Про нейросети и их применение
Сейчас, когда говорят про Искусственный Интеллект (он же ИИ, он же Artificial Intelligence, он же AI), то в 95%, наверно или около того, случаев подразумевается автоматизированное использование результатов полученных с помощью анализа первичных данных нейросетями. Сама по себе нейросеть это алгоритм обработки первичных данных с помощью мат.анализа на основе принципов мат. статистики. Я ни в какие определения академические не заглядывал, сам упрощенные определения пишу на основе своего опыта и ощущений, поэтому кто-то что-то возразит и придирется к словам, но не суть, как мне кажется.
Первоначальной основной областью применения нейросетей было классификация данных приведенных к одному стандарту. На примере рассмотрим:
Допустим стоит такая задача, что есть 10 000 вариантов написания разными людьми цифр от 0 до 9. А надо сделать так, чтоб машина фиксируя объективом камеры рисунок вашего почерка безошибочно определяла цифры и переводила ваш почерк в цифровые данные. Что нужно сделать для этого?, а надо получить цифровые изображения в колличестве 10 000 вариантов написания каждой цифры (сделать 10 000 сканов), например цифры "3" размером 100 пикселей на 100 пикселей, цвет черно/белый.
Если вы присвоете каждому пикселю каждого скана из 10 000 (100пикс*100пикс) свой номер, то каждый скан Тройки у вас будет представлять собой 10 тыщ коротких записей, где каждая запись содержит а)номер клетки и б)свойство черная она или белая. Потом вы берете 10 тыщ вариантов таких записей (мы же 10 000 почерков собрали) и обрабатываете нейросетью, предварительно сообщив ей, что всё это варианты написания тройки. Мы не будем рассматривать конкретный логический алгоритм нейросети, кому надо тот изучит в процессе обучения. Нейросеть всасывает всю эту инфу и сообщает на выходе, что типо: "ну я поняла, что тройку все пишут как хотят, но я всё это взвесила, и сделала такую математическо- логическую модельку, где усреднила вероятности закрашивания черным или незакрашивания черным каждого пикселя, поэтому, если мне дадут десять_тыщ_первый_скан, я сама уже вам скажу похоже это на тройку или нет". Ну и так по каждой цифре. В итоге, машина сможет распознавать цифры.
Точно также можно распознавать звуки, сообщая нейросети какие там модуляции и какие звуковые волны соответствуют каким звукам, а те буквам.
Вобщем, любой информационно-содержательный сигнал (графический, аудио, видео, да хоть запахи с помощью газоанаоизатора и др. и пр.) можно привести к некоему ограниченному множеству соответствий заданных вами категорий. Например, все звуки к 33 буквам алфавита русского. Или если собрать 10 млн картинок и сказать ей, что вот эти 3 млн картинок - это собаки, вот эти 3 млн -кошки, а вот еще 4 млн- это люди, и дать ей проанализировать 10-миллионов_первую картинку, то нейросеть сама вам скажет, что с вероятностью 98% это Людь. Ну и хорошо. Т.е. это первое применение в нумизматике нейросетей, а именно использование ее для классификации изображений монет. Т.е., грубо говоря, берем 150 цветных 4-х канальных (RGB + прозрачность) или 3-х канальных_RGB сканов какой-нить чешуйки КГХ №123 и говорим нейросети "дорогая, имей ввиду, что все это изображения одной и той же КГХ №123". И так по всем номерам КГХ. Естесственно, чем больше будет сканов каждой КГХ, тем с большей вероятностью нейросеть будет выдавать правильный ответ.
По большому счету я в нумизматике не вижу других применений для нейросетей, потому что наиболее трудоемкая задача это - определение и классификация . Я думаю этим и ограничусь, хотя количество применений результатов работы нейросети поистинне безгранично