Сделать компьютеры схожими с человеческим мозгом – один из величайших вызовов 21 века. Нам хочется, чтобы компьютеры умели говорить, понимать и решать проблемы. А теперь перед учеными стоит еще одна задача – научить их видеть и распознавать изображения.Длительное время умнейшие компьютеры были слепыми. Но теперь они могут видеть, и эта революция стала возможной благодаря глубинному обучению.Идея машинного обучения состоит в совершенствовании работы алгоритмов с помощью больших баз данных. В результате компьютеры учатся предсказывать результаты на основе новых данных. Для компьютера изображение состоит из миллионов пикселей. Это большой объем данных для обработки. Можно облегчить задачу, определив промежуточные характеристики. Например, кошку можно опознать по круглой голове, двум ушам и морде. Как только ключевые характеристики определены, хорошо обученный нейронный алгоритм с достаточной долей точности проанализирует их и определит, что на картинке изображена кошка.В 2000-х годах Фей-Фей Ли, директор Лаборатории искусственного интеллекта Стенфордского университета, предложила обучать компьютер распознавать образы так, как этому обучаются дети — при помощи визуальных примеров. Однако остаются две проблемы — доступность базы данных и мощность компьютеров. Ли с командой запустили проект Image Net и создали базу, в которой содержится 15 миллионов изображений, распределенных по 22000 категориям. Теперь компьютеры могут обучаться на больших объемах данных без человеческого вмешательства и распознавать их не хуже трехлетних детей. Но, по мнению Ли, требуется шаг вперед – научить компьютеры распознавать изображения так же хорошо, как это делают взрослые. Еще чуток Аноны потерпите !
>>398072 (OP)https://www.youtube.com/watch?v=3cBemvVNYdk
Ну распознавать изображения умеют давно и это не ново. Обычно приложения строятся для какого-то одного типа изображений. Например распознавание дорожных знаков. Соответственно дают алгоритму на вход обучающую выборку (алгоритмов машинного обучения уже достаточно, главное уметь извлекать признаки из таких изображений), в итоге при извлечении признаков то они и соснут, потому что обычно используют какие-то косвенные, ну определил ты кружочки на фотках, квадратики, цветовые гаммы и прочую поеботу, как ты решишишь почему этот кружок кошка а не собачка? Нужно ко всем фоткам еще кучу описаний, так что скорее всего новость описывает что-то типа базы для обучения при решении различных задач. Мимо магистр шараги анализа больших данных.
>>398116>Ну распознавать изображения умеют давно и это не ново. Нет, не давно, и это ново.Нормальные результаты появились не более чем лет пять как.
>>398373>Нет, не давно, и это ново.Ты совершенно не в теме. То, что называется сейчас machine learning было описано еще в 1989 году, но тогда не могло быть воплощено в жизнь из-за технических ограничений. Только ~2006 из-за наличия видеокарт начали эти исследования давать практические плоды. Причем видеокарты по факту крайне не эффективны, т.к. не заточены под эти матричные методы (т.н. нейронные сети) и очень сильно сосут. Сейчас уже разрабатываются специальные вычислители для матричных методов.
>>398459>machine learningdeep learning fix
>>398072 (OP)Нейронные сети - наше будущее, а не алгоритмы
Ну думаю Пидработы покажут людям из место.... Скорее бы последняя война 5 дней по прогнозам продержаться Двачеры и выродкиобезьян с риптилоидами... это будет отличное наказание всем властям и религиям за невежество. растратыи времени не на эволюцию всего вида в любой момент жизни является преступлением наказание за которое скайнет!
>>398506Нейронные сети - это просто модное название матричных методов.
>>398512Таки да
>>398116какой университет?
Это типа новость про нейросети, про которые не слышало только самое отсталое быдло?