WEBVTT

00:00:00.000 --> 00:00:00.420
Jak działają sieci neuronowe?

00:00:04.490 --> 00:00:05.780
SZTUCZNA INTELIGENCJA
Jak działają sieci neuronowe?

00:00:07.360 --> 00:00:11.830
Cześć! Nazywam się Deon. Jestem jednym
z twórców firmy Forethoughht AI.

00:00:11.830 --> 00:00:15.380
Tworzymy w niej narzędzia bazujące
na sztucznej inteligencji,

00:00:15.380 --> 00:00:18.720
których ludzie mogą używać w pracy
w celu zwiększenia wydajności.

00:00:19.600 --> 00:00:24.320
Aby stworzyć uczącą się maszynę 
informatycy szukali wskazówek badając

00:00:24.320 --> 00:00:28.080
inne rzeczy, które potrafią się uczyć.
Okazuje się, że nie ma niczego lepszego

00:00:28.080 --> 00:00:33.360
od mózgu człowieka! Nasze mózgi
zbudowane są z tzw. neuronów.

00:00:34.080 --> 00:00:37.840
Neurony mają dwa końce: sygnały wejściowe
wchodzą na jednym końcu,

00:00:37.840 --> 00:00:43.840
łączą się wewnątrz neuronu i wychodzą 
na drugim jako pojedynczy wynik.

00:00:44.960 --> 00:00:53.620
W mózgu miliardy neuronów połączone są
w tzw. biologiczną sieć neuronową.

00:00:53.620 --> 00:00:57.840
W niej nasz mózg przetwarza informacje
i rozpoznaje wzorce.

00:00:58.640 --> 00:01:04.640
Naukowcy postanowili odwzorować ludzkie
neurony tworząc proste sztuczne neurony

00:01:04.640 --> 00:01:11.360
w oprogramowaniu. Nic wielkiego, po prostu
liczne sygnały przechodzące przez neuron,

00:01:11.360 --> 00:01:16.080
łączące się i przetwarzane w prostych
działaniach w sygnał wychodzący.

00:01:17.120 --> 00:01:21.360
To był dobry początek, ale jeden neuron
niewiele może zdziałać.

00:01:22.000 --> 00:01:26.480
Pełne możliwości tej koncepcji można
uzyskać po połączeniu sztucznych neuronów

00:01:26.480 --> 00:01:32.800
w sztuczną sieć neuronową. 
To ona umożliwia komputerom

00:01:32.800 --> 00:01:39.840
rozpoznawanie obrazków, prowadzenie aut
i tworzenie dziwacznych prac artystycznych.

00:01:40.640 --> 00:01:44.600
Zobaczmy, jak działają neurony budując
system rekomendacji filmów,

00:01:44.600 --> 00:01:45.600
w którym wykorzystuje się opinie krytyków,

00:01:45.600 --> 00:01:47.510
do określenia czy film 
Wam się spodoba.

00:01:47.610 --> 00:01:51.150
Potem wykorzystamy Wasze opinie
do dalszego doskonalenia systemu!

00:01:51.150 --> 00:01:59.250
Mamy trzech krytyków: Alego, Bowiego 
i Casey. Każdy ocenia w skali 1-5 gwiazdek.

00:01:59.250 --> 00:02:02.260
Zbudujmy teraz 
pojedynczy sztuczny neuron.

00:02:02.260 --> 00:02:08.220
Każdy krytyk wpisuje swoją ocenę po tej 
stronie, tutaj dokonuje się wyliczenia

00:02:08.220 --> 00:02:13.544
i uzyskuje się pojedynczy wynik.
W tym przypadku ocenę filmu.

00:02:13.544 --> 00:02:21.780
Mamy pierwszy film. Ali przyznał jedną
gwiazdkę, Bowie pięć, Casey cztery.

00:02:21.780 --> 00:02:26.519
Na początku wszystkie opinie mają tę samą
wagę i liczy się je równo.

00:02:26.519 --> 00:02:33.500
Wprowadza się dane, wykonuje proste
działania i uzyskuje rekomendację.

00:02:33.500 --> 00:02:36.697
Teraz obejrzyjmy film 
i przyznajmy mu własną ocenę!

00:02:36.697 --> 00:02:43.768
KSZTAŁTUJ FRAGMENTY 
PRZESZŁOŚCI I PRZYSZŁOŚCI

00:02:43.780 --> 00:02:53.910
Acha! Cóż, dziwne! Ale udajmy, 
że Wam się podobał i dajmy 5 gwiazdek.

00:02:53.910 --> 00:02:59.970
Teraz Wasza ocena jest użyta do uczenia 
neuronu. Na podstawie Waszej oceny

00:02:59.970 --> 00:03:05.244
wagę każdej opinii przelicza się ponownie.
Wasza ocena jest bliższa opinii

00:03:05.244 --> 00:03:11.074
Bowiego i Casey, zatem ich opinie
otrzymują wyższą wagę.

00:03:11.074 --> 00:03:16.273
Nie zgodziliście się z jedną gwiazdką Alego
więc ta waga maleje.

00:03:16.273 --> 00:03:19.930
Przeprowadźmy ponowny trening neuronu.

00:03:19.930 --> 00:03:24.270
Oto kolejny film i kolejne oceny
naszych krytyków.

00:03:24.270 --> 00:03:31.910
Tym razem neuron przyzna wyższą wagę tym 
dwóm ocenom przy wyliczaniu rekomendacji.

00:03:31.910 --> 00:03:40.780
No i mamy wynik. Obejrzyjmy film.

00:03:40.780 --> 00:03:46.260
Tyle dobrego, że był krótki!
Przyznajmy mu ocenę.

00:03:46.260 --> 00:03:52.070
W nowej ocenie ponownie skorygowano wagi. 
Proces wciąż się powtarza,

00:03:52.070 --> 00:03:59.040
aż wytrenujemy system tak, że będzie rozpoznawać
nasze preferencje i polecać odpowiednie filmy.

00:03:59.040 --> 00:04:05.030
W tym przykładzie mamy jeden neuron.
I jest to obraz skrajnie uproszczony.

00:04:05.030 --> 00:04:09.130
Przez potężne sieci przepływają miliony
neuronów uporządkowanych w warstwy.

00:04:09.130 --> 00:04:16.210
Jest warstwa danych wejściowych, dowolna
liczba warstw ukrytych i warstwy wyjściowe.

00:04:16.210 --> 00:04:23.330
Wynik jednej warstwy staje się danymi
wejściowymi kolejnej warstwy i tak w kółko.

00:04:23.330 --> 00:04:26.860
Na tej zasadzie działa wiele systemów
rekomendacji mediów, muzyki czy zakupów

00:04:26.860 --> 00:04:28.530
w świecie rzeczywistym.

00:04:28.530 --> 00:04:31.689
Wykorzystuje się w nich oceny milionów
codziennych użytkowników.

00:04:31.689 --> 00:04:37.990
W tych sieciach neuronowych każdy 
przyczynia się do modyfikacji wag.

00:04:37.990 --> 00:04:43.120
Sieci neuronowe mają mnóstwo innych 
zastosowań. Zakulisowo korzysta się z nich

00:04:43.120 --> 00:04:45.960
do rozwiązania wielkich problemów:
tworzenia zdrowszego jedzenia

00:04:45.960 --> 00:04:50.618
prognozowania powodzi czy pożarów lasów,
wspomagania ochrony przyrody,

00:04:50.618 --> 00:04:52.978
a nawet wykrywania i leczenia chorób.