
Здесь приведена популяризованная для фб часть статьи — длинная, для тех кто интересуется и хочет разобраться.
Идея о возможности моделирования компьютеров по нейронной структуре, наподобии нейронной структуры человеческого мозга, родилась не вчера. Смею заметить, что про это говорил еще Алан Тьюринг: » …для того чтобы создать «умную» машину, у вас есть всего два пути: или запрограммировать ее или обучить, как человека…».
Как это у человека устроено?
Нейроны, нейронные связи и их заряд — три краеугольные составляющие.
Нейронные связи головного мозга это, по сути, проводка нервной системы. Работа нервной системы основана на способности нейрона воспринимать, обрабатывать и передавать информацию другим клеткам.
«Нейронные связи головного мозга представляют собой соединение нейронов через синаптические связи. Синапсы — функциональная и структурная единица нервной системы. Количество синаптических связей — ключевой показатель для работы мозга.»
Основная характеристика — это активность нейронов. «Используй или помрешь» — принцип, лежащий в основе нейронных сетей мозга. Чем чаще «действуют» нейроны, тем больше между ними связей, чем реже, тем меньше связей. Когда нейрон теряет все свои связи, он погибает.
Когда мозг работает в оптимальном режиме?
Тогда, когда у него высокий уровень BDNF ( нейротрофинов).
Нейронные связи головного мозга развиваются, когда человек находится в обогащенной мотивациями среде. Новый вызов — ключ к увеличению нейронных связей.
Новый опыт — это конфликт, когда проблема не решается теми средствами, которые уже есть у мозга. Поэтому ему приходится создавать новые связи, новые модели поведения.
Очень важным свойством человеческой системы является обратная связь, т.е. «системы поощрения» и «сиcтемы наказания», определяющие плюс или минус нейронных связей.
А самым серьезным сбоем, опасностью мы можем считать ситуацию «положительной обратной связи». То есть, если входные дофаминовые нейроны «системы поощрения» начинают активно реагировать уже при мысли про поощрение, то возможна такая ситуация когда мысль о поощрении сама станет достаточно сильным поощрением, и человек начнёт думать интересные ему мысли просто ради самого получения удовольствия, т.е. ради самой активизации этой «системы поощрения». Шизофрения — по-русски.
При создании Искусственного Мозга на базе Нейронных систем глубокого обучения используется очень близкая структура.
У вас есть относительно простые элементы обработки данных, отдалённо моделирующие нейроны. У них есть связи. Каждая связь имеет вес, и этот вес может быть изменен через обучение. Все что делает «нейрон», это выбирает действия на связи, умноженные на веса, складывает их все, а затем решает, отправлять ли результат. Если он получает достаточно большую положительную сумму, то результат засчитывается. Если сумма отрицательная, ничего не посылается. Вот и все. Ключевой вопрос DNN — как правильно определить «вес» нейронной связи».
Самое главное для меня открытие, что человеческий мозг — это неорганизованное устройство со случайными весами, и он использует обучение, чтобы влиять на укрепление своих нейронных связей. И основная задача найти оптимальную систему обучения.
По такому же принципу мы начали выращивать наши мозги C-Pilot.
В Искусственном Интеллекте существует два подхода — контролируемое и неконтролируемое обучение.
Контролируемое обучение (обучение с учителем, supervised learning) подразумевает использование наборов данных с метками, содержащих входные данные и ожидаемые выходные результаты.
Это итерационный процесс, оканчивающийся тогда, когда сеть перестает совершать ошибки.
Примером задачи с контролируемым обучением является задача распознавания пешеходов по скорости движения, определенной форме и т.п.
Неконтролируемое обучение (обучение без учителя, unsupervised learning) — это машинное обучение с использованием наборов данных без определенной структуры.
Когда вы обучаете нейросеть неконтролируемо, она самостоятельно проводит логическую классификацию данных.
Примером задачи с неконтролируемым обучением является предсказание поведения участников дорожного движения. Сеть самостоятельно классифицирует входные данные и отвечает на вопрос, какие из видов транспорта чаще всего нарушают, меняют полосу движения, например, мотоциклисты и владельцы красных хонд.
Используя оба типа обучения в своей работе, мы, Cognitive, как бы подсматриваем у нейропсихологов возможные варианты выращивания узкоспециализированных искусственных мозгов, для решения задачи управления автомобилем лучше, чем это может делать человек.
Еще одним очень важным состоянием является подсмотренная в человеческом организме система «обратных нейронных связей», которая регулирует полученный при обучении опыт не давая ему свалиться в «шизофрению». То есть мы научились сейчас отлавливать состояния, когда система в режиме неконтролируемого обучения начинает выставлять себе положительные оценки за положительные оценки. И обманывать С-pilot фейковыми знаками, разметками, картонными машинками становится практически невозможно.
Но есть еще одно, совершенно фантастическое свойство человеческого организма — это сны, ночные сновидения.
В свое время Хопфилд (американский ученый, изобретатель ассоциативной нейронной сети) обнаружил, что если вы пытаетесь поместить слишком много воспоминаний, как аттракторов, источников возмущения в сети, то они запутываются. Они возьмут два локальных аттрактора и сольют их в аттрактор на полпути между ними.
Но если отключить вход и перевести нейронную сеть в случайное состояние, дать ей успокоиться, то можно в этот момент заняться реконструкцией данных, значительно оптимизировав расстановку весов нейронных связей.
Похоже, что ровно это и происходит с нами во сне. Мы засыпаем, отключая прием внешних данных и за время сна организм занимается реконструкцией всего того, что мы набрали себе в голову.
Без этой уборки и оптимизации человек сойдет с ума.
Таким образом, если мы научим наш C-Pilot правильно «спать», то мы значительно оптимизируем всю работу нейронной сети и реконструкции потоков данных «во сне».
Причем, мы сможем увидеть прохождение внутренних слоев системой в таком «Искусственном Сне», что, возможно прольёт нам свет на магию наших, человеческих сновидений.
Поэтому сейчас наши работы двинулись дальше вызова Создания Системы Искусственной Интуиции C-Pilot, мы строим метод дообучения, реконструкции ИИ «в Искусственном Сне».
— ВЫЗОВ ПРИНЯТ! — как говаривал Шелдон в «The Big Bang Theory»…
Источник: аккаунт фейсбук Ольги Усковой, 20 мая 2021