Методика углубленного обучения на основе нейронных сетей

Технический директор компании Т. Эдлунд отмечает, что «благодаря нашим решениям по сведению видеоматериалов и методике углубленного обучения, в процессе видеонаблюдения сегодня можно использовать новые функции поиска, специальных действий и количественного анализа».

Нейронная сеть (искусственная нейронная сеть) – это попытка воспроизведения работы человеческого мозга на компьютере при помощи слоев нейронов. Искусственный интеллект – это способность машины или программы находить решения при помощи вычислений.

Во время первых исследований в области ИИ ученые пытались воспроизвести человеческий интеллект для решения конкретных задач например, игры с человеком. Было введено большое количество правил, которым должен следовать компьютер. На основе этих правил компьютер принимал решения в согласии с конкретным списком возможных действий.

Машинное обучение – это попытка научить компьютеры самостоятельно обучаться на большом количестве данных вместо жестко постулированных правил.

Машинное обучение позволяет компьютерам самостоятельно обучаться. Это возможно благодаря вычислительной мощности современных компьютеров, которые могут легко обрабатывать большие наборы данных.

Контролируемое и неконтролируемое обучение. Контролируемое обучение (обучение с учителем, supervised learning) подразумевает использование помеченных наборов данных, содержащих входные данные и ожидаемые выходные результаты. Когда вы обучаете нейронную сеть с помощью контролируемого обучения, вы подаете как входные данные, так и ожидаемые выходные результаты.

Если результат, генерируемый нейронной сетью, неверен, она скорректирует свои вычисления. Это итерационный процесс, оканчивающийся тогда, когда сеть перестает совершать ошибки.

Примером задачи с контролируемым обучением является предсказание погоды. Нейросеть учится делать прогноз погоды с использованием исторических данных. Обучающие данные включают в себя входные данные (давление, влажность, скорость ветра) и выходные результаты (температура).

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 посетителей интернет-магазинов. В этом случае сеть не обучается на размеченных данных. Вместо этого она самостоятельно классифицирует входные данные и отвечает на вопрос, какие пользователи чаще всего покупают различные товары.

Глубокое обучение – это метод машинного обучения. Оно позволяет обучать модель предсказывать результат по набору входных данных. Для обучения сети можно использовать как контролируемое, так и неконтролируемое обучение.

Методика углубленного обучения на основе нейронных сетей

Рассмотрим, как работает глубокое обучение, на примере сервиса по оценке стоимости авиабилета. Мы будем обучать его контролируемым образом. Мы хотим, чтобы наш сервис предсказывал цену на авиабилет по следующим входным данным: аэропорт вылета, аэропорт назначения, дата отбытия, авиакомпания.

Нейронные сети глубокого обучения. Рассмотрим наши модели. Как и у животных, искусственная нейронная сеть содержит взаимо-связанные нейроны. На диаграмме они представлены кругами:

Методика углубленного обучения на основе нейронных сетей

Глубокая нейронная сеть (с двумя скрытыми слоями), нейроны сгруппированы во входной, скрытый (слои) и выходной слои.

Входной слой принимает входные данные. В нашем случае имеется четыре нейрона на входном слое: аэропорт вылета, аэропорт назначения, дата вылета и авиакомпания.

Входной уровень передает эти данные в первый скрытый слой. Скрытые слои выполняют математические вычисления со входными данными. Одна из задач при создании нейронных сетей – определение количества скрытых слоев и нейронов на каждом слое.

Слово «глубина» в термине «глубокое обучение» означает наличие более чем одного скрытого слоя. Выходной слой выдает результат. В нашем случае это прогноз цены на билет.

Методика углубленного обучения на основе нейронных сетей

Платформа видеоаналитики, созданная компанией Brie Cam, построена на уникальном сочетании технологий «компьютерного зрения» и ИИЖ, которые предоставляют инновационные эффективные возможности эксплуатации и обеспечения безопасности.

Она способна распознавать и извлекать из памяти различные объекты, а также информацию о типе и свойствах этих объектов. Мы продолжаем, совершенствовать точность работы платформы, и получаем новые и все более детализированные классификации и свойства объектов».

Еще одна инновация, о которой стоит упомянуть, говоря об аналитике в области видеонаблюдения – это ПО Ella, разработанное компанией IC Realtime. Данное решение, в котором реализованы методики углубленного обучения и облачных вычислений, станет новым дополнением для камер видеонаблюдения, предоставляющим возможности поиска на основе естественного языка.

Генеральный директор IC Realtime М. Сэйлор отмечает, что «с точки зрения отрасли сегодня мы лишь подходим к осознанию реальных возможностей ИИ и методик углубленного или машинного обучения».

Благодаря ПО Ella мы делаем очередной шаг в области машинного обучения, и нашим пользователям теперь доступен поиск по целой библиотеке записанных видеоматериалов на основе естественного языка, то есть привычных для человека фраз и ключевых слов. При разработке данного ПО в него была заложена возможность постоянного самообучения по мере использования и совершенствования его способностей по определению наиболее важных для пользователя видеороликов».

Представьте себе выносливых и ловких роботов, оснащенных такими продвинутыми алгоритмами обработки информации и интеллектуальными с6енсорами. Это открывает целый спектр возможностей применения в сфере безопасности, когда разнообразные угрозы для безопасности человека будут сведены к минимуму, а наблюдение из удаленного месторасположения и при разных ракурсах, которое до этого было недоступным, теперь станет источником новых данных для анализа, оценки ситуации и реагирования в режиме реального времени.

По мере улучшения характеристик устройств и снижения их стоимости, сфера их применения значительно расширится. В то же время те или иные разновидности ИИ станут частью многих аспектов нашей повседневной жизни. К. Мариет из компании Milestone Systems отмечает, что «машины, которые возьмут на себя решение простых задач, будут сохранять свою актуальность еще в течение многих лет».

Компания Amazon применяет в розничных магазинах, где концепция самообслуживания уже сменились возможностью совершать покупки в магазине вовсе без необходимости проходить на кассовый терминал. Этот способ мышления и разработки соответствующих технических приложений находится еще на самой ранней стадии, но мы будем продолжать поиск решений имеющихся проблем и повышать эффективность таких технологий.

Интеллектуальная промышленная революция свершается на наших глазах. Да, она будет иметь радикальные последствия, но при этом приведет нас к более конструктивному мышлению и будет способствовать дальнейшему раскрытию человеческого потенциала».

Пока не все системы выходят на этот рынок. Вопросы, связанные с технологиями, затратами различных ресурсов и прочими ограничениями, сохраняют свою актуальность и сегодня. Например, достижения в области ИИ и робототехники опережают возможности правительств по принятию сообразных им стандартов и норм законодательства. Ш. Лоулор из компании Genetec отмечает, что «наиболее существенным ограничением для широкого использования наземных и воздушных беспилотных транспортных средств является нормативно-правовое регулирование».

Технологии БПЛА пока сложно рассматривать в качестве действенного решения в сфере безопасности. Например, если мы намерены создать систему, которая будет автоматически выстраивать план полета БПЛА со встроенной камерой для наблюдения за охраняемым периметром, то нам будет необходимо знать, является ли эксплуатация такого комплекса технических средств нарушением каких-либо положений местного законодательства. В свете более широко применения БПЛА и БНА в сфере безопасности критически важным становится понимание тех обстоятельств и той степени, в которой нормы законодательства будут оказывать влияние на их использование».

Наиболее серьезную преграду для массового внедрения робототехники на базе ИИ представляет боязнь возможных технических сбоев, наподобие тех, которые были наглядно показаны в сериале «Мир Дикого Запада» и это касается сферы безопасности. Для практической реализации любого из описанных технических решений непременно требуется управление массовыми ожиданиями.

Узнай цену консультации

"Да забей ты на эти дипломы и экзамены!” (дворник Кузьмич)