മെഷീൻ ലേണിംഗ് ബബിൾ പൊട്ടിത്തെറിച്ചോ, അതോ ഒരു പുതിയ പ്രഭാതത്തിന്റെ തുടക്കമാണോ?

അടുത്തിടെ പുറത്തിറങ്ങിയത് ഒരു ലേഖനം, ഇത് സമീപ വർഷങ്ങളിൽ മെഷീൻ ലേണിംഗിൽ നല്ല പ്രവണത കാണിക്കുന്നു. ചുരുക്കത്തിൽ: കഴിഞ്ഞ രണ്ട് വർഷമായി മെഷീൻ ലേണിംഗ് സ്റ്റാർട്ടപ്പുകളുടെ എണ്ണം കുത്തനെ ഇടിഞ്ഞു.

നന്നായി. "കുമിള പൊട്ടിയിട്ടുണ്ടോ", "എങ്ങനെ ജീവിക്കണം" എന്നിവ നോക്കാം, ഈ സ്ക്വിഗിൾ ആദ്യം എവിടെ നിന്നാണ് വരുന്നത് എന്നതിനെക്കുറിച്ച് സംസാരിക്കാം.

ആദ്യം, ഈ വക്രത്തിന്റെ ബൂസ്റ്റർ എന്തായിരുന്നു എന്നതിനെക്കുറിച്ച് സംസാരിക്കാം. അവൾ എവിടെ നിന്നാണ് വന്നത്? അവർ മിക്കവാറും എല്ലാം ഓർക്കും വിജയം 2012-ൽ ഇമേജ് നെറ്റ് മത്സരത്തിൽ മെഷീൻ ലേണിംഗ്. എല്ലാത്തിനുമുപരി, ഇത് ആദ്യത്തെ ആഗോള സംഭവമാണ്! എന്നാൽ വാസ്തവത്തിൽ ഇത് അങ്ങനെയല്ല. കൂടാതെ വളവിന്റെ വളർച്ച അല്പം മുമ്പേ ആരംഭിക്കുന്നു. ഞാൻ അതിനെ പല പോയിന്റുകളായി വിഭജിക്കും.

1. 2008 "ബിഗ് ഡാറ്റ" എന്ന പദത്തിന്റെ ഉദയം കണ്ടു. യഥാർത്ഥ ഉൽപ്പന്നങ്ങൾ ആരംഭിച്ചു ദൃശ്യമാകുക 2010 മുതൽ. ബിഗ് ഡാറ്റ മെഷീൻ ലേണിംഗുമായി നേരിട്ട് ബന്ധപ്പെട്ടിരിക്കുന്നു. വലിയ ഡാറ്റയില്ലാതെ, അക്കാലത്ത് നിലനിന്നിരുന്ന അൽഗോരിതങ്ങളുടെ സ്ഥിരമായ പ്രവർത്തനം അസാധ്യമാണ്. ഇവ ന്യൂറൽ നെറ്റ്‌വർക്കുകളല്ല. 2012 വരെ, ന്യൂറൽ നെറ്റ്‌വർക്കുകൾ നാമമാത്ര ന്യൂനപക്ഷത്തിന്റെ സംരക്ഷണമായിരുന്നു. എന്നാൽ പിന്നീട് തികച്ചും വ്യത്യസ്തമായ അൽഗോരിതങ്ങൾ പ്രവർത്തിക്കാൻ തുടങ്ങി, അത് വർഷങ്ങളായി അല്ലെങ്കിൽ പതിറ്റാണ്ടുകളായി നിലനിന്നിരുന്നു: എസ്.വി.എം.(1963,1993), റാൻഡം ഫോറസ്റ്റ് (1995), അഡാബൂസ്റ്റ് (2003),... ആ വർഷങ്ങളിലെ സ്റ്റാർട്ടപ്പുകൾ പ്രാഥമികമായി ഘടനാപരമായ ഡാറ്റയുടെ സ്വയമേവയുള്ള പ്രോസസ്സിംഗുമായി ബന്ധപ്പെട്ടിരിക്കുന്നു: ക്യാഷ് രജിസ്റ്ററുകൾ, ഉപയോക്താക്കൾ, പരസ്യം ചെയ്യൽ, കൂടുതൽ.

   XGBoost, CatBoost, LightGBM മുതലായ ചട്ടക്കൂടുകളുടെ ഒരു കൂട്ടമാണ് ഈ ആദ്യ തരംഗത്തിന്റെ ഒരു ഡെറിവേറ്റീവ്.

2. 2011-2012 ൽ കൺവല്യൂഷണൽ ന്യൂറൽ നെറ്റ്‌വർക്കുകൾ നിരവധി ഇമേജ് റെക്കഗ്നിഷൻ മത്സരങ്ങളിൽ വിജയിച്ചു. അവയുടെ യഥാർത്ഥ ഉപയോഗം അൽപ്പം വൈകി. വൻതോതിൽ അർത്ഥവത്തായ സ്റ്റാർട്ടപ്പുകളും പരിഹാരങ്ങളും 2014 ൽ പ്രത്യക്ഷപ്പെട്ടു തുടങ്ങി എന്ന് ഞാൻ പറയും. ന്യൂറോണുകൾ ഇപ്പോഴും പ്രവർത്തിക്കുന്നുണ്ടെന്ന് ദഹിപ്പിക്കാൻ രണ്ട് വർഷമെടുത്തു, ന്യായമായ സമയത്ത് ഇൻസ്റ്റാൾ ചെയ്യാനും സമാരംഭിക്കാനും കഴിയുന്ന സൗകര്യപ്രദമായ ചട്ടക്കൂടുകൾ സൃഷ്ടിക്കാനും ഒത്തുചേരൽ സമയം സ്ഥിരപ്പെടുത്തുകയും വേഗത്തിലാക്കുകയും ചെയ്യുന്ന രീതികൾ വികസിപ്പിക്കാൻ.

   കൺവല്യൂഷണൽ നെറ്റ്‌വർക്കുകൾ കമ്പ്യൂട്ടർ കാഴ്ച പ്രശ്നങ്ങൾ പരിഹരിക്കുന്നത് സാധ്യമാക്കി: ചിത്രത്തിലെ ചിത്രങ്ങളുടെയും വസ്തുക്കളുടെയും വർഗ്ഗീകരണം, ഒബ്ജക്റ്റ് കണ്ടെത്തൽ, വസ്തുക്കളെയും ആളുകളെയും തിരിച്ചറിയൽ, ഇമേജ് മെച്ചപ്പെടുത്തൽ മുതലായവ.

3. 2015-2017. ആവർത്തിച്ചുള്ള നെറ്റ്‌വർക്കുകൾ അല്ലെങ്കിൽ അവയുടെ അനലോഗുകൾ (LSTM, GRU, TransformerNet മുതലായവ) അടിസ്ഥാനമാക്കിയുള്ള അൽഗോരിതങ്ങളുടെയും പ്രോജക്റ്റുകളുടെയും ബൂം. നന്നായി പ്രവർത്തിക്കുന്ന സ്പീച്ച്-ടു-ടെക്സ്റ്റ് അൽഗോരിതങ്ങളും മെഷീൻ ട്രാൻസ്ലേഷൻ സിസ്റ്റങ്ങളും പ്രത്യക്ഷപ്പെട്ടു. അടിസ്ഥാന സവിശേഷതകൾ എക്‌സ്‌ട്രാക്‌റ്റുചെയ്യുന്നതിന് അവ ഭാഗികമായി കൺവല്യൂഷണൽ നെറ്റ്‌വർക്കുകളെ അടിസ്ഥാനമാക്കിയുള്ളതാണ്. വളരെ വലുതും നല്ലതുമായ ഡാറ്റാസെറ്റുകൾ ശേഖരിക്കാൻ ഞങ്ങൾ പഠിച്ചത് ഭാഗികമായി കാരണം.

“കുമിള പൊട്ടിയോ? ഹൈപ്പ് അമിതമായി ചൂടായോ? അവർ ഒരു ബ്ലോക്ക്ചെയിൻ ആയിട്ടാണോ മരിച്ചത്?"
അല്ലെങ്കിൽ! നാളെ സിരി നിങ്ങളുടെ ഫോണിൽ പ്രവർത്തിക്കുന്നത് നിർത്തും, നാളത്തെ പിറ്റേന്ന് ടെസ്‌ലയ്ക്ക് ഒരു തിരിവും കംഗാരുവും തമ്മിലുള്ള വ്യത്യാസം അറിയില്ല.

ന്യൂറൽ നെറ്റ്‌വർക്കുകൾ ഇതിനകം പ്രവർത്തിക്കുന്നു. അവ ഡസൻ കണക്കിന് ഉപകരണങ്ങളിലാണ്. പണം സമ്പാദിക്കാനും വിപണിയെയും നിങ്ങളുടെ ചുറ്റുമുള്ള ലോകത്തെയും മാറ്റാൻ അവർ നിങ്ങളെ ശരിക്കും അനുവദിക്കുന്നു. ഹൈപ്പ് അല്പം വ്യത്യസ്തമായി കാണപ്പെടുന്നു:

ന്യൂറൽ നെറ്റ്‌വർക്കുകൾ ഇപ്പോൾ പുതിയ ഒന്നല്ല എന്ന് മാത്രം. അതെ, പലർക്കും വലിയ പ്രതീക്ഷകളുണ്ട്. എന്നാൽ ധാരാളം കമ്പനികൾ ന്യൂറോണുകൾ ഉപയോഗിക്കാനും അവയെ അടിസ്ഥാനമാക്കി ഉൽപ്പന്നങ്ങൾ നിർമ്മിക്കാനും പഠിച്ചു. ന്യൂറോണുകൾ പുതിയ പ്രവർത്തനം നൽകുന്നു, ജോലികൾ വെട്ടിക്കുറയ്ക്കാനും സേവനങ്ങളുടെ വില കുറയ്ക്കാനും നിങ്ങളെ അനുവദിക്കുന്നു:

• ഉൽപ്പാദന ലൈൻ തകരാറുകൾ വിശകലനം ചെയ്യുന്നതിനായി ഉൽപ്പാദന കമ്പനികൾ അൽഗോരിതങ്ങൾ സമന്വയിപ്പിക്കുന്നു.
• പശുക്കളെ നിയന്ത്രിക്കാനുള്ള സംവിധാനങ്ങൾ കന്നുകാലി ഫാമുകൾ വാങ്ങുന്നു.
• യാന്ത്രിക സംയോജനം.
• ഓട്ടോമേറ്റഡ് കോൾ സെന്ററുകൾ.
• SnapChat-ലെ ഫിൽട്ടറുകൾ. (നന്നായി, ഉപയോഗപ്രദമായ എന്തെങ്കിലും!)

എന്നാൽ പ്രധാന കാര്യം, ഏറ്റവും വ്യക്തമല്ല: "ഇനി പുതിയ ആശയങ്ങളൊന്നുമില്ല, അല്ലെങ്കിൽ അവ തൽക്ഷണ മൂലധനം കൊണ്ടുവരില്ല." ന്യൂറൽ നെറ്റ്‌വർക്കുകൾ ഡസൻ കണക്കിന് പ്രശ്നങ്ങൾ പരിഹരിച്ചു. അവർ കൂടുതൽ തീരുമാനിക്കുകയും ചെയ്യും. നിലവിലുണ്ടായിരുന്ന എല്ലാ വ്യക്തമായ ആശയങ്ങളും നിരവധി സ്റ്റാർട്ടപ്പുകൾക്ക് കാരണമായി. എന്നാൽ ഉപരിതലത്തിലുള്ളതെല്ലാം ഇതിനകം ശേഖരിച്ചിരുന്നു. കഴിഞ്ഞ രണ്ട് വർഷമായി, ന്യൂറൽ നെറ്റ്‌വർക്കുകളുടെ ഉപയോഗത്തിനായി ഒരു പുതിയ ആശയം പോലും ഞാൻ കണ്ടിട്ടില്ല. ഒരു പുതിയ സമീപനം പോലുമില്ല (ശരി, GAN-കളിൽ കുറച്ച് പ്രശ്‌നങ്ങളുണ്ട്).

പിന്നീടുള്ള ഓരോ സ്റ്റാർട്ടപ്പും കൂടുതൽ സങ്കീർണ്ണമാണ്. ഓപ്പൺ ഡാറ്റ ഉപയോഗിച്ച് ഒരു ന്യൂറോണിനെ പരിശീലിപ്പിക്കുന്ന രണ്ട് ആൺകുട്ടികൾ ഇതിന് ഇനി ആവശ്യമില്ല. ഇതിന് പ്രോഗ്രാമർമാർ, ഒരു സെർവർ, മാർക്കറുകളുടെ ഒരു ടീം, സങ്കീർണ്ണമായ പിന്തുണ മുതലായവ ആവശ്യമാണ്.

തൽഫലമായി, സ്റ്റാർട്ടപ്പുകൾ കുറവാണ്. എന്നാൽ കൂടുതൽ ഉത്പാദനം ഉണ്ട്. ലൈസൻസ് പ്ലേറ്റ് തിരിച്ചറിയൽ ചേർക്കേണ്ടതുണ്ടോ? വിപണിയിൽ പ്രസക്തമായ അനുഭവപരിചയമുള്ള നൂറുകണക്കിന് സ്പെഷ്യലിസ്റ്റുകൾ ഉണ്ട്. നിങ്ങൾക്ക് ഒരാളെ നിയമിക്കാം, ഏതാനും മാസങ്ങൾക്കുള്ളിൽ നിങ്ങളുടെ ജീവനക്കാരൻ ഈ സംവിധാനം ഉണ്ടാക്കും. അല്ലെങ്കിൽ റെഡിമെയ്ഡ് വാങ്ങുക. എന്നാൽ പുതിയൊരു സ്റ്റാർട്ടപ്പ് ചെയ്യുന്നുണ്ടോ?.. ഭ്രാന്തൻ!

നിങ്ങൾ ഒരു സന്ദർശക ട്രാക്കിംഗ് സിസ്റ്റം സൃഷ്ടിക്കേണ്ടതുണ്ട് - 3-4 മാസത്തിനുള്ളിൽ നിങ്ങൾക്ക് സ്വന്തമായി നിർമ്മിക്കാൻ കഴിയുമ്പോൾ ഒരു കൂട്ടം ലൈസൻസുകൾക്കായി പണമടയ്ക്കുന്നത് എന്തുകൊണ്ട്, നിങ്ങളുടെ ബിസിനസ്സിനായി ഇത് മൂർച്ച കൂട്ടുക.

ഡസൻ കണക്കിന് മറ്റ് സാങ്കേതികവിദ്യകൾ കടന്നുപോയ അതേ പാതയിലൂടെയാണ് ഇപ്പോൾ ന്യൂറൽ നെറ്റ്‌വർക്കുകൾ പോകുന്നത്.

1995 മുതൽ "വെബ്‌സൈറ്റ് ഡെവലപ്പർ" എന്ന ആശയം എങ്ങനെ മാറിയെന്ന് നിങ്ങൾ ഓർക്കുന്നുണ്ടോ? മാർക്കറ്റ് ഇതുവരെ സ്പെഷ്യലിസ്റ്റുകളാൽ പൂരിതമല്ല. വളരെ കുറച്ച് പ്രൊഫഷണലുകൾ ഉണ്ട്. എന്നാൽ 5-10 വർഷത്തിനുള്ളിൽ ഒരു ജാവ പ്രോഗ്രാമറും ന്യൂറൽ നെറ്റ്‌വർക്ക് ഡെവലപ്പറും തമ്മിൽ വലിയ വ്യത്യാസമില്ലെന്ന് എനിക്ക് വാതുവെക്കാം. വിപണിയിൽ രണ്ട് സ്പെഷ്യലിസ്റ്റുകളും മതിയാകും.

ന്യൂറോണുകൾക്ക് പരിഹരിക്കാൻ കഴിയുന്ന ഒരു കൂട്ടം പ്രശ്നങ്ങൾ ഉണ്ടാകും. ഒരു ടാസ്ക് ഉയർന്നു - ഒരു സ്പെഷ്യലിസ്റ്റിനെ നിയമിക്കുക.

"അടുത്തത് എന്താണ്? വാഗ്ദാനം ചെയ്യപ്പെട്ട ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് എവിടെ?”

എന്നാൽ ഇവിടെ ചെറുതും എന്നാൽ രസകരവുമായ ഒരു തെറ്റിദ്ധാരണയുണ്ട് :)

ഇന്ന് നിലനിൽക്കുന്ന സാങ്കേതിക ശേഖരം, പ്രത്യക്ഷത്തിൽ, കൃത്രിമബുദ്ധിയിലേക്ക് നമ്മെ നയിക്കില്ല. ആശയങ്ങളും അവയുടെ പുതുമയും ഏറെക്കുറെ ക്ഷീണിച്ചിരിക്കുന്നു. വികസനത്തിന്റെ നിലവിലെ നിലവാരം എന്താണെന്ന് നമുക്ക് സംസാരിക്കാം.

നിയന്ത്രണങ്ങൾ

നമുക്ക് സ്വയം ഓടിക്കുന്ന കാറുകളിൽ നിന്ന് ആരംഭിക്കാം. ഇന്നത്തെ സാങ്കേതികവിദ്യ ഉപയോഗിച്ച് പൂർണ്ണമായും സ്വയംഭരണ കാറുകൾ നിർമ്മിക്കാൻ കഴിയുമെന്ന് വ്യക്തമായി തോന്നുന്നു. എന്നാൽ എത്ര വർഷത്തിനുള്ളിൽ ഇത് സംഭവിക്കുമെന്ന് വ്യക്തമല്ല. രണ്ട് വർഷത്തിനുള്ളിൽ ഇത് സംഭവിക്കുമെന്ന് ടെസ്‌ല വിശ്വസിക്കുന്നു -

വേറെയും പലരും ഉണ്ട് സ്പെഷ്യലിസ്റ്റുകൾ5-10 വർഷമായി കണക്കാക്കുന്നവർ.

മിക്കവാറും, എന്റെ അഭിപ്രായത്തിൽ, 15 വർഷത്തിനുള്ളിൽ നഗരങ്ങളുടെ അടിസ്ഥാന സൗകര്യങ്ങൾ സ്വയം മാറുന്ന തരത്തിൽ സ്വയംഭരണ കാറുകളുടെ ആവിർഭാവം അനിവാര്യമാകുകയും അതിന്റെ തുടർച്ചയായി മാറുകയും ചെയ്യും. എന്നാൽ ഇത് ബുദ്ധിയായി കണക്കാക്കാനാവില്ല. ഡാറ്റ ഫിൽട്ടർ ചെയ്യുന്നതിനും തിരയുന്നതിനും വീണ്ടും പരിശീലനം നൽകുന്നതിനുമുള്ള വളരെ സങ്കീർണ്ണമായ പൈപ്പ്ലൈനാണ് ആധുനിക ടെസ്ല. ഇവയാണ് നിയമങ്ങൾ-നിയമങ്ങൾ-നിയമങ്ങൾ, ഡാറ്റ ശേഖരണം, അവയുടെ മേൽ ഫിൽട്ടറുകൾ (ഇവിടെ ഇവിടെ ഞാൻ ഇതിനെക്കുറിച്ച് കുറച്ചുകൂടി എഴുതി, അല്ലെങ്കിൽ കാണുക ഇത് മാർക്ക്).

ആദ്യത്തെ പ്രശ്നം

ഇവിടെയാണ് നമ്മൾ കാണുന്നത് ആദ്യത്തെ അടിസ്ഥാന പ്രശ്നം. വലിയ ഡാറ്റ. ന്യൂറൽ നെറ്റ്‌വർക്കുകളുടെയും മെഷീൻ ലേണിംഗിന്റെയും നിലവിലെ തരംഗത്തിന് ജന്മം നൽകിയത് ഇതാണ്. ഇക്കാലത്ത്, സങ്കീർണ്ണവും യാന്ത്രികവുമായ എന്തെങ്കിലും ചെയ്യാൻ, നിങ്ങൾക്ക് ധാരാളം ഡാറ്റ ആവശ്യമാണ്. ഒരുപാട് മാത്രമല്ല, വളരെ വളരെ. അവയുടെ ശേഖരണത്തിനും അടയാളപ്പെടുത്തലിനും ഉപയോഗത്തിനുമായി ഞങ്ങൾക്ക് ഓട്ടോമേറ്റഡ് അൽഗോരിതങ്ങൾ ആവശ്യമാണ്. കാർ സൂര്യനെ അഭിമുഖീകരിക്കുന്ന ട്രക്കുകൾ കാണാൻ ഞങ്ങൾ ആഗ്രഹിക്കുന്നു - ഞങ്ങൾ ആദ്യം അവയുടെ മതിയായ എണ്ണം ശേഖരിക്കണം. തുമ്പിക്കൈയിലേക്ക് ബോൾട്ട് ചെയ്ത സൈക്കിൾ ഉപയോഗിച്ച് കാർ ഭ്രാന്തനാകരുതെന്ന് ഞങ്ങൾ ആഗ്രഹിക്കുന്നു - കൂടുതൽ സാമ്പിളുകൾ.

മാത്രമല്ല, ഒരു ഉദാഹരണം മതിയാകില്ല. നൂറുകണക്കിന്? ആയിരക്കണക്കിന്?

രണ്ടാമത്തെ പ്രശ്നം

രണ്ടാമത്തെ പ്രശ്നം — നമ്മുടെ ന്യൂറൽ നെറ്റ്‌വർക്ക് മനസ്സിലാക്കിയതിന്റെ ദൃശ്യവൽക്കരണം. ഇത് വളരെ നിസ്സാരമല്ലാത്ത ഒരു ജോലിയാണ്. ഇത് എങ്ങനെ ദൃശ്യവൽക്കരിക്കാമെന്ന് ഇപ്പോൾ വരെ കുറച്ച് ആളുകൾക്ക് മനസ്സിലായി. ഈ ലേഖനങ്ങൾ വളരെ സമീപകാലമാണ്, വിദൂരമാണെങ്കിലും ഇവ ചില ഉദാഹരണങ്ങൾ മാത്രമാണ്:
ദൃശ്യവൽക്കരണം ടെക്സ്ചറുകളോടുള്ള അഭിനിവേശം. ന്യൂറോൺ എന്താണ് സ്ഥിരീകരിക്കാൻ ശ്രമിക്കുന്നതെന്ന് ഇത് നന്നായി കാണിക്കുന്നു + പ്രാരംഭ വിവരമായി അത് മനസ്സിലാക്കുന്നു.

ദൃശ്യവൽക്കരണം ശ്രദ്ധ വിവർത്തനങ്ങൾ. വാസ്തവത്തിൽ, അത്തരമൊരു നെറ്റ്‌വർക്ക് പ്രതികരണത്തിന് കാരണമായത് എന്താണെന്ന് കാണിക്കാൻ ആകർഷണം പലപ്പോഴും കൃത്യമായി ഉപയോഗിക്കാം. ഡീബഗ്ഗിംഗിനും ഉൽപ്പന്ന പരിഹാരങ്ങൾക്കുമായി ഞാൻ അത്തരം കാര്യങ്ങൾ കണ്ടിട്ടുണ്ട്. ഈ വിഷയത്തിൽ ധാരാളം ലേഖനങ്ങളുണ്ട്. എന്നാൽ കൂടുതൽ സങ്കീർണ്ണമായ ഡാറ്റ, ശക്തമായ ദൃശ്യവൽക്കരണം എങ്ങനെ നേടാം എന്ന് മനസിലാക്കാൻ കൂടുതൽ ബുദ്ധിമുട്ടാണ്.

ശരി, അതെ, "മെഷിനുള്ളിൽ എന്താണെന്ന് നോക്കൂ ഫിൽട്ടറുകൾ" ഈ ചിത്രങ്ങൾ 3-4 വർഷം മുമ്പ് ജനപ്രിയമായിരുന്നു, എന്നാൽ ചിത്രങ്ങൾ മനോഹരമാണെന്ന് എല്ലാവർക്കും പെട്ടെന്ന് മനസ്സിലായി, പക്ഷേ അവയ്ക്ക് വലിയ അർത്ഥമില്ല.

മറ്റ് ഡസൻ കണക്കിന് ഗാഡ്‌ജെറ്റുകൾ, രീതികൾ, ഹാക്കുകൾ, നെറ്റ്‌വർക്കിന്റെ ഉൾവശങ്ങൾ എങ്ങനെ പ്രദർശിപ്പിക്കാം എന്നതിനെക്കുറിച്ചുള്ള ഗവേഷണം എന്നിവ ഞാൻ പരാമർശിച്ചില്ല. ഈ ഉപകരണങ്ങൾ പ്രവർത്തിക്കുന്നുണ്ടോ? പ്രശ്നം എന്താണെന്ന് പെട്ടെന്ന് മനസ്സിലാക്കാനും നെറ്റ്‌വർക്ക് ഡീബഗ് ചെയ്യാനും അവർ നിങ്ങളെ സഹായിക്കുന്നുണ്ടോ?.. അവസാന ശതമാനം നേടണോ? ശരി, ഇത് ഏകദേശം സമാനമാണ്:

Kaggle-ൽ നിങ്ങൾക്ക് ഏത് മത്സരവും കാണാൻ കഴിയും. കൂടാതെ ആളുകൾ എങ്ങനെയാണ് അന്തിമ തീരുമാനങ്ങൾ എടുക്കുന്നത് എന്നതിന്റെ വിവരണവും. ഞങ്ങൾ 100-500-800 യൂണിറ്റ് മോഡലുകൾ അടുക്കി, അത് പ്രവർത്തിച്ചു!

ഞാൻ അതിശയോക്തിപരമാണ്, തീർച്ചയായും. എന്നാൽ ഈ സമീപനങ്ങൾ പെട്ടെന്നുള്ളതും നേരിട്ടുള്ളതുമായ ഉത്തരങ്ങൾ നൽകുന്നില്ല.

മതിയായ അനുഭവം ഉള്ളതിനാൽ, വ്യത്യസ്ത ഓപ്ഷനുകൾ ഉപയോഗിച്ച്, നിങ്ങളുടെ സിസ്റ്റം എന്തുകൊണ്ടാണ് ഇത്തരമൊരു തീരുമാനം എടുത്തത് എന്നതിനെക്കുറിച്ച് നിങ്ങൾക്ക് ഒരു വിധി പറയാൻ കഴിയും. എന്നാൽ സിസ്റ്റത്തിന്റെ പെരുമാറ്റം ശരിയാക്കാൻ ബുദ്ധിമുട്ടായിരിക്കും. ഒരു ക്രച്ച് ഇൻസ്റ്റാൾ ചെയ്യുക, ത്രെഷോൾഡ് നീക്കുക, ഒരു ഡാറ്റാസെറ്റ് ചേർക്കുക, മറ്റൊരു ബാക്കെൻഡ് നെറ്റ്‌വർക്ക് എടുക്കുക.

മൂന്നാമത്തെ പ്രശ്നം

മൂന്നാമത്തെ അടിസ്ഥാന പ്രശ്നം - ഗ്രിഡുകൾ സ്ഥിതിവിവരക്കണക്കുകൾ പഠിപ്പിക്കുന്നു, യുക്തിയല്ല. സ്ഥിതിവിവരക്കണക്കനുസരിച്ച് ഇത് മുഖം:

യുക്തിപരമായി, ഇത് വളരെ സാമ്യമുള്ളതല്ല. നിർബന്ധിതമല്ലെങ്കിൽ ന്യൂറൽ നെറ്റ്‌വർക്കുകൾ സങ്കീർണ്ണമായ ഒന്നും പഠിക്കില്ല. അവർ എപ്പോഴും സാധ്യമായ ഏറ്റവും ലളിതമായ അടയാളങ്ങൾ പഠിപ്പിക്കുന്നു. നിങ്ങൾക്ക് കണ്ണും മൂക്കും തലയും ഉണ്ടോ? അപ്പോൾ ഇതാണ് മുഖം! അല്ലെങ്കിൽ കണ്ണുകൾക്ക് മുഖം എന്നല്ല ഒരു ഉദാഹരണം നൽകുക. വീണ്ടും - ദശലക്ഷക്കണക്കിന് ഉദാഹരണങ്ങൾ.

അടിയിൽ ധാരാളം മുറികളുണ്ട്

ന്യൂറൽ നെറ്റ്‌വർക്കുകളുടെയും മെഷീൻ ലേണിംഗിന്റെയും വികസനം നിലവിൽ പരിമിതപ്പെടുത്തുന്നത് ഈ മൂന്ന് ആഗോള പ്രശ്‌നങ്ങളാണെന്ന് ഞാൻ പറയും. ഈ പ്രശ്നങ്ങൾ പരിമിതപ്പെടുത്താത്തയിടത്ത്, ഇത് ഇതിനകം സജീവമായി ഉപയോഗിക്കുന്നു.

ഇത് അവസാനമാണോ? ന്യൂറൽ നെറ്റ്‌വർക്കുകൾ ഉയർന്നതാണോ?

അജ്ഞാതം. പക്ഷേ, തീർച്ചയായും, എല്ലാവരും പ്രതീക്ഷിക്കുന്നില്ല.

ഞാൻ മുകളിൽ എടുത്തുകാണിച്ച അടിസ്ഥാന പ്രശ്നങ്ങൾ പരിഹരിക്കുന്നതിന് നിരവധി സമീപനങ്ങളും നിർദ്ദേശങ്ങളും ഉണ്ട്. എന്നാൽ ഇതുവരെ, ഈ സമീപനങ്ങളൊന്നും അടിസ്ഥാനപരമായി പുതിയ എന്തെങ്കിലും ചെയ്യാൻ, ഇതുവരെ പരിഹരിക്കപ്പെടാത്ത എന്തെങ്കിലും പരിഹരിക്കാൻ സാധ്യമാക്കിയിട്ടില്ല. ഇതുവരെ, എല്ലാ അടിസ്ഥാന പ്രോജക്റ്റുകളും സ്ഥിരമായ സമീപനങ്ങളുടെ (ടെസ്‌ല) അടിസ്ഥാനത്തിലാണ് ചെയ്യുന്നത്, അല്ലെങ്കിൽ ഇൻസ്റ്റിറ്റ്യൂട്ടുകളുടെയോ കോർപ്പറേഷനുകളുടെയോ (Google ബ്രെയിൻ, ഓപ്പൺഎഐ) പരീക്ഷണ പ്രോജക്റ്റുകളായി തുടരുന്നു.

ഏകദേശം പറഞ്ഞാൽ, ഇൻപുട്ട് ഡാറ്റയുടെ ഉയർന്ന തലത്തിലുള്ള പ്രാതിനിധ്യം സൃഷ്ടിക്കുക എന്നതാണ് പ്രധാന ദിശ. ഒരർത്ഥത്തിൽ, "ഓർമ്മ". മെമ്മറിയുടെ ഏറ്റവും ലളിതമായ ഉദാഹരണം വിവിധ "എംബെഡിംഗ്" ആണ് - ഇമേജ് പ്രാതിനിധ്യങ്ങൾ. ശരി, ഉദാഹരണത്തിന്, എല്ലാ മുഖം തിരിച്ചറിയൽ സംവിധാനങ്ങളും. റൊട്ടേഷൻ, ലൈറ്റിംഗ് അല്ലെങ്കിൽ റെസല്യൂഷൻ എന്നിവയെ ആശ്രയിക്കാത്ത ചില സ്ഥിരതയുള്ള പ്രാതിനിധ്യം ഒരു മുഖത്ത് നിന്ന് നേടാൻ നെറ്റ്‌വർക്ക് പഠിക്കുന്നു. അടിസ്ഥാനപരമായി, നെറ്റ്‌വർക്ക് "വ്യത്യസ്ത മുഖങ്ങൾ വളരെ അകലെയാണ്", "സമാന മുഖങ്ങൾ അടുത്താണ്" എന്ന മെട്രിക് കുറയ്ക്കുന്നു.

അത്തരം പരിശീലനത്തിന്, പതിനായിരക്കണക്കിന് ഉദാഹരണങ്ങൾ ആവശ്യമാണ്. എന്നാൽ ഫലം "വൺ-ഷോട്ട് ലേണിംഗ്" എന്നതിന്റെ ചില അടിസ്ഥാനങ്ങൾ വഹിക്കുന്നു. ഇപ്പോൾ ഒരു വ്യക്തിയെ ഓർക്കാൻ നൂറുകണക്കിന് മുഖങ്ങൾ ആവശ്യമില്ല. ഒരു മുഖം മാത്രം, ഞങ്ങൾ അത്രമാത്രം നമുക്ക് കണ്ടുപിടിക്കാം!
ഒരു പ്രശ്‌നമേ ഉള്ളൂ... ഗ്രിഡിന് വളരെ ലളിതമായ വസ്തുക്കൾ മാത്രമേ പഠിക്കാനാവൂ. മുഖങ്ങളല്ല, മറിച്ച്, ഉദാഹരണത്തിന്, "വസ്ത്രങ്ങളാൽ ആളുകൾ" (ടാസ്ക് വീണ്ടും തിരിച്ചറിയൽ) - ഗുണനിലവാരം പല ഓർഡറുകളാൽ കുറയുന്നു. നെറ്റ്‌വർക്കിന് കോണുകളിലെ വ്യക്തമായ മാറ്റങ്ങൾ പഠിക്കാൻ ഇനി കഴിയില്ല.

ദശലക്ഷക്കണക്കിന് ഉദാഹരണങ്ങളിൽ നിന്ന് പഠിക്കുന്നതും രസകരമാണ്.

തിരഞ്ഞെടുപ്പ് ഗണ്യമായി കുറയ്ക്കാനുള്ള പ്രവർത്തനമുണ്ട്. ഉദാഹരണത്തിന്, ഒരാൾക്ക് ആദ്യത്തെ സൃഷ്ടികളിലൊന്ന് ഉടനടി ഓർമ്മിക്കാൻ കഴിയും വൺഷോട്ട് പഠനം Google-ൽ നിന്ന്:

അത്തരം നിരവധി കൃതികൾ ഉണ്ട്, ഉദാഹരണത്തിന് 1 അഥവാ 2 അഥവാ 3.

ഒരേയൊരു മൈനസ് മാത്രമേയുള്ളൂ - സാധാരണയായി ചില ലളിതമായ, “MNIST” ഉദാഹരണങ്ങളിൽ പരിശീലനം നന്നായി പ്രവർത്തിക്കുന്നു. സങ്കീർണ്ണമായ ജോലികളിലേക്ക് നീങ്ങുമ്പോൾ, നിങ്ങൾക്ക് ഒരു വലിയ ഡാറ്റാബേസ്, ഒബ്ജക്റ്റുകളുടെ ഒരു മാതൃക അല്ലെങ്കിൽ ഏതെങ്കിലും തരത്തിലുള്ള മാജിക് ആവശ്യമാണ്.
പൊതുവേ, വൺ-ഷോട്ട് പരിശീലനത്തിലെ ജോലി വളരെ രസകരമായ ഒരു വിഷയമാണ്. നിങ്ങൾ ധാരാളം ആശയങ്ങൾ കണ്ടെത്തുന്നു. എന്നാൽ ഭൂരിഭാഗവും, ഞാൻ ലിസ്റ്റുചെയ്ത രണ്ട് പ്രശ്നങ്ങൾ (ഒരു വലിയ ഡാറ്റാസെറ്റിൽ മുൻകൂർ പരിശീലനം / സങ്കീർണ്ണമായ ഡാറ്റയിലെ അസ്ഥിരത) പഠനത്തെ വളരെയധികം തടസ്സപ്പെടുത്തുന്നു.

മറുവശത്ത്, GAN-കൾ-ജനറേറ്റീവ് എതിരാളി നെറ്റ്‌വർക്കുകൾ-എംബെഡിംഗിന്റെ വിഷയത്തെ സമീപിക്കുന്നു. ഈ വിഷയത്തിൽ ഹബ്രെയെക്കുറിച്ചുള്ള ഒരു കൂട്ടം ലേഖനങ്ങൾ നിങ്ങൾ വായിച്ചിരിക്കാം. (1, 2,3)
ഒരു ഇമേജ് വരയ്ക്കാൻ നിങ്ങളെ അനുവദിക്കുന്ന ചില ഇന്റേണൽ സ്റ്റേറ്റ് സ്‌പെയ്‌സിന്റെ രൂപീകരണമാണ് GAN-ന്റെ ഒരു സവിശേഷത (അതായത് അതേ എംബഡിംഗ്). അത് ആവാം മുഖങ്ങൾ, ആകാം പ്രവർത്തനം.

GAN-ന്റെ പ്രശ്നം, ജനറേറ്റഡ് ഒബ്ജക്റ്റ് കൂടുതൽ സങ്കീർണ്ണമാണ്, അതിനെ "ജനറേറ്റർ-വിവേചനം" യുക്തിയിൽ വിവരിക്കുന്നത് കൂടുതൽ ബുദ്ധിമുട്ടാണ്. തൽഫലമായി, GAN-ന്റെ യഥാർത്ഥ ആപ്ലിക്കേഷനുകളെക്കുറിച്ച് കേൾക്കുന്നത് DeepFake ആണ്, ഇത് വീണ്ടും, മുഖത്തെ പ്രതിനിധാനം കൈകാര്യം ചെയ്യുന്നു (ഇതിന് ഒരു വലിയ അടിത്തറയുണ്ട്).

മറ്റ് വളരെ കുറച്ച് ഉപയോഗപ്രദമായ ഉപയോഗങ്ങൾ ഞാൻ കണ്ടിട്ടുണ്ട്. സാധാരണയായി ചിത്രങ്ങളുടെ ഡ്രോയിംഗുകൾ പൂർത്തിയാക്കുന്നത് ഉൾപ്പെടുന്ന ഒരുതരം തന്ത്രമാണ്.

പിന്നെയും. ശോഭനമായ ഒരു ഭാവിയിലേക്ക് നീങ്ങാൻ ഇത് നമ്മെ എങ്ങനെ അനുവദിക്കുമെന്ന് ആർക്കും ഒരു ധാരണയുമില്ല. ഒരു ന്യൂറൽ നെറ്റ്‌വർക്കിൽ ലോജിക്/സ്പേസ് പ്രതിനിധീകരിക്കുന്നത് നല്ലതാണ്. എന്നാൽ നമുക്ക് ധാരാളം ഉദാഹരണങ്ങൾ ആവശ്യമാണ്, ന്യൂറോൺ ഇത് എങ്ങനെ പ്രതിനിധീകരിക്കുന്നുവെന്ന് ഞങ്ങൾക്ക് മനസ്സിലാകുന്നില്ല, ന്യൂറോണിനെ എങ്ങനെ സങ്കീർണ്ണമായ ചില ആശയങ്ങൾ ഓർമ്മിപ്പിക്കാമെന്ന് ഞങ്ങൾക്ക് മനസ്സിലാകുന്നില്ല.

ശക്തിപ്പെടുത്തൽ പഠനം - ഇത് തികച്ചും വ്യത്യസ്തമായ ദിശയിൽ നിന്നുള്ള ഒരു സമീപനമാണ്. Go-യിലെ എല്ലാവരേയും Google തോൽപ്പിച്ചതെങ്ങനെയെന്ന് നിങ്ങൾ തീർച്ചയായും ഓർക്കുന്നു. സ്റ്റാർക്രാഫ്റ്റിലെയും ഡോട്ടയിലെയും സമീപകാല വിജയങ്ങൾ. എന്നാൽ ഇവിടെ എല്ലാം വളരെ റോസിയും വാഗ്ദാനവും അല്ല. RL-നെക്കുറിച്ചും അതിന്റെ സങ്കീർണ്ണതകളെക്കുറിച്ചും അദ്ദേഹം നന്നായി സംസാരിക്കുന്നു ഈ ലേഖനം.

രചയിതാവ് എഴുതിയത് ചുരുക്കത്തിൽ സംഗ്രഹിക്കാൻ:

• ബോക്‌സിന് പുറത്തുള്ള മോഡലുകൾ മിക്ക കേസുകളിലും അനുയോജ്യമല്ല / മോശമായി പ്രവർത്തിക്കുന്നു
• പ്രായോഗിക പ്രശ്നങ്ങൾ മറ്റ് വഴികളിൽ പരിഹരിക്കാൻ എളുപ്പമാണ്. ബോസ്റ്റൺ ഡൈനാമിക്സ് അതിന്റെ സങ്കീർണ്ണത / പ്രവചനാതീതത / കമ്പ്യൂട്ടേഷണൽ സങ്കീർണ്ണത കാരണം RL ഉപയോഗിക്കുന്നില്ല.
• RL പ്രവർത്തിക്കുന്നതിന്, നിങ്ങൾക്ക് ഒരു സങ്കീർണ്ണമായ പ്രവർത്തനം ആവശ്യമാണ്. സൃഷ്ടിക്കാൻ/എഴുതാൻ പലപ്പോഴും ബുദ്ധിമുട്ടാണ്
• മോഡലുകളെ പരിശീലിപ്പിക്കാൻ ബുദ്ധിമുട്ടാണ്. പമ്പ് ചെയ്യാനും ലോക്കൽ ഒപ്റ്റിമയിൽ നിന്ന് പുറത്തുകടക്കാനും നിങ്ങൾ ധാരാളം സമയം ചെലവഴിക്കേണ്ടതുണ്ട്
• തൽഫലമായി, മോഡൽ ആവർത്തിക്കുന്നത് ബുദ്ധിമുട്ടാണ്, ചെറിയ മാറ്റങ്ങളോടെ മോഡൽ അസ്ഥിരമാണ്
• പലപ്പോഴും ക്രമരഹിതമായ ചില പാറ്റേണുകൾ, ഒരു റാൻഡം നമ്പർ ജനറേറ്റർ പോലും ഓവർഫിറ്റ് ചെയ്യുന്നു

RL ഇതുവരെ ഉൽപ്പാദനത്തിൽ പ്രവർത്തിക്കുന്നില്ല എന്നതാണ് പ്രധാന കാര്യം. ഗൂഗിളിന് ചില പരീക്ഷണങ്ങളുണ്ട് ( 1, 2 ). എന്നാൽ ഒരു ഉൽപ്പന്ന സംവിധാനം പോലും ഞാൻ കണ്ടിട്ടില്ല.

മെമ്മറി. മുകളിൽ വിവരിച്ച എല്ലാറ്റിന്റെയും പോരായ്മ ഘടനയുടെ അഭാവമാണ്. ന്യൂറൽ നെറ്റ്‌വർക്കിന് പ്രത്യേക മെമ്മറിയിലേക്കുള്ള ആക്‌സസ് നൽകുക എന്നതാണ് ഇതെല്ലാം വൃത്തിയാക്കാൻ ശ്രമിക്കുന്ന ഒരു സമീപനം. അതിലൂടെ അവൾക്ക് അവിടെയുള്ള അവളുടെ ചുവടുകളുടെ ഫലങ്ങൾ റെക്കോർഡ് ചെയ്യാനും മാറ്റിയെഴുതാനും കഴിയും. അപ്പോൾ ന്യൂറൽ നെറ്റ്വർക്ക് നിലവിലെ മെമ്മറി നില നിർണ്ണയിക്കാൻ കഴിയും. ഇത് ക്ലാസിക് പ്രോസസ്സറുകൾക്കും കമ്പ്യൂട്ടറുകൾക്കും വളരെ സാമ്യമുള്ളതാണ്.

ഏറ്റവും പ്രശസ്തവും ജനപ്രിയവും ഒരു ലേഖനം - DeepMind-ൽ നിന്ന്:

ബുദ്ധി മനസ്സിലാക്കുന്നതിനുള്ള താക്കോൽ ഇതാണെന്ന് തോന്നുന്നു? പക്ഷേ, ഒരുപക്ഷേ ഇല്ല. പരിശീലനത്തിനായി സിസ്റ്റത്തിന് ഇപ്പോഴും വലിയ അളവിലുള്ള ഡാറ്റ ആവശ്യമാണ്. ഇത് പ്രധാനമായും ഘടനാപരമായ ടാബുലാർ ഡാറ്റയിൽ പ്രവർത്തിക്കുന്നു. മാത്രമല്ല, എപ്പോൾ ഫേസ്ബുക്ക് തീരുമാനിച്ചു സമാനമായ ഒരു പ്രശ്നം, തുടർന്ന് അവർ "സ്ക്രൂ മെമ്മറി, ന്യൂറോണിനെ കൂടുതൽ സങ്കീർണ്ണമാക്കുക, കൂടുതൽ ഉദാഹരണങ്ങൾ നൽകുക - അത് സ്വന്തമായി പഠിക്കും" എന്ന പാത സ്വീകരിച്ചു.

വിച്ഛേദിക്കൽ. അർത്ഥവത്തായ മെമ്മറി സൃഷ്ടിക്കുന്നതിനുള്ള മറ്റൊരു മാർഗ്ഗം, അതേ ഉൾച്ചേർക്കലുകൾ എടുക്കുക എന്നതാണ്, എന്നാൽ പരിശീലന സമയത്ത്, അവയിൽ "അർത്ഥങ്ങൾ" ഹൈലൈറ്റ് ചെയ്യാൻ നിങ്ങളെ അനുവദിക്കുന്ന അധിക മാനദണ്ഡങ്ങൾ അവതരിപ്പിക്കുക. ഉദാഹരണത്തിന്, ഒരു സ്റ്റോറിലെ മനുഷ്യന്റെ പെരുമാറ്റം തമ്മിൽ വേർതിരിച്ചറിയാൻ ഒരു ന്യൂറൽ നെറ്റ്‌വർക്ക് പരിശീലിപ്പിക്കാൻ ഞങ്ങൾ ആഗ്രഹിക്കുന്നു. ഞങ്ങൾ സാധാരണ പാത പിന്തുടരുകയാണെങ്കിൽ, നമുക്ക് ഒരു ഡസൻ നെറ്റ്‌വർക്കുകൾ ഉണ്ടാക്കേണ്ടിവരും. ഒരാൾ ഒരു വ്യക്തിയെ തിരയുന്നു, രണ്ടാമത്തേത് അവൻ എന്താണ് ചെയ്യുന്നതെന്ന് നിർണ്ണയിക്കുന്നു, മൂന്നാമത്തേത് അവന്റെ പ്രായം, നാലാമത്തേത് അവന്റെ ലിംഗഭേദം. പ്രത്യേക ലോജിക് സ്റ്റോറിന്റെ ഭാഗത്തേക്ക് നോക്കുന്നു, ഇത് ചെയ്യാൻ പരിശീലിപ്പിക്കപ്പെടുന്നു. മൂന്നാമത്തേത് അതിന്റെ പാത മുതലായവ നിർണ്ണയിക്കുന്നു.

അല്ലെങ്കിൽ, അനന്തമായ അളവിലുള്ള ഡാറ്റയുണ്ടെങ്കിൽ, സാധ്യമായ എല്ലാ ഫലങ്ങൾക്കും ഒരു നെറ്റ്‌വർക്കിനെ പരിശീലിപ്പിക്കാൻ കഴിയും (വ്യക്തമായും, അത്തരം ഒരു കൂട്ടം ഡാറ്റ ശേഖരിക്കാൻ കഴിയില്ല).

വിച്ഛേദിക്കൽ സമീപനം നമ്മോട് പറയുന്നു - നമുക്ക് നെറ്റ്‌വർക്കിനെ പരിശീലിപ്പിക്കാം, അതുവഴി ആശയങ്ങൾ തമ്മിൽ വേർതിരിച്ചറിയാൻ കഴിയും. അങ്ങനെ അത് വീഡിയോയെ അടിസ്ഥാനമാക്കി ഒരു എംബെഡിംഗ് രൂപീകരിക്കും, അവിടെ ഒരു പ്രദേശം പ്രവർത്തനം നിർണ്ണയിക്കും, ഒരാൾ തറയിലെ സ്ഥാനം കൃത്യസമയത്ത് നിർണ്ണയിക്കും, ഒരാൾ വ്യക്തിയുടെ ഉയരം നിർണ്ണയിക്കും, ഒരാൾ വ്യക്തിയുടെ ലിംഗഭേദം നിർണ്ണയിക്കും. അതേ സമയം, പരിശീലനം നടത്തുമ്പോൾ, അത്തരം പ്രധാന ആശയങ്ങളുള്ള നെറ്റ്‌വർക്കിനെ മിക്കവാറും ആവശ്യപ്പെടാതിരിക്കാൻ ഞാൻ ആഗ്രഹിക്കുന്നു, മറിച്ച് അത് ഹൈലൈറ്റ് ചെയ്യാനും ഏരിയകൾ ഗ്രൂപ്പുചെയ്യാനുമാണ്. അത്തരം കുറച്ച് ലേഖനങ്ങളുണ്ട് (അവയിൽ ചിലത് 1, 2, 3) പൊതുവെ അവ തികച്ചും സൈദ്ധാന്തികമാണ്.

എന്നാൽ ഈ ദിശ, കുറഞ്ഞത് സൈദ്ധാന്തികമായി, തുടക്കത്തിൽ ലിസ്റ്റുചെയ്തിരിക്കുന്ന പ്രശ്നങ്ങൾ ഉൾക്കൊള്ളണം.

"ഭിത്തിയുടെ നിറം / തറയുടെ നിറം / വസ്തുവിന്റെ ആകൃതി / വസ്തുവിന്റെ നിറം / മുതലായവ" എന്ന പാരാമീറ്ററുകൾ അനുസരിച്ച് ചിത്രത്തിന്റെ വിഘടനം.

"വലിപ്പം, പുരികങ്ങൾ, ഓറിയന്റേഷൻ, ചർമ്മത്തിന്റെ നിറം മുതലായവ" എന്ന പാരാമീറ്ററുകൾ അനുസരിച്ച് മുഖത്തിന്റെ വിഘടനം

Прочее

ഡാറ്റാബേസ് എങ്ങനെയെങ്കിലും കുറയ്ക്കാനും കൂടുതൽ വൈവിധ്യമാർന്ന ഡാറ്റ ഉപയോഗിച്ച് പ്രവർത്തിക്കാനും നിങ്ങളെ അനുവദിക്കുന്ന മറ്റ് നിരവധി, അത്ര ആഗോളമല്ലാത്ത മേഖലകളുണ്ട്.

ശ്രദ്ധ. ഇത് ഒരു പ്രത്യേക രീതിയായി വേർതിരിക്കുന്നതിൽ അർത്ഥമില്ല. മറ്റുള്ളവരെ മെച്ചപ്പെടുത്തുന്ന ഒരു സമീപനം മാത്രം. നിരവധി ലേഖനങ്ങൾ അദ്ദേഹത്തിന് സമർപ്പിച്ചിരിക്കുന്നു (1,2,3). പരിശീലന സമയത്ത് പ്രധാനപ്പെട്ട വസ്തുക്കളോട് നെറ്റ്‌വർക്കിന്റെ പ്രതികരണം വർദ്ധിപ്പിക്കുക എന്നതാണ് ശ്രദ്ധാകേന്ദ്രം. പലപ്പോഴും ഏതെങ്കിലും തരത്തിലുള്ള ബാഹ്യ ടാർഗെറ്റ് പദവി അല്ലെങ്കിൽ ഒരു ചെറിയ ബാഹ്യ നെറ്റ്‌വർക്ക് വഴി.

3D സിമുലേഷൻ. നിങ്ങൾ ഒരു നല്ല 3D എഞ്ചിൻ നിർമ്മിക്കുകയാണെങ്കിൽ, നിങ്ങൾക്ക് പലപ്പോഴും പരിശീലന ഡാറ്റയുടെ 90% കവർ ചെയ്യാൻ കഴിയും (ഏതാണ്ട് 99% ഡാറ്റയും ഒരു നല്ല എഞ്ചിൻ കവർ ചെയ്ത ഒരു ഉദാഹരണം പോലും ഞാൻ കണ്ടു). യഥാർത്ഥ ഡാറ്റ (ഫൈൻ ട്യൂണിംഗ്, സ്റ്റൈൽ ട്രാൻസ്ഫർ മുതലായവ) ഉപയോഗിച്ച് ഒരു 3D എഞ്ചിനിൽ പരിശീലനം ലഭിച്ച ഒരു നെറ്റ്‌വർക്ക് എങ്ങനെ പ്രവർത്തിക്കാം എന്നതിനെക്കുറിച്ച് നിരവധി ആശയങ്ങളും ഹാക്കുകളും ഉണ്ട്. എന്നാൽ പലപ്പോഴും ഒരു നല്ല എഞ്ചിൻ നിർമ്മിക്കുന്നത് ഡാറ്റ ശേഖരിക്കുന്നതിനേക്കാൾ കൂടുതൽ ബുദ്ധിമുട്ടാണ്. എഞ്ചിനുകൾ നിർമ്മിച്ചതിന്റെ ഉദാഹരണങ്ങൾ:
റോബോട്ട് പരിശീലനം (Google, മസ്തിഷ്കത്തോട്ടം)
പരിശീലന സെഷനുകൾ അംഗീകാരം സ്റ്റോറിലെ സാധനങ്ങൾ (എന്നാൽ ഞങ്ങൾ ചെയ്ത രണ്ട് പ്രോജക്റ്റുകളിൽ, ഞങ്ങൾ അത് കൂടാതെ എളുപ്പത്തിൽ ചെയ്തു).
ടെസ്‌ലയിൽ പരിശീലനം (വീണ്ടും മുകളിലെ വീഡിയോ).

കണ്ടെത്തലുകൾ

ലേഖനം മുഴുവനും ഒരർത്ഥത്തിൽ നിഗമനങ്ങളാണ്. "സൗജന്യങ്ങൾ അവസാനിച്ചു, ന്യൂറോണുകൾ ഇനി ലളിതമായ പരിഹാരങ്ങൾ നൽകുന്നില്ല" എന്നതായിരിക്കാം ഞാൻ ഉണ്ടാക്കാൻ ആഗ്രഹിക്കുന്ന പ്രധാന സന്ദേശം. ഇപ്പോൾ സങ്കീർണ്ണമായ തീരുമാനങ്ങൾ എടുക്കാൻ നമ്മൾ കഠിനാധ്വാനം ചെയ്യേണ്ടതുണ്ട്. അല്ലെങ്കിൽ സങ്കീർണ്ണമായ ശാസ്ത്രീയ ഗവേഷണം നടത്താൻ കഠിനാധ്വാനം ചെയ്യുക.

പൊതുവേ, വിഷയം ചർച്ചാവിഷയമാണ്. ഒരുപക്ഷേ വായനക്കാർക്ക് കൂടുതൽ രസകരമായ ഉദാഹരണങ്ങൾ ഉണ്ടോ?

അവലംബം: www.habr.com