Facebook готов за 13 минут рассказать все, что вам нужно знать о машинном обучении

Технологические гиганты, такие как Facebook, Google, Microsoft и IBM считают, что в скором времени ИИ будет следующим по популярности после мобильных устройств. Поэтому для ускорения прогресса в этой области Facebook хочет расширить сообщество компаний, знающих и применяющих искусственный интеллект в своей работе.

Facebook публикует свои исследования в области искусственного интеллекта и машинного обучения, выступает на конференциях, делает свое программное обеспечение open sourse проектами, и всё это ради разоблачения мифов об ИИ и ускорения его развития. Сегодня, например, в своем блоге компания выпустила шесть коротких видео, призванных помочь разработчикам, ученым и простым людям разобраться в наиболее важных аспектах искусственного интеллекта.

Введение в ИИ (2 минуты и 40 секунд)

Объяснение того, как можно заставить машины думать:

Машинное обучение (4 минуты и 17 секунд)

Машинное обучение использует модели, основанные на нейронных сетях, созданных с использованием таких библиотек, как Tensorflow (кстати, благодаря ей Google удалось добиться 94% точности распознавания объектов на картинках), Torch или Caffe. Такие сети можно натренировать, вместо того, чтобы программировать их для каких-то специфических задач, например, для распознавания и интерпретации текста, видео и картинок. Нейронная сеть – это вычислительная система, созданная из нескольких простых взаимосвязанных элементов, которые обрабатывают информацию, опираясь на свои динамические ответные реакции на внешние входные данные. Кстати, мы рассказывали, как всего за четыре шага освоить основные аспекты проектирования нейронных сетей

Наполнение данными универсальных алгоритмов модели учит эту модель оперировать данными без программирования. Так, например, чтобы натренировать модель переводить с русского на английский, нужно подавать в нее входные данные, пока точность перевода не будет достаточно высокой.

Градиентный спуск (2 минуты и 30 секунд)

Градиентный спуск — метод нахождения локального экстремума (минимума или максимума) с помощью движения вдоль градиента. В следующем видео подробно рассказывается об этом методе:

Глубинное обучение (1 минута и 3 секунды)

В классическом машинном обучении алгоритм тренируется на размеченной выборке, в то время как преимущество глубинного обучения в самостоятельной тренировке искусственного интеллекта.

Метод обратного распространения ошибки (1 минута и 42 секунды)

Идея заключается в распространении коэффициента ошибки (вычисленного в шаге обучения), используемого для пересчета весов связей, в обратном направлении по всем слоям сети.

Свёрточная нейронная сеть (1 минута и 50 секунд)

Свёрточная нейронная сеть — специальная архитектура искусственных нейронных сетей, созданная для эффективного распознавания изображений.

Мы рассказывали о различных видах нейронных сетей, в том числе сверточных сетях, и их применениях в отдельной статье.

Также мы можем посоветовать к прочтению серию постов из блога Адама Гейджи (Adam Geitgey) под названием “Machine Learning Is Fun!”