Hvað er tauganet í gervigreind?

Hvað er tauganet í gervigreind?

Tauganet hljóma dularfull þangað til þau gera það ekki. Ef þú hefur einhvern tíma velt því fyrir þér hvað tauganet er í gervigreind? Og hvort það sé bara stærðfræði með fínum hatti, þá ert þú á réttum stað. Við munum halda því hagnýtu, bæta við litlum krókum og já - nokkrum emoji-táknum. Þú munt fara vitandi hvað þessi kerfi eru, hvers vegna þau virka, hvar þau bregðast og hvernig á að tala um þau án þess að veifa höndunum.

Greinar sem þú gætir viljað lesa eftir þessa:

🔗 Hvað er hlutdrægni gervigreindar
Að skilja hlutdrægni í gervigreindarkerfum og aðferðir til að tryggja sanngirni.

🔗 Hvað er spátækni
Hvernig gervigreind notar mynstur til að spá fyrir um framtíðarniðurstöður.

🔗 Hvað er þjálfari í gervigreind
Að kanna hlutverk og ábyrgð fagfólks sem þjálfar gervigreind.

🔗 Hvað er tölvusjón í gervigreind
Hvernig gervigreind túlkar og greinir sjónræn gögn með tölvusjón.

Hvað er tauganet í gervigreind? Svarið á 10 sekúndum ⏱️

Tauganet er stafli af einföldum reiknieiningum sem kallast taugafrumur sem senda tölur áfram, aðlaga tengistyrk sinn við þjálfun og læra smám saman mynstur í gögnum. Þegar þú heyrir djúpt nám þýðir það venjulega tauganet með mörgum staflaðum lögum, sem læra eiginleika sjálfkrafa í stað þess að þú kóðir þá handvirkt. Með öðrum orðum: fullt af litlum stærðfræðieiningum, snjallt raðað, þjálfaðir á gögnum þar til þeir eru gagnlegir [1].

Hvað gerir tauganet gagnlegt? ✅

  • Framsetningargeta : Með réttri arkitektúr og stærð geta net nálgað afar flókin föll (sjá alhliða nálgunarregluna) [4].

  • Nám frá upphafi til enda : Í stað þess að hanna eiginleika handvirkt uppgötvar líkanið þá [1].

  • Alhæfing : Vel skipulagt net leggur ekki bara gögn á minnið - það starfar á nýjum, óséðum gögnum [1].

  • Sveigjanleiki : Stærri gagnasöfn ásamt stærri líkönum bæta oft niðurstöður ... allt að hagnýtum takmörkum eins og útreikningum og gagnagæðum [1].

  • Flytjanleiki : Eiginleikar sem lærðir eru í einu verkefni geta hjálpað öðru (yfirfærsla náms og fínstilling) [1].

Lítil athugasemd (dæmi um atburðarás): Lítið teymi sem flokkar vörur skiptir út handsmíðuðum eiginleikum fyrir samþjappað CNN, bætir við einföldum viðbótum (snúningum/skurðum) og horfir á villur í staðfestingu lækka - ekki vegna þess að netið sé „galdur“ heldur vegna þess að það lærði gagnlegri eiginleika beint frá pixlum.

„Hvað er tauganet í gervigreind?“ á einfaldri ensku, með vafasömri myndlíkingu 🍞

Ímyndaðu þér biðröð í bakaríi. Hráefnin fara inn, starfsmenn fínstilla uppskriftina, bragðprófarar kvarta og teymið uppfærir uppskriftina aftur. Í neti flæða inntak í gegnum lög, tapfallið gefur einkunn fyrir afurðina og stigularnir ýta við þyngd til að gera betur næst. Ekki fullkomið sem myndlíking - brauð er ekki hægt að deilda - en það festist [1].

Líffærafræði tauganets 🧩

  • Taugafrumur : Lítil reiknivélar sem nota vegna summu og virkjunarfall.

  • Þyngd og skekkjur : Stillanlegir hnappar sem skilgreina hvernig merki sameinast.

  • Lög : Inntakslagið tekur við gögnum, falin lög umbreyta þeim, úttakslagið gerir spána.

  • Virkjunarföll : Ólínulegar snúningar eins og ReLU, sigmoid, tanh og softmax gera nám sveigjanlegt.

  • Tapsfall : Stig sem sýnir hversu röng spáin er (víxl-entropía fyrir flokkun, MSE fyrir aðhvarfsgreiningu).

  • Bestunarforrit : Reiknirit eins og SGD eða Adam nota stigul til að uppfæra þyngdir.

  • Reglugerð : Tækni eins og brottfall eða þyngdarlækkun til að koma í veg fyrir að líkanið ofpassi.

Ef þú vilt fá formlega meðferð (en samt læsilega), þá fjallar opna kennslubókin Deep Learning um allt efnið: stærðfræðilegar grunnþættir, bestun og alhæfingar [1].

Virkjunaraðgerðir, stuttlega en gagnlegt ⚡

  • ReLU : Núll fyrir neikvæðar tölur, línuleg fyrir jákvæðar tölur. Einfalt, hratt og áhrifaríkt.

  • Sigmoid : Kreistir gildi á milli 0 og 1 - gagnlegt en getur mettað.

  • Tanh : Eins og sigmoid en samhverft í kringum núllið.

  • Softmax : Breytir hráum stigum í líkur í öllum flokkum.

Þú þarft ekki að leggja á minnið allar lögun ferilsins - bara að þekkja málamiðlanirnar og algengar sjálfgefnar stillingar [1, 2].

Hvernig nám gerist í raun og veru: bakstuðningur, en ekki ógnvekjandi 🔁

  1. Áframsending : Gögn flæða lag fyrir lag til að framleiða spá.

  2. Reikna tap : Berðu spá saman við sannleikann.

  3. Afturábaksútbreiðsla : Reiknið út stigul tapsins með tilliti til hverrar þyngdar með því að nota keðjuregluna.

  4. Uppfærsla : Hagnýting breytir þyngdum örlítið.

  5. Endurtaka : Margar tímabil. Líkanið lærir smám saman.

Til að fá hagnýta innsýn með myndefni og útskýringum sem tengjast kóða, sjá klassísku CS231n athugasemdirnar um bakprop og hagræðingu [2].

Helstu fjölskyldur tauganeta, í hnotskurn 🏡

  • Framvirk net (MLPs) : Einfaldasta gerðin. Gögn færast aðeins áfram.

  • Falsunartauganet (CNN) : Frábært fyrir myndir þökk sé rúmfræðilegum síum sem greina brúnir, áferð og form [2].

  • Endurtekin tauganet (RNN) og afbrigði : Smíðuð fyrir raðir eins og texta eða tímaraðir með því að viðhalda röð og reglu [1].

  • Umbreytarar : Einbeittu þér að því að móta tengsl milli staða í röð í einu; ráðandi í tungumáli og lengra [3].

  • Tauganet grafs (e. grafic neural networks (GNNs) : Starfa á hnútum og brúnum grafs - gagnlegt fyrir sameindir, samfélagsnet, tilmæli [1].

  • Sjálfvirkir kóðarar og VAE : Lærðu þjappaðar framsetningar og búðu til afbrigði [1].

  • Kynslóðarlíkön : Frá GAN til dreifingarlíkana, notuð fyrir myndir, hljóð, jafnvel kóða [1].

CS231n skýringarnar eru sérstaklega nothæfar fyrir CNN, en Transformer greinin er helsta heimildin fyrir athyglismiðaðar líkön [2, 3].

Samanburðartafla: algengar gerðir tauganeta, fyrir hverja þær eru, kostnaðarsveiflur og hvers vegna þær virka 📊

Tól / Tegund Áhorfendur Verð-svona Af hverju það virkar
Framvirk breyting (MLP) Byrjendur, greinendur Lágt-miðlungs Einfaldar, sveigjanlegar, góðar grunnlínur
CNN Sýnarteymi Miðlungs Staðbundin mynstur + samnýting breytna
RNN / LSTM / GRU Röð fólk Miðlungs Tímabundið minni ... fangar röð og reglu
Spennubreytir NLP, fjölþætt Miðlungs-hátt Athyglin beinist að viðeigandi samskiptum
GNN Vísindamenn, endurvinnslu Miðlungs Skilaboðamiðlun á gröfum sýnir uppbyggingu
Sjálfvirkur kóðari / VAE Rannsakendur Lágt-miðlungs Lærir þjappaðar framsetningar
GAN / Dreifing Skapandi rannsóknarstofur Miðlungs-hátt Andstæðu- eða endurtekin hávaðaminnkunartöfra

Athugið: Verðlagning snýst um útreikninga og tíma; kílómetrafjöldi þinn er mismunandi. Einn eða tveir farsímar eru vísvitandi spjalltæki.

„Hvað er tauganet í gervigreind?“ samanborið við hefðbundna vélanámsreiknirit ⚖️

  • Eiginleikaverkfræði : Hefðbundin vélanámstækni byggir oft á handvirkum eiginleikum. Tauganet læra eiginleika sjálfkrafa - mikill sigur fyrir flókin gögn [1].

  • Gagnahungur : Netkerfi skína oft með meiri gögnum; lítil gögn geta hagnast á einfaldari líkönum [1].

  • Útreikningar : Netkerfi elska hröðla eins og GPU-einingar [1].

  • Afkastamörk : Fyrir ómótað gögn (myndir, hljóð, texti) eru djúpnet ráðandi [1, 2].

Þjálfunarferlið sem virkar í raun og veru 🛠️

  1. Skilgreindu markmiðið : Flokkun, aðhvarfsgreining, röðun, myndun - veldu tap sem passar.

  2. Gagnaflæði : Skipta í lest/staðfestingu/prófun. Staðla eiginleika. Jafnvægi á flokkum. Fyrir myndir, íhuga viðbætur eins og snúninga, skurði og lítið suð.

  3. Val á byggingarlist : Byrjaðu einfalt. Bættu aðeins við afkastagetu þegar þörf krefur.

  4. Þjálfunarlykkja : Hópur gagna. Áframsending. Reikna tap. Bakprop. Uppfæra. Skrá mælikvarða.

  5. Regluleg þjálfun : Brottfall, þyngdartap, ótímabær stöðvun.

  6. Meta : Notið staðfestingarsettið fyrir ofurfæribreytur. Haldið fram prófunarsetti fyrir lokaathugun.

  7. Sendið varlega : Fylgist með reki, athugið skekkju, skipuleggið afturköllun.

Fyrir heildstæðar, kóðamiðaðar kennslumyndbönd með traustum kenningum eru opin kennslubók og CS231n glósur áreiðanlegir grunnþættir [1, 2].

Ofmátun, alhæfingar og aðrar ruglingslegar spurningar 👀

  • Ofmátun : Líkanið minnir á sérkenni þjálfunar. Lagfærið með meiri gögnum, sterkari reglufestingu eða einfaldari arkitektúr.

  • Vanhæfni : Líkanið er of einfalt eða þjálfunin of feimin. Auka afkastagetu eða æfa lengur.

  • Gagnaleki : Upplýsingar úr prófunarsettinu laumast inn í þjálfunina. Athugaðu skiptingarnar þínar þrisvar sinnum.

  • Léleg kvörðun : Líkan sem er öruggt en samt rangt er hættulegt. Íhugaðu kvörðun eða aðra tapsvigtun.

  • Dreifingarbreyting : Raunveruleg gögn hreyfast. Fylgist með og aðlagið.

Til að fá kenninguna á bak við alhæfingu og reglusetningu skal styðjast við staðlaðar heimildir [1, 2].

Öryggi, túlkunarhæfni og ábyrg dreifing 🧭

Tauganet geta tekið mikilvægar ákvarðanir. Það er ekki nóg að þau standi sig vel á stigatöflu. Það þarf að hafa stjórnunar-, mælinga- og mótvægisaðgerðir allan líftíma þeirra. Áhættustjórnunarrammi NIST fyrir gervigreind lýsir hagnýtum aðgerðum - STJÓRNA, MAPJA, MÆLA, STJÓRNA - til að hjálpa teymum að samþætta áhættustjórnun í hönnun og innleiðingu [5].

Nokkrar fljótlegar ábendingar:

  • Skemmdarathuganir : Metið þvert á lýðfræðilega sneiðar þar sem það á við og er lögmætt.

  • Túlkunarhæfni : Notið aðferðir eins og áberandi eiginleika eða eiginleikatilvísanir. Þær eru ófullkomnar en samt gagnlegar.

  • Eftirlit : Stilltu viðvaranir fyrir skyndilegar lækkanir á mælingum eða gagnafrávik.

  • Mannlegt eftirlit : Haldið fólki upplýstu um ákvarðanir sem hafa mikil áhrif. Engin hetjudáð, bara hreinlæti.

Algengar spurningar sem þú hafðir í leyni 🙋

Er tauganet í grundvallaratriðum heili?

Innblásið af heila, já - en einfaldað. Taugafrumur í netkerfum eru stærðfræðilegar aðgerðir; líffræðilegar taugafrumur eru lifandi frumur með flókna virkni. Líkar víbrunar, mjög ólík eðlisfræði [1].

Hversu mörg lög þarf ég?

Byrjaðu smátt. Ef þú ert að vanmáta skaltu bæta við breidd eða dýpt. Ef þú ert að ofmá skaltu reglufesta eða minnka afkastagetu. Það er engin töfratöla; það eru bara staðfestingarferlar og þolinmæði [1].

Þarf ég alltaf GPU?

Ekki alltaf. Lítil líkön með hóflegum gögnum geta þjálfast á örgjörvum, en fyrir myndir, stór textalíkön eða stór gagnasöfn spara hröðlar mikinn tíma [1].

Af hverju segja menn að athygli sé öflug?

Vegna þess að athygli gerir líkönum kleift að einbeita sér að mikilvægustu hlutum inntaks án þess að fara nákvæmlega eftir röð. Hún nær yfir heildartengsl, sem er mikilvægt fyrir tungumál og fjölþætt verkefni [3].

Er „Hvað er tauganet í gervigreind?“ öðruvísi en „Hvað er djúpt nám“?

Djúpnám er víðtækari aðferð sem notar djúp tauganet. Þannig að að spyrja Hvað er tauganet í gervigreind? er eins og að spyrja um aðalpersónuna; djúpnám er öll myndin [1].

Hagnýt, örlítið álitleg ráð 💡

  • Kjósið frekar einfaldar grunnlínur fyrst. Jafnvel lítill fjöllaga skynjari getur sagt til um hvort gögnin séu læranleg.

  • Haltu gagnaleiðslum þínum endurtakanlega . Ef þú getur ekki keyrt þær aftur geturðu ekki treyst þeim.

  • Námshraða skiptir meira máli en þú heldur. Prófaðu áætlun. Upphitun getur hjálpað.

  • málamiðlanir varðandi stærð hópa . Stærri hópar stöðuga stigul en gætu alhæft á annan hátt.

  • Þegar ruglað er saman tapsferlum og þyngdarnormum . Þú myndir undrast hversu oft svarið er í myndritunum.

  • Skráðu forsendur. Framtíðarþú gleymir hlutum - hratt [1, 2].

Djúpköfunarleið: hlutverk gagna, eða hvers vegna rusl inn þýðir samt rusl út 🗑️➡️✨

Tauganet laga ekki gallaða gögn með töfrum. Skekkt merki, mistök í skýringum eða þröngt úrtak mun allt enduróma í gegnum líkanið. Veldu, endurskoðaðu og bættu við. Og ef þú ert ekki viss um hvort þú þarft meiri gögn eða betra líkan, þá er svarið oft pirrandi einfalt: bæði - en byrjaðu á gæðum gagnanna [1].

„Hvað er tauganet í gervigreind?“ - stuttar skilgreiningar sem þú getur endurnýtt 🧾

  • Tauganet er lagskipt fallnálgun sem lærir flókin mynstur með því að aðlaga þyngdir með því að nota stigulsmerki [1, 2].

  • Þetta er kerfi sem breytir inntaki í úttak í gegnum ólínuleg skref, þjálfuð til að lágmarka tap [1].

  • Þetta er sveigjanleg, gagnasækin líkanaaðferð sem þrífst á ómótuðu inntaki eins og myndum, texta og hljóði [1, 2, 3].

Of langt, las ekki og lokaorð 🎯

Ef einhver spyr þig hvað tauganet er í gervigreind, þá er þetta stutta atriðið: tauganet er stafli af einföldum einingum sem umbreyta gögnum skref fyrir skref, læra umbreytinguna með því að lágmarka tap og fylgja stigulum. Þau eru öflug vegna þess að þau stækka, læra eiginleika sjálfkrafa og geta táknað mjög flókin föll [1, 4]. Þau eru áhættusöm ef þú hunsar gagnagæði, stjórnun eða eftirlit [5]. Og þau eru ekki galdur. Bara stærðfræði, útreikningar og góð verkfræði - með smá smekkvísi.

Frekari lestur, vandlega valinn (aukaefni án heimilda)

Heimildir

[1] Goodfellow, I., Bengio, Y., og Courville, A. Djúpnám . MIT Press. Ókeypis útgáfa á netinu: lesa meira.

[2] Stanford CS231n. Fölnunartauganet fyrir sjónræna greiningu (námskeiðsglósur): lesa meira

[3] Vaswani, A., Shazeer, N., Parmar, N., o.fl. (2017). Athygli er allt sem þú þarft . NeurIPS. arXiv: lesa meira.

[4] Cybenko, G. (1989). Nálgun með ofursetningum á sigmóíðfalli . Mathematics of Control, Signals and Systems , 2, 303–314. Springer: lesa meira.

[5] NIST. Rammi áhættustýringar fyrir gervigreind (AI RMF) : lesa meira

Finndu nýjustu gervigreindina í opinberu versluninni fyrir gervigreindaraðstoðarmenn

Um okkur

Til baka á bloggið