Разбираемся в сущности нейросетей. Что ты такое? Эпизод I. Скрытая угроза

За последние несколько лет искусственный интеллект срезал с себя крепко пришитый ярлык «научная фантастика» и прочно прописался в ежедневных новостных лентах. Загадочные сущности под названием «нейросети» перестали быть чем-то футуристичным и уже сегодня совершают научные открытия, водят автомобили, пишут картины, музыку и тексты. Но не совсем понятно, что же такое нейросеть: сложный набор программ и алгоритмов или стойки со стройными рядами серверов. В этом выпуске мы промчим галопом от античности до лихих 90‑х в попытке определить отправную точку развития искусственного интеллекта.

В начале было Слово

Сегодня диапазон задач, которые способен выполнять искусственный интеллект, впечатляет. Совсем скоро нейросети собственнолично начнут оперировать первых пациентов. Как только разработчик поместит их искусственное содержание в утилитарную форму. И в одночасье шумные улицы городов заполонит сонм Homo creatus (в пер. с лат. «человек искусственный»), переполненных синтетическим сознанием, сокрытым под отблесками инфракрасных сенсоров. Но это потом. Сегодня разговор пойдет не о форме. Ведь сама суть нейронных сетей происходит из одного из самых мощных стремлений человека — стремления к созиданию. Это древнее непоколебимое убеждение, граничащее с комплексом бога. И речь не о детородных процессах или попытках перепрограммировать ДНК человека, а о стремлении создать «что-то» из «ничего».

Нейронная сеть — это образ и подобие Разработчика.

Мартышкин труд

Концепция искусственного интеллекта прошла тернистый путь от философских доктрин времен Аристотеля до наших дней. И до недавних пор идею создания ра-зума из ничего высмеивали.

Даже до нашей эры находились критики предтечей «нейронных сетей». Так, философ Цицерон с издевкой предлагал подбрасывать в воздух таблички с символами до тех пор, пока не получится осмысленный текст. Но, как оказалось в XXI веке, классики ехидничали зря. И теперь армия обезьян с табличками с нахальным упорством захватывает мир.

Да будет свет

Первые машины, работающие по принципу нейронных сетей, появились уже в 50‑х годах прошлого века. Всего через несколько лет после создания компьютера. Нейронные сети методом проб и ошибок способны самостоятельно придумывать верные решения, в отличие от алгоритмов, которые, следуя четкой последовательности действий, выдают заранее известный результат. Примерно в это же время исследователи начинают задаваться вопросами: может ли машина мыслить и мечтают ли андроиды об электроовцах? Философские парадигмы, описанные еще в древности, находят отклик в работах многих ученых и писателей-фантастов. На идеи прошлого опираются как титаны научной фантастики Айзек Азимов и Филип К. Дик, так и именитые ученые Алан Тьюринг и Марвин Ли Минский.

В модели искусственной нейросети попытались воспроизвести устройство человеческой нервной системы, и в частности головного мозга, который состоит из множества клеток-нейронов, обменивающихся друг с другом электрическими сигналами. Но чем же нейросеть отличается от компьютера, который создан из простых электрических компонентов? Ничем. Весь смысл в том, чтобы собрать сложную структуру из простых элементов.

От слов к делу

На самом деле нейросеть можно собрать из камней и палок: это набор простых правил, по которым обрабатывается информация. А точкой отсчета узла является искусственный нейрон, или, как его называют в народе, персептрон. Это не орган, а комбинация арифметических действий. И работает это еще проще: персептрон получает несколько исходных значений, умножает на коэффициент входящих сигналов (об этом чуть позже) этого значения, складывает и в зависимости от результата выдает значение 1 или -1.

Чувствуете, как щиплет между бровей? Ух, математика, забористая дрянь!

От сложного к простому и обратно

По сути, персептроны устроены ненамного сложнее, чем другие элементы компьютера, которые обмениваются единицами и нулями. Давайте попробуем понять, осмыслить и описать все это простыми словами. Персептрон выполняет одну задачу: брать значения и раскладывать по стопкам. Например, у нас есть изображение солнечной лужайки на окраине леса, и мы показываем нашему нейрону какую-нибудь точку на картинке, другими словами, посылаем ему в качестве исходных данных случайные значения. А затем спрашиваем: «Крошка нейрон, это небо или земля?» «Минус один, — отвечает нам персептрон, разглядывая облака. — Видно же, что земля».

Никакой точности от него ждать не приходится: с таким же успехом можно и самим тыкать пальцем в небо.

Но мы-то знаем правильный ответ, а значит, можем внести его в код и обучить. Звучит знакомо? Вот и получается, что за каждую неверную догадку персептрон в буквальном смысле получает плохую отметку, а за верную — хорошую.

При этом вышеупомянутый коэффициент входящих сигналов возрастает или уменьшается. Все это происходит в постоянном цикле до тех пор, пока нейрон неизбежно «поймет», что небо сверху, земля снизу, а доллары нужно было сдавать еще в сентябре.

После этого персептрон начинает игнорировать все неправильные варианты. А если дать ему еще немного подучиться, то достоверность определения неизбежно повысится. Это и называется машинным обучением. В реальности же работа формулы немного сложнее, но принцип остается неизменным.

Если взять дюжину дюжин таких нейронов, скрепить их друг с другом цепкими лапами синапсов, тогда мы получим нейросеть, способную обрабатывать различные команды. Один нейрон будет отличать красное от синего, второму поручат определить, где юг и где север, а третий будет думать, что делать с этими двумя.

Таким образом, в геометрической прогрессии возрастает многозадачность системы, и достаточно развесистая сеть может перелопатить целую гору данных и учесть при этом все свои ошибки.

Хоть персептрон и является базовой моделью, он заложил фундамент для дальнейшего развития нейросетей в том виде, в котором мы их знаем сегодня. И в прошлом крошка нейрон, а в будущем кандидат наук, гений, миллиардер, плейбой, филантроп Нейрон Персептронович будет обладать мириадами вариантов правильных ответов. Он сможет не только определять, где небо и земля, но также скажет, к какому семейству относится бабочка, мельком спорхнувшая с Chamaemеlum nоbile на лужайке, и за кем же все-таки гонится по небу созвездие Гончих Псов.

Эпоха застоя

Американский ученый Марвин Ли Минский в 1969 году издал книгу «Персептроны», ставшую фундаментальной работой для последующих разработок в области искусственных нейронных сетей. Содержащаяся в книге критика исследований и демонстрация необходимых вычислительных ресурсов считается одной из основных причин утраты интереса к искусственным нейронным сетям в 1980‑х годах. Новую волну внимания к теме искусственного интеллекта привлек суперкомпьютер Deep Blue, в 1997 году обыгравший чемпиона мира по шахматам Гарри Каспарова.

Но если быть откровенным, то Deep Blue не учился на своих ошибках, а попросту перебирал миллионы комбинаций.

Увы, примерно в те же годы тогдашние нейросети уперлись в потолок своих возможностей. С поставленными задачами куда проще справлялись традиционные алгоритмы. Для сложных задач нейросетям по-прежнему не хватало вычислительной мощности.

ФАКТ

Уже больше сотни лет существует теорема о бесконечных обезьянах. В ней утверждается, что абстрактная обезьяна, щелкая случайным образом по клавишам печатной машинки, рано или поздно напишет вразумительный текст.

КСТАТИ

В 1958 году Фрэнк Розенблатт, родившийся в семье евреев, выходцев из Российской империи, создал вычислительную систему «Марк-1». Это был первый нейрокомпьютер, способный обучаться на простейших задачах. Он был построен на перcептроне, нейронной сети, которую Розенблатт разработал тремя годами ранее.

ИТОГ

Интерес к нейросетям вернулся на заре нового миллениума после переосмысления самой философии программирования. Но это уже совсем другая история...

РАЗГАДАЙ, ЕСЛИ СМОЖЕШЬ