रोबोट और स्मार्ट कंप्यूटर का मनोविज्ञान: यह कैसे काम करता है और इसे कहां सीखना है। यैंडेक्स पर मैक्सिम मुसिन का व्याख्यान

कारों को पहले से ही पता है कि तस्वीरों में चेहरे कैसे खोजने हैं, एक वीडियो स्ट्रीम में आतंकवादियों की तलाश करें, ग्रंथों का अनुवाद करें और ध्वनि कमांड को समझें। मस्तिष्क की संरचना की नकल करने वाले तंत्रिका नेटवर्क किसी भी जटिल एल्गोरिथ्म का एक प्राथमिक टुकड़ा है। व्याख्यान से आप जानेंगे कि यह सब समीकरणों, असमानताओं और व्युत्पत्तियों से कैसे जुड़ा है, हाल ही में क्या दिलचस्प खोजें हुई हैं, और यह भी कि अब एक दिन प्रोग्रामिंग शुरू करने के लायक क्या है, रोबोट के मनोविज्ञान में एक विशेषज्ञ बन गया है।











यदि आप फिल्म "टर्मिनेटर" और उन तकनीकों को याद करते हैं, जो कहानी में इस्तेमाल किए गए साइबरबोर्ग हैं, तो तंत्रिका नेटवर्क को सिंगल आउट करना संभव होगा, और इंटेलिजेंस के बाहरी स्रोत (स्काईनेट), और कंप्यूटर विज़न, और ध्वनि पहचान के साथ वायरलेस संचार की संभावना, विभिन्न भाषाओं को समझना। स्क्रीन पर फिल्म की रिलीज के समय, यह सब बिल्कुल शानदार था, दूर के भविष्य की प्रौद्योगिकियां। लेकिन आज, इनमें से अधिकांश प्रौद्योगिकियां एक या दूसरे रूप में कार्यान्वित की जाती हैं। आइए जानने की कोशिश करें कि उपरोक्त में से कौन सा पहले से उपयोग में है।







ऊपर की तस्वीर में आप पूरी तरह से स्वायत्त मान्यता एल्गोरिदम का परिणाम देख सकते हैं। तस्वीर में लगभग सभी वस्तुओं को सही ढंग से पहचाना जाता है। आवाज की पहचान के लिए, आजकल लगभग हर स्मार्टफोन मालिक ने उनका सामना किया है: जीपीएस नेविगेटर के लिए खोज प्रश्नों और वॉइस कमांड का वॉयस इनपुट अब असामान्य नहीं है। एक सांख्यिकीय मॉडल में परिवर्तन के लिए धन्यवाद, मशीन अनुवाद प्रौद्योगिकियां भी पिछले कुछ दशकों में बहुत आगे बढ़ गई हैं और हमारे जीवन में कसकर प्रवेश किया है। ज्यादातर मामलों में, ये प्रौद्योगिकियां डेटा ट्रांसफर का उपयोग एक ऐसे सर्वर में करती हैं जो डेटा को किसी अन्य तरीके से पहचानता, अनुवाद या संसाधित करता है। ताकि बाहरी बुद्धि के साथ वायरलेस संचार पहले से ही लागू हो गया है और व्यापक रूप से उपयोग किया जाता है।



लेकिन हम "टर्मिनेटर" से दूर चले जाते हैं और यह निर्धारित करने की कोशिश करते हैं कि कृत्रिम बुद्धिमत्ता का क्या मतलब है, और किस बिंदु पर हम आत्मविश्वास से कह सकते हैं कि मशीन एक व्यक्ति के साथ बुद्धि में बराबर है। प्रसिद्ध ट्यूरिंग परीक्षण तुरंत ध्यान में आता है, जिसमें एक व्यक्ति को यह निर्धारित करने की आवश्यकता होती है कि वह किसके साथ संवाद करता है: किसी व्यक्ति या मशीन के साथ।

स्मार्ट कंप्यूटर कैसे काम करते हैं

मानव की सोच मस्तिष्क के न्यूरॉन्स के नेटवर्क के आधार पर बनाई गई है। इन न्यूरॉन्स ने वैज्ञानिकों को एक कृत्रिम न्यूरॉन बनाने के लिए प्रेरित किया। एक कृत्रिम न्यूरॉन अलग-अलग वजन के साथ कई मूल्यों को प्राप्त करता है, जो आने वाले कनेक्शन के महत्व पर निर्भर करता है। एक न्यूरॉन एक भारित योग करता है और एक अनुमानित मूल्य देता है और कुछ निर्णय लेता है:







यदि हम तीन-आयामी अंतरिक्ष में बिंदुओं के एक वर्गीकरण के रूप में एक न्यूरॉन की कल्पना करते हैं, तो प्रत्येक बिंदु के लिए जिसका भार योग सकारात्मक है, यह 1 का मान देगा, और उन बिंदुओं के लिए जिनका भार योग ऋणात्मक है, -1 का मान। मान लीजिए कि हमारे पास दो इनपुट के साथ एक न्यूरॉन है, तो भारित योग विमान में एक सीधी रेखा का समीकरण होगा।







यदि सिग्नल लाइन के दाईं ओर है, तो यह नीला हो जाता है, और अगर बाईं ओर - लाल। एक न्यूरॉन प्लस में प्लेन का एक हिस्सा और माइनस में प्लेन का एक हिस्सा रंग देता है। इस प्रकार, हमारे पास कृत्रिम न्यूरॉन्स को प्रशिक्षित करने का एक तरीका है। मान लीजिए कि हमारे पास कुछ निश्चित बिंदु हैं जिनके बारे में हमें पता है कि वे प्लस या माइनस हैं। हम अपना न्यूरॉन लेते हैं और वज़न में हेरफेर करके हमें हर बार एक नया विमान समीकरण मिलता है। और हम विमान के इस समीकरण का चयन करते हैं ताकि सभी नीले बिंदु रेखा के एक तरफ हों, और सभी लाल बिंदु दूसरे पर हों।







यदि हम भाग्यशाली हैं, तो हम उन्हें समान रूप से विभाजित करने में सक्षम होंगे ताकि कोई भी बिंदु गलत पक्ष पर न रहे। लेकिन यह हमेशा ऐसा नहीं होता है, इसलिए हमें यह सुनिश्चित करने का प्रयास करना चाहिए कि एक तरफ अधिक नीले डॉट्स हैं, और दूसरे पर - अधिक लाल। हम गणित के दृष्टिकोण से इसका वर्णन करने का प्रयास करेंगे। फ़ंक्शन मैक्सिमा के लिए गणित अच्छी तरह से खोज करने में सक्षम है, जिसके लिए उस बिंदु को खोजना आवश्यक है जहां व्युत्पन्न शून्य है। हम एक सिग्मॉइड ले सकते हैं - हमारे संकेतक के करीब एक फ़ंक्शन, लेकिन जिसमें से हम व्युत्पन्न निकाल सकते हैं। हमारी समस्या को हल करने के लिए गणितीय विश्लेषण की पूरी शक्ति का इस्तेमाल किया जा सकता है।







यदि हम सही मानों के लिए y और इनपुट मानों के लिए x _i लेते हैं, तो हमें ऐसा वर्ग मिल सकता है:







हम इस फ़ंक्शन को अलग कर सकते हैं, जिसका अर्थ है कि हम इसकी न्यूनतम पा सकते हैं, क्योंकि यह एक त्रुटि है - भविष्यवाणियों से वास्तविक मूल्यों का विचलन। तो आप एक न्यूरॉन को प्रशिक्षित कर सकते हैं जो बिंदुओं को काफी अच्छी तरह से अलग करता है।



इस एल्गोरिथ्म के लिए धन्यवाद, बहुत अच्छे परिणाम प्राप्त हुए, विशेष रूप से, पत्र मान्यता में। मान लीजिए कि हमारे पास पाँच कोशिकाओं में से पाँच का एक ग्रिड है - पच्चीस कोशिकाएँ। प्रत्येक सेल के लिए, हम गणना कर सकते हैं कि सेल का कितना प्रतिशत भरा हुआ है। परिणामस्वरूप 25 मान एक न्यूरॉन के इनपुट को खिलाया जाता है। हमारे एल्गोरिथ्म के अनुसार एक न्यूरॉन को प्रशिक्षित करके, हम वर्णमाला के सभी अक्षरों को पहचान सकते हैं।







हालाँकि, यह सब तब तक ही काम करता है जब तक कि अक्षर बिल्कुल ग्रिड में हों। बहुत सारे पत्र व्यवस्था विकल्पों के कारण, एल्गोरिथ्म अब मान्यता के साथ सामना नहीं कर सकता है। इस समस्या को कैसे हल करें? पहली बात जो दिमाग में आती है, वह ग्रिड के बजाय अक्षरों के लिए कुछ विशिष्ट संकेतों के एक सेट का उपयोग करने की कोशिश करना है। हम पत्र को 25 पिक्सेल के रूप में नहीं, बल्कि उन विशेषताओं के एक सेट के रूप में देखेंगे, जो मोड़ से स्वतंत्र हैं। उदाहरण के लिए, इसे एक ग्राफ के रूप में मानें, पहली डिग्री, दूसरी डिग्री, तीसरी डिग्री के कोने को बाहर खींचकर, साइकिल को बाहर निकाल दें।

तंत्रिका नेटवर्क

यदि हम तीन मान लेते हैं और उनमें से प्रत्येक को पहली परत के तीन न्यूरॉन्स के लिए भेजते हैं, तो उनमें से प्रत्येक भारित राशि की गणना करेगा, सिग्मॉइड की गणना करेगा और इसे अगली परत पर पुनर्निर्देशित करेगा, परिणामस्वरूप, वे सभी आउटपुट न्यूरॉन पर एकत्र करेंगे, जो अनुमानित मूल्य का निर्माण करेगा। इसकी आवश्यकता क्यों है? हमारा मस्तिष्क इस तरह व्यवस्थित होता है: न्यूरॉन्स एक दूसरे से जुड़े होते हैं, उनकी इनपुट और आउटपुट शाखाएं होती हैं। यह लगभग निम्नलिखित तरीके से सिखाया जाता है:







व्याख्यान को अंत तक देखते हुए, आप सीखेंगे कि तंत्रिका नेटवर्क कैसे प्रशिक्षित होते हैं, उनके पास क्या आर्किटेक्चर है, मटन क्यों अच्छा है, और फंकन और भी अच्छा है, सेलुलर ऑटोमेटा क्या हैं और वे रोबोट को कैसे प्रशिक्षित करते हैं।