Нейросеть Рисует По Тексту Онлайн

Нейросеть Рисует По Тексту Онлайн Автор: Пол К. Хэннон
"Нью-Йорк Таймс", 28 июня 2000 г.
НЬЮ-ЙОРК. Компьютер, который рисует нейронные сети из текста, является прорывом в области искусственного интеллекта и может помочь ученым создать компьютеры, способные обучаться быстрее, чем это делают люди.
Это называется "искусственная нейронная сеть", или сокращенно ANN, и она была разработана исследователями из Массачусетского технологического института и других организаций для автоматического рисования изображений из текстов в Интернете.
ANNS предназначены для имитации того, как мозг обрабатывает информацию. Они основаны на простой идее: Если у вас есть набор нейронов, соединенных вместе проводами, то каждый нейрон может посылать сигналы другим нейронам при возникновении определенных условий.
"Мы показали, как мы можем использовать эту концепцию в качестве строительного блока ... чтобы любой алгоритм машинного обучения мог воспользоваться преимуществами этих идей", - сказал Дэвид Сильвер, профессор электротехники, который является одним из главных исследователей проекта. Он не принимал участия в разработке технологии.
Нейронная сеть - это, по сути, набор взаимосвязанных нейронов. Каждый узел представляет некоторый тип (например, букву или цифру) точки данных; его соединения представляют отношения между узлами. Цель здесь состоит в том, чтобы просто сделать так, чтобы все эти соединения выглядели так, как будто они были нарисованы случайным образом, независимо от их значения.
На самом деле, большинство людей думают о них как о нарисованных в соответствии с каким-то детерминированным правилом. Но если вы посмотрите на то, что происходит в процессе обучения нейронной сети, то увидите, что случайности не существует.
Вместо этого каждый раз, когда в вашу сеть поступает новый ввод, происходит что-то другое. Это означает, что вместо того, чтобы рисовать что-то только потому, что кто-то сказал ему / ей, что он должен, его система на самом деле будет достаточно усердно пытаться выяснить, какие входные данные ведут куда, прежде чем принимать решения о том, должно ли что-то произойти дальше.
Это имеет смысл интуитивно, поскольку наш мозг работает лучше всего, когда ему дают много вещей, но мало указаний. Это также объясняет, почему многие алгоритмы, используемые сегодня, полагаются на правила, а не на необработанный опыт.
Но в то время как большая часть исследовательских усилий сосредоточена на создании более совершенных алгоритмов, другой подход может оказаться еще более полезным, а именно, использование существующих знаний для более быстрого построения моделей.
Например, эксперты часто говорят, что они знают все необходимое для заблаговременного прогнозирования погоды. Но иногда действительно важно точно знать, КОГДА НАЧНЕТСЯ ЗИМА.
Вот тут-то и появляются Энны.