Sieci neuronowe: zastosowania w świecie rzeczywistym

Sieci neuronowe znajdują szerokie zastosowanie w obszarach, w których tradycyjne komputery nie radzą sobie zbyt dobrze. Na przykład w przypadku stwierdzeń problemów, w których zamiast zaprogramowanych wyników chcesz, aby system uczył się, dostosowywał i zmieniał wyniki zsynchronizowane z danymi, które na niego rzucasz. Sieci neuronowe również znajdują rygorystyczne zastosowania , gdy mówimy o radzeniu sobie z zaszumionymi lub niekompletnymi danymi. I szczerze mówiąc, większość dostępnych tam danych jest rzeczywiście zaszumiona.
Dzięki podobnej do mózgu zdolności do uczenia się i adaptacji, sieci neuronowe stanowią całą podstawę i mają zastosowanie w sztucznej inteligencji, a co za tym idzie, algorytmach uczenia maszynowego. Zanim przejdziemy do tego, w jaki sposób sieci neuronowe zasilają sztuczną inteligencję, najpierw porozmawiajmy trochę o tym, czym dokładnie jest sztuczna inteligencja.
Przez najdłuższy możliwy czas słowo „inteligencja” kojarzyło się właśnie z ludzkim mózgiem. Ale wtedy coś się stało! Naukowcy znaleźli sposób na trenowanie komputerów, postępując zgodnie z metodologią, którą stosuje nasz mózg. W ten sposób pojawiła się Sztuczna Inteligencja, którą zasadniczo można zdefiniować jako inteligencję pochodzącą z maszyn. Mówiąc prościej, uczenie maszynowe to po prostu zapewnienie maszynom możliwości „myślenia”, „uczenia się” i „adaptacji”.
Mając tak wiele do powiedzenia i zrobione, konieczne jest zrozumienie, jakie dokładnie są przypadki użycia sztucznej inteligencji i w jaki sposób sieci neuronowe pomagają w przyczynie. Przyjrzyjmy się aplikacjom sieci neuronowych w różnych domenach – od mediów społecznościowych i zakupów online , przez finanse osobiste , aż po inteligentnego asystenta w telefonie .
Należy pamiętać, że lista ta nie jest w żaden sposób wyczerpująca, ponieważ zastosowania sieci neuronowych są szeroko rozpowszechnione. Zasadniczo wszystko, co sprawia, że ​​maszyny się uczą, to wdrażanie jednego lub drugiego rodzaju sieci neuronowej .

Media społecznościowe

Stale rosnący zalew danych otaczający media społecznościowe daje twórcom tych platform wyjątkową okazję do korzystania z nieograniczonej ilości danych, które posiadają. Nic dziwnego, że co dwa tygodnie zobaczysz nową funkcję. Można śmiało powiedzieć, że wszystko to byłoby jak odległy sen bez sieci neuronowych , które mogłyby uratować sytuację.
Przewodnik dla początkujących do zrozumienia języka naturalnego

Sieci neuronowe i ich algorytmy uczenia się znajdują szerokie zastosowanie w świecie mediów społecznościowych. Zobaczmy jak:

Facebook

Gdy tylko prześlesz dowolne zdjęcie do Facebooka, usługa automatycznie podświetli twarze i poprosi znajomych o tagowanie. Jak błyskawicznie rozpoznaje, który z Twoich znajomych jest na zdjęciu?
Odpowiedź jest prosta – sztuczna inteligencja. W filmie przedstawiającym badania Facebooka nad sztuczną inteligencją omawiają zastosowania sieci neuronowych do zasilania ich oprogramowania do rozpoznawania twarzy. Facebook intensywnie inwestuje w tym obszarze, nie tylko w ramach organizacji, ale także poprzez przejęcia startupów zajmujących się rozpoznawaniem twarzy, takich jak Face.com (nabyty w 2012 roku za rzekomo 60 mln USD), Masquerade (nabyty w 2016 roku za nieujawnioną kwotę), oraz Facjometria (nabyta w 2016 r. za nieujawnioną kwotę).

W czerwcu 2016 r. Facebook ogłosił nową inicjatywę sztucznej inteligencji, która wykorzystuje różne głębokie sieci neuronowe, takie jak DeepText – silnik sztucznej inteligencji, który potrafi zrozumieć treść tekstową tysięcy postów na sekundę z niemal ludzką dokładnością.

Instagram

Instagram, przejęty przez Facebooka w 2012 roku, wykorzystuje głębokie uczenie się, wykorzystując połączenie powtarzających się sieci neuronowych do identyfikacji kontekstowego znaczenia emotikonów – które stopniowo zastępują slangi (na przykład śmiejące się emotikony może zastąpić „rofl” ).
Poprzez algorytmiczne identyfikowanie nastrojów za emotikonami, Instagram tworzy i automatycznie sugeruje emotikony i hashtagi związane z emotikonami. Może się to wydawać drobnym zastosowaniem sztucznej inteligencji, ale możliwość interpretacji i analizy tego tłumaczenia emoji na tekst na większą skalę stanowi podstawę do dalszej analizy tego, w jaki sposób ludzie korzystają z Instagrama.

Pinterest

Pinterest korzysta z wizji komputerowej – kolejnej aplikacji sieci neuronowych , w której uczymy komputery „widzieć” jak człowiek, aby automatycznie identyfikować obiekty na obrazach (lub „szpilkach”, jak to nazywają), a następnie polecać wizualnie podobne szpilki. Inne zastosowania sieci neuronowych na Pintereście obejmują zapobieganie spamowi, wyszukiwanie i wykrywanie, wydajność reklam i monetyzację oraz marketing e-mailowy.
Generowanie języka naturalnego: najważniejsze rzeczy, które musisz wiedzieć

Zakupy online

Czy znajdujesz się w sytuacjach, w których masz zamiar coś kupić, ale ostatecznie kupujesz o wiele więcej, niż planowano, dzięki niesamowitym rekomendacjom?
Tak, obwiniaj za to sieci neuronowe . Wykorzystując sieć neuronową i jej wiedzę, giganci e-commerce tworzą systemy sztucznej inteligencji, które znają Cię lepiej niż Ty. Zobaczmy jak:

Szukaj

Twoje wyszukiwania w Amazon („słuchawki”, „kamień do pizzy”, „ładowarka do laptopa” itp.) zwracają listę najbardziej odpowiednich produktów związanych z wyszukiwaniem, bez marnowania czasu. W opisie swojej technologii wyszukiwania produktów Amazon stwierdza, że ​​jego algorytmy uczą się automatycznie łączyć wiele istotnych funkcji. Wykorzystuje przeszłe wzorce i dostosowuje się do tego, co jest ważne dla danego klienta.
A co sprawia, że ​​algorytmy „uczą się”? Dobrze zgadłeś – Sieci neuronowe !

Zalecenia

Amazon wyświetla rekomendacje za pomocą swoich „klientów, którzy oglądali ten przedmiot, oglądali również”, „klienci, którzy kupili ten przedmiot, kupili również”, a także za pośrednictwem wyselekcjonowanych rekomendacji na Twojej stronie głównej, na dole stron przedmiotów oraz w wiadomościach e-mail. Amazon wykorzystuje sztuczne sieci neuronowe do trenowania swoich algorytmów w celu poznania wzorców i zachowań użytkowników. To z kolei pomaga Amazonowi dostarczać jeszcze lepsze i spersonalizowane rekomendacje.

Bankowość/Finanse osobiste

Sprawdź depozyty przez telefon

Większość dużych banków eliminuje potrzebę fizycznego dostarczania czeków przez klientów, oferując możliwość deponowania czeków za pośrednictwem aplikacji na smartfony . Technologie, które obsługują te aplikacje, wykorzystują sieci neuronowe do odszyfrowywania i przekształcania pisma ręcznego na kontrolach na tekst. Zasadniczo sieci neuronowe znajdują się w centrum każdej aplikacji wymagającej rozpoznawania pisma ręcznego/mowy/obrazu.

Zapobieganie oszustwom

Jak instytucja finansowa może ustalić oszukańczą transakcję? W większości przypadków dzienna wielkość transakcji jest zbyt duża, aby można ją było sprawdzić ręcznie. Aby w tym pomóc, sztuczna inteligencja jest wykorzystywana do tworzenia systemów, które poprzez szkolenie uczą się, jakie rodzaje transakcji są fałszywe (mów uczenie się, mów o sieciach neuronowych !).
FICO – firma, która tworzy ratingi kredytowe wykorzystywane do określania zdolności kredytowej, wykorzystuje sieci neuronowe do zasilania swojej sztucznej inteligencji w celu przewidywania nieuczciwych transakcji. Czynniki, które wpływają na ostateczną wydajność sztucznej sieci neuronowej, obejmują częstotliwość i wielkość transakcji oraz rodzaj zaangażowanego sprzedawcy.
Miej oko na następną wielką rzecz: uczenie maszynowe

Zasilanie telefonów komórkowych

Głos na tekst

Jedną z najczęstszych funkcji współczesnych smartfonów jest konwersja głosu na tekst. Wystarczy nacisnąć przycisk lub wypowiedzieć konkretną frazę (na przykład „Ok Google”), aby zacząć mówić do telefonu, a telefon konwertuje dźwięk na tekst. Google wykorzystuje sztuczne sieci neuronowe w powtarzalnym połączeniu, aby usprawnić wyszukiwanie głosowe. Microsoft twierdzi również, że opracował system rozpoznawania mowy – wykorzystujący sieci neuronowe , który może transkrybować rozmowy nieco dokładniej niż ludzie.

Inteligentni asystenci osobiści

Ponieważ technologia zamiany głosu na tekst staje się wystarczająco dokładna, aby polegać na podstawowych rozmowach, zmienia się w interfejs sterowania dla nowej generacji asystentów osobistych. Początkowo istnieli prostsi asystenci telefoniczni – Siri i Google Now (teraz zastąpili bardziej wyrafinowanego Asystenta Google), którzy potrafili wyszukiwać w Internecie, ustawiać przypomnienia i integrować się z Twoim kalendarzem. Amazon rozszerzył ten model, zapowiadając uzupełniające się komponenty sprzętowe i programowe – Alexa i Echo (później Dot).

Jaka jest różnica między Data Science, Machine Learning i Big Data?

Owinąć…
Tylko zarysowaliśmy powierzchnię, jeśli chodzi o zastosowania sieci neuronowych w codziennym życiu. Określone branże i domeny mają określone interakcje ze sztuczną inteligencją, wykorzystując sieci neuronowe, co znacznie wykracza poza to, o czym mowa w tym artykule. Na przykład szachiści regularnie używają silników szachowych do analizowania swoich partii, doskonalenia się i ćwiczenia nowych taktyk – i jest rzeczą oczywistą, że silnik szachowy, o którym mowa, wykorzystuje sieci neuronowe , aby przeprowadzić naukę.

Ucz się kursów ML online z najlepszych światowych uniwersytetów. Zdobywaj programy Masters, Executive PGP lub Advanced Certificate Programy, aby przyspieszyć swoją karierę.
Czy masz jakiś inny interesujący przypadek użycia sieci neuronowych w prawdziwym życiu, który moglibyśmy przeoczyć? Wrzuć to w komentarzach poniżej!