Нейронные сети и искусственный интеллект | Статья в журнале «Молодой ученый»

Отправьте статью сегодня! Журнал выйдет 6 марта, печатный экземпляр отправим 10 марта.

Опубликовать статью в журнале

Автор:

Рубрика: Информационные технологии

Опубликовано в Молодой учёный №5 (347) январь 2021 г.

Дата публикации: 30.01.2021

Статья просмотрена: 7 раз

Библиографическое описание:

Катиева, Л. М. Нейронные сети и искусственный интеллект / Л. М. Катиева. — Текст : непосредственный // Молодой ученый. — 2021. — № 5 (347). — С. 7-9. — URL: https://moluch.ru/archive/347/78177/ (дата обращения: 25.02.2021).



Данная статья посвящена искусственному интеллекту и нейронным сетям. Использование ИИ в современном обществе вносят новые формы в совершенствование интеллектуальных систем в сфере информационных технологий, в науке, образовании, культуре. История основания, философское осмысление.

Ключевые слова: искусственный интеллект (ИИ), нейронные сети.

В области науки и техники термин «искусственный интеллект» играет заметную роль, и его недавние достижения сделали ИИ более популярным для концепций искусственного интеллекта и машинного обучения. Роль искусственного интеллекта позволила машинам учиться на собственном опыте, чтобы более эффективно выполнять поставленные задачи. Нейронная сеть — это одно из ее достижений, вдохновленное структурой человеческого мозга, которая помогает компьютерам и машинам больше походить на человека. Нейронная сеть — это либо системное программное обеспечение, либо аппаратное обеспечение, которое работает аналогично задачам, выполняемым нейронами человеческого мозга. Нейронные сети включают в себя различные технологии, такие как глубокое обучение и машинное обучение как часть искусственного интеллекта (ИИ). Искусственные нейронные сети (ИНС) — это ключевой инструмент машинного обучения. Это системы, разработанные по вдохновению функциональности нейронов в мозге, которые будут воспроизводить то, как мы, люди, учимся. Нейронные сети (НС) представляют собой как входной, так и выходной слой, а также скрытый слой, содержащий единицы измерения, которые изменяют входные данные на выходные, чтобы выходной слой мог использовать значение. Это инструменты для поиска паттернов, которые многочисленны и сложны для программистов, чтобы извлечь и обучить машину распознавать паттерны. Большинство бизнес-приложений и коммерческих компаний используют эти технологии. Их основная цель состоит в решении сложных задач, таких как распознавание образов или распознавание лиц, и несколько других приложений включают в себя транскрипцию речи в текст, анализ данных, распознавание почерка для обработки проверок, предсказание погоды и обработку сигналов. ИНС работает приблизительно также, как и человеческий мозг. Установив необходимые связи, мы можем воспроизвести работу мозга, используя кремний и провода, которые действуют подобно дендритам и нейронам. Поскольку стимулы из внешней среды воспринимаются дендритами таким же образом, то на входе создаются электрические импульсы, которые проходят через нейронную сеть.

Нейронные сети обладают замечательной способностью извлекать значимые данные из неточных данных, которые используются для обнаружения тенденций и извлечения паттернов, которые трудно понять, как компьютеру, так и человеку. Обученная нейронная сеть может быть сделана «экспертом» в информации, которая была дана для анализа и может быть использована для составления прогнозов. [16–19]

Некоторые из преимуществ нейронных сетей перечислены ниже

– Самоорганизация: ИНС может генерировать свое собственное представление информации, которую он получает во время обучения.

– Работа в реальном времени: расчеты ИНС могут выполняться одновременно, и производятся некоторые специальные (аппаратные) устройства, которые используют эту возможность.

– Адаптивное обучение: способность научиться решать задачи основана на данных, приведенных для обучающего набора.

– Избыточное кодирование информации через отказоустойчивость: полуразрушение сети приводит к ухудшению соответствующей производительности. Более того, некоторые сети будут иметь возможность сохранять данные даже в случае серьезного повреждения сети.

ИНС включает в себя огромное количество параллельно работающих процессоров, расположенных слоями. Первый слой получает необработанные данные в качестве входных данных, подобно зрительным нервам человеческого глаза, осуществляющим визуальную обработку. Каждый последующий слой получает необработанные входные данные в качестве выходных данных от предыдущего слоя, подобно нейронам зрительного нерва, принимающим сигналы от близких к нему. Конечный слой генерирует выходные данные.

Нейронные сети адаптивны, то есть они могут изменять себя в соответствии с обучением и работать параллельно, чтобы предоставить больше информации о мире. [28–31] Если сеть генерирует «нужный» выход, то нет необходимости менять обученные входные данные, и наоборот. Если сеть генерирует «нежелательные» выходные результирующие ошибки, то система модифицирует обученные входные данные для улучшения результатов.

С технической точки зрения, одной из самых больших проблем является количество времени, которое требуется для обучения сетей, которые часто требуют приемлемого количества вычислительной мощности даже для сложных задач. Второй по значимости вопрос, который следует рассмотреть, заключается в том, что нейронные сети — это черные ящики, в которых пользователь группирует обученные данные и получает ответы. Им позволено настраивать ответы, и недостатком является то, что они не имеют доступа к точному процессу принятия решений. Именно по этой причине исследователи активно работают, но искусственные нейронные сети играют очень большую роль в изменении повседневной жизни.

Будучи высококонкурентным миром, мы можем многое получить от нейронных сетей. Их способность учиться на собственном примере делает их сильными и гибкими. Более того, нам не нужно разрабатывать какой-либо алгоритм для выполнения конкретной задачи. Нам не нужны внутренние механизмы решения этой задачи. Они хорошо подходят для систем реального времени, поскольку они быстро реагируют с лучшим вычислительным временем из-за своей параллельной архитектуры.

Нейронные сети также вносят свой вклад в другие области исследований, такие как психология и неврология. В неврологии он используется для исследования внутренних механизмов мозга и моделирования частей живых организмов. Наиболее интересным аспектом нейронных сетей является то, что существует вероятность возникновения в один прекрасный день «сознательных» сетей. Некоторые ученые утверждают, что сознание-это «механическое свойство», а сознательные нейронные сети реалистичны и возможны. Нейронные сети обладают огромным потенциалом, и мы можем извлечь из них максимум пользы, сотрудничая с нечеткой логикой, вычислениями и ИИ.

Литература:

  1. Искусственный интеллект: что могут нейронные сети и как они изменят нашу жизнь. [Электронный ресурс]. Режим доступа: https://www.youtube.com/watch?v=JDgnLns-Igo/. [16–19]
  2. AIA: Разработка искусственного интеллекта без нейронных сетей. [Электронный ресурс]. Режим доступа: https://geektimes.ru/post/249880/. [28–31].
Основные термины (генерируются автоматически): сеть, искусственный интеллект, данные, машинное обучение, нейронная сеть, человеческий мозг, выходной слой, задача, реальное время.


Ключевые слова

нейронные сети, искусственный интеллект (ИИ)
Задать вопрос