Умные сети и музыка Юрия Миллера

Голосовой поиск, возможность перевести отсканированный документ в Word, web-камеры, способные описать окружающий мир — полезные опции, ставшие для современного человека уже обычными. Но мало кто знает, что за этой «обычностью» скрываются сложные, почти магические процессы. О магии, нейросетях и планах на будущее мы поговорили с победителем конкурса «Умник», студентом Института математики и компьютерных наук ТюмГУ Юрием Миллером.

— Юрий, в вашей работе, представленной на «Умнике», речь идет о «разработке среды моделирования нейронных сетей». Начнем с того, что такое нейронные сети?

- Нейросеть — это хитрая математическая модель работы головного мозга. Только в голове находится около пятнадцати миллиардов нейронов, а в практических нейронных сетях их не более миллиона. Каждый нейрон — это маленький компьютерный процессор, который получает на входе какие-то цифры и очень хитрым образом их преобразует. Вся магия заключается в том, что никто и никогда не знает, чем занимается тот или иной нейрон.

Рассмотрим работу практических нейронных сетей на примере буквы А. Нейронная сеть будет распознавать ее следующим образом: она найдет признаки, которые гарантированно отличают, А от Л и Д. Буква, А весьма сильно отличается от буквы Л наличием черточки посередине. За счет определения на изображении вот этих «палочек», «черточек» и «закорючек» нейронная сеть обучается отличать одну букву от другой. Следующий важный момент заключается в том, что нейронная сеть организована в слои. Все нейроны лежат по слоям так же, как и в голове. Первый слой нейронной сети будет находить все отличительные признаки буквы, А от других букв и выдавать определенную цифру — степень уверенности, что перед ним именно та отличительная «закорючка». Второй слой отвечает за расположение признаков по отношению друг к другу. А последний — третий, увидев все отличительные признаки буквы, А и их соотношение между собой, с уверенностью скажет: «Это буква А».

Степень уверенности последнего слоя нейронов — это качество работы сети. К примеру, программа FineReader в 20-ти процентах случаев ошибается: пятно от ксерокса распознает как букву или вместо точки ставит ненужные вам «закорючки».

Для распознавания кириллических печатных букв необходимо около 150 нейронов на первом уровне, около 80 на втором и на выходе — около 33 нейронов. Мой научный руководитель Александр Владимирович Кугаевских писал нейронную сеть по распознаванию иероглифов, там было задействовано 700 тысяч нейронов.

Сейчас я рассказал об общем принципе нейронных сетей. Дальше начинаются глубинные процессы — совершенно темная магия, сложная математика. Думаю, это уже будет не совсем понятно.

— Где могут применяться нейросети?

- Наши любимые нейросети применяются в распознавании образов. Например, у вас есть какой-то компьютерный документ, который хотите перевести в Word. Вы его сканируете или фотографируете, но в Word же он сам не переведется. Для этого как раз применяется распознавание, которое каждую «закорючку» переведет в букву, каждую линию расположит в нужном месте. Вторая область применения — прогнозирование.

Сегодня нейросети активно использует Google. Не так давно одна израильская компания заявила, что выпускает антивирус с помощью нейронной сети, то есть эта сеть будет распознавать вирусы. Когда в Яндекс-навигаторе вы говорите о том, куда хотите отправиться, срабатывает этот же механизм. НАСА использует эту штуку, чтобы заставить роботов на Марсе все-таки ездить туда, куда нужно, а не туда, куда хочется.

— Что такое нейронные сети, и где их используют, разобрались. Вернемся к вашей работе, в чем ее суть?

- Я провел обзор более 16 уже существующих конструкторов нейросетей. Эти программы отличаются между собой задачами и степенью проработанности. Как правило, они очень сложны и отнимают много времени на изучение. Моя работа заключалась в том, чтобы придумать простой в использовании нейроконструктор для построения, исследования и тестирования нейросетей, и у меня получилось. Интерфейсом конструктор, имеющий рабочее название «Arkenstone», похож на Microsoft Visio. Слева располагаются доступные нейроны и связи, а справа — большая область, в которую мы перетаскиваем нейроны, располагаем их, как нужно, и устанавливаем между ними связь. Конечно, в этом конструкторе все должно сохраняться, загружаться, показываться большое количество полезной информации для исследователей.

Схема процесса разработки нейронной сети вручную (полоски-индикаторы отражают степень сложности действия)

Схема процесса разработки нейронной системы с использованием Arkenstone

— За победу в «Умнике» вы получили грант — 400 тысяч рублей. На что потратите честно заработанные?

- По условиям конкурса полученные деньги можно потратить только на зарплату.

— Вы будете воплощать проект в реальность?

- Да, конечно, мы с командой сейчас этим и занимаемся.

— Что вас подталкивает к разработке данного проекта? Просто хотите заработать или, может быть, глубже познать мир и помочь ему?

- И заработать, конечно, все этого хотят. На самом деле, создание подобного продукта видится мне очень интересным делом. Он должен помочь ученым в исследованиях. Это подталкивает меня к работе.

— Разработка нейроконструктора — это единственный ваш проект?

- Мы с друзьями продолжительное время работаем над игрой в жанре «хоррор». Не могу сказать, когда «добьем» её — много дел, но мы хотим сделать игру не похожей на другие в этом жанре. В ней не будет никакой стрельбы, главной целью станет выживание. А что там конкретно нужно будет делать и что будет происходить — главный сюрприз для игроков. Это наш туз в рукаве. Так будет интересней.

— Чем увлекаетесь помимо программирования?

- Мои увлечения связаны с музыкой. Я пишу ее с помощью компьютера и занимаюсь этим около шести лет. Музыкального образования нет, но при этом я уже выиграл несколько региональных конкурсов, например, конкурс композиторов имени Алябьева.

— Вы учитесь на четвертом курсе прикладной информатики, планируете поступать в магистратуру?

- Я хочу поступать в магистратуру, только пока не определился, на какое направление. Мне нравится прикладная информатика. За 4 года нам дали очень универсальные знания, которые позволяют выбирать, куда идти дальше. Просто есть возможность найти магистратуру, где больше науки, поэтому я нахожусь в поиске.

— Где бы хотели работать?

- Сейчас я устраиваюсь в хорошую компанию. Уже успел поработать в ней как внештатный сотрудник. Принимал участие в разработке виртуальной 3-D прогулки по ЖК «Преображенский» для сенсорного стола.

Хочу добавить, что университет дал мне не только знания, но и знакомства со многими интересными людьми. Удалось даже создать команду. Еще я понял, чем мне по жизни интересно заниматься.

Источник:

Управление информационной политики ТюмГУ