Вы когда-нибудь задумывались, как мы можем использовать алгоритмы для распознавания изображений или, тем более, выявления закономерностей? Достаточно безумно, мы берем компьютер и внедряем в него определенных человеческих персонажей. Прежде чем мы пришли к решениям, позволяющим компьютеру выполнять эти задачи, мы полагали, что лучший способ решить эту проблему — смоделировать мыслительный процесс компьютера так же, как человеческий мозг. И с этой концепцией появилась нейронная сеть.
Наш мозг использует связь, посылая электрические сигналы от нейрона к нейрону через крошечные пространства, называемые синапсами. Эти нейроны посылают сигналы друг другу настолько точно и соответствующим образом, что способны формировать конкретное сообщение от мозга, сообщающее телу, как реагировать. Точно так же нейронная сеть состоит из слоев нейронов, каждый из которых содержит определенный «заряд», который при соединении с другим нейроном (через путь слоев связи) создает путь особого значения, относящийся к определенному конечному результату.
Скажем, нам нужно запрограммировать алгоритм, позволяющий компьютеру распознавать заданное числовое изображение. Чтобы сделать это, нам понадобится набор небольших уникальных паттернов, которые когда-то соединятся и укажут на написанное число. Кроме того, мы должны понимать, что распознавание изображений имеет дело со значениями пикселей RGBA, поэтому нашим нейронам должны быть присвоены заряды (или значения) в зависимости от яркости конкретных пикселей изображения. Для начала предположим, что нам сказали распознать цифру «7» на данном изображении. Наши входные данные сначала обнаружат определенный шаблон из пикселей, который соответствует определенной части числа «7». Основываясь на изображении ниже, входные нейроны распознают шаблон, который представляет собой линию, составляющую верхнюю часть числа семь.
После инициализации этой базовой отправной точки нейроны используют скрытые слои связи, чтобы проверить другие части числа 7, которые подключаются к входу. Во время этого процесса «синапсу» или пути, по которому входы соединяются со скрытыми слоями и т. д., присваивается значение, которое рассчитывается путем получения произведения нейронов. Этот продукт по сути является значением идентификатора для определенной части изображения, которую распознает компьютер. Процесс заканчивается, когда вход и все слои соединены и указывают на определенный выход, который в нашем случае будет числом «7».
Так вот оно. Несмотря на то, что при распознавании изображений необходимо учитывать еще много сложностей и факторов, это общее понимание того, как ведет себя нейронная сеть. Для более сложных изображений количество скрытых слоев может увеличиваться в геометрической прогрессии. В конце концов, мы пытаемся смоделировать мозг, который, возможно, является самой сложной системой во всем мире.
