Нейронні мережі та їх застосування

1.

2.

За 2022-2024 роки нейромережі стали частиною звичного життя. Хтось намагався делегувати задачі Chat GPT,
хтось «грався» з налаштуваннями Midjourney, а хтось за допомогою DeepCode шукав помилки у коді. Пізніше у
кожному напрямі з’явилося кілька альтернатив, тож кожен може обрати свого AI-асистента під конкретні робочі
завдання. У цій презентації ми розкажемо що таке нейромережа, як вона влаштована, принцип роботи,
навчання, галузі застосування, її майбутнє та наведемо приклади нейронних мереж.

3.

Нейронна мережа — це математична модель, що працює за принципом
людського мозку. Вона навчається шляхом первинного опрацювання
великого набору даних, не вимагаючи написання окремого коду під
конкретне завдання.
Нейромережі є одним зі способів машинного навчання, підрозділу
штучного інтелекту (ШІ), і лежать в основі алгоритмів глибокого
навчання. Вони здатні шукати закономірності в неструктурованих даних і
вирішувати безліч завдань.
Останніми роками технологія набула великого розвитку. Переважно її
використовують для обробки тексту, відео, аудіо та іншої інформації.

4.

Аби зрозуміти принцип роботи, потрібно розібратися з кількома
термінами:
нейрон — структурна одиниця та основний «будівельний матеріал»
нейромережі. Він отримує інформацію, обробляє її та передає
значення іншим нейронам;
шар — своєрідна система, в яку збираються нейрони;
поріг — це показник, що визначає, чи буде нейрон активним;
вага — коефіцієнт, який визначає силу сигналу при з’єднанні
нейронів. Простіше кажучи, вага показує наскільки сильно один
нейрон впливає на інший;
функція активації, або передавальна функція — це залежність,
яка показує, як вхідний сигнал нейрона впливає на вихідний.

5.

В основі нейромережі — поєднані між собою нейрони,
які можуть передавати інформацію одне до одного.
Спочатку дані надходять до вхідного шару нейронів,
далі вони потрапляють у приховані шари, а потім — у
вихідний шар, який і надає результат обробки.
Щобільше шарів, то складнішу інформацію здатна
обробляти нейромережа.
Силу з’єднання регулює вага, яка збільшує чи
зменшує силу сигналів.
Також нейрони можуть мати поріг. Якщо сума
вхідних сигналів нейрона його перевищує, то
нейрон активується. Наскільки сильно — визначає
активаційна функція.
Схема простої нейромережі

6.

Аби нейромережа правильно обробляла інформацію, її
потрібно навчати. Цей процес відбувається за допомогою
методу зворотного поширення помилки
(Backpropagation).
У 1989 році його описав Джефрі Гінтон, якого
вважають «хрещеним батьком» штучного інтелекту.
Спрощено все виглядає так: розробники «показують»
нейромережі набір вхідних та вихідних даних. Та
обробляє інформацію й намагається генерувати
вихідні дані, які збігатимуться з заданими.
Якщо результат неправильний, вага нейронів
змінюється, і все повторюється заново.

7.

Нейронні мережі допомагають вирішувати різні завдання практично у всіх
галузях.
у технологічній сфері їх використовують для безлічі завдань — від
обробки природної мови до пояснення чи розбору нових мов
програмування;
у медицині технологія допомагає діагностувати захворювання,
покращувати системи підтримки життєдіяльності, розробляти чи
створювати нові ліки;
у фінансах нейромережі дозволяють робити прогнози щодо різних
ринків, виявляти шахрайства чи перевіряти платоспроможність
клієнтів;
промислові підприємства можуть інтегрувати таких «помічників»,
аби пришвидчити роботу, знайти дефекти у виробах чи оптимізувати
логістику.

8.

Також ШІ-моделі, у поєднанні з навчанням із підкріпленням, застосовують в іграх — від настільних на
кшталт го до комп’ютерних на кшталт Dota 2 або Quake III.
Нейромережі лежать в основі безлічі додатків і сервісів. Наприклад, їх використовує Apple для
розуміння і генерації мови голосовим помічником Siri, а Microsoft — для перекладу веб-сторінок у
реальному часі в браузері Bing.
Кожен пошуковий запит у Google задіює кілька АІ-алгоритмів, щоб зрозуміти мову запитання і
персоналізувати результати.
За допомогою нейромереж AR-фільтри Snapchat і TikTok можуть знаходити обличчя користувачів і
накладати на них різні ефекти. Також моделі допомагають Instagram шукати релевантні відео для
рекомендацій.

9.

здатний відповідати на питання з різних предметних
областей
генерує код різними мовами програмування
найпопулярніший з усіх
допомагає авторам створювати тексти із заданим
форматом під конкретні потреби.
популярний у маркетинговому та бізнес-середовищі
допомагає швидко створити описи продуктів, слогани,
контент для лендингів та блогів тощо.
Безкоштовний AI-асистент, який стане в пригоді усім,
хто пише англійською.
десятки шаблонів-промптів під будь-який запит та
можливість завантажувати власні текстові файли.
Серед шаблонів, які пропонує сервіс — варіанти для
постів у соціальних мережах, пресрелізів, емейл-листів,
SEO-текстів та іншого.
розпізнає та транскрибує аудіо в текст

10.

«Хіт» серед нейромереж для малювання
Генерує зображення у різних стилях, які можна сплутати
з роботами професійних художників або фотографів.
можна поєднати дві картинки або стилізувати одну під
іншу.
створює зображення за текстовими описами
модель здатна змінити зображення відповідно до
обраного стилю, згенерувати 3D-об’єкт чи домалювати
деталі.
допомагає авторам створювати тексти із заданим
форматом під конкретні потреби.
популярний у маркетинговому та бізнес-середовищі
допомагає швидко створити описи продуктів, слогани,
контент для лендингів та блогів тощо.
створення зображення за текстовим описом
застосування різноманітних ефектів до слів та фраз
застосування до зображень різних колірних палітр
видалення фону та об’єктів на зображенні.

11.

платформа для code review на основі ШІ, яка допомагає
розробникам виявляти проблеми, помилки та
вразливості у коді в режимі реального часу.
пропонує більш економні та вдалі рішення, базуючись на
прикладах схожих алгоритмів у інших проєктах.
Це не зовсім нейромережа, а скоріше бібліотека, де можна
переглядати, шукати та використовувати уже готові моделі,
тестувати демопроєкти.
Сервіс має інфраструктуру для навчання та тренування
моделей, тож тут можна легко завантажити власні
нейромережі, або ж розвивати ті, що уже є.
генерує зручний для копіювання та вставки React-код на
основі shadcn/ui та Tailwind CSS, який люди можуть
використовувати у своїх проєктах.
Фішка платформи у тому, що на основі цього коду можна
швидко створити власний інтерфейс.

12.

Розробники нейромереж прагнуть до створення загального ШІ
(AGI). Така система зможе успішно вирішувати будь-які
інтелектуальні завдання, які здатні виконувати люди. Згідно з деякими
прогнозами, AGI з’явиться в найближче десятиліття, а за іншими —
не раніше, ніж через 100 років.
Серед найбільш реалістичних перспектив ШІ-моделей:
поліпшення продуктивності, точності та ефективності моделей
завдяки створенню нових архітектур, оптимізації навчання та
використанню потужніших обчислювальних ресурсів;
розширення сфери застосування;
використання невеликого датасета для навчання, що дасть змогу
застосовувати моделі в ситуаціях з обмеженою кількістю даних;
розвиток самонавчальних систем, здатних безперервно покращувати
свої навички і знання на основі реальних даних.