Нейронная сеть в области машинного обучения не только стоит того, чтобы знать технические особенности алгоритма, но также может помочь лучше понять нас самих.
Почему нейронные сети?
Начав заниматься наукой о данных, я узнал о различных основных вещах ML, но одна вещь, которая действительно привлекла мое внимание, помимо глубоко укоренившейся основы в математике, была, когда я узнал об искусственной нейронной сети.
Разработка алгоритма, имитирующего человеческий мозг, чтобы, наконец, попытаться создать машины, которые могут думать и проводить когнитивный анализ, как люди, — это то, что я считаю достойным изучения.
Немного обо мне :)
Меня всегда больше привлекает область исследования, когда я всегда могу связать ее с повседневной жизнью или когда я могу приобрести некоторые жизненные навыки и лучше понять себя из изучаемой темы, независимо от того, насколько научна или техническая тема. является. Итак, я попытался написать об этой нейронной сети и аналогии с жизнью.
PS: Кроме того, это может показаться очень очевидной интерпретацией нейронных сетей, но да, я просто хотел написать об этом, так как мне это понравилось :)
Нейроны и веса
В нейронных сетях есть входной слой и несколько взаимосвязанных скрытых слоев, которые в конечном итоге производят выходной сигнал. Именно это и происходит в нашем мозгу, в любой момент времени миллионы нейронов всегда возбуждаются, давая нам множество мыслей и идей.
Каждое решение, которое мы принимаем, является продуктом некоторых взаимосвязанных мыслей (активированных нейронов) с присвоенными им весами. Таким образом, в конечном итоге все сводится к весам, которые помогают активировать любой конкретный нейрон, вносящий вклад в скрытую сеть, которая работает, чтобы активировать последнюю мысль, которая побуждает к действию.
Обучение:
Присвоение весов узлам подчеркивает важность "фокуса". Фокус — это то, что движет нашими мечтами и амбициями и помогает нам их реализовать.
Почти каждый триггер/мысль всегда не прост, но может быть укоренен в каком-то прошлом, недавнем событии или предчувствии будущего. Тип триггера/мысли, которому мы придаем большее значение, мозг активирует похожие мысли и пытается сформировать несколько скрытых слоев между ними, присваивая веса и таким образом привлекая все наше внимание к этой конкретной мысли, что в конечном итоге приводит к действию.
Так что у нас может быть только одна мысль, и мозг построит на ней целое королевство. Удивительно, верно?
Обратное распространение ошибок
Обратное распространение – это процесс, связанный с обучением нейронной сети, которыйвключает в себя получение частоты ошибок нейронной сети прямого распространения и передачу этих потерь назад через слои нейронной сети для точной настройки. веса.
Нейронная сеть обучается и совершенствуется, распространяя ошибку обратно на нейроны, вносящие вклад, и, следовательно, изменяя первоначальный вес.
Обучение:
Мы, люди, созданы привычками и тренировками. Как и любая модель машинного обучения, которая становится лучше при обучении с помощью хороших входных данных, мы, люди, тоже являемся продуктом обучения любому конкретному навыку, пока не станем лучше в нем. И любой тренировочный процесс — это не всегда линейный путь, а полный проб и ошибок, пока мы не овладеем этим навыком.
Это подводит нас к тому факту, что жизнь нужно жить вперед, оглядываясь назад, или, как точно описано в знаменитой цитате Стива Джобса: «вы не можете соединить точки, глядя вперед; вы можете соединить их, только оглядываясь назад».
Мы лучше оглядываемся на свои ошибки и учимся на них, корректируя наши убеждения и будущие действия с учетом предстоящих событий, пока не станем нашей лучшей версией. Мы сами являемся моделью машинного обучения с продолжающимся обучением, и чем больше мы используем это обратное распространение ошибок и знаний, тем лучше мы становимся в том, что мы тренируем.
Человеческий мозг — красота!
Область глубокого обучения дает много жизненных уроков, если мы просто остановимся и задумаемся. Концепция присвоения весов сама по себе дает нам сверхспособность, которая называется силой внимания. Если мы сознательно не придаем большого веса (важности) некоторым сработавшим нейронам, они никогда не будут вносить вклад в окончательное уравнение действия.
Это может быть отличным инструментом для преодоления или исцеления какой-то прошлой травмы, потому что, если мы уделяем минимальное внимание этим болезненным воспоминаниям, они перестают существовать, как будто их почти никогда не было и не было. Магия, верно?
Наш мозг в основном представляет собой проекционные устройства, выделяющие мысли на основе какого-то внутреннего уравнения, как в нейронных сетях, но, в отличие от искусственных нейронных сетей, мы, люди, обладаем способностью различать, когда мы можем думать о наших запускающих мыслях и перефокусировать наше внимание.
Самое удивительное в людях то, что у нас есть эта творческая энергия, которой не хватает этим моделям искусственных нейронных сетей или любым другим видам. У нас есть сила воображать, исследовать и развивать мир своей мечты, а не просто выживать и погибать.
И мы так хорошо понимаем эту красоту нашего мозга, что пытаемся разработать его, потому что, черт возьми, это чудо инженерной мысли в действии и заслуживает празднования, и что может быть лучше, чем посвятить всей области исследования к его воспроизведению? И, возможно, именно это также удерживает меня в этой увлекательной области искусственного интеллекта и машинного обучения.
