It Integral

Искусственный интеллект. (Часть 2)
В этой публикации постараюсь максимально доступно, без формул и специальной терминологии объяснить принцип работы нейронной сети.
Исследования биологов позволили выделить нервные клетки организмов, нейроны, и изучить принципы их работы. На рис.1 показана клетка головного мозга. По усикам (дендрит) поступают сигналы возбуждения или торможения, клетка складывает плюс с минусом и получает среднее значение, которое передается на следующий нейрон. Все конечно значительно сложнее, но для нас, этого вполне достаточно.
На рис. 2 изображена компьютерная модель нейрона, его схематическое изображение. Как видите она аналогична живой клетке и работает точно также. На вход поступают числовые значения, внутри ячейки происходит суммирование чисел, результат которого подается на выход. Что бы получить нейронную сеть, нейроны собирают в последовательность, которая позволяет передавать сигнал, от входа на выход. На рис. 3 показан типичный пример, называемый персептрон.
Так что же такого «волшебного» делаю нейронные сети? Возьмем простой пример, попасть скомканным листом бумаги в мусорную корзину. Человек учится этому, раз за разом бросая бумажку в корзину, в результате, чем больше он тренируется, тем чаще попадает. Перед нами ставят задачу сделать механизм, который бы попадал без промаха. Классически это делается так, на основании опытов мы строим график движения комка. На основании графика выводим формулу движения (в нашем случае это парабола), дополняем формулу силой броска и углом склонения, теперь можем строить механизм. Благодаря математике мы можем точно рассчитать где и в какой момент времени находится ком бумаги во время броска.
Как видно с момента постановки задачи до момента реализации может пройти много времени, пока проведем испытания, рассчитаем математическую модель, а ведь чем больше параметров, тем сложнее вычисления.
Вот здесь и проявляется главное преимущество нейронных сетей. Они обучаются как человек. На вход подаются, данные о корзине и запускается процесс обучения.

Очередной рубеж преодолён. Вышла первая бетта версия мобильного приложения . Теперь автоматический анализ содержания новостей доступен в реальном времени, можно уверено отделять «пустые» статьи и материалы рекламного содержания.
Выпуск мобильной версии затянулся. В первую очередь было необходимо проработать сам алгоритм, который уже более полу года совершенствуется на внутреннем сервере. Вообще этот проект реализуется в виде исследования, и на добровольных началах, поэтому быстрого прогресса я и сам от него не ожидаю.
Как и прежде, целью проекта является создание алгоритма способного предсказывать поведение на основании публикуемых текстов. Например, основываясь на постах в социальных сетях выявлять подростков, попавших под деструктивное влияние или людей склонных к суициду.
Как бы все не сложилось, я уже сейчас могу перед чтением новостей отделить мусор, что значительно экономит время. Конечно некоторые вещи еще необходимо доработать, сделать интерфейс более дружелюбным, а скорость обработки статей на мобильных устройствах оставляет желать лучшего.
#новости

Продолжаем публикации по разрабатываемой нами программе . Друзья и знакомые, которые читали предыдущие посты, посетовали на то, что они мало понятные.
Поэтому для тех, кто хочет знать, несколько следующих постов будет о самом методе анализа. Немного истории, немного примеров и под конец, для чего эта программа.
Контент – анализ. Строгое определение каждый может прочитать в википедии, если же пересказывать своими словами, то суть этого метода состоит в том, что, анализируя компоненты текста (слова, словосочетания, предложения, абзацы и др.), можно выявить настойчиво повторяющиеся темы, ссылки на проблемы, утверждения, оценки и др. При этом нет необходимости читать и понимать сами исходные тексты.
Первые упоминания о применении контент-анализа на практике относятся к XVIII в. В то время, подсчитывая частоту упоминания тем, связанных с Христом, теологи судили о богословской основательности той или иной книги.
Современная история этого метода начинается с 1920х – 30х годов. Развивалось это направление социологами на обоих континентах, однако в 1940х годах в основном в Америке.
Г. Лассуэл формализовал основные подходы и использовал его в сфере политики и пропаганды. Ярким примером использования контент-анализа является работа американской военной цензуры в годы второй мировой войны. Основанием для обвинения в связях с нацистами редакторов американских СМИ служило выявление схожести в повторении определенных тем на страницах тех или иных изданий.
Новым этапом в развитии контент-анализа стала компьютеризация в 1960-х гг. С 1970-х гг. Стало возможно обрабатывать большое количество текстов за приемлемые промежутки времени. Существует байка, что перед смертью Л. Брежнева, ЦРУ пыталось определить его приемника, путем подсчета количества упоминаний членов политбюро в советской прессе.
В настоящее время контент-анализ применяется в социологии и политологии. Для описания социальных групп и их поведенческих реакций.
В политике для определения популярности кандидатов, выявления и анализа негативных или позитивных текстов, предсказание результатов выборов. Кому интересно прочитайте статью http://www.kp.ru/daily/26603.5/3620184/ в которой на основе контент-анализа СМИ, Владимир Шалак, предсказывает победу трампа, а ранее по анализу контента Твиттера, английский брегсит.
В маркетинге и рекламе, для продвижения товаров и услуг.
В литературоведение этот метод применяется для определения авторства текстов. Например, по такой методике, в некоторых вузах, определяют плагиат в студенческих работах.
Продолжение далее...
#новости

It Integral