Нейронные сети: приложения в реальном мире

Нейронные сети находят широкое применение в тех областях, где традиционные компьютеры не слишком хороши. Например, для постановки задач, когда вместо запрограммированных выходных данных вы хотите, чтобы система обучалась, адаптировалась и изменяла результаты синхронно с данными, которые вы ей подбрасываете. Нейронные сети также находят строгое применение всякий раз, когда мы говорим о работе с зашумленными или неполными данными. И, честно говоря, большая часть представленных данных действительно зашумлена.
Обладая способностью к обучению и адаптации, подобной мозгу, нейронные сети составляют всю основу и находят применение в искусственном интеллекте и, следовательно, в алгоритмах машинного обучения. Прежде чем мы перейдем к тому, как нейронные сети влияют на искусственный интеллект, давайте сначала немного поговорим о том, что такое искусственный интеллект.
Долгое время слово «интеллект» ассоциировалось только с человеческим мозгом. Но потом что-то случилось! Ученые нашли способ обучать компьютеры, следуя методологии, которую использует наш мозг. Так появился искусственный интеллект, который можно определить как интеллект, созданный машинами. Проще говоря, машинное обучение просто предоставляет машинам возможность «думать», «учиться» и «адаптироваться».
Учитывая так много сказано и сделано, крайне важно понять, каковы именно варианты использования ИИ и как нейронные сети помогают делу. Давайте углубимся в применение нейронных сетей в различных областях — от социальных сетей и интернет-магазинов до личных финансов и, наконец, умного помощника на вашем телефоне .
Вы должны помнить, что этот список никоим образом не является исчерпывающим, так как приложения нейронных сетей широко распространены. По сути, все, что заставляет машины учиться, — это развертывание того или иного типа нейронной сети .

Социальные сети

Постоянно растущий поток данных, окружающий социальные сети, дает создателям этих платформ уникальную возможность баловаться с неограниченными данными, которые у них есть. Неудивительно, что каждые две недели вы видите новую функцию. Справедливо будет сказать, что все это было бы далеким сном без нейронных сетей , чтобы спасти положение.
Руководство для начинающих по пониманию естественного языка

Нейронные сети и их алгоритмы обучения находят широкое применение в мире социальных сетей. Давайте посмотрим, как:

Фейсбук

Как только вы загружаете любую фотографию на Facebook, сервис автоматически выделяет лица и предлагает друзьям отметить. Как он мгновенно определяет, кто из ваших друзей на фото?
Ответ прост – искусственный интеллект. В видео , посвященном исследованиям Facebook в области искусственного интеллекта, они обсуждают применение нейронных сетей для поддержки своего программного обеспечения для распознавания лиц. Facebook вкладывает значительные средства в эту область не только внутри организации, но и путем приобретения стартапов по распознаванию лиц, таких как Face.com (приобретен в 2012 году, по слухам, за 60 миллионов долларов), Masquerade (приобретен в 2016 году, сумма не разглашается), и Faciometrics (приобретена в 2016 г., сумма не разглашается).

В июне 2016 года Facebook объявил о новой инициативе искусственного интеллекта, в которой используются различные глубокие нейронные сети , такие как DeepText — механизм искусственного интеллекта, который может понимать текстовое содержание тысяч сообщений в секунду с точностью, близкой к человеческой.

Инстаграм

Instagram, приобретенный Facebook еще в 2012 году, использует глубокое обучение, используя соединение рекуррентных нейронных сетей для определения контекстуального значения смайлика , который постепенно заменяет сленг (например, смеющийся смайлик может заменить «rofl»). ).
Алгоритмически определяя чувства, стоящие за смайликами, Instagram создает и автоматически предлагает смайлики и связанные с ними хэштеги. Это может показаться второстепенным применением ИИ, но возможность интерпретировать и анализировать этот перевод смайликов в текст в более широком масштабе закладывает основу для дальнейшего анализа того, как люди используют Instagram.

Пинтерест

Pinterest использует компьютерное зрение — еще одно применение нейронных сетей , где мы учим компьютеры «видеть» как человек, чтобы автоматически идентифицировать объекты на изображениях (или «булавки», как они это называют), а затем рекомендовать визуально похожие булавки. Другие приложения нейронных сетей в Pinterest включают предотвращение спама, поиск и обнаружение, эффективность рекламы и монетизацию, а также маркетинг по электронной почте.
Генерация естественного языка: главное, что вам нужно знать

Онлайн покупки

Сталкивались ли вы с ситуациями, когда вы собирались что-то купить, но в итоге купили намного больше, чем планировали, благодаря каким-то супер-крутым рекомендациям?
Да, вините в этом нейронные сети . Используя нейронную сеть и ее знания, гиганты электронной коммерции создают системы искусственного интеллекта, которые знают вас лучше, чем вы сами. Давайте посмотрим, как:

Поиск

Ваши поисковые запросы на Amazon («наушники», «камень для пиццы», «зарядное устройство для ноутбука» и т. д.) возвращают список наиболее релевантных продуктов, связанных с вашим поиском, не теряя много времени. В описании своей технологии поиска продуктов Amazon заявляет, что ее алгоритмы автоматически обучаются сочетать несколько соответствующих функций. Он использует прошлые шаблоны и адаптируется к тому, что важно для клиента.
И что заставляет алгоритмы «учиться»? Вы правильно догадались — нейронные сети !

Рекомендации

Amazon показывает вам рекомендации, используя свои «клиенты, которые просматривали этот товар, также просматривали», «клиенты, которые купили этот товар, также купили», а также через кураторские рекомендации на вашей домашней странице, в нижней части страниц товаров и по электронной почте. Amazon использует искусственные нейронные сети для обучения своих алгоритмов изучению моделей и поведения своих пользователей. Это, в свою очередь, помогает Amazon предоставлять еще более качественные и индивидуальные рекомендации.

Банковское дело/Личные финансы

Проверяйте депозиты через мобильный телефон

Большинство крупных банков устраняют необходимость для клиентов физически доставлять чеки в банк, предлагая возможность депонирования чеков через приложение для смартфона . Технологии, лежащие в основе этих приложений, используют нейронные сети для расшифровки и преобразования рукописного текста на чеках в текст. По сути, нейронные сети лежат в основе любого приложения , требующего распознавания рукописного текста, речи или изображений.

Предотвращение мошенничества

Как финансовая организация может определить мошенническую транзакцию? В большинстве случаев ежедневный объем транзакций слишком велик, чтобы его можно было просмотреть вручную. Чтобы помочь в этом, искусственный интеллект используется для создания систем, которые посредством обучения узнают, какие типы транзакций являются мошенническими (говорите обучение, говорите Нейронные сети !).
FICO — компания, которая создает кредитные рейтинги, которые используются для определения кредитоспособности, использует нейронные сети для обеспечения их искусственного интеллекта для прогнозирования мошеннических транзакций. Факторы, влияющие на конечный результат искусственной нейронной сети, включают частоту и размер транзакции, а также тип вовлеченного продавца.
Следите за следующей большой вещью: машинное обучение

Питание ваших мобильных телефонов

Голос в текст

Одной из наиболее распространенных сегодня функций смартфонов является преобразование голоса в текст. Просто нажав кнопку или произнеся определенную фразу (например, «Окей, Google»), вы можете начать говорить со своим телефоном, и ваш телефон преобразует звук в текст. Google использует искусственные нейронные сети в периодическом подключении к мощному голосовому поиску. Microsoft также утверждает, что разработала систему распознавания речи с использованием нейронных сетей , которая может расшифровывать разговоры немного точнее, чем люди.

Умные персональные помощники

Поскольку технология преобразования голоса в текст становится достаточно точной, чтобы на нее можно было положиться в основных разговорах, она превращается в интерфейс управления для нового поколения персональных помощников. Изначально были более простые телефонные помощники — Siri и Google Now (теперь их сменил более сложный Google Assistant), которые могли выполнять поиск в Интернете, устанавливать напоминания и интегрироваться с вашим календарем. Amazon расширил эту модель, объявив о дополнительных аппаратных и программных компонентах — Alexa и Echo (позже Dot).

В чем разница между наукой о данных, машинным обучением и большими данными?

Обернуть…
Мы только коснулись поверхности, когда дело доходит до применения нейронных сетей в повседневной жизни. Определенные отрасли и области имеют специфическое взаимодействие с искусственным интеллектом, используя нейронные сети, что выходит далеко за рамки того, о чем говорится в этой статье. Например, шахматисты регулярно используют шахматные движки для анализа своей игры, самосовершенствования и отработки новых тактик — и само собой разумеется, что рассматриваемый шахматный движок использует нейронные сети для выполнения обучения.

Изучайте курсы машинного обучения онлайн в лучших университетах мира. Заработайте программы Masters, Executive PGP или Advanced Certificate Programs, чтобы ускорить свою карьеру.
Есть ли у вас какой-нибудь другой интересный пример использования нейронных сетей в реальной жизни, который мы могли пропустить? Оставьте это в комментариях ниже!