0:00:00.000,0:00:00.420
Jak działają sieci neuronowe?

0:00:04.490,0:00:05.780
SZTUCZNA INTELIGENCJA[br]Jak działają sieci neuronowe?

0:00:07.360,0:00:11.830
Cześć! Nazywam się Deon. Jestem jednym[br]z twórców firmy Forethoughht AI.

0:00:11.830,0:00:15.380
Tworzymy w niej narzędzia bazujące[br]na sztucznej inteligencji,

0:00:15.380,0:00:18.720
których ludzie mogą używać w pracy[br]w celu zwiększenia wydajności.

0:00:19.600,0:00:24.320
Aby stworzyć uczącą się maszynę [br]informatycy szukali wskazówek badając

0:00:24.320,0:00:28.080
inne rzeczy, które potrafią się uczyć.[br]Okazuje się, że nie ma niczego lepszego

0:00:28.080,0:00:33.360
od mózgu człowieka! Nasze mózgi[br]zbudowane są z tzw. neuronów.

0:00:34.080,0:00:37.840
Neurony mają dwa końce: sygnały wejściowe[br]wchodzą na jednym końcu,

0:00:37.840,0:00:43.840
łączą się wewnątrz neuronu i wychodzą [br]na drugim jako pojedynczy wynik.

0:00:44.960,0:00:53.620
W mózgu miliardy neuronów połączone są[br]w tzw. biologiczną sieć neuronową.

0:00:53.620,0:00:57.840
W niej nasz mózg przetwarza informacje[br]i rozpoznaje wzorce.

0:00:58.640,0:01:04.640
Naukowcy postanowili odwzorować ludzkie[br]neurony tworząc proste sztuczne neurony

0:01:04.640,0:01:11.360
w oprogramowaniu. Nic wielkiego, po prostu[br]liczne sygnały przechodzące przez neuron,

0:01:11.360,0:01:16.080
łączące się i przetwarzane w prostych[br]działaniach w sygnał wychodzący.

0:01:17.120,0:01:21.360
To był dobry początek, ale jeden neuron[br]niewiele może zdziałać.

0:01:22.000,0:01:26.480
Pełne możliwości tej koncepcji można[br]uzyskać po połączeniu sztucznych neuronów

0:01:26.480,0:01:32.800
w sztuczną sieć neuronową. [br]To ona umożliwia komputerom

0:01:32.800,0:01:39.840
rozpoznawanie obrazków, prowadzenie aut[br]i tworzenie dziwacznych prac artystycznych.

0:01:40.640,0:01:44.600
Zobaczmy, jak działają neurony budując[br]system rekomendacji filmów,

0:01:44.600,0:01:45.600
w którym wykorzystuje się opinie krytyków,

0:01:45.600,0:01:47.510
do określenia czy film [br]Wam się spodoba.

0:01:47.610,0:01:51.150
Potem wykorzystamy Wasze opinie[br]do dalszego doskonalenia systemu!

0:01:51.150,0:01:59.250
Mamy trzech krytyków: Alego, Bowiego [br]i Casey. Każdy ocenia w skali 1-5 gwiazdek.

0:01:59.250,0:02:02.260
Zbudujmy teraz [br]pojedynczy sztuczny neuron.

0:02:02.260,0:02:08.220
Każdy krytyk wpisuje swoją ocenę po tej [br]stronie, tutaj dokonuje się wyliczenia

0:02:08.220,0:02:13.544
i uzyskuje się pojedynczy wynik.[br]W tym przypadku ocenę filmu.

0:02:13.544,0:02:21.780
Mamy pierwszy film. Ali przyznał jedną[br]gwiazdkę, Bowie pięć, Casey cztery.

0:02:21.780,0:02:26.519
Na początku wszystkie opinie mają tę samą[br]wagę i liczy się je równo.

0:02:26.519,0:02:33.500
Wprowadza się dane, wykonuje proste[br]działania i uzyskuje rekomendację.

0:02:33.500,0:02:36.697
Teraz obejrzyjmy film [br]i przyznajmy mu własną ocenę!

0:02:36.697,0:02:43.768
KSZTAŁTUJ FRAGMENTY [br]PRZESZŁOŚCI I PRZYSZŁOŚCI

0:02:43.780,0:02:53.910
Acha! Cóż, dziwne! Ale udajmy, [br]że Wam się podobał i dajmy 5 gwiazdek.

0:02:53.910,0:02:59.970
Teraz Wasza ocena jest użyta do uczenia [br]neuronu. Na podstawie Waszej oceny

0:02:59.970,0:03:05.244
wagę każdej opinii przelicza się ponownie.[br]Wasza ocena jest bliższa opinii

0:03:05.244,0:03:11.074
Bowiego i Casey, zatem ich opinie[br]otrzymują wyższą wagę.

0:03:11.074,0:03:16.273
Nie zgodziliście się z jedną gwiazdką Alego[br]więc ta waga maleje.

0:03:16.273,0:03:19.930
Przeprowadźmy ponowny trening neuronu.

0:03:19.930,0:03:24.270
Oto kolejny film i kolejne oceny[br]naszych krytyków.

0:03:24.270,0:03:31.910
Tym razem neuron przyzna wyższą wagę tym [br]dwóm ocenom przy wyliczaniu rekomendacji.

0:03:31.910,0:03:40.780
No i mamy wynik. Obejrzyjmy film.

0:03:40.780,0:03:46.260
Tyle dobrego, że był krótki![br]Przyznajmy mu ocenę.

0:03:46.260,0:03:52.070
W nowej ocenie ponownie skorygowano wagi. [br]Proces wciąż się powtarza,

0:03:52.070,0:03:59.040
aż wytrenujemy system tak, że będzie rozpoznawać[br]nasze preferencje i polecać odpowiednie filmy.

0:03:59.040,0:04:05.030
W tym przykładzie mamy jeden neuron.[br]I jest to obraz skrajnie uproszczony.

0:04:05.030,0:04:09.130
Przez potężne sieci przepływają miliony[br]neuronów uporządkowanych w warstwy.

0:04:09.130,0:04:16.210
Jest warstwa danych wejściowych, dowolna[br]liczba warstw ukrytych i warstwy wyjściowe.

0:04:16.210,0:04:23.330
Wynik jednej warstwy staje się danymi[br]wejściowymi kolejnej warstwy i tak w kółko.

0:04:23.330,0:04:26.860
Na tej zasadzie działa wiele systemów[br]rekomendacji mediów, muzyki czy zakupów

0:04:26.860,0:04:28.530
w świecie rzeczywistym.

0:04:28.530,0:04:31.689
Wykorzystuje się w nich oceny milionów[br]codziennych użytkowników.

0:04:31.689,0:04:37.990
W tych sieciach neuronowych każdy [br]przyczynia się do modyfikacji wag.

0:04:37.990,0:04:43.120
Sieci neuronowe mają mnóstwo innych [br]zastosowań. Zakulisowo korzysta się z nich

0:04:43.120,0:04:45.960
do rozwiązania wielkich problemów:[br]tworzenia zdrowszego jedzenia

0:04:45.960,0:04:50.618
prognozowania powodzi czy pożarów lasów,[br]wspomagania ochrony przyrody,

0:04:50.618,0:04:52.978
a nawet wykrywania i leczenia chorób.