Реферат на тему "нейросети"

Министерство науки и высшего образования РФ Федеральное государственное бюджетное образовательное

учреждение высшего образования

«Смоленский государственный университет»

Психолого-педагогический факультет

Кафедра теории и методики начального образования

Реферат

Нейросети. Их особенности и скорости внедрения в жизнь современного человека

Составила студентка 2 курса НачОбр23(б)

Очного отделения

Воронова Е.В.

Смоленск

2025

Оглавление

Введение…………………………………………………………………………..3

1. Что такое нейросети. Их суть....................................................................4

   1. История создания................................................................................5

   2. Виды нейросетей и их применение в реальной жизни....................6

   3. Задачи нейросетей...............................................................................8

2. Принцип работы нейросетей....................................................................9

   1. Преимущества и недостатки нейросетей........................................11

   2. Особенности нейросетей и скорость их внедрения в жизнь современного человека ……………………………………………12

Заключение……………………………………………………………………...15

Список литературы ……………………………………………………………16

Введение

Слово «нейросети» по праву может стать одним из самых популярных слов этого года. Вы наверняка его встречали на каком-нибудь новостном портале или слышали на ютуб-канале. Скорее всего, видели сотню сгенерированных нейросетями картинок и удивлялись их возможностям. А недавно, возможно, заметили, как многие из ваших друзей обновили свои аватарки в соцсетях, поддавшись тренду и загрузив в новую модную нейросеть все свои селфи.

Но что такое нейросеть простым языком? Когда и кем она была придумана? Как она работает и что умеет нейросеть? Для чего нужны нейросети? А главное — чем они могут быть полезны и на что способны, кроме ярких картинок? Я во всем разобралась и сейчас вам расскажу.

Для людей, связанных в той или иной степени с IT, нейронные сети становятся неотъемлемой частью работы. Именно поэтому далее предстоит разобраться с этим элементом. Предстоит ознакомиться с определением нейронных сетей, их особенностями, областями применения, а также историей развития.

Актуальность: В последние годы заметно возрос интерес ведущих исследовательских центров, компьютерных и телекоммуникационных компаний к исследованиям в области принципов построения и реализации нейросетей. С развитием нейросетей появляются люди, которые видят угрозу в его использовании.

Цель: изучение влияние нейросетей на человечество.

Объект: нейросети

Предмет: применение нейросетей и угрозы ихиспользования

Задачи:

1.  Рассмотреть сущность нейросети.

2. Определить отрасли применения нейросети в различных сферах.

3. Рассмотреть перспективы и угрозы применения нейросети.

4.Сделать вывод. 

1.Нейросеть и ее суть.

Нейросеть - это математические модели, повторяющие принцип работы человеческого мозга, предназначенные для поиска оптимального решения и быстрого выполнения трудоемких творческих задач. 

Суть: Это обучаемая система, состоящая из нескольких нейронов, в каждом из которых информация обрабатывается в соответствии с особыми правилами (алгоритмами, математическими формулами и прошлым опытом). Нейросети обрабатывают большое количество внешних факторов, оценивают степень влияния каждого из них на конечный результат и на основе этого находят лучший ответ на поставленную задачу.

Компьютерное зрение:

Нейросети показывают впечатляющие результаты в области компьютерного зрения. Они способны распознавать объекты, лица, жесты, действия и даже определять эмоциональное состояние людей на изображениях и видео. Применение нейросетей в компьютерном зрении позволяет разрабатывать автоматизированные системы видеонаблюдения, распознавания номерных знаков, диагностики медицинских изображений и многое другое.

Прогнозирование и анализ данных:

Нейросети успешно применяются в задачах прогнозирования и анализа данных. Они могут обрабатывать большие объемы информации и выявлять скрытые зависимости и паттерны. Это особенно важно в области финансов, маркетинга и экономики, где точные прогнозы и аналитика являются ключевыми для принятия решений.

Медицинская диагностика и лечение:

В медицине нейросети играют важную роль в диагностике и лечении различных заболеваний. Они помогают распознавать патологии на медицинских изображениях, проводить анализ геномных данных и предсказывать возможные риски заболеваний. Такие инструменты значительно улучшают точность диагностики и повышают эффективность лечения.

Автоматизация и оптимизация процессов:

Использование нейросетей позволяет автоматизировать различные процессы в производстве, логистике, транспорте и других областях. Они способны оптимизировать распределение ресурсов, управлять автономным транспортными средствами, прогнозировать спрос на товары и услуги, что значительно повышает эффективность бизнес-процессов.

1.1.Историческая справка

Работа над нейросетями началась в 1943 году вместе со статьей Уоррена Мак-Каллока и Уолтера Питтса. Эти специалисты создали компьютерную модель нейронной сети, опираясь на математические алгоритмы и теорию деятельности головного мозга. Чуть позже, в 1949 году, вышла книга Дональда Хебба «Организация поведения». В ней нейропсихолог из Канады описывает процесс самообучения искусственных нейросетей.

Еще через 8 лет Фрэнк Розенблатт представил математическую модель обработки данных мозгом человека. Она называлась «персептрон». В 1960 году американский ученый представил электронное устройство, которое имитирует деятельность человеческого мозга. Оно умело распознавать символы на карточках, которое оно «видело» ранее благодаря глазам-камерам.

В 1969 году идея нейросетей была сильно раскритикована Пейпертом и Минским. Они ссылались на серьезные проблемы, мешающие эффективному использование упомянутой технологии. Примером стала невозможность применения функции «Исключающее ИЛИ». Сюда же можно отнести недостаточную вычислительную мощность компьютеров того времени.

Также значимыми событиями в истории развития нейросетей стали:

1. Попытки сформулировать принципы работы самообучаемой системы. В 1974 году Пол Вербос предложил метод обратного распространения ошибки.

2. В 1975 году Фукусима создал первую многослойную нейросеть – когнитрон.

3. В 1982 году Хопфилд смог добиться двусторонней передачи данных между нейронами.

Активное развитие рассматриваемой технологии началось в 1990-х годах, а в 2007 году Джеффри Хинтон ввел понятие глубокого обучения. Вместе с ним получилось приступить к использованию нейросетей и их возможностей в утилитарных целях. Пример – распознавание лиц на записях с камер.

1.2.Виды нейросетей

В мире искусственного интеллекта нейросети играют ключевую роль. Эти системы имитируют работу человеческого мозга для выполнения различных задач, от распознавания образов до обработки естественного языка. В этом реферате мы рассмотрим основные виды нейросетей и примеры их применения в реальной жизни.

1. Перцептроны и многослойные перцептроны (MLP)

Перцептрон — это самая ранняя и простейшая форма нейросети, созданная для классификации данных, которые линейно разделимы. Он состоит из одного или нескольких искусственных нейронов, каждый из которых принимает входные данные и веса, производит их суммацию и передаёт результат через функцию активации.

Многослойные перцептроны (MLP) — это более сложные нейросети, состоящие из множества слоёв перцептронов, что позволяет решать задачи, недоступные для однослойных перцептронов. MLP часто используются в задачах распознавания образов и прогнозирования временных рядов.

Пример в реальной жизни: Финансовые учреждения используют MLP для оценки кредитоспособности клиентов, анализируя большие объемы данных о прошлых транзакциях и кредитной истории.

2. Свёрточные нейросети (CNN)

Свёрточные нейросети особенно эффективны в задачах, связанных с изображениями, таких как распознавание и классификация изображений. CNN используют уникальные свойства свёртки — фильтрации входных данных для выявления важных признаков, таких как края, текстуры и формы на изображении.

Пример в реальной жизни: Системы безопасности используют CNN для распознавания лиц в режиме реального времени, что позволяет идентифицировать личности на видеонаблюдении.

3. Рекуррентные нейросети (RNN)

RNN способны обрабатывать последовательные данные, такие как текст или временные ряды, благодаря их способности сохранять информацию из предыдущих шагов обработки. Это делает их идеальными для задач, где контекст важен, например, при генерации текста или обработке естественного языка.

Пример в реальной жизни: Переводчики, такие как Google Translate, используют RNN для обработки и перевода предложений, сохраняя при этом грамматические и смысловые связи в предложениях.

4. Трансформеры

Трансформеры — это относительно новый класс нейросетей, который революционизировал обработку естественного языка благодаря механизму внимания, который позволяет модели фокусироваться на значимых частях входных данных при выполнении задачи.

Пример в реальной жизни: OpenAI GPT (Generative Pre-trained Transformer) используется для создания текстов, от статей до поэзии, на основе предоставленных пользователем направлений и ключевых слов.

1.3.Задачи нейросетей

Сейчас принято разделять задачи, которые решают нейронные сети, на три категории:

1.Классификация

Такие нейросети берут заданные данные и классифицируют их. Например, могут догадаться, к какому жанру относится текст, или оценить платежеспособность человека по его банковскому профилю

2.Предсказание

Эти сети делают какие-то выводы на основе заданной информации. Сюда можно отнести как предсказание будущих доходов по текущим данным, так и «дорисовывание» картинки

3.Распознавание

Часто применяемая задача — распознавать те или иные объекты. Такие нейросети используются в умных камерах, при наложении фотофильтров, в камерах видеонаблюдения и других подобных программах и устройствах.

Некоторые задачи объединяют в себе несколько типов. Например, популярная нейронная сеть Midjourney создает рисунки на основе текстового описания — это и распознавание, и в какой-то степени предсказание.

2.Принцип работы нейросети.

Как и в мозге, нейронные сети обучаются распознавать закономерности и шаблоны в данных, которые передаются им в процессе обучения. Вот как происходит этот процесс.

1. Сначала нейросеть получает текстовый запрос от пользователя. Это может быть вопрос, команда или любая информация, которую пользователь хочет обработать.

2. После обработки текст преобразуется в числовой формат. Нейросеть использует специальные методы, чтобы каждому слову в тексте сопоставить числовой вектор. Это позволяет нейросети работать с текстом, используя математические операции.

3. Получив числовое представление текста или изображения, нейросеть обрабатывает его через различные слои нейронов. Базовая нейросеть состоит из трех слоев искусственных нейронов: входной, скрытыйи выходной. Входной слой получает информацию, например, изображение с котом. Скрытых слоев может быть несколько. Первый определяет форму и текстуру, второй выявляет более конкретные детали, например, форму ушей и морды и т. д. Выходной слой выдает окончательный результат после обработки всех предыдущих слоев. В основе этих процессов лежат различные математические операции.

4.В процессе прохождения через каждый слой нейросеть обучается путем настройки весов и параметров. Она сравнивает свои предсказания с правильными ответами и корректирует свои веса, чтобы улучшить результаты. Веса — это числовые значения, определяющие важность соединений между нейронами. Они регулируют, насколько сильно то или иное значение будет влиять на общий результат. Например, веса могут указывать на то, что температура будет сильнее влиять на предсказание погоды по сравнению с влажностью.

5. После прохождения через все слои нейросеть выдает выходную информацию, которая является результатом обработки запроса. Это может быть ответ на вопрос пользователя, классификация текста, рекомендации или что-то еще, в зависимости от цели нейросети.

Чтобы работать с нейросетями, нужно знать другие термины, обозначающие особенности их работы:

• Функция активации – способ нормализации искусственным интеллектом входных данных до нужного диапазона. Линейная функция автоматически используется, если нужно передать значение, не подвергнув его преобразованию, а также в процессе тестирования нейронной сети. Самый распространенный вид функции активации – сигмоид со значением [0,1], называемый также логической функцией. Гиперболический тангенс используется, если возможны отрицательные значения (например, акции могут не только расти, но и падать), поскольку его диапазон [-1,1].

• Тренировочный сет – последовательность данных, которые использует нейросеть.

• Итерация – количество тренировочных сетов, которые прошла нейронная сеть.

• Ошибка – производная, которая демонстрирует расхождение между полученным ответом и ожидаемым. Число ошибок в процессе обучения должно идти на спад.

2.1. Преимущества и недостатки.

Изучая нейронные сети с нуля, необходимо сначала рассмотреть их преимущества и недостатки, а также разновидности. Лишь после этого можно приступать к программированию рассматриваемой технологии.

К преимуществам нейронных сетей относят:

1. Способность к обучению на больших информационных объемах. Нейронные сети умеют обрабатывать и анализировать крупные объемы данных. Это бывает полезно, если из заданного информационного набора необходимо извлечь полезную информацию.

2. Адаптивность.

3. Гибкость.

4. Обработку сложных и нелинейных зависимостей. За счет этой особенности нейронные сети помогают решать достаточно сложные задачи.

5. Скорость обучения.

6. Распараллеливание.

7. Распознавание и классификацию сложных образов.

Недостатки у рассматриваемой технологии тоже есть. К ним относят:

1. Необходимость огромного объема данных для обучения. Если их мало, сети могут столкнуться с проблемами – они запомнят обучающие примеры, но обобщить свои знания не способны.

2. Высокую вычислительную сложность. Особенно это касается больших и глубоких сетей.

3. Неинтерпретируемость решений.

4. Чувствительность к шуму и различным выбросам. Даже небольшие изменения во входной информации могут привести к существенным изменениям в выходных значениях сети.

Также недостатком является необходимость настройки гиперпараметров. Этот процесс временами доставляет немало хлопот, а также требует экспериментов и опыта.

Несмотря на все эти недочеты, нейронные сети являются мощным инструментом машинного обучения. Они применяются для решения самых разных задач.

2.2. Особенности нейросетей и скорость их внедрения в жизнь современного человека

В последние годы нейросети стали неотъемлемой частью нашей повседневной жизни. Хотя многие из нас даже не осознают, что используют их, они уже влияют на множество аспектов нашего существования. Давайте разберемся, как именно нейросети помогают нам в повседневных делах.

1. Рекомендации товаров и услуг

Вы когда-нибудь замечали, что после просмотра фильма на стриминговом сервисе вам предлагают похожие фильмы? Или когда вы ищете обувь в интернет-магазине, вам показывают другие модели, которые могут вам понравиться? Это все благодаря нейросетям!

Нейросети анализируют ваши предпочтения и поведение, чтобы предлагать вам наиболее подходящие варианты. Они обрабатывают огромные объемы данных, учитывая, что смотрели или покупали другие пользователи с похожими интересами. Это делает процесс выбора более удобным и персонализированным.

2. Распознавание лиц

Вы, вероятно, сталкивались с функцией распознавания лиц на своих смартфонах или в социальных сетях. Нейросети играют ключевую роль в этой технологии. Они обучаются на миллионах изображений, чтобы распознавать лица и различать их.

Это не только удобно для разблокировки телефона, но и помогает в обеспечении безопасности. Например, некоторые системы видеонаблюдения используют нейросети для выявления подозрительных действий или распознавания людей в толпе.

3. Перевод текстов

Если вы когда-либо использовали онлайн-переводчики, то, скорее всего, заметили, что они стали гораздо более точными. Это также заслуга нейросетей. Они обучаются на больших объемах текстов на разных языках, что позволяет им лучше понимать контекст и нюансы языка.

Теперь переводы становятся более естественными и понятными, что облегчает общение между людьми, говорящими на разных языках.

4. Умные помощники

Смарт-колонки и виртуальные помощники, такие как Siri или Google Assistant, используют нейросети для обработки голосовых команд. Они учатся на ваших запросах, чтобы лучше понимать, что вы хотите, и давать более точные ответы.

Эти помощники могут напоминать вам о встречах, управлять умным домом и даже рассказывать анекдоты. Чем больше вы с ними взаимодействуете, тем лучше они понимают ваши предпочтения.

5. Автономные автомобили

Хотя это еще не стало повседневной реальностью для большинства людей, нейросети играют важную роль в разработке автономных автомобилей. Они обрабатывают данные с датчиков и камер, чтобы распознавать дорожные знаки, пешеходов и другие автомобили.

Это позволяет автомобилям принимать решения в реальном времени, что делает поездки более безопасными и удобными.

Заключение

В результате работы были сделаны следующие выводы:

Нейросети развиваются подобно человеку, они могут усваивать новый материал. Обучение нейросетей – это настройка различных компонентов архитектуры и отладка веса синаптических связей с тем, чтобы эффективно решать поставленные задачи.

В настоящее время нейросети активно внедряются в нашу жизнь, охватывая все большие сферы человеческой деятельности, оказывая непосредственное влияние на функционирование современного общества. В данной работе мы рассмотрим конкретные примеры внедренных в нашу жизнь нейросети, её роль в экономической, культурной, социальной и других сферах жизни общества, и спрогнозируем их возможности влияния в будущем.

Стремительное развитие нейросетей станет благом для человечества, оно улучшит его жизнь, позволит ему избавиться от рутинной работы, от затратных по времени операций. Однако возникает при этом и серьезная опасность для людей – это опасность сокращения количества рабочих мест, возможность остаться без работы. Людям будет сложно конкурировать с нейросетью, ведь она будет выполнять многие действия гораздо быстрее и дешевле, нежели человек. Людям придется искать новые профессии, новые возможности для применения собственных способностей, новые инструменты для работы.

Таким образом, цель и задачи достигнуты.

Литература

1. Что такое нейросети //[электронный ресурс]:https://blog.eldorado.ru/publications/chto-takoe-neyroseti-na-chto-sposobny-kak-rabotayut-i-komu-nuzhny-35389¹(Дата обращения: 28.03.25)

2. Зачем пользоваться нейросетями //[электронный ресурс]:https://vc.ru/u/2055179-neirosfera/768055-zachem-polzovatsya-neirosetyami-segodnya-vazhnost-i-primenenie-v-sovremennom-mire?ysclid=m965se2z1331784018²(Дата обращения: 28.03.25)

1. Виды нейросетей //[электронный ресурс]:https://rugpt.io/blog/ka-byvayut-vidy-nejrosetej³(Дата обращения: 28.03.25)

1. нейросети //[электронный ресурс]:https://otus.ru/journal/nejronnye-seti-opisanie-osobennosti-vidy/?ysclid=m966ild1f2410172184(Дата обращения: 28.03.25)

1^

2^

3^