Array Коллектив авторов - The Question. Будущее

И тут возникает, собственно, самое важное, что вам для этого потребуется, – данные. Много примеров задач, которые будут подаваться на вход нейросети, и правильные ответы на эти задачи. Нейросеть будет на этом учиться самостоятельно давать эти правильные ответы.

И вот тут возникает куча деталей и нюансов, которые нужно знать и понимать, чтобы это все имело шанс дать приемлемый результат. Осветить их все здесь нереально, поэтому просто перечислю некоторые пункты. Во-первых, объем данных. Это очень важный момент. Крупные компании, деятельность которых связана с машинным обучением, обычно содержат специальные отделы и штат сотрудников, занимающихся только сбором и обработкой данных для обучения нейросетей. Нередко данные приходится покупать, и вся эта деятельность выливается в заметную статью расходов. Во-вторых, представление данных. Если каждый объект в вашей задаче представлен относительно небольшим числом числовых параметров, то есть шанс, что их можно прямо в таком сыром виде дать нейросети и получить приемлемый результат на выходе. Но если объекты сложные (картинки, звук, объекты переменной размерности), то, скорее всего, придется потратить время и силы на выделение из них содержательных для решаемой задачи признаков. Одно только это может занять очень много времени и иметь гораздо большее влияние на итоговый результат, чем даже вид и архитектура выбранной для использования нейросети.

Нередки случаи, когда реальные данные оказываются слишком сырыми и непригодными для использования без предварительной обработки: содержат пропуски, шумы, противоречия и ошибки.

Данные должны быть собраны тоже не абы как, а грамотно и продуманно. Иначе обученная сеть может вести себя странно и даже решать совсем не ту задачу, которую предполагал автор.

Также нужно представлять себе, как грамотно организовать процесс обучения, чтобы сеть не оказалась переученной. Сложность сети нужно выбирать исходя из размерности данных и их количества. Часть данных нужно отложить для теста и при обучении не использовать, чтобы оценить реальное качество работы. Иногда различным объектам из обучающего множества нужно приписать различный вес. Иногда эти веса полезно варьировать в процессе обучения. Иногда полезно начинать обучение на части данных, а по мере обучения добавлять оставшиеся данные. В общем, это можно сравнить с кулинарией: у каждой хозяйки свои приемы готовки даже одинаковых блюд.

Они уже это делают. С одной стороны, они отбирают работу у человека, а с другой – ими управляют люди и, получается, они создают для людей, которые их обслуживают, рабочие места. То есть, благодаря роботам, рабочий процесс скорее становится более эффективным, так что правильнее сказать, что они не отбирают работу у человека, а сотрудничают с ним.

Если посмотреть на этот вопрос в историческом аспекте, мы увидим, как в процессе эволюции менялись орудия труда. Вспомнить хотя бы промышленную революцию XVIII–XIX веков, когда аграрное общество сменялось индустриальным. Машинный труд заменял человеческий, и люди, не способные к освоению новых средств производства, оставались без работы. Другие, способные к обучению, перебирались в города и принимали новую систему существования. Однако тогда машины были скорее механизмами и требовали управления людьми. Сегодня роботы не механизмы, но алгоритмы. Технологии эволюционировали, появляются роботы, которые могут выполнять более сложный набор функций. Например, российскими учеными по заказу Роскосмоса был создан робот-космонавт, который был призван снизить риски жизни людей, работающих на МКС и в открытом космосе. Робот выполняет рутинную работу, от которой, в отличие от человека, он никогда не устает.

Однако так или иначе каждый робот создается и существует на основе программы, заложенной людьми. Каким бы умным и человекоподобным ни казался робот, он никогда не сможет повторить чувства людей и стать креативным. Именно поэтому робот не сможет заменить человека творческой и интеллектуальной профессии, он не способен создавать новое – в этом его главное отличие от человека. Важно помнить, что с приходом машин на место человека появлялись абсолютно новые профессии. Главное – уметь приспособиться к веянию нового времени и прогресса, который уже не остановить.