Серия: Вселенная eve online (Миры eve online)

Очередной попаданец. Рубка управления патрульного крейсера империи Аратан. Патрулирование пограничных систем проходила в штатном режиме, не чего не обычного в ближайшее время произойти не должно. Их маршрут проходил по закрытым системам… … Полная аннотация

Третья книга о  землянине, попавшем в средневековый магический мир, откуда он отправился путешествовать по мирам Содружества … Полная аннотация

Как стать пилотом космического истребителя, галактическим пиратом и торговцем? И что потом делать? Читайте в остросюжетном романе по мотивам EVE и Мирам Содружества. … Полная аннотация

Фантастика – Нейросети, импланты, космос, земля, другие планеты Неудачи получаются в результате страха, покоя, изнеженности и беспечности. Устранение страха создаёт уверенность и изобилие. Встаньте и вооружитесь, пусть слабые получают милостыню! … Полная аннотация

Фанфик-«альтернативное продолжение» произведения К.

Н. Муравьева «Перешагнуть пропасть», «подхватывающее» оригинальное изложение событий главы 1 первой книги, глав 33 и 97+N четвертой книги, при N>10. Имеются отсылки к сюжетам повести «Живучий»,… … Полная аннотация

Хочу почитать какой-нибудь выверт с элементами мира ЕВА, нейросети, компьютеры, корабли, инопланетяне и корабли древних. Лень искать по моему вкусу, напишу себе книгу сам! … Полная аннотация

Теперь Макс уже не простой смертный. Он владелец множества компаний, муж и счастливый отец. Но всему этому счастью может прийти конец. Вся галактика оказалась на грани уничтожения в ходе глобальной войны. Оставит ли это так наш герой? Или попытается… … Полная аннотация

Две подруги нашли непонятную штукенцию. А штукенция возьми, да и установи им нейросети и импланты. Ну а дальше оно как-то само…   … Полная аннотация

ЧЕРНОВИК. Главы с 1 по 36. Приключения Беса и Меробса переносятся в космос их задача долететь до ближайших обжитых мест. Женщины, девушки, только за описание любви сильно не бейте. … Полная аннотация

Давным давно, в одной далекой предалекой галактике жила раса хтоираимов. Они очень многого достигли в науке: им покорилась своя звездная система, затем часть галактики, в конце концов вся галактика, пусть она была небольшой по меркам космоса. Но им… … Полная аннотация

Сплав магии и космоса с отголосками EVE, но в умеренном количестве. Итак, взвод солдат, отправившихся марш-броском через дебри тайги, оказывается неизвестно где… Лейтенант, отведёте этих олухов к начальнику складами. Экипировка по полной… … Полная аннотация

Десять тысяч лет жизни это много или мало? Все относительно, так говорит Эйнштейн. Если считать относительно человеческой жизни, то это бесконечно долго, а если относительно жизни Вселенной, то это лишь всего краткий миг. Как вы себя будете… … Полная аннотация

Конечно плохо оказаться в новом мире, почти без всех своих способностей. Но ты сам выбрал этот путь, никто тебя не заставлял, поэтому нытья и усталости твоя жизнь не приемлет.

У тебя только одна дорога -вперед и ни шагу назад … Полная аннотация

Популярные новинки Самиздата от 26.01.17. Выпуск №21

Здравствуйте! Вы на Блоге о фэнтези и фантастике!

Сегодня у нас очередной выпуск новинок журнала Самиздат, уже двадцать первый.

Я его немного задержал, чтобы произведения, которые я присмотрел для выпуска, немного «обросли текстом», и в них было что почитать.

Здесь у нас 12 работ, среди которых: АИ, фэнтези, научная фантастика, ЛитРПГ, попаданцы и фанфик.

Начнём с работы, которую я затрудняюсь классифицировать по жанровой принадлежности. Отсутствие аннотации этому вообще никак не помогает.

Авантюрист. Новичок-одиночка — Храбрых Константин

Выложено: 294 кб.

Размещён на СИ: 31.12.16

Аннотация: нет.

От меня: Очень странная штука. Знаете произведения (обычно манга и аниме), где герой или команда героев покоряют подземелье или башню, в которой много уровней, и чем дальше, тем тяжелее? Это целый пласт восточных работ.

Так вот, в книге «Авантюрист. Новичок-одиночка» присутствуют также становление и развитие героя, после убийства монстров остаются какие-то кристаллы, покорение героем всё более удалённых уровней лабиринта, крафт (здесь, создание сплавов и изучение рунной магии), повышение в табели о рангах среди авантюристов и так далее.

В общем, это манхва, только в виде текста, а не комикса.

Есть такое аниме (возможно, по комиксу или ранобэ) «Dungeon ni Deai wo Motomeru no wa Machigatteiru Darou ka». Вольный перевод – «В подземелье я пойду, там красавицу найду». Так вот, оно чертовски похоже на  книгу «Авантюрист. Новичок-одиночка». Герои… ну почти один в один. Даже оружием одинаковым пользуются – ножами.

Отдельных, и далеко не лестных, слов заслуживает язык и грамотность. С пунктуацией беда.

С грамматикой, а иногда, и с порядком слов – тоже. Текст править и править. Может быть, имеет смысл подыскать корректора или редактора. По крайней мере, если автор планирует издавать книгу (а ранее он уже издавался).

Тем не менее, читается очень бойко и быстро. Не просто так подобный формат полюбили на востоке.

Сашка. Серия «Адмирал» — Поселягин Владимир

Выложено: 235 кб.

Размещён на СИ: 01.12.16

Аннотация: Кто-то мечтает получить новую жизнь и начать её по-другому, однако в реальности не все этого хотят. Именно таким и был главный герой этой истории Александр Поляков, однако Судьба решила всё за него. Новая жизнь, новая семья, и ещё большая ответственность. Куда большая. Ведь попал он именно туда, о чём пишут фантасты, в сорок первый год. Правда, в январь, но от этого лучше не становится. Ленинградская область, окрестности озера Чудское и послезнания. Так что, оставить на погибель новую семью или хрипя от натуги вытащить их из этой беды? Это очень трудно, это действительно очень трудно, особенно когда новому телу нет и двенадцати лет. Но ответственность, характер, но главное воля с упорством к победе осталась с Александром.

От меня: Альтернативная история от Поселягина. Хорошо знакомый для него жанр.

Сказать особо нечего – язык так же нормален, как и в других его книгах, из последних, по крайней мере. По небольшому куску, что я прочёл, сюжет АИ особо не поймёшь.

Если вы читаете Поселягина или АИ на Самиздате, то вы, наверняка, ознакомитесь и с этой книгой. В другом случае, поехали дальше по списку.

Интересный момент – под аннотацией написано, что выложено 37% книга, но книга дописана. Судя по комментариям, кто-то уже прочёл полную версию.

Есть какая-то скрытая система подписки? Потому что ни в аннотации, ни в конце выложенного текста об этом нет ни слова.

Авантюра адмирала Небогатова — Осадчий Алексей

Выложено: 219 кб.

Размещён на СИ: 06.12.16

Аннотация: Казалось, всё предрешено: даже век спустя все попытки «переиграть Цусиму» на форумах мореманов-альтернативщиков неизменно заканчивались разгромом русских эскадр. Компьютерное моделирование нескольких сотен альтернативных вариантов в «нулевые» и «надцатые» годы 21 века только подчёркивало подавляющее превосходство Соединённого флота.

Но, в этой временно-мировой «схлопке», в этом варианте «многомирья» всё пошло иначе…

От меня: Честно говоря, я настолько далёк от «мореманов-альтернативщиков», что в эти дебри даже лезть не буду. Без знания дела, тут наверняка можно нахвататься художественного вымысла (учитывая, что это АИ), и потом удивить кого-то из знакомых очень странными «историческими фактами».

Напоминаю – не рекомендую читать АИ, если вы не разбираетесь в затронутым периоде истории.

Линии крови — Лисицын Антон

Выложено: 251 кб.

Размещён на СИ: 31.12.16

Аннотация: Второй вариант, примерно треть книги.

От меня: Старое название – «Псионик».

Антон переписал начало, добавил некоторые моменты, и двинулся дальше по сюжету.

Сейчас в черновом варианте закончено обучение, и начинается самое интересное (надеюсь).

Меня лично больше интересует «Сказка» — его фэнтези с использованием славянского фольклора. На СИ пока не выкладывалось.

Дорога Домой — Зверев Павел

Выложено: 1245 кб.

Размещён на СИ: 26.12.16

Аннотация: У каждого из нас есть мечты, разные, но, как правило, неосуществимые. А что если она сбылась? Сбылась та самая, дикая и безумно желанная, но такая нереальная. Ты попал. Попал прямо на алтарь, и маг с доброй улыбкой готовит тебя в качестве жертвы. Будь осторожен с мечтами, бывает, что они сбываются, и тогда тебе приходиться выживать, несмотря ни на что. Искать ответы, искать помощь и поддержку, и самое главное искать дорогу домой, ведь как бы ни было хорошо здесь, в твоей мечте, но там остался твой дом. И ты должен стать сильней, стать значимым в этом мире, чтоб с твоим мнением считались, и возможно тогда, ты сможешь найти маленькую тропинку, которая возможно приведет тебя к дому. Ну а пока, впереди жизнь и смерть, потери и друзья, потрясения и победы, что тонкой линией сплетают твою новую судьбу в этом мире.

От меня: ГГ попадает в другой мир. Там магия, тёмные ритуалы, орки и всё такое прочее.

Сперва читателю нужно немного освоиться с языком – ошибки есть, но для черновика, в принципе, терпимо. Далее идут приключения и мытарства ГГ, он понемногу осваивает магию… и срывается чёрт-те пойми куда. Без видимой причины.

В общем, к построению сюжета претензии определенно есть. А так, может получиться неплохая развлекательная книжка. Учитывая объём, даже дилогия.

Исток — Григорьев Илья

Выложено: 222 кб.

Размещён на СИ: 31.12.16

Аннотация: Здесь вас ждет традиционный набор фэнтези. Попаданец, магия и т.д.

От меня: Попаданец с нейросетью в магический мир.

Я такое уже видел на Самиздате. Как и в этой работе, там была интересная идея, но зашкаливающее количество ошибок.

Если для вас это не проблема – дерзайте. Но я рекомендую дождаться вычитки.

Возвращение в Тооредаан 3 — Фуфло Феофилакт Феогностович

Выложено: 141 кб.

Обновлено на СИ: 07. 01.17

Аннотация: Прода от 07.01.2016*

* в аннотации ошибка. Обновление было в этом году.

От меня: Автора очень давно не было, вот я и сообщаю тем, кто следил за его творчеством – можно опять начинать следить.

Первая книга начиналась с того, как главного героя отобрали для отправки на Землю-2 – операция от вооружённых сил. Разумеется, всё идёт не по плану, и он оказывается практически каноничным попаданцем.

Восстать из мертвых. Чистилище — Эйферзухт Ингвар В.

Выложено: 121 кб.

Размещён на СИ: 01.01.17

Аннотация: Оливье из научной фантастики, хортятины, нейросетей, искинов, порталов, дроидов и сканеров.

От меня: Хотелось бы увидеть в аннотации или в начале текста сообщение о том, что пролог этой книги – очень детальный пересказ рассказа Альфреда Ван Вогта «Чудовище». Завязка та же, пришельцы так же оживляют людей – от варвара до сверхчеловека.

Они так же называют его «чудовище». Он так же грозится «искусственно сократить их популяцию».

«Чудовище» я уже читал, и зачем читать его пересказ я не понимаю.

С первой главы начинаются новые события.

Цивилизация (Литрпг) — Ушаков Владимир

Выложено: 127 кб.

Размещён на СИ: 31.12.16

Аннотация: ЛитРПГ. Жил был себе парень, ничего особенного. Ждал он на свидание девушку, то же ничего так. Только девушка не пришла, а прилетели пришельцы. И по иронии судьбы, свидание с ними, а точнее с их детищем вполне удалось. Вас ждет дикий МС, много циферок и мало буковок…, вам понравится…

От меня: Характеристик, окон и цифр действительно очень много.

Инопланетяне предлагают землянам присоединиться к игре рас, разумеется, в виртуальном пространстве. Главный герой, разумеется, впереди планеты всей.

Такую идею я помню в «Царе зверей» Емельяненко.

О сюжете пока говорить не приходится – тут пока только таблицы и раскачка повествования.

Иеремия Симпсон. Ловец человеков — Маркин Малик

Выложено: 190 кб.

Размещён на СИ: 26.12.16

Аннотация (часть):  1-15 главы выложены.

От меня: Если кто-то думает, что тут есть связь с книгой Надежды Поповой «Ловец человеков» — то её здесь нет.

Здесь всё начинается с того, что работорговцы из космической цивилизации ловят главного героя – детектива, землянина, и вообще, нашего современника.

А дальше ему предстоит осваиваться на новых планетах.

Лиса. Книга вторая. Адмирал с бантиками — Дубровный Анатолий

Выложено: 98 кб.

Размещён на СИ: 12.12.16

Аннотация: Думала ли капитан «бойцовых котов» Алиса Таволич, что ей уготована такая судьба? Пройдя множество испытаний и будучи переброшена сначала на триста, а потом ещё на двести лет вперёд Алиса сумела не только сохранить свою жизнь, но и занять достойное место в новом для неё обществе.

От меня: Женский главный герой, но судя по комментариям, читают, в основном, мужчины.

Я начинал ещё первую книгу – «Девять жизней бойцовской кошки» (кажется, раньше по-другому называлась). И мне понравился язык и приятное повествование. Если будет время, возьмусь снова.

В целом, очень неплохо.

Рыцарь Без Страха – Седрик

Выложено: 192 кб.

Размещён на СИ: 01.01.17

Аннотация: Что случится с историей Далёкой Далёкой Галактики если вдруг Энакин Скайокер перестанет выполнять навязанную демиургом роль главного трагического персонажа саги?

Что если с ним случится нечто, способное кардинально сломать тот тщательно срежиссированный результат, когда самый талантливый одарённый галактики получает самое худшее обучение, какое только вообще возможно?

И что станут делать джедаи с ситхами если их «Избранный» действительно станет достоин этого звания?

От меня: Это попаданец в Энакина Скайуокера. Причём, попадает не кто-то, а древний ситх. Это не спойлер, потому что раскрывается где-то через 50 кб. от начала.

Память начинает просыпаться, и Энакин видит сны, в которых он уж точно не на Светлой стороне силы. Молниями швыряется очень убедительно. Навыки и способности Силы у него тоже резко поднимаются до невиданных высот.

На этом у меня всё. Новый выпуск постепенно формируется, и скоро должен появиться в блоге.

Как обычно, за новостями сайта удобно следить с помощью паблика во ВК: Всё о фэнтези и фантастике. Там публикуются все анонсы и обновления.

Следите за новостями, читайте только хорошие книги. Скоро увидимся!

Книги про попаданцев в СССР: лучшие новинки

Попаданчество – одно из самых популярных направлений в современной фантастике, в котором описывается перенос персонажа в прошлое или в другой мир. У русских читателей особым спросом пользуются истории о попаданцах в СССР. На эту тему написано огромное количество произведений. 

Подборка состоит из книг о попаданцах в СССР, на которые в первую очередь стоит обратить внимание. В ней есть и такие бестселлеры жанра, как «Спасти СССР» Михаила Королюка или «Реваншист» Анатолия Дроздова, и менее известные, но любопытные романы Стрелкова, Марченко, Ахмарова. Выбирайте книгу и погружайтесь в приключения! 

 

 

«Вторая жизнь», Александр Санфиров 

 

 

Александр Санфиров – известный автор книг о попаданцах, создатель успешного романа «Вовка – центровой». «Вторая жизнь» – одно из недавних произведений писателя, быстро завоевавшее популярность у поклонников жанра. 

Главный герой «Второй жизни» – восьмидесятилетний старик, после внезапной смерти перенесшийся в тело юноши в 60-е годы. Он с энтузиазмом использует представившуюся возможность прожить жизнь иначе, исправить прошлые ошибки и осуществить несбывшиеся мечты. «Вторая жизнь» – это книга об обычном человеке и его личных проблемах. В ней не затрагиваются темы героизма и спасения страны, и этим она выделяется из жанра. Действительность 60-70-х годов описана очень ярко и узнаваемо, невольно вызывая ностальгию.

 

 

«Время всегда хорошее», Евгения Пастернак, Андрей Жвалевский 

 

 

Белорусские писатели Андрей Жвалевский и Евгения Пастернак известны как авторы современной детской литературы. Их повесть «Время всегда хорошее» получила премию «Алиса» как лучшая фантастическая книга для юношества.

Мальчик из 1980 года и девочка из 2018-го внезапно меняются местами. Школьникам приходится привыкать к новой, непривычной обстановке: Витя учится пользоваться компьютерами и держаться свободнее, а Оля – обходиться без гаджетов и выражать свои мысли устно. Адаптируясь к новым условиям, они приходят к выводу, что время и обстановка не имеют большого значения, что в жизни есть гораздо более важные вещи. Книга пользуется популярностью не только у детей и подростков, но и у взрослых. Это добрая и мудрая приключенческая история о дружбе, честности и справедливости.

 

 

«Спасти СССР. Инфильтрация», Михаил Королюк  

 

 

«Спасти СССР. Инфильтрация» Михаила Королюка – начало одной из самых знаменитых серий книг о попаданцах в СССР, известной под названием «Квинт Лициний».  Главный герой книги Андрей Соколов попадает в прошлое после необычного разговора с попутчиком в поезде – обсуждения готовности изменить историю своей страны. Соколов оказывается в 70-х годах, в собственном теле подростка. Используя свой жизненный опыт и знания, он заново строит свою жизнь, а главное – делает первые шаги к спасению Советского Союза. 

«Инфильтрация» отличается очень детализированным описанием эпохи, которое моментально погружает читателя в атмосферу 70-х. Королюк известен своим замечательным языком – богатым, живым, плавным. Повествование гармонично наполнено цитатами, отсылками и аллюзиями.

 

 

«Случайный билет в детство», Владислав Стрелков 

 

 

Владислав Стрелков – российский писатель-фантаст, специализирующийся на боевой фантастике. Одну из своих книг, «Случайный билет в детство», он посвятил популярному сюжету о возвращении в СССР – получился захватывающий боевик о попаданце с динамичным нелинейным повествованием.

Боец спецназа нашего времени, ностальгирующий по временам своего детства, попадает в 1984 год и снова становится семиклассником. Он проживает в собственном прошлом всего несколько дней, но за этот период успевает изменить судьбы близких людей. События 1984 года чередуются с флешбэками главного героя из нашего времени. Автор увлекательно описывает боевые операции и другие напряженные сцены.

 

 

«Назад в юность», Александр Сапаров 

 

 

Александр Сапаров – псевдоним популярного писателя о попаданцах Александра Санфирова, под которым он писал многие свои ранние произведения. Среди них самой успешной книгой стала «Назад в юность» 2013 года. 

Семидесятилетний инвалид, бывший военный хирург, попал в прошлое – в свое подростковое тело. Ему приходится снова учиться в школе, а затем поступать в институт и работать врачом. Но теперь у него есть важные цели – изменить свою судьбу, спасти своих близких, повлиять на историю своей страны. Главный герой, несмотря на некоторые слабости, ведет себя разумно и естественно. Любителям медицинской тематики понравятся качественные и подробные сцены из жизни хирурга.

 

 

«Сто лет тому вперед» («Гостья из будущего»), Кир Булычев 

 

 

Ранняя повесть знаменитого писателя Кира Булычева «Сто лет тому вперед» широко известна как «Гостья из будущего». Именно по ней был снят блестящий советский сериал про Алису Селезневу. Книга рассказывает о приключениях Коли и Алисы – мальчика из СССР и девочки, живущей в конце XXI века. Случайно попав в будущее, советский школьник спас важный прибор – миелофон – и вернулся с ним домой. За этим ценным аппаратом для чтения мыслей охотятся космические пираты, и Алиса отправляется в прошлое, чтобы найти Колю и вернуть миелофон.

«Сто лет тому вперед» – увлекательная книга, в которой смешиваются жанры фантастики, детектива и приключений. Эта повесть показывает добрый, ностальгический образ 70-х годов, благодаря чему ее с удовольствием читают взрослые.

 

 

«Обратно в СССР», Геннадий Марченко 

 

«Обратно в СССР» – первая часть трилогии «Перезагрузка» писателя-фантаста Геннадия Марченко. Это классический образец литературы о попаданцах в СССР с реалистичным, но в целом позитивным изображением советских времен, внятными целями главного героя и динамичным сюжетом.

Марченко отходит от шаблона, в котором персонаж попадает в свое же тело в прошлом. В этой книге главный герой, школьный учитель, просто перемещается во времени – он переносится в 1975 год, захватив с собой телефон, электронную книгу и документы. Такой ход кажется свежим, интересно наблюдать за сложностями легализации в другом времени.

 

 

«В августе 79-го, или Back in the USSR», Азат Ахмаров 

 

 

Фантастический роман о попаданце «В августе 79-го, или Back in the USSR» Азата Ахмарова не так широко известен у поклонников жанра, как «Спасти СССР» или «Вторая жизнь». Но на него стоит обратить внимание – эта история отличается свежим сюжетом и написана легким и живым языком. 

Действие книги происходит в южной части России. Главный герой, директор ночного клуба нашего времени, попадает в 1979 год. При себе у него только ноутбук, а также опыт, знания и смекалка, которые помогают выпутаться из самых сложных перипетий. Книга насыщена приключениями и интригами. И еще она по-настоящему смешная, герой обладает блестящим чувством юмора и часто попадает в забавные ситуации.

 

 

«Фатальное колесо», Виктор Сиголаев 

 

 

«Фатальное колесо» – дебютная книга российского писателя-фантаста Виктора Сиголаева, положившая начало одноименному циклу о попаданце в СССР. Серия состоит из пяти частей, последняя вышла в 2020 году. 

История «Фатального колеса» начинается предсказуемо: пятидесятилетний полковник в отставке после ДТП попадает в тело семилетнего ребенка – самого себя. Он вновь оказывается в начале 70-х годов, в родном Севастополе. Вместо того чтобы использовать эту возможность лично для себя, он начинает сотрудничать с КГБ и расследовать серьезные государственные преступления. «Фатальное колесо» – это остросюжетный шпионский детектив, который читается на одном дыхании.

 

 

«Поколение победителей», Павел Дмитриев 

 

 

Книга о попаданце «Поколение победителей» сразу после публикации принесла популярность начинающему писателю Павлу Дмитриеву. Роман стал первой частью серии «Еще не поздно», которую автор называет «ортодоксальной альтернативной историей СССР».

Главный герой книги из 2010-го попадает в 1966 год вместе с автомобилем, ноутбуком и другими приборами. Передав все свои знания о будущем КГБ, он начинает обычную жизнь, становится директором НИИ электроники и способствует развитию этой отрасли в Советском Союзе. Автор прекрасно разбирается в информационных технологиях и истории их развития. Книга насыщена техническими подробностями, которые делают роман более продуманным и достоверным.

 

 

«1970», Евгений Щепетнов 

 

 

«1970» – одна из самых свежих книг о попаданцах в СССР из нашей подборки, она была написана в 2019 году. Ее автор Евгений Щепетнов – признанный писатель-фантаст, библиография которого включает несколько десятков книг. 

Бывший омоновец и писатель Михаил Карпов после аварии оказывается в 1970 году, за несколько месяцев до своего рождения. После лечения в психиатрической клинике он приобретает абсолютную память, которая дает ему доступ к любым историческим и литературным знаниям. Выйдя из клиники, он решает использовать свои способности, чтобы не допустить развала Советского Союза. И попутно обрастает связями, заводит отношения с женщинами и становится заслуженным писателем. Книга вызывает противоречивые эмоции из-за обилия постельных сцен и негативного образа главного героя, но это придает ей реалистичности.

 

 

«Попытка возврата», Владислав Конюшевский

 

 

 

«Попытка возврата» Владислава Конюшевского – классический образец развлекательной литературы о попаданцах в СССР. Это динамичный и ироничный боевик, в который гармонично вплетен достоверный исторический материал. Книга открывает законченный увлекательный цикл в жанре альтернативной истории.

Главный герой оказывается в прошлом за несколько часов до начала Великой Отечественной войны. Сумев выжить на советско-германской границе, он ставит перед собой почти невозможную цель – изменить результаты войны, уменьшить число погибших. Он попадает в диверсионный отряд, совершает подвиги и вдохновляет других людей. Несмотря на реалистичное описание ужасов войны, это очень патриотичная и оптимистичная книга.

 

 

«Черные бушлаты», Александр Конторович 

 

 

«Черные бушлаты» – дебютная и самая популярная книга Александра Конторовича, бывшего военного, криминалиста, альпиниста, побывавшего во многих горячих точках. Роман входит в знаменитый «Черный» цикл, но отличается логической завершенностью, его можно читать как отдельное произведение. 

Главный герой из настоящего времени попадает в 1941 год, в тело заключенного. Уцелев после бомбардировки немцами, он отправится в тыл к врагу и попытается любой ценой выжить, используя диверсионные знания. Это не альтернативная история, герой не меняет заранее известный ход событий, но активно в них участвует. В подробных и красочных описаниях боев и спецопераций чувствуется богатый военный опыт автора. Отдельный плюс книги – эффектный, хорошо продуманный финал.

 

 

«Реваншист», Анатолий Дроздов  

 

 

Анатолий Дроздов – успешный белорусский журналист и писатель детективов и фантастики. Его роман «Реваншист» широко известен среди любителей историй о попаданцах в СССР, он считается эталоном жанра. Главный герой истории – писатель на пенсии Сергей Девойно, неудачливый как в творчестве, так и в личной жизни. Пережив инфаркт, он попадает в свое прошлое – ему опять 21 год, он работает слесарем и живет в общежитии. Время действия – 1975 год. Сергей ставит перед собой две задачи: построить более счастливую жизнь и предотвратить Чернобыльскую аварию. Книга замечательно передает дух того времен: атмосфера, быт, социальные взаимодействия советских людей описаны ярко и по-доброму.

 

 

«В ту же реку», Николай Дронт 

 

 

«В ту же реку» – первый роман начинающего писателя Николая Дронта. Это начало многообещающего цикла о попаданце в СССР, над которым автор продолжает работать.
Книга описывает несколько месяцев из жизни обычного подростка из советской семьи 70-х годов, но с одним фантастическим нюансом – в теле юноши находится сознание зрелого человека из нашего времени. Оригинальное место действия романа – Камчатка – выгодно отличает его от других книг с аналогичным сюжетом. Автор со знанием дела рассказывает о золотодобыче, браконьерстве, корякских традициях и других экзотических подробностях.

Попаданцы читать в библиотеке izdaiknigu.ru :: Все книги жанра онлайн

Тайна подземелий

Ты попала в чужой мир и решила начать там новую спокойную жизнь? Наивная! У злодейки-судьбы на твой счет совсем другие планы. Например, отправить тебя на поиски пропавшего жениха в горные подземелья, которые славятся наличием жутких монстров и прочих малоприятных сюрпризов. Ну и пусть ты любишь другого! Не бросать же в беде того первого, протянувшего в свое время руку помощи. Теперь твоя очередь платить по счетам. А значит, в путь! Навстречу всевозможным испытаниям, интригам и тайнам, которые хранят Итировы подземелья. И пусть порой сложно понять, кто друг, а кто враг, главное, выдержать, не отступить и… чужой мир станет родным, бывший враг – другом, а для любимого ты наконец-то перестанешь быть чужой невестой.

Убийца

Любимец загадочной Темноты Алекс Эльф эр’Таррин, принц Подгорного королевства, на Земле носивший имя Алексей Ветров, продолжает вести сражения на просторах чужого мира. Его летучий отряд Королевских Кэльвов мстит кровожадным кочевникам за разорение Города, освобождает попавших в неволю людей, наводя ужас на степняков. Алекс проникает в самое сердце степи, в город Мараху, потом к диким горцам, и все это делается ради того, чтобы обеспечить спокойную жизнь в королевстве Мардинан, уберечь его от посягательств воинственной Империи с ее могущественными магами. Он и сам становится Темным магом, способным достойно ответить ударом на удар. И приходит день решающей схватки…

Дракон

И кем только уже не побывал Алексей Ветров в чужом мире… Воином… Убийцей… Героем… А теперь довелось ему стать и драконом, настоящим, с крыльями и серебристой чешуей. Вышло это, как всегда с Алексом Эльфом, неожиданно – ведь собирался-то в Империю, поучиться уму-разуму в Академии магии. Но вместо этого занесло его совсем в другие края, на юг континента, и пришлось отложить мысли о повышении квалификации и отражать нападения шершан, вступать в прения на совете стай и заботиться о судьбе новых друзей. А Империя отнюдь не отказалась от агрессивных планов по отношению к созданному Алексом Новому Союзу, и за драконьими заботами нужно не забывать и об этом…

Вот это я попал (СИ)

• Автор: «Olie»

• Дата добавления: 2015-05-29

• Кол-во страниц: 93

Работал, жил в свое удовольствие, никого не трогал, а тут… Другой мир, другое тело, к тому же, еще и ребенка, по их понятиям. И что мне теперь со всем этим делать? Но самое главное: я — врач — акушер, привыкший принимать роды у женщин, столкнулся с тем, что здесь придется принимать их (роды) у мужчин. И как мне со всем справиться? 

Боевик-универсал

Эффект смены имени возымел действие: охотника Влада Молнию, рейнджера Далва Шутника и вольного барона Влада эл Стоку никто не считает за одно и то же лицо. Кроме «ткача», от которого не скроешься, некому в Арланде догадаться об истинном положении вещей: правители разных королевств, главы орденов, клирики, даже собственная жена Эла-Алиана – все воспринимают Влада лишь по одной из его ипостасей. Собственно, именно это и бережет попаданца от неминуемой расправы, ибо враги его лишь множатся. Но Владу всего этого мало. Теперь он непременно хочет сделаться… графом эл Артуа. На сем нелегком пути его могут поддержать – и конечно поддержат! – не три, а четыре короля! Но чем ты выше забираешься по крутой иерархической лестнице, тем… Да, больнее падать, это понятно, зато общая картина мира открывает новые и новые детали, могущие перевернуть весь ее смысл…

Герой

Продолжается полная опасностей и приключений жизнь Алекса Эльфа (он же – Алексей Ветров) в королевстве Мардинан. Разбиты воинственные кочевники, создан скрепленный кровными узами Новый Союз, настало время мирного созидательного труда. Алекс наконец-то добирается до Подгорного королевства – и выясняется, что не всем по нраву этот Новый Союз. Привыкшая быть лидером, Империя не желает мириться с переменами на политической карте. Алексу приходится противостоять могущественным служителям Единого, раскрывать заговоры, блуждать в каменных лабиринтах под горами. Заговорщикам наконец удалось заманить получеловека-полуэльфа в ловушку, и кто знает, сумеет ли выбраться из нее тот, кто был на Земле Алексеем Ветровым.

Ррр! Или смешно пытаться выдать ведьму замуж! (СИ)

Знала ли обычная студентка, выходя из дома утром, что провалится в канализационный люк и на выходе окажется в чужом мире? Знал ли король Максимельян, что вместо скромной, недалекой принцессы ему подсунут в невесты сущий кошмар? Чем же закончится это противостояние характеров и сможет ли дитя техногенного века вписаться в чужой мир узнаем позже… 

Лиля (СИ)

Разрешите представиться. Иванова Лилия Владимировна, мне двадцать четыре года, и работаю я медсестрой хирургического отделения в районной больнице одного маленького, но уютного городка. Были у меня родители, простые и добрые люди, были подруги и имелся молодой человек, который ходил в статусе жениха уже два года. И меня все устраивало в моей жизни. Пока однажды к нам в больницу не попал пациент без документов, которого мы прозвали Сказочником. Милый человек… был, пока не скинул меня с третьего этажа, и я не оказалась в другом мире. И вот я, современная до мозга костей девушка, узнаю, что я дочь короля, которую ждет жених, да еще и дриада по матери. Так что, разрешите представиться снова, Ее Высочество Лилиан Радоггайская, возвращенка обыкновенная. И понеслись приключения…

Файролл. Пути Востока

И снова журналист, скрывающийся под ником Хейген, меряет ногами дороги Файролла. Его ждет Восток, таинственный и загадочный. Храмы ушедших богов и про?клятая деревня, подземелье короля нагов и битва в песках с эпическим монстром, распри кланов и штурмы крепостей… Казалось бы, все это лишь игра. Но когда игра тесно переплетается с жизнью, то решения принимать становится все труднее.

Файролл. Край холодных ветров

Нет покоя журналисту, которого судьба занесла в игру под названием «Файролл». На этот раз его дорога пролегает по Северу – древней и мрачной земле, где в курганах спит древнее зло, в Железном лесу плетет свои интриги бессмертная ведьма и где так сильна власть таинственного Великого Фомора. Сможет ли наш герой собрать все рати Севера, чтобы победить зло на этих землях? И что в результате его ждет в конце пути как в игре, так и в реальной жизни?

Чужие маски

Идти вперед, побеждать, возвышаться — таков его путь. Сакурай Синдзи сделает все, чтобы подняться выше. Чтобы ни от кого не зависеть. Искать верных людей, союзников, зарабатывать деньги. Воевать. Ведь именно в бою ведьмак становится сильнее. И именно бой срывает маски: и свои, и чужие.

Шаг первый

Геймеров, погрязших в компьютерных ролевых играх, больших знатоков этого процесса, очень многое не устраивает. Конечно, азарт — это круто, но ведь даже в самом пылу азарта игрок понимает, что все это — ненастоящее, а состояние компьютерной техники далеко от возросших желаний игроков. Компания друзей — специалистов по созданию игр — решает запустить проект, опережающий даже самые невероятные желания клиента: создаваемая ими новая игровая система будет выглядеть реальнее, чем сам реал. Новая система позволяет испытывать не условно игровые, а настоящие эмоции, ведь игрок-герой будет не просто играть, а жить в виртуале! Речь идет о миллиардах долларов прибыли, которые завтра потекут на счета друзей и вложившихся в проект инвесторов. Вадим, один из разработчиков, должен первым протестировать готовую систему. Однако, уже войдя в игру, Вадим, оказавшись в новой реальности голым и беззащитным, понимает, что инвесторы хотят получить эти миллиарды сами, а его послали на убой…

Адепт. Том второй. Каникулы

Каникулы – это приятная пора для любого учащегося… но только не для адепта имперской Академии магии Алексея Ветрова. Видимо, судьба у него такая – всегда попадать в водоворот удивительных и смертельно опасных приключений. Казалось бы, всего лишь хотел оказаться в замке своего друга Хорсака, но угодил к дикому племени желтых карликов. Планировал одним глазком посмотреть на королевство демонов, а пришлось участвовать в Турнире Харрашара. Надеялся провести время в тиши и спокойствии, предаваясь любимому занятию – ничегонеделанию, однако был вынужден по самые уши погрузиться в политику, раскрывать заговоры, сражаться с врагами и давать советы королям. Но как же иначе?

Гонг и чаша

Конец такого длинного пути по Файроллу уже близок. Для этого осталось всего лишь прогуляться по Югу с его заброшенными храмами и неразгаданными тайнами, устроить дворцовый переворот, повоевать в качестве наемника в Вольных ротах и вызвать богиню, которая покинула мир Файролла много веков назад. Ну и еще не запутаться в хитросплетениях реальной жизни, ведь в ней тоже все очень непросто. Жаль только неизвестно — точно ли это конец пути или лишь окончание его первого этапа.

Опа-па, или осторожнее с желаниями (СИ)

Вот как, оказывается бывает: жизнь покатилась под откос, жених бросил, с работы уволили… Удача повернулась филеем и не хочет показать своей наглой морды. Вот и решила пойти напиться в зю-зю, и наткнулась на интересный бар… Сейчас уже и не скажу точно, может, это была судьба, а может и случайность, но бар назывался «Три желания», прямо как в сказке, которой мне так не хватало… До этого момента. А потом началось такое…

Каждому своя дорога (СИ)

• Автор: GVELA

• Дата добавления: 2015-06-02

• Кол-во страниц: 48

Других миров должно быть уйма, но почему именно мне суждено было попасть в мир нетрадиционных отношений? Два варианта окончания так и останутся. Это так и было задумано) А вот какой вам по вкусу, решайте сами))) 

Теряя маски

Даже самый лучший план действует лишь до начала его осуществления. Эту мудрость в очередной раз ощутил на себе Максим Рудов (он же Сакурай Синдзи), распланировавший свою жизнь до совершеннолетия. Но вот счастливая случайность — и наш герой оказывается в центре набирающей ход горной лавины событий. Взаимоотношения с аристократами, проблемы с конкурентами, начинающаяся война с боссом одной из преступных гильдий… А еще школа, друзья и люди, зависящие от него. Уже сброшена маска обычного японского школьника, маска бойца ранга Ученик для все большего числа окружающих не в состоянии скрыть реальную (или почти реальную) силу героя, маска вора-виртуоза Токийского Карлика становится все более неудобной. И приходится прилагать все большие усилия для того, чтобы не слетела маска, прикрывающая лицо Патриарха. Но Макс не зря стал самым молодым ведьмаком ранга Абсолют. Да, ни один план не выдержал столкновения с реальностью, но цель осталась неизменной. Как и девиз ведьмаков: «Во Славу мою, во Имя мое».

Вторая жизнь (СИ)

• Автор: «Olie»

• Дата добавления: 2015-06-02

• Кол-во страниц: 31

У меня было все: работа, причем прибыльная, девушка, с которой у нас через неделю должна была состояться свадьба. Но в один момент все это рухнуло. Я оказался неизвестно где, неизвестно в чьем теле, но хуже всего оказалось то, что девушек здесь было мало, да и те уже были обручены еще при рождении. В этом мире браки между мужчинами были нормой. Куда я попал?   Ссылка на страницу автора—-http://ficbook.net/authors/Olie?show=author&p=1#choose

Великая Миссия

Итак, добро пожаловать в полный набор! Будет всё! Но для начала несколько слов о том, чего точно не будет. Не будет Великого маго-программиста, который круче всех местных архимагов только потому, что умеет включать компьютер. Не будет Великого воина, который круче всех местных бойцов только потому, что просмотрел десяток голливудских боевиков. Не будет Великого любовника, в которого ушастые эльфийки влюбляются с первого взгляда целыми дивизиями и к которому все женщины готовы прыгнуть в постель только потому, что он главный герой. А будет простой парень, попавший в непростую ситуацию. То есть будет попаданец, много диких обезьян негров (или они там орками называются? да какая, собственно, разница?), будут ушастые эльфийки, бородатые гномы с большими топорами, маги, наёмники (а лучше наёмницы), рыцари, принцессы, драконы… Хотя с драконами стоит подумать, а так ли они нам нужны?

Проклятые земли

Никогда не смейтесь над фантастическими книжками! Никита Северов вдоволь поизмывался над обложкой фантастического романа «Гроза орков», где по виду явный ботаник размахивает двадцатикилограммовым мечом, срубая зеленые орочьи головы, а напрасно… В смысле – напрасно измывался. В этом Никита убедился очень скоро. Удирая от толпы гопников, он нырнул в черный смерч, оказавшийся у него на дороге. Нырнул и… вынырнул в мире, где человеческая жизнь дешевле миски с тюремной похлебкой, а рядовые стражники владеют магией. Теперь Никите не до смеха. Выживать в суровом Средневековье – это не гопника поучать, который невольно последовал за тобой: здесь задачи посложнее… Но Никита справится, недаром же в новом мире его прозвали Везунчик!  

Попаданцы

Не нужная невеста

☆ ☆ ☆ ☆ ☆ 5.00 * 12‎ голосов Эльга С.

В Топ-100 по популярности за неделю!

Не всем попаданкам везет – принц на коне не приезжает просить руки, богатство не валится к ногам и даже драконы не утаскивают в свою сокровищницу, где можно прихватить пару безделушек. Один плюс достался – красивая внешность, да только распорядиться ей не получится, ибо перестарок и это в двадцать пять лет! Поместье разорено и заложено, денег нет, родители погибли, жених отказался, осталась только… подробнее »

В процессе написания
для всех Размер: 0,42 алк / 16774 знаков / 2 стр

Категории: Любовно-фэнтезийные романы, Попаданцы, Романтическое фэнтези

08.11.2020, 14:38 | 487 просмотров | 20 комментариев | 30 в избранном | 0 наград

Хэштег: #попаданка

Архивы нейросети — Читальня

Спиралевидная галактика была освоена Древними на тридцать пять процентов. Люди, эльфы и многие другие расы заселили приличную её часть. И в этом мире пробуждает воспоминания прошлой жизни один из жителей.
Ничего, что лупоглазый полуэльф, зато плюсов много: жизнь длинная, ещё и дар псионики перепал. Осталось лишь устроиться в этом мире, чтобы тепло, уютно и мухи не кусали.
Только люди не меняются. В Галактическом Союзе кипят страсти: рыскают пираты, спецслужбы и корпорации плетут интриги…

Очередное произведение по EVE и Хорту с нейросетями и содружеством. Со всеми вытекающими так сказать. Единственное чем автор решил отличится, так переименовать некоторые расы, К примеру альвов назвал эльфами. Можно даже подумать что автор так стебется, но вроде пока пишет вполне себе серьезно. Читать можно, но особой оригинальности не ждите.

Перейти на страницу произведения.

Фантастика по EVE и нейросетям.

Это первое произведение начинающего автора, хоть и начало довольно слабенькое, но  перспективы есть. Начало довольно скучное, но в дальнейшем будут достаточно интересные моменты и даже появится какой то драйв. Хоть много шаблонов и плюшек, но пока вы не ждете шедевра то вполне читабельно.

Перейти на страницу произведения.

Жанр ЕВЕ. Наш снова в мире Содружества. Книга выложена на 30%. Написана на 100%. Идёт правка.

Интересное произведение с очередным попаданцем во вселенную с нейросетями. Основная прелесть данного произведения что ГГ не очередной халявщик получивший корабль и кучу баз с крутой неросетью, а обычный вселенец в местного который так сказать подымается с самых низов. ГГ развивается технически и умственно и не лезет геройствовать что тоже приятно, наконец то хоть один с мозгами, а не с завышенной удачей и роялями в кустах.

Так что рекомендую к прочтению, жаль только что не все выложено.
(не все книги данного автора мне нравятся но это пошла хорошо)

Перейти на страницу произведения.

По мотивам EVE и Хорта, и т.д.
Классические нейросети с попаданцем, но есть одно отличие которое можно понять из названия.
Ну и эта так сказать изюминка этого произведения и отличие от всех других клонов то что ГГ не как супер халявщик сразу получит и корабль и деньги, а пойдет классическим путем всех беженцев работать на корпорацию.
Читается легко, сюжет интересный, написано на данный момент 129кб. (временно заморожено)

Перейти на страницу произведения.

По мотивам Миров EVE, Хорта и иных интересных авторов. Герой проходит через рабство и всё же умудряется выбраться на волю. Везунчик.

Хорошее произведение получилось даже косяков почти нету.

Перейти на страницу произведения.

По мотивам Хорта И. А.

Очень толковая фантастика присутствую нейросети и их аналоги. Автор пошел по немного нестандартному сюжету чем все. Герой получился достаточно оригинальным хоть и с бзиком учебы но с необычными способностями. Рекомендую.

Перейти на страницу автора.

Вселенная EVE, нейросети, ИИ, черновик. пишу впервые, так что многого не ждите.
Все как у всех, но все равно есть что то новенькое можно почитать.

Перейти  на страницу произведения.

1. Введение в искусственные нейронные сети

Птицы вдохновили нас летать, лопухи — липучки, а природа вдохновила на многие другие изобретения. Поэтому кажется логичным взглянуть на архитектуру мозга в поисках вдохновения для создания интеллектуальной машины. Это ключевая идея, которая вдохновила искусственных нейронных сетей (ИНС). Однако, хотя самолеты были вдохновлены птицами, им не нужно махать крыльями. Точно так же ИНС постепенно стали сильно отличаться от своих биологических собратьев.Некоторые исследователи даже утверждают, что мы должны полностью отказаться от биологической аналогии (например, говоря «единицы», а не «нейроны»), чтобы не ограничить наши творческие способности биологически правдоподобными системами. ¹

ИНС лежат в основе глубокого обучения. Они универсальны, мощны и масштабируемы, что делает их идеальными для решения больших и очень сложных задач машинного обучения, таких как классификация миллиардов изображений (например, Google Images), поддержка служб распознавания речи (например, Siri от Apple), рекомендации лучших видеороликов. смотреть сотни миллионов пользователей каждый день (например,g., YouTube), или научиться победить чемпиона мира в игре Go , изучив миллионы прошлых игр, а затем играя против самого себя (DeepMind AlphaGo).

В этом уроке мы познакомим вас с искусственными нейронными сетями, начав с краткого обзора самых первых архитектур ИНС. Затем мы представим Multi-Layer Perceptron (MLP) и реализуем один с использованием TensorFlow для решения проблемы классификации цифр MNIST.

Удивительно, но ИНС существуют довольно давно: они были впервые представлены еще в 1943 году нейрофизиологом Уорреном Маккалоком и математиком Уолтером Питтсом.В своей знаменательной статье ² «Логическое исчисление идей, присущих нервной деятельности» Маккалок и Питтс представили упрощенную вычислительную модель того, как биологические нейроны могут работать вместе в мозге животных для выполнения сложных вычислений с использованием логики высказываний . Это была первая архитектура искусственной нейронной сети. С тех пор, как мы увидим, было изобретено много других архитектур.

Первые успехи ИНС до 1960-х годов привели к широко распространенному мнению, что скоро мы будем разговаривать с действительно интеллектуальными машинами.Когда стало ясно, что это обещание останется невыполненным (по крайней мере, в течение некоторого времени), финансирование перетекло в другое место, и ИНС вступили в долгую темную эру. В начале 1980-х годов возродился интерес к ИНС, поскольку были изобретены новые сетевые архитектуры и разработаны более совершенные методы обучения. Но к 1990-м годам большинство исследователей отдали предпочтение мощным альтернативным методам машинного обучения, таким как машины опорных векторов, поскольку они, казалось, предлагали лучшие результаты и более прочную теоретическую основу.Наконец, сейчас мы наблюдаем очередную волну интереса к ИНС. Погаснет ли эта волна, как предыдущие? Есть несколько веских причин полагать, что это другое, и оно окажет гораздо более глубокое влияние на нашу жизнь:

• В настоящее время доступно огромное количество данных для обучения нейронных сетей, и ИНС часто превосходят другие методы машинного обучения в очень больших и сложных задачах.

• Огромное увеличение вычислительной мощности с 1990-х годов теперь позволяет обучать большие нейронные сети в разумные сроки.Отчасти это связано с законом Мура, но также и с игровой индустрией, которая производила миллионы мощных видеокарт.

• Доработаны алгоритмы обучения. Честно говоря, они лишь немного отличаются от тех, что использовались в 1990-х годах, но эти относительно небольшие изменения имеют огромное положительное влияние.

• Некоторые теоретические ограничения ИНС на практике оказались благоприятными. Например, многие люди думали, что алгоритмы обучения ИНС были обречены, потому что они могли застрять в локальных оптимумах, но оказалось, что это довольно редко на практике (или, когда это так, они обычно довольно близки к глобальным оптимальный).

• Похоже, что

  ИНС вошли в благотворный круг финансирования и прогресса. Удивительные продукты, основанные на ИНС, регулярно попадают в заголовки новостей, что привлекает к ним все больше и больше внимания и финансирования, что приводит к все большему прогрессу и еще большему количеству удивительных продуктов.

Биологические нейроны

Прежде чем обсуждать искусственные нейроны, давайте кратко рассмотрим биологический нейрон (представленный на рис. 1-1). Это необычно выглядящая клетка, которая в основном встречается в коре головного мозга животных (например,g., ваш мозг), состоящий из клеточного тела , содержащего ядро ​​и большинство сложных компонентов клетки, и множества ответвлений, называемых дендритами , плюс одно очень длинное расширение, называемое аксоном . Длина аксона может быть всего в несколько раз больше, чем длина тела клетки, или в десятки тысяч раз больше. Около своего конца аксон разделяется на множество ветвей, называемых телодендриями , и на концах этих ветвей находятся крохотные структуры, называемые синаптических окончаний (или просто синапсов ), которые связаны с дендритами (или непосредственно с клеткой). body) других нейронов.Биологические нейроны получают короткие электрические импульсы, называемые сигналами , от других нейронов через эти синапсы. Когда нейрон получает достаточное количество сигналов от других нейронов в течение нескольких миллисекунд, он запускает свои собственные сигналы.

Рисунок 1-1. Биологический нейрон ³

Таким образом, отдельные биологические нейроны, кажется, ведут себя довольно просто, но они организованы в огромную сеть из миллиардов нейронов, каждый из которых обычно связан с тысячами других нейронов.Сложные вычисления могут выполняться обширной сетью довольно простых нейронов, подобно тому, как сложный муравейник может возникнуть в результате совместных усилий простых муравьев. Архитектура биологических нейронных сетей (BNN) ⁴ все еще является предметом активных исследований, но некоторые части мозга были нанесены на карту, и кажется, что нейроны часто организованы в последовательные слои, как показано на рисунке 1-2.

Рисунок 1-2. Многослойность биологической нейронной сети (кора головного мозга человека) ⁵

Логические вычисления с нейронами

Уоррен Маккалок и Уолтер Питтс предложили очень простую модель биологического нейрона, которая позже стала известна как искусственный нейрон : он имеет один или несколько двоичных (вкл. / Выкл.) Входов и один двоичный выход.Искусственный нейрон просто активирует свой выход, когда активны более определенного количества его входов. Маккалок и Питтс показали, что даже с помощью такой упрощенной модели можно построить сеть искусственных нейронов, которые вычисляют любое логическое предложение, которое вы хотите. Например, давайте построим несколько ИНС, которые выполняют различные логические вычисления (см. Рис. 1-3), предполагая, что нейрон активируется, когда активны как минимум два его входа.

Рисунок 1-3. ИНС, выполняющие простые логические вычисления

• Первая сеть слева — это просто функция идентичности: если нейрон A активирован, то нейрон C также активируется (поскольку он получает два входных сигнала от нейрона A), но если нейрон A выключен, то нейрон C выключен. также.

• Вторая сеть выполняет логическое И: нейрон C активируется только тогда, когда активированы оба нейрона A и B (одного входного сигнала недостаточно для активации нейрона C).

• Третья сеть выполняет логическое ИЛИ: нейрон C активируется, если активируется либо нейрон A, либо нейрон B (или оба).

• Наконец, если мы предположим, что входное соединение может подавлять активность нейрона (как в случае с биологическими нейронами), тогда четвертая сеть вычисляет немного более сложное логическое предположение: нейрон C активируется, только если нейрон A активен и если нейрон B выключен.Если нейрон A активен все время, то вы получите логическое НЕ: нейрон C активен, когда нейрон B выключен, и наоборот.

Вы легко можете представить, как эти сети могут быть объединены для вычисления сложных логических выражений (см. Упражнения в конце урока).

Персептрон

Perceptron — одна из простейших архитектур ИНС, изобретенная в 1957 году Фрэнком Розенблаттом. Он основан на немного другом искусственном нейроне (см. Рисунок 1-4), который называется линейным пороговым блоком (LTU): входы и выходы теперь являются числами (вместо двоичных значений включения / выключения), и каждое входное соединение связано с вес.LTU вычисляет взвешенную сумму своих входов ( z = w ₁ x ₁ + w ₂ x ₂ + ⋯ + w n x _n = w ^T · x ), затем применяет к этой сумме ступенчатую функцию и выводит результат: h _{w 4 ( x ) = шаг ( z ) = шаг ( w ^T · x ).}

Рисунок 1-4. Блок линейного порога

Наиболее распространенной ступенчатой ​​функцией, используемой в персептронах, является ступенчатая функция Хевисайда (см. Уравнение 1-1). Иногда вместо этого используется знаковая функция.

Уравнение 1-1. Общие ступенчатые функции, используемые в персептронах

Один модуль LTU может использоваться для простой линейной двоичной классификации. Он вычисляет линейную комбинацию входных данных, и если результат превышает порог, он выводит положительный класс или же выводит отрицательный класс (точно так же, как классификатор логистической регрессии или линейная SVM).Например, вы можете использовать один LTU для классификации цветов ириса на основе длины и ширины лепестка (также добавив дополнительную функцию смещения x ₀ = 1). Обучение LTU означает поиск правильных значений для w ₀ , w ₁ и w ₂ (алгоритм обучения обсуждается в ближайшее время).

Персептрон просто состоит из одного слоя LTU, ⁶ , каждый нейрон подключен ко всем входам.Эти связи часто представляются с помощью специальных сквозных нейронов, называемых входных нейронов : они просто выводят тот вход, на который они подаются. Кроме того, обычно добавляется дополнительная функция смещения ( x ₀ = 1). Эта особенность смещения обычно представлена ​​с помощью специального типа нейрона, называемого нейроном смещения , который все время просто выводит 1.

Персептрон с двумя входами и тремя выходами представлен на рисунке 1-5. Этот персептрон может одновременно классифицировать экземпляры на три разных двоичных класса, что делает его классификатором с несколькими выходами.

% PDF-1.4 % 1 0 obj > endobj 4 0 obj (Небольшое предисловие) endobj 5 0 obj > endobj 8 0 объект (I От биологии к формализации \ 205 мотивация, философия, история и реализация нейронных моделей) endobj 9 0 объект > endobj 12 0 объект (1 Введение, мотивация и история) endobj 13 0 объект > endobj 16 0 объект (1.1 Почему нейронные сети?) endobj 17 0 объект > endobj 20 0 объект (1.1.1 Правило 100 шагов) endobj 21 0 объект > endobj 24 0 объект (1.1.2 Примеры простых приложений) endobj 25 0 объект > endobj 28 0 объект (1.2 История нейронных сетей) endobj 29 0 объект > endobj 32 0 объект (1.2.1 Начало) endobj 33 0 объект > endobj 36 0 объект (1.2.2 Золотой век) endobj 37 0 объект > endobj 40 0 obj (1.2.3 Долгое молчание и медленная реконструкция) endobj 41 0 объект > endobj 44 0 объект (1.2.4 Ренессанс) endobj 45 0 объект > endobj 48 0 объект (Упражнения) endobj 49 0 объект > endobj 52 0 объект (2 биологические нейронные сети) endobj 53 0 объект > endobj 56 0 объект (2.1 Нервная система позвоночных) endobj 57 0 объект > endobj 60 0 объект (2.1.1 Периферическая и центральная нервная система) endobj 61 0 объект > endobj 64 0 объект (2.1.2 Головной мозг) endobj 65 0 объект > endobj 68 0 объект (2.1.3 Мозжечок) endobj 69 0 объект > endobj 72 0 объект (2.1.4 Промежуточный мозг) endobj 73 0 объект > endobj 76 0 объект (2.1.5 Ствол мозга) endobj 77 0 объект > endobj 80 0 объект (2.2 Нейрон) endobj 81 0 объект > endobj 84 0 объект (2.2.1 Компоненты) endobj 85 0 объект > endobj 88 0 объект (2.2.2 Электрохимические процессы в нейроне) endobj 89 0 объект > endobj 92 0 объект (2.3 рецепторные клетки) endobj 93 0 объект > endobj 96 0 объект (2.3.1 Различные типы) endobj 97 0 объект > endobj 100 0 объект (2.3.2 Обработка информации в нервной системе) endobj 101 0 объект > endobj 104 0 объект (2.3.3 Светочувствительные органы) endobj 105 0 объект > endobj 108 0 объект (2.4 Количество нейронов в живых организмах) endobj 109 0 объект > endobj 112 0 объект (2.5 Технические нейроны как карикатура на биологию) endobj 113 0 объект > endobj 116 0 объект (Упражнения) endobj 117 0 объект > endobj 120 0 объект (3 компонента искусственных нейронных сетей \ (фундаментальные \)) endobj 121 0 объект > endobj 124 0 объект (3.1 Понятие времени в нейронных сетях) endobj 125 0 объект > endobj 128 0 объект (3.2 Компоненты нейронных сетей) endobj 129 0 объект > endobj 132 0 объект (3.2.1 Подключения) endobj 133 0 объект > endobj 136 0 объект (3.2.2 Функция распространения и сетевой вход) endobj 137 0 объект > endobj 140 0 объект (3.2.3 Активация) endobj 141 0 объект > endobj 144 0 объект (3.2.4 Пороговое значение) endobj 145 0 объект > endobj 148 0 объект (3.2.5 Функция активации) endobj 149 0 объект > endobj 152 0 объект (3.2.6 Общие функции активации) endobj 153 0 объект > endobj 156 0 объект (3.2.7 Функция вывода) endobj 157 0 объект > endobj 160 0 объект (3.2.8 Стратегия обучения) endobj 161 0 объект > endobj 164 0 объект (3.3 Сетевые топологии) endobj 165 0 объект > endobj 168 0 объект (3.3.1 Обратная связь) endobj 169 0 объект > endobj 172 0 объект (3.3.2 Рекуррентные сети) endobj 173 0 объект > endobj 176 0 объект (3.3.3 Полностью связанные сети) endobj 177 0 объект > endobj 180 0 объект (3.4 нейрон смещения) endobj 181 0 объект > endobj 184 0 объект (3.5 Представление нейронов) endobj 185 0 объект > endobj 188 0 объект (3.6 Порядков активации) endobj 189 0 объект > endobj 192 0 объект (3.6.1 Синхронная активация) endobj 193 0 объект > endobj 196 0 объект (3.6.2 Асинхронная активация) endobj 197 0 объект > endobj 200 0 объект (3.7 Ввод и вывод данных) endobj 201 0 объект > endobj 204 0 объект (Упражнения) endobj 205 0 объект > endobj 208 0 объект (4 Основы обучения и обучающие образцы \ (фундаментальные \)) endobj 209 0 объект > endobj 212 0 объект (4.1 Парадигмы обучения) endobj 213 0 объект > endobj 216 0 объект (4.1.1 Обучение без учителя) endobj 217 0 объект > endobj 220 0 объект (4.1.2 Обучение с подкреплением) endobj 221 0 объект > endobj 224 0 объект (4.1.3 Обучение с учителем) endobj 225 0 объект > endobj 228 0 объект (4.1.4 Офлайн или онлайн обучение?) endobj 229 0 объект > endobj 232 0 объект (4.1.5 Вопросы заранее) endobj 233 0 объект > endobj 236 0 объект (4.2 Образцы обучения и обучающий вклад) endobj 237 0 объект > endobj 240 0 объект (4.3 Использование обучающих выборок) endobj 241 0 объект > endobj 244 0 объект (4.3.1 Деление обучающей выборки) endobj 245 0 объект > endobj 248 0 объект (4.3.2 Порядок представления паттернов) endobj 249 0 объект > endobj 252 0 объект (4.4 Кривая обучения и измерение ошибок) endobj 253 0 объект > endobj 256 0 объект (4.4.1 Когда мы перестанем учиться?) endobj 257 0 объект > endobj 260 0 объект (4.5 Процедуры оптимизации градиента) endobj 261 0 объект > endobj 264 0 объект (4.5.1 Проблемы градиентных процедур) endobj 265 0 объект > endobj 268 0 объект (4.6 Примерные проблемы) endobj 269 ​​0 объект > endobj 272 0 объект (4.6.1 Логические функции) endobj 273 0 объект > endobj 276 0 объект (4.6.2 Функция четности) endobj 277 0 объект > endobj 280 0 объект (4.6.3 Задача о двух спиралях) endobj 281 0 объект > endobj 284 0 объект (4.6.4 Задача о шахматной доске) endobj 285 0 объект > endobj 288 0 объект (4.6.5 Функция идентичности) endobj 289 0 объект > endobj 292 0 объект (4.6.6 Другие примерные проблемы) endobj 293 0 объект > endobj 296 0 объект (4.7 правило Хебба) endobj 297 0 объект > endobj 300 0 объект (4.7.1 Исходное правило) endobj 301 0 объект > endobj 304 0 объект (4.7.2 Обобщенная форма) endobj 305 0 объект > endobj 308 0 объект (Упражнения) endobj 309 0 объект > endobj 312 0 объект (II Парадигмы контролируемой обучающей сети) endobj 313 0 объект > endobj 316 0 объект (5 Персептрон, обратное распространение и его варианты) endobj 317 0 объект > endobj 320 0 объект (5.1 Однослойный персептрон) endobj 321 0 объект > endobj 324 0 объект (5.1.1 Алгоритм обучения персептрона и теорема сходимости) endobj 325 0 объект > endobj 328 0 объект (5.1.2 Правило дельты) endobj 329 0 объект > endobj 332 0 объект (5.2 Линейная разделимость) endobj 333 0 объект > endobj 336 0 объект (5.3 Многослойный персептрон) endobj 337 0 объект > endobj 340 0 объект (5.4 Обратное распространение ошибки) endobj 341 0 объект > endobj 344 0 объект (5.4.1 Вывод) endobj 345 0 объект > endobj 348 0 объект (5.4.2 Обратное распространение кипения до правила дельты) endobj 349 0 объект > endobj 352 0 объект (5.4.3 Выбор скорости обучения) endobj 353 0 объект > endobj 356 0 объект (5.5 Устойчивое обратное распространение) endobj 357 0 объект > endobj 360 0 объект (5.5.1 Адаптация весов) endobj 361 0 объект > endobj 364 0 объект (5.5.2 Динамическая регулировка скорости обучения) endobj 365 0 объект > endobj 368 0 объект (5.5.3 Rprop на практике) endobj 369 0 объект > endobj 372 0 объект (5.6 Дальнейшие вариации и расширения обратного распространения ошибки) endobj 373 0 объект > endobj 376 0 объект (5.6.1 Срок действия) endobj 377 0 объект > endobj 380 0 объект (5.6.2 Устранение плоских пятен) endobj 381 0 объект > endobj 384 0 объект (5.6.3 Обратное распространение второго порядка) endobj 385 0 объект > endobj 388 0 объект (5.6.4 Снижение веса) endobj 389 0 объект > endobj 392 0 объект (5.6.5 Подрезка и оптимальное повреждение мозга) endobj 393 0 объект > endobj 396 0 объект (5.7 Начальная конфигурация многослойного персептрона) endobj 397 0 объект > endobj 400 0 obj (5.7.1 Количество слоев) endobj 401 0 объект > endobj 404 0 объект (5.7.2 Количество нейронов) endobj 405 0 объект > endobj 408 0 объект (5.7.3 Выбор функции активации) endobj 409 0 объект > endobj 412 0 объект (5.7.4 Инициализация весов) endobj 413 0 объект > endobj 416 0 объект (5.8 Проблема кодирования 8-3-8 и связанные с ней проблемы) endobj 417 0 объект > endobj 420 0 объект (Упражнения) endobj 421 0 объект > endobj 424 0 объект (6 радиальных базисных функций) endobj 425 0 объект > endobj 428 0 объект (6.1 Компоненты и конструкция) endobj 429 0 объект > endobj 432 0 объект (6.2 Обработка информации в сети RBF) endobj 433 0 объект > endobj 436 0 объект (6.2.1 Обработка информации в нейронах RBF) endobj 437 0 объект > endobj 440 0 объект (6.2.2 Аналитические мысли перед тренировкой) endobj 441 0 объект > endobj 444 0 объект (6.3 Обучение сетей RBF) endobj 445 0 объект > endobj 448 0 объект (6.3.1 Центры и ширина нейронов RBF) endobj 449 0 объект > endobj 452 0 объект (6.4 Растущие сети RBF) endobj 453 0 объект > endobj 456 0 объект (6.4.1 Добавление нейронов) endobj 457 0 объект > endobj 460 0 объект (6.4.2 Ограничение количества нейронов) endobj 461 0 объект > endobj 464 0 объект (6.4.3 Удаление нейронов) endobj 465 0 объект > endobj 468 0 объект (6.5 Сравнение сетей RBF и многослойных персептронов) endobj 469 0 объект > endobj 472 0 объект (Упражнения) endobj 473 0 объект > endobj 476 0 объект (7 рекуррентных сетей, подобных перцептрону \ (зависит от главы 5 \)) endobj 477 0 объект > endobj 480 0 объект (7.1 Иорданские сети) endobj 481 0 объект > endobj 484 0 объект (7.2 Сети Элмана) endobj 485 0 объект > endobj 488 0 объект (7.3 Обучающие повторяющиеся сети) endobj 489 0 объект > endobj 492 0 объект (7.3.1 Разворачиваясь во времени) endobj 493 0 объект > endobj 496 0 объект (7.3.2 Принуждение учителя) endobj 497 0 объект > endobj 500 0 объект (7.3.3 Рекуррентное обратное распространение) endobj 501 0 объект > endobj 504 0 объект (7.3.4 Обучение с эволюцией) endobj 505 0 объект > endobj 508 0 объект (8 сетей Хопфилда) endobj 509 0 объект > endobj 512 0 объект (8.1 Вдохновленный магнетизмом) endobj 513 0 объект > endobj 516 0 объект (8.2 Структура и функциональность) endobj 517 0 объект > endobj 520 0 объект (8.2.1 Вход и выход сети Хопфилда) endobj 521 0 объект > endobj 524 0 объект (8.2.2 Значение веса) endobj 525 0 объект > endobj 528 0 объект (8.2.3 Изменение состояния нейронов) endobj 529 0 объект > endobj 532 0 объект (8.3 Создание матрицы весов) endobj 533 0 объект > endobj 536 0 объект (8.4 Автоассоциация и традиционное приложение) endobj 537 0 объект > endobj 540 0 объект (8.5 Гетероассоциация и аналогии с хранением нейронных данных) endobj 541 0 объект > endobj 544 0 объект (8.5.1 Создание гетероассоциативной матрицы) endobj 545 0 объект > endobj 548 0 объект (8.5.2 Стабилизация гетероассоциаций) endobj 549 0 объект > endobj 552 0 объект (8.5.3 Биологическая мотивация гетерассоциации) endobj 553 0 объект > endobj 556 0 объект (8.6 Непрерывные сети Хопфилда) endobj 557 0 объект > endobj 560 0 объект (Упражнения) endobj 561 0 объект > endobj 564 0 объект (9 Обучение векторного квантования) endobj 565 0 объект > endobj 568 0 объект (9.1 О квантовании) endobj 569 0 объект > endobj 572 0 объект (9.2 Цель LVQ) endobj 573 0 объект > endobj 576 0 объект (9.3 Использование векторов кодовой книги) endobj 577 0 объект > endobj 580 0 объект (9.4 Регулировка векторов кодовой книги) endobj 581 0 объект > endobj 584 0 объект (9.4.1 Порядок обучения) endobj 585 0 объект > endobj 588 0 объект (9.5 Подключение к нейронным сетям) endobj 589 0 объект > endobj 592 0 объект (Упражнения) endobj 593 0 объект > endobj 596 0 объект (III Парадигмы сетей неконтролируемого обучения) endobj 597 0 объект > endobj 600 0 obj (10 самоорганизующихся функциональных карт) endobj 601 0 объект > endobj 604 0 объект (10.1 Структура) endobj 605 0 объект > endobj 608 0 объект (10.2 Функциональность и интерпретация результатов) endobj 609 0 объект > endobj 612 0 объект (10.3 Обучение) endobj 613 0 объект > endobj 616 0 объект (10.3.1 Функция топологии) endobj 617 0 объект > endobj 620 0 объект (10.3.2 Монотонно убывающая скорость обучения и соседство) endobj 621 0 объект > endobj 624 0 объект (10.4 Примеры) endobj 625 0 объект > endobj 628 0 объект (10.4.1 Топологические дефекты) endobj 629 0 объект > endobj 632 0 объект (10.5 Регулировка разрешения и скорости обучения в зависимости от позиции) endobj 633 0 объект > endobj 636 0 объект (10.6 Применение) endobj 637 0 объект > endobj 640 0 объект (10.6.1 Взаимодействие с сетями RBF) endobj 641 0 объект > endobj 644 0 объект (10,7 вариаций) endobj 645 0 объект > endobj 648 0 объект (10.7.1 Нейронный газ) endobj 649 0 объект > endobj 652 0 объект (10.7.2 Мульти-SOM) endobj 653 0 объект > endobj 656 0 объект (10.7.3 Мульти-нейронный газ) endobj 657 0 объект > endobj 660 0 объект (10.7.4 Рост нервного газа) endobj 661 0 объект > endobj 664 0 объект (Упражнения) endobj 665 0 объект > endobj 668 0 объект (11 Теория адаптивного резонанса) endobj 669 0 объект > endobj 672 0 объект (11.1 Задача и структура сети ART) endobj 673 0 объект > endobj 676 0 объект (11.1.1 Резонанс) endobj 677 0 объект > endobj 680 0 объект (11.2 Процесс обучения) endobj 681 0 объект > endobj 684 0 объект (11.2.1 Ввод шаблона и обучение сверху вниз) endobj 685 0 объект > endobj 688 0 объект (11.2.2 Резонансное и восходящее обучение) endobj 689 0 объект > endobj 692 0 объект (11.2.3 Добавление выходного нейрона) endobj 693 0 объект > endobj 696 0 объект (11.3 Расширения) endobj 697 0 объект > endobj 700 0 объект (IV Экскурсии, приложения и регистры) endobj 701 0 объект > endobj 704 0 объект (Экскурс: кластерный анализ и региональные и онлайн-обучаемые области) endobj 705 0 объект > endobj 708 0 объект (А.1 кластеризация k-средних) endobj 709 0 объект > endobj 712 0 объект (A.2 k-ближайший сосед) endobj 713 0 объект > endobj 716 0 объект (A.3 — ближайший сосед) endobj 717 0 объект > endobj 720 0 объект (А.4 Коэффициент силуэта) endobj 721 0 объект > endobj 724 0 объект (A.5 Региональные и интерактивные поля для изучения) endobj 725 0 объект > endobj 728 0 объект (A.5.1 Структура ROLF) endobj 729 0 объект > endobj 732 0 объект (A.5.2 Обучение ROLF) endobj 733 0 объект > endobj 736 0 объект (A.5.3 Оценка ROLF) endobj 737 0 объект > endobj 740 0 объект (А.5.4 Сравнение с популярными методами кластеризации) endobj 741 0 объект > endobj 744 0 объект (A.5.5 Инициализация радиусов, скорости обучения и множителя) endobj 745 0 объект > endobj 748 0 объект (A.5.6 Примеры применения) endobj 749 0 объект > endobj 752 0 объект (Упражнения) endobj 753 0 объект > endobj 756 0 объект (B Excursus: нейронные сети, используемые для прогнозирования) endobj 757 0 объект > endobj 760 0 объект (B.1 О временных рядах) endobj 761 0 объект > endobj 764 0 объект (B.2 Прогнозирование на один шаг вперед) endobj 765 0 объект > endobj 768 0 объект (Б.3 Прогноз на два шага вперед) endobj 769 0 объект > endobj 772 0 объект (B.3.1 Рекурсивное прогнозирование на два шага вперед) endobj 773 0 объект > endobj 776 0 объект (B.3.2 Прямое прогнозирование на два шага вперед) endobj 777 0 объект > endobj 780 0 объект (B.4 Дополнительные подходы к оптимизации для прогнозирования) endobj 781 0 объект > endobj 784 0 объект (B.4.1 Изменение временных параметров) endobj 785 0 объект > endobj 788 0 объект (B.4.2 Гетерогенное предсказание) endobj 789 0 объект > endobj 792 0 объект (B.5 Замечания по прогнозированию цен на акции) endobj 793 0 объект > endobj 796 0 объект (C Excursus: обучение с подкреплением) endobj 797 0 объект > endobj 800 0 объект (С.1 Структура системы) endobj 801 0 объект > endobj 804 0 объект (C.1.1 Сеточный мир) endobj 805 0 объект > endobj 808 0 объект (C.1.2 Агент и среда) endobj 809 0 объект > endobj 812 0 объект (C.1.3 Состояния, ситуации и действия) endobj 813 0 объект > endobj 816 0 объект (C.1.4 Вознаграждение и возврат) endobj 817 0 объект > endobj 820 0 объект (C.1.5 Политика) endobj 821 0 объект > endobj 824 0 объект (C.2 Процесс обучения) endobj 825 0 объект > endobj 828 0 объект (C.2.1 Стратегии вознаграждения) endobj 829 0 объект > endobj 832 0 объект (С.2.2 Функция состояния-значения) endobj 833 0 объект > endobj 836 0 объект (C.2.3 Метод Монте-Карло) endobj 837 0 объект > endobj 840 0 объект (C.2.4 Обучение разнице во времени) endobj 841 0 объект > endobj 844 0 объект (C.2.5 Функция «действие-значение») endobj 845 0 объект > endobj 848 0 объект (C.2.6 Q обучение) endobj 849 0 объект > endobj 852 0 объект (C.3 Примеры приложений) endobj 853 0 объект > endobj 856 0 объект (C.3.1 Гаммон TD) endobj 857 0 объект > endobj 860 0 объект (В.3.2 Автомобиль в яме) endobj 861 0 объект > endobj 864 0 объект (С.3.3 Балансир столбов) endobj 865 0 объект > endobj 868 0 объект (C.4 Обучение с подкреплением в связи с нейронными сетями) endobj 869 0 объект > endobj 872 0 объект (Упражнения) endobj 873 0 объект > endobj 876 0 объект (Библиография) endobj 877 0 объект > endobj 880 0 объект (Список рисунков) endobj 881 0 объект > endobj 884 0 объект (Индекс) endobj 885 0 объект > endobj 889 0 obj> ручей x + 2T0

Нейронные сети и глубокое обучение

В этой книге мы сосредоточились на основных принципах нейронных сетей: как они работают и как их можно использовать для распознавания образов проблемы.Это материал с множеством непосредственных практических Приложения. Но, конечно, одна из причин интереса к нейросетям. это надежда, что однажды они выйдут далеко за рамки этого основного шаблона проблемы распознавания. Возможно они или какой-то другой подход, основанный на цифровые компьютеры, в конечном итоге будут использоваться для создания мыслящих машин, машины, которые соответствуют или превосходят человеческий интеллект? Это понятие далеко превышает материал, обсуждаемый в книге — или то, что кто-либо в мир умеет делать.Но размышлять весело.

Было много споров о том, возможно ли для компьютеры, соответствующие человеческому интеллекту. Я не собираюсь связываться с этот вопрос. Несмотря на продолжающийся спор, я считаю, что это несерьезно сомневаюсь, что интеллектуальный компьютер возможен — хотя это может быть чрезвычайно сложный и, возможно, далеко за пределами современных технологий — и нынешние скептики однажды будут казаться виталисты.

Вопрос, который я исследую здесь, заключается в том, существует ли простой набор принципов, которые можно использовать для объяснения интеллект? В частности, и более конкретно, существует ли простой алгоритм для интеллекта ?

Идея о том, что существует действительно простой алгоритм интеллекта, смелая идея.Возможно, это звучит слишком оптимистично, чтобы быть правдой. Много людей иметь сильное интуитивное чувство, что интеллект имеет значительные неснижаемая сложность. Они так впечатлены удивительным разнообразием и гибкость человеческого мышления, что они заключают, что простой алгоритм для интеллекта должен быть невозможным. Несмотря на это интуиция, я не думаю, что стоит спешить с суждением. История науки полна примеров, когда явление изначально оказался чрезвычайно сложным, но позже был объяснен некоторыми простыми, но мощный набор идей.

Рассмотрим, например, ранние дни астрономии. Люди знали издревле существует зверинец объектов в небе: солнце, луна, планеты, кометы и звезды. Эти объекты ведут себя по-разному — звезды движутся величественно, обычный путь по небу, например, в то время как кометы кажутся из ниоткуда, пролететь по небу, а затем исчезнуть. В 16-м века только глупый оптимист мог вообразить, что все эти движение объектов можно объяснить простым набором принципов.Но в 17 веке Ньютон сформулировал свою теорию универсального гравитации, которая не только объясняла все эти движения, но и объяснил земные явления, такие как приливы и поведение Привязанные к Земле проекты. Глупый оптимист XVI века кажется оглядываясь назад, как пессимист, просящий слишком мало.

Конечно, в науке таких примеров гораздо больше. Рассмотрим мириады химических веществ, составляющих наш мир, так красиво объясняется периодической таблицей Менделеева, которая, в свою очередь, объясняет по нескольким простым правилам, которые можно получить из квантовой механики.Или загадка того, как много сложностей и разнообразия в биологический мир, происхождение которого, оказывается, лежит в принципе эволюция путем естественного отбора. Эти и многие другие примеры предлагают что было бы неразумно исключать простое объяснение интеллект просто на том основании, что наш мозг — в настоящее время лучшие образцы интеллекта — делают , кажется, очень сложный* * В этом приложении я предполагаю, что для Чтобы компьютер считался интеллектуальным, его возможности должны соответствовать или превышают человеческие способности мышления.Поэтому я рассмотрю вопрос «Является ли есть простой алгоритм интеллекта? »как эквивалент« Является ли есть простой алгоритм, который может «думать» по существу те же линии, что и человеческий мозг? »Однако стоит отметить, что вполне могут быть формы интеллекта, не относящиеся к человеческому думал, но, тем не менее, выходить за его пределы интересными способами ..

Напротив, и несмотря на эти оптимистичные примеры, это также логически возможно, что интеллект можно объяснить только большим ряд принципиально различных механизмов.В случае с нашими мозг, эти многие механизмы, возможно, развились в ответ на множество различных факторов отбора в эволюционной история. Если эта точка зрения верна, то интеллект предполагает значительная неприводимая сложность, и нет простого алгоритма для интеллект возможен.

Какая из этих двух точек зрения верна?

Чтобы разобраться в этом вопросе, давайте зададим тесно связанный вопрос, есть ли простое объяснение того, как мозги работают.В частности, давайте рассмотрим некоторые способы количественной оценки сложность мозга. Наш первый подход — это взгляд на мозг из коннектомика. Этот все дело в сырой проводке: сколько нейронов в мозгу, сколько глиальных клеток и сколько связей между ними нейроны. Вы, наверное, слышали цифры раньше — мозг содержит порядка 100 миллиардов нейронов, 100 миллиардов глиальных клеток, и 100 триллионов связей между нейронами.Эти числа ошеломляющий. Они также устрашающие. Если нам нужно понять детали всех этих связей (не говоря уже о нейронах и глиальных клеток), чтобы понять, как работает мозг, тогда мы конечно, у нас не будет простого алгоритма для интеллект.

Есть вторая, более оптимистичная точка зрения, точка зрения на мозг. из молекулярной биологии. Идея состоит в том, чтобы спросить, сколько генетических информация необходима для описания архитектуры мозга.Чтобы получить разобраться с этим вопросом, мы начнем с рассмотрения генетических различия между людьми и шимпанзе. Вы, наверное, слышали звучит так, что «люди на 98 процентов шимпанзе». Этот поговорка иногда бывает разной — в популярных вариациях также указывается число как 95 или 99 процентов. Вариации происходят потому, что числа были первоначально оценено путем сравнения образцов человека и шимпанзе геномы, а не целые геномы. Однако в 2007 г. геном шимпанзе был последовательный (смотрите также здесь), а мы теперь известно, что ДНК человека и шимпанзе различаются примерно на 125 миллионов ДНК. пар оснований.Это из примерно 3 миллиардов пар оснований ДНК. в каждом геноме. Поэтому неправильно говорить, что люди на 98 процентов шимпанзе — мы больше похожи на шимпанзе на 96 процентов.

Сколько информации содержится в этих 125 миллионах пар оснований? Каждая база пара может быть помечена одним из четырех возможных вариантов — «буквы» генетического кода, оснований аденина, цитозина, гуанина и тимин. Таким образом, каждую базовую пару можно описать двумя битами информация — достаточно информации, чтобы указать один из четырех этикетки.Итак, 125 миллионов пар оснований эквивалентны 250 миллионам бит. информации. В этом генетическая разница между людьми и шимпанзе!

Конечно, эти 250 миллионов бит составляют все генетические различия между людьми и шимпанзе. Нас интересуют только разница, связанная с мозгом. К сожалению, никто не знает, что доля общей генетической разницы необходима для объяснения разница между мозгами. Но допустим, ради аргумент, что около половины этих 250 миллионов бит приходится на мозг различия.Это всего 125 миллионов бит.

125 миллионов бит — это впечатляюще большое число. Давайте разберемся насколько он велик, если перевести его в более человеческие термины. В в частности, сколько будет эквивалентного количества английского текста? Это повороты выяснилось, что информативность английского текста составляет около 1 бита на письмо. Звучит низко — в конце концов, в алфавите 26 букв. — но в английском тексте очень много избыточности. Конечно, вы можете возразить, что наши геномы тоже избыточны, поэтому два бит на базовую пару — это завышенная оценка.Но мы проигнорируем это, поскольку в худшем случае это означает, что мы переоцениваем генетические сложность. Исходя из этих предположений, мы видим, что генетический разница между нашим мозгом и мозгом шимпанзе эквивалентна примерно 125 миллионов букв или около 25 миллионов английских слов. Это о В 30 раз больше, чем в Библии короля Иакова.

Это много информации. Но он не такой уж непонятный. Это в человеческом масштабе. Может быть, ни один человек не мог понять все, что написано в этом коде, но группа людей могла бы понимать это коллективно, используя соответствующую специализацию.А также хотя информации много, она ничтожна по сравнению с информация, необходимая для описания 100 миллиардов нейронов, 100 миллиардов глиальных клеток и 100 триллионов соединений в нашем мозгу. Четный если мы используем простое, грубое описание — скажем, 10 с плавающей запятой числа для характеристики каждого соединения — для этого потребуется около 70 квадриллионов бит. Это означает, что генетическое описание является фактором примерно на полмиллиарда меньше, чем полный коннектом для человеческий мозг.

Из этого мы узнаем, что наш геном не может содержать подробное описание всех наших нейронных связей. Скорее, он должен указать только общую архитектуру и базовые принципы, лежащие в основе мозг. Но эта архитектура и эти принципы кажутся достаточно, чтобы гарантировать, что мы, люди, вырастем разумными. Из Конечно, есть нюансы — растущим детям нужны здоровые, стимулирующая среда и правильное питание для достижения интеллектуальный потенциал.Но если мы вырастем в разумных окружающей среде, здоровый человек будет обладать замечательным интеллектом. В в каком-то смысле информация в наших генах содержит суть того, как мы думаем. Более того, принципы, содержащиеся в этом генетическом информация, вероятно, находится в пределах нашей способности коллективно понять.

Все приведенные выше цифры являются очень приблизительными. Возможно, что 125 миллионов бит — это огромное завышение, более компактный набор основных принципов, лежащих в основе человеческой мысли.Может быть большая часть из этих 125 миллионов бит — это просто точная настройка относительно незначительных Детали. Или, может быть, мы были слишком консервативны в том, как мы вычисляли числа. Очевидно, было бы здорово, если бы это было правдой! Для нашего нынешнего целей, ключевой момент заключается в следующем: архитектура мозга сложно, но это не так сложно, как вы думаете в зависимости от количества связей в мозгу. Мнение мозг из молекулярной биологии предполагает, что мы, люди, должны когда-нибудь стать способен понять основные принципы работы мозга архитектура.

В последних нескольких абзацах я проигнорировал тот факт, что 125 миллионов бит просто количественно определяет генетическую разницу между человеком и мозг шимпанзе. Не все функции нашего мозга связаны с этими 125 миллионами биты. Шимпанзе — сами по себе замечательные мыслители. Может быть ключ к интеллекту кроется в основном в умственных способностях (и генетических информация), которая есть у шимпанзе и человека. Если это правильно, тогда человеческий мозг может быть лишь незначительным обновлением до шимпанзе мозги, по крайней мере, с точки зрения сложности лежащих в основе принципы.Несмотря на расхожий человеческий шовинизм насчет наших уникальные возможности, это немыслимо: шимпанзе и генетические линии человека разошлись 5 миллион лет назад, это мгновение в эволюционной шкале времени. Однако в отсутствие более веского аргумента, я сочувствую обычный человеческий шовинизм: я думаю, что самое интересное принципы, лежащие в основе человеческой мысли, заключаются в этих 125 миллионах бит, а не в в той части генома, которую мы разделяем с шимпанзе.

Принятие взглядов на мозг из молекулярной биологии дало нам сокращение примерно на девять порядков сложности нашей описание. Хотя это обнадеживает, это не говорит нам о том, возможен действительно простой алгоритм интеллекта. Мы можем получить дальнейшее снижение сложности? И, что более важно, можем ли мы решить вопрос о том, является ли простой алгоритм интеллекта возможный?

К сожалению, пока нет достаточно веских доказательств, чтобы решительно решить этот вопрос.Позвольте мне описать некоторые из имеющиеся доказательства, с оговоркой, что это очень краткий и неполный обзор, призванный передать дух недавней работы, не проводить всесторонний обзор того, что известно.

Среди свидетельств того, что может существовать простой алгоритм для интеллект — это эксперимент сообщил в апреле 2000 г. в журнале Nature . Команда ученых под руководством by Mriganka Сур «перепрограммировал» мозг новорожденных хорьков. Обычно, сигнал из глаз хорька передается в часть мозга известный как зрительная кора.Но за этих хорьков ученые взяли сигнал из глаз и перенаправил его, чтобы вместо этого слуховая кора, то есть область мозга, которая обычно используется для слух.

Чтобы понять, что произошло, когда они это сделали, нам нужно немного знать о зрительной коре. Зрительная кора содержит много ориентация столбцы. Это маленькие пластинки нейронов, каждый из которых отвечает на визуальные стимулы с определенного направления. Вы можете думать о столбцы ориентации как крошечные датчики направления: когда кто-то светит яркий свет с определенного направления, соответствующего столбец ориентации активирован.Если свет перемещается, другой столбец ориентации активирован. Один из самых важных высокоуровневых структур в зрительной коре головного мозга ориентация map, которая отображает расположение столбцов ориентации.

Ученые обнаружили, что когда визуальный сигнал от глаза хорьков были перенаправлены на слуховую кору, слуховую кору изменилось. Начали появляться столбцы ориентации и карта ориентации. в слуховой коре. Это было более беспорядочно, чем ориентация карта обычно находится в зрительной коре, но безошибочно похожа.Кроме того, ученые провели несколько простых тестов того, как хорьки реагировали на визуальные стимулы, обучая их реагировать по-разному, когда огни вспыхнули со всех сторон. Эти тесты показали, что хорьки все еще могли научиться «видеть», по крайней мере, в элементарной мода, используя слуховую кору.

Это потрясающий результат. Это говорит о том, что есть общие принципы, лежащие в основе того, как разные части мозга учатся реагировать на сенсорные данные.Эта общность обеспечивает по крайней мере некоторые поддержка идеи, что существует набор простых принципов лежащий в основе интеллект. Однако не стоит обманывать себя насколько хорошо было зрение хорьков в этих экспериментах. В поведенческие тесты проверяли только очень грубые аспекты зрения. И из Конечно, мы не можем спрашивать хорьков, «научились ли они видеть». Так эксперименты не доказывают, что перестроенная слуховая кора давая хорькам визуальное восприятие с высокой точностью.И поэтому они предоставляют лишь ограниченные доказательства в пользу идеи, что общие принципы лежат в основе обучения различных частей мозга.

Какие есть доказательства против идеи простого алгоритма для интеллект? Некоторые данные получены из областей эволюционного психология и нейроанатомия. С 1960-х гг. Эволюционная психологи открыли широкий спектр человеческих универсалий , сложное поведение, общее для всех людей, в разных культурах и воспитание.Эти человеческие универсалии включают табу на инцест между мать и сын, использование музыки и танцев, а также многие сложные лингвистическая структура, такая как использование нецензурных слов (т. е. табу слова), местоимения и даже такие простые структуры, как глагол. Эти результаты дополняют множество свидетельств из нейроанатомия показывает, что поведение многих людей контролируется определенные локализованные области мозга, и эти области кажутся одинаковы у всех людей. Взятые вместе, эти результаты показывают, что многие очень специализированные модели поведения зашиты в отдельные части нашего мозга.

Некоторые люди делают вывод из этих результатов, что отдельные объяснения должны быть необходимы для этих многих функций мозга, и это как Следствием этого является непреодолимая сложность мозга. функция, сложность, которая дает простое объяснение операция (и, возможно, простой алгоритм интеллекта) невозможно. Например, один известный искусственный интеллект Исследователь с этой точки зрения — Марвин Мински. В 1970-х и 1980-е годы Мински разработал свою теорию «Общества разума», основанную на идея о том, что человеческий интеллект — результат большого общества индивидуально простые (но очень разные) вычислительные процессы, которые Минский вызывает агентов.В его книга описывая теорию, Мински резюмирует то, что он видит как силу эта точка зрения:

Какой волшебный трюк делает нас умными? Хитрость в том, что есть нет уловки. Сила интеллекта проистекает из нашего огромного разнообразия, не по какому-то единственному идеальному принципу.

В ответ * * В книге «Созерцая умы: форум для Искусственный интеллект «, под редакцией Уильяма Дж. Кланси, Стивена В. Смоляр и Марк Стефик (MIT Press, 1994).к отзывам о его книга, Мински подробно остановился на мотивации Общества Разума, приводя аргумент, аналогичный приведенному выше, на основе нейроанатомии и эволюционная психология:

Теперь мы знаем, что сам мозг состоит из сотен разные области и ядра, каждый со значительно отличающимися архитектурные элементы и устройства, и многие из них вовлечены в явно различные аспекты нашего умственного деятельность. Этот современный массив знаний показывает, что многие явления традиционно описывается здравым смыслом, как «интеллект» или «понимание» на самом деле включает в себя сложные сборки машины.

Мински, конечно, не единственный, кто придерживается точки зрения по этим линиям; Я просто привожу его в пример сторонника этой аргументации. Я считаю этот аргумент интересным, но не считаю, что доказательства убедительны. Хотя это правда, что мозг состоит из большого количества разных регионов, с разными функций, из этого не следует, что простое объяснение функция мозга невозможна. Возможно, эти архитектурные различия возникают из общих основополагающих принципов, так же как движение комет, планет, Солнца и звезд — все возникает из единая гравитационная сила.Ни Минский, ни кто-либо еще не спорил убедительно против таких основополагающих принципов.

Мое собственное предубеждение в пользу наличия простого алгоритма для интеллект. И главная причина, по которой мне нравится эта идея, сверх того приведенные выше (неубедительные) аргументы заключаются в том, что это оптимистическая идея. Когда дело доходит до исследований, необоснованного оптимизма часто бывает больше. продуктивно, чем, казалось бы, лучше оправданный пессимизм, для Оптимист имеет смелость начинать и пробовать новое.Это путь к открытию, даже если обнаруженное, возможно, не то, что было изначально надеялся. Пессимист может быть более «правым» в узком смысл, но откроет меньше, чем оптимист.

Эта точка зрения резко контрастирует с тем, как мы обычно оцениваем идеи: пытаясь выяснить, верны они или нет. Это разумная стратегия для работы с рутинными мелочами ежедневное исследование. Но это может быть неправильный способ судить о большом, смелая идея, своего рода идея, которая определяет всю исследовательскую программу.Иногда у нас есть лишь слабые доказательства того, что такая идея правильно или нет. Мы можем смиренно отказаться следовать этой идее, вместо этого проводя все время, прищурившись от имеющихся доказательств, пытаясь различать, что правда. Или мы можем принять то, что еще никто не знает, и вместо этого усердно работайте над развитием большой и смелой идеи в понимая, что хотя у нас нет гарантии успеха, это всего лишь таким образом, наше понимание продвигается.

С учетом всего сказанного, в его наиболее оптимистичной форме я не верю, что мы когда-нибудь найдем простой алгоритм интеллекта.Быть более конкретно, я не верю, что мы когда-нибудь найдем действительно короткий Python (или C, или Lisp, или что-то еще) — скажем, где угодно до тысячи строк кода, который реализует искусственный интеллект. Я также не думаю, что мы когда-нибудь найдем действительно легко описываемый нейронный сеть, которая может реализовать искусственный интеллект. Но я верю стоит действовать так, как будто мы можем найти такую ​​программу или сеть. Это путь к пониманию, и, следуя по этому пути, мы можем однажды понимать достаточно, чтобы написать более длинную программу или построить более сложная сеть, которая действительно демонстрирует интеллект.И так это стоит действовать как чрезвычайно простой алгоритм для интеллекта существует.

В 1980-х годах выдающийся математик и ученый-компьютерщик Джек Шварц был приглашен на дебаты между сторонниками искусственного интеллекта и скептики искусственного интеллекта. Дискуссия стала неуправляемой, сторонники, делающие чрезмерные заявления об удивительных вещах, просто за углом, и скептики удваивают свой пессимизм, утверждать, что искусственный интеллект был совершенно невозможен.Шварц был сторонним наблюдателем в дебатах и ​​промолчал, поскольку обсуждение нагрелся. Во время затишья его попросили выступить и высказать свое мнение. мысли по обсуждаемым вопросам. Он сказал: «Ну, некоторые эти разработки могут оказаться за сотней Нобелевских премий » (см. стр. 22). Мне это кажется идеальным ответом. Ключ к искусственному интеллекту простая, мощная идея, и мы можем и должны искать оптимистично за эти идеи. Но нам понадобится много таких идей, и мы еще предстоит пройти долгий путь!

Как работают нейронные сети — простое введение

Криса Вудфорда.Последнее изменение: 17 июня 2020 г.

Что лучше — компьютер или мозг? Спросите большинство людей, хотят ли они такого мозга, как компьютер, и они, вероятно, ухватятся за этот шанс. Но посмотрите, какую работу вели ученые за последние пару десятилетий, и вы обнаружите, что многие из них очень старались сделать свои компьютеры более похожими на мозг! Как? С помощью нейронных сетей — компьютерные программы, собранные из сотен, тысяч или миллионов искусственных клеток мозга, которые обучаются и ведут себя очень похоже на человеческий мозг.Что такое нейронные сети? Как они работают? Рассмотрим подробнее!

Фото: У компьютеров и мозга много общего, но по сути они очень разные. Что произойдет, если объединить лучшее из обоих миров — систематическую мощь компьютера и тесно связанные между собой клетки мозга? Вы получаете очень полезную нейронную сеть.

Чем мозг отличается от компьютера

Вы часто слышите, как люди сравнивают человеческий мозг и электронный компьютер, и, на первый взгляд, у них есть что-то общее.Типичный мозг содержит примерно 100 миллиардов крохотных клеток, называемых нейронами (никто не знает точно, сколько их, и по оценкам от 50 миллиардов до 500 миллиардов). [1] Каждый нейрон состоит из тела клетки (центральная масса клетки) с рядом выходящих из него соединений: многочисленные дендриты (входы клетки — переносящие информацию к телу клетки) и единственный аксон (вывод клетки — уносит информацию).Нейроны настолько крошечные, что в один миллиметр можно упаковать около 100 их клеточных тел. (Также стоит вкратце отметить, что нейроны составляют только 10-50 процентов всех клеток в головном мозге; остальные — глиальные клетки, также называемые нейроглией, которые поддерживают и защищают нейроны и подпитывают их энергией, позволяющей им работать и расти.) [1] Внутри компьютера эквивалент клетки мозга — наноскопически крошечное коммутационное устройство, называемое транзистором. Новейшие передовые микропроцессоры (однокристальные компьютеры) содержат более 30 миллиардов транзисторов; даже базовый микропроцессор Pentium примерно 20 лет назад было около 50 миллионов транзисторов, все упакованные на интегральную схему площадью всего 25 мм (меньше почтовой марки)! [2]

Изображение: Нейрон: основная структура клетки мозга, показывающая тело центральной клетки, дендриты (ведущие в тело клетки) и аксон (ведущие от него).

Здесь начинается и заканчивается сравнение компьютеров и мозга, потому что это совершенно разные вещи. Дело не только в том, что компьютеры — это холодные металлические коробки, набитые двоичными числами, а мозг теплый, живой, а вещи наполнены мыслями, чувствами и воспоминаниями. Настоящая разница в том, что компьютеры и мозг «думают» совершенно по-разному. В Транзисторы в компьютере соединены в относительно простые последовательные цепи (каждая из них связана, может быть, с двумя или тремя другими в базовых схемах, известных как логические вентили), тогда как нейроны в мозге плотно взаимосвязаны сложными параллельными способами (каждый из них связан с примерно 10 000 своих соседей).[3]

Это существенное структурное различие между компьютерами (возможно, с несколькими сотнями миллионов транзисторов, соединенных относительно простым способом) и мозгом (возможно, в 10–100 раз больше клеток мозга, соединенных более богатыми и более сложными способами) — вот что заставляет их «думать» так по-разному. . Компьютеры идеально подходят для хранения огромного количества бессмысленной (для них) информации и преобразования ее любым количеством способов в соответствии с точными инструкциями (программами), которые мы им заранее вводим.Мозг, с другой стороны, учится медленно, более окольными методами, часто на то, чтобы полностью понять что-то действительно сложное, уходят месяцы или годы. Но, в отличие от компьютеров, они могут спонтанно объединять информацию поразительными новыми способами — вот откуда исходит человеческое творчество Бетховена или Шекспира — распознавая оригинальные шаблоны, налаживая связи и видя то, чему они научились, в совершенно другом свете. .

Разве не было бы замечательно, если бы компьютеры были больше похожи на мозг? Вот тут и пригодятся нейронные сети!

Фото: Электронный мозг? Не совсем.Компьютерные микросхемы состоят из тысяч, миллионов, а иногда и миллиардов крошечных электронных переключателей, называемых транзисторами. Звучит много, но их по-прежнему намного меньше, чем клеток в человеческом мозгу.

Что такое нейронная сеть?

Основная идея нейронной сети состоит в том, чтобы моделировать (копировать упрощенным, но достаточно точным образом) множество плотно связанных между собой клеток мозга внутри компьютера, чтобы вы могли научить его, распознавать закономерности и принимать решения по-человечески.Самое удивительное в нейронной сети то, что вам не нужно программировать ее для явного обучения: она обучается сама по себе, как мозг!

Но это не мозг. Важно отметить, что нейронные сети (как правило) представляют собой моделирование программного обеспечения: они создаются путем программирования очень обычных компьютеров, работающих очень традиционным образом со своими обычными транзисторами и последовательно подключенными логическими вентилями, чтобы вести себя так, как будто они построены из миллиардов тесно взаимосвязанных клеток мозга, работающих параллельно.Никто еще не пытался построить компьютер, соединив транзисторы в плотно параллельную структуру, точно такую ​​же, как человеческий мозг. Другими словами, нейронная сеть отличается от человеческого мозга точно так же, как компьютерная модель погоды отличается от реальных облаков, снежинок или солнечного света. Компьютерное моделирование — это просто набор алгебраических переменных и математических уравнений, связывающих их вместе (другими словами, числа, хранящиеся в ячейках, значения которых постоянно меняются). Они ничего не значат для компьютеров, внутри которых работают, — только для людей, которые их программируют.

Реальные и искусственные нейронные сети

Прежде чем мы пойдем дальше, стоит также отметить некоторый жаргон. Строго говоря, нейронные сети, созданные таким образом, называются искусственными нейронными сетями (или ИНС), чтобы отличать их от реальных нейронных сетей (совокупностей взаимосвязанных клеток мозга), которые мы находим внутри нашего мозга. Вы также можете увидеть нейронные сети, называемые такими именами, как соединительные машины (это поле также называется коннекционизмом), параллельные распределенные процессоры (PDP), мыслящие машины и т. Д., Но в этой статье мы будем использовать термин «нейронные сети». сеть «повсюду» и всегда используют его для обозначения «искусственная нейронная сеть».«

Из чего состоит нейронная сеть?

Типичная нейронная сеть содержит от нескольких десятков до сотен, тысяч или даже миллионов искусственных нейронов, называемых блоки расположены в ряд слоев, каждый из которых соединяется со слоями с каждой стороны. Некоторые из них, известные как блоки ввода , предназначены для приема различных форм информации из внешнего мира, которую сеть будет пытаться узнать, распознать или обработать иным образом.Другие устройства находятся на противоположной стороне сети и сигнализируют, как она реагирует на полученную информацию; они известны как блоки вывода . Между блоками ввода и выводами находится один или несколько уровней скрытых блоков , которые вместе составляют большую часть искусственного мозга. Большинство нейронных сетей — это полностью подключенные , что означает, что каждый скрытый блок и каждый выходной блок связаны с каждым блоком в слоях с каждой стороны. Связи между одним блоком и другим представлены числом, называемым весом , которое может быть либо положительным (если один блок возбуждает другой), либо отрицательным (если один блок подавляет или запрещает другой).Чем выше вес, тем большее влияние оказывает одно устройство на другое. (Это соответствует тому, как реальные клетки мозга запускают друг друга через крошечные промежутки, называемые синапсами.)

Фотография: Полностью подключенная нейронная сеть состоит из входных блоков (красный), скрытых блоков (синий) и выходных блоков (желтый), причем все блоки подключены ко всем блокам в слоях с каждой стороны. Входы подаются слева, активируйте скрытые блоки посередине и сделайте выходы поданными справа.Сила (вес) связи между любыми двумя устройствами постепенно регулируется по мере обучения сети.

Хотя простая нейронная сеть для решения простых задач может состоять всего из трех слоев, как показано здесь, она также может состоять из множества различных слоев между входом и выходом. Такая более богатая структура называется глубокой нейронной сетью (DNN) (DNN) и обычно используется для решения гораздо более сложных проблем. Теоретически DNN может сопоставлять любой тип ввода с любым типом вывода, но недостатком является то, что он требует значительно большего обучения: ему нужно «видеть» миллионы или миллиарды примеров по сравнению с, возможно, сотнями или тысячами, как в более простой сети. может понадобиться.Глубокий или «неглубокий», как бы он ни был структурирован и как бы мы ни изображали его на странице, стоит еще раз напомнить себе, что нейронная сеть — это , а не , на самом деле мозг или что-то подобное. В конце концов, это куча умных математических расчетов … куча уравнений … алгоритм, если хотите. [4]

Как нейронная сеть учится?

Информация проходит через нейронную сеть двумя способами. Когда он обучается (обучается) или работает нормально (после обучения), образцы информации передаются в сеть через входные блоки, которые запускают слои скрытых блоков, а они, в свою очередь, поступают в выходные блоки.Эта общая схема называется сетью прямой связи . Не все подразделения «стреляют» все время. Каждое устройство получает входные данные от устройств слева от него, и эти входные данные умножаются на веса соединений, по которым они перемещаются. Каждое устройство суммирует все входные данные, которые оно получает таким образом, и (в простейшем типе сети), если сумма превышает определенное пороговое значение , устройство «срабатывает» и запускает устройства, к которым он подключен (те, что на его верно).

Чтобы нейронная сеть могла обучаться, должен быть задействован элемент обратной связи — точно так же, как дети учатся, когда им говорят, что они делают правильно или неправильно.Фактически, мы все постоянно пользуемся обратной связью. Вспомните, когда вы впервые научились играть в боулинг с десятью кеглями. Когда вы подбирали тяжелый мяч и катили его по аллее, ваш мозг наблюдал, как быстро мяч движется и по какой линии он следует, и отмечал, как близко вы подошли к тому, чтобы сбить кегли. В следующий раз, когда настала ваша очередь, вы вспомнили, что делали неправильно раньше, изменили свои движения соответствующим образом и, надеюсь, бросили мяч немного лучше. Итак, вы использовали обратную связь, чтобы сравнить желаемый результат с тем, что произошло на самом деле, выяснили разницу между ними и использовали это, чтобы изменить то, что вы сделали в следующий раз («Мне нужно бросить это сильнее», «Мне нужно бросить немного больше слева: «Мне нужно отпустить позже» и т. д.).Чем больше разница между предполагаемым и фактическим результатом, тем радикальнее вы бы изменили свои ходы.

Фото: Боулинг: Вы учитесь делать такие умелые вещи с помощью нейронной сети внутри вашего мозга. Каждый раз, когда вы неправильно бросаете мяч, вы узнаете, какие поправки нужно внести в следующий раз. Фото Джона Дасбаха любезно предоставлено ВМС США.

Нейронные сети изучают вещи точно так же, как правило, с помощью процесса обратной связи, называемого обратным распространением ошибок (иногда сокращенно «обратным распространением»).Это включает сравнение выходных данных, которые производит сеть, с выходными данными, которые она должна была производить, и использование разницы между ними для изменения весов соединений между устройствами в сети, работая от выходных устройств через скрытые устройства к входным модулям. Другими словами, движение назад. Со временем обратное распространение приводит к тому, что сеть учится, уменьшая разницу между фактическим и предполагаемым выходом до точки, в которой они точно совпадают, поэтому сеть выясняет вещи именно так, как должна.

Как это работает на практике?

После того, как сеть обучена с помощью достаточного количества обучающих примеров, она достигает точки, когда вы можете представить ей совершенно новый набор входных данных, которого раньше не видели, и посмотреть, как она отреагирует. Например, предположим, что вы обучаете сеть, показывая ей множество изображений стульев и столов, представленных каким-либо подходящим образом, и сообщая ей, является ли каждый из них стулом или столом. Показав ему, скажем, 25 разных стульев и 25 разных столов, вы скармливаете ему изображение какого-то нового дизайна, которого раньше не встречали, — скажем, шезлонга, — и смотрите, что получится.В зависимости от того, как вы его обучили, он попытается классифицировать новый пример как стул или стол, обобщая на основе своего прошлого опыта — точно так же, как человек. Привет, ты научил компьютер распознавать мебель!

Это не значит, что нейронная сеть может просто «смотреть» на предметы мебели и мгновенно реагировать на них осмысленным образом; это не поведение человека. Рассмотрим только что приведенный пример: сеть на самом деле не смотрит на предметы мебели.Входы в сеть представляют собой по существу двоичные числа: каждый входной блок либо включен, либо выключен. Итак, если у вас есть пять модулей ввода, вы можете ввести информацию о пяти различных характеристиках разных стульев, используя двоичные (да / нет) ответы. Вопросы могут быть такие: 1) Есть ли у него спинка? 2) Есть ли у него верх? 3) Есть ли мягкая обивка? 4) Сможете ли вы с комфортом сидеть на нем долгое время? 5) Можете ли вы положить на него много чего? Типичный стул тогда будет представлен как Да, Нет, Да, Да, Нет или 10110 в двоичном формате, в то время как типичная таблица может быть представлена ​​как Нет, Да, Нет, Нет, Да или 01001.Итак, на этапе обучения сеть просто просматривает множество чисел, таких как 10110 и 01001, и узнает, что некоторые из них означают стул (что может быть результатом 1), а другие означают таблицу (выход 0).

Для чего используются нейронные сети?

Фото: Последние два десятилетия НАСА экспериментировало с самообучающейся нейронной сетью под названием Интеллектуальная система управления полетом (IFCS), которая может помочь пилотам приземлять самолеты после серьезных сбоев или повреждений в бою.Прототип испытывался на этом модифицированном самолете NF-15B (родственник McDonnell Douglas F-15). Фото Джима Росса любезно предоставлено НАСА.

На основе этого примера вы, вероятно, сможете увидеть множество различных приложений для нейронных сетей, которые включают распознавание шаблонов и принятие простых решений по ним. В самолетах вы можете использовать нейронную сеть в качестве базового автопилота с модулями ввода, считывающими сигналы от различных приборов кабины, и модулями вывода, которые изменяют органы управления самолетом соответствующим образом, чтобы безопасно держать его на курсе.Внутри фабрики вы можете использовать нейронную сеть для контроля качества. Предположим, вы производите средство для стирки одежды с помощью гигантского запутанного химического процесса. Вы можете измерить конечное моющее средство различными способами (его цвет, кислотность, толщину и т. Д.), Ввести эти измерения в свою нейронную сеть в качестве входных данных, а затем позволить сети решить, принять или отклонить партию.

Также существует множество приложений для нейронных сетей в сфере безопасности. Предположим, у вас есть банк, в котором каждую минуту через вашу компьютерную систему проходят тысячи транзакций по кредитным картам.Вам нужен быстрый автоматизированный способ выявления любых транзакций, которые могут быть мошенническими — и для этого нейронная сеть идеально подходит. Ваши данные будут примерно такими: 1) Присутствует ли на самом деле владелец карты? 2) Был ли использован действующий ПИН-код? 3) Было ли произведено пять или более транзакций по этой карте за последние 10 минут? 4) Используется ли карта в другой стране, в которой она зарегистрирована? -и так далее. Имея достаточное количество подсказок, нейронная сеть может помечать любые транзакции, которые выглядят подозрительно, что позволяет оператору-человеку более внимательно их исследовать.Точно так же банк может использовать нейронную сеть, чтобы помочь ему решить, давать ли ссуды людям на основе их прошлой кредитной истории, текущих доходов и трудовой книжки.

Фото: Распознавание рукописного ввода на сенсорном экране, планшетный компьютер — одно из многих приложений, идеально подходящих для нейронной сети. Каждый вводимый вами символ (буква, цифра или символ) распознается на основе содержащихся в нем ключевых характеристик (вертикальные линии, горизонтальные линии, наклонные линии, кривые и т. Д.) И порядка, в котором вы их рисуете на экране. .Нейронные сети со временем становятся все лучше и лучше распознавать.

Многие вещи, которые мы делаем каждый день, включают распознавание закономерностей и их использование для принятия решений, поэтому нейронные сети могут помочь нам множеством разных способов. Они могут помочь нам прогнозировать фондовый рынок или погоду, управлять системами радиолокационного сканирования, которые автоматически идентифицируют вражеские самолеты или корабли, и даже помочь врачам диагностировать сложные заболевания на основе их симптомов. Прямо сейчас внутри вашего компьютера или мобильного телефона могут работать нейронные сети.Если вы используете приложения для мобильных телефонов, которые распознают ваш почерк на сенсорном экране, они могут использовать простую нейронную сеть, чтобы выяснить, какие символы вы пишете, ища отличительные особенности в отметках, которые вы делаете пальцами (и порядок, в котором вы их делаете). Некоторые виды программного обеспечения для распознавания голоса также используют нейронные сети. То же самое и с некоторыми почтовыми программами, которые автоматически различают подлинные электронные письма и спам. Нейронные сети даже доказали свою эффективность при переводе текста с одного языка на другой.

Автоматический перевод Google, например, за последние несколько лет все шире использует эту технологию для преобразования слов на одном языке (вход сети) в эквивалентные слова на другом языке (выход сети). В 2016 году Google объявил, что использует то, что называется нейронным машинным переводом (NMT), для мгновенного преобразования целых предложений с Снижение ошибок на 55–85%. Это всего лишь один пример того, как Google развертывает технологию нейронных сетей: Google Brain так называется масштабное исследование, в котором нейронные методы применяются ко всему спектру продуктов, включая его поисковая система.Он также использует глубокие нейронные сети для поддержки рекомендаций, которые вы видите на YouTube, с моделями, которые «узнают приблизительно один миллиард параметров и обучены на сотнях миллиардов примеров »[5]

В общем, нейронные сети сделали компьютерные системы более полезными, сделав их более человечными. Так что в следующий раз, когда вам захочется, чтобы ваш мозг был таким же надежным, как компьютер, подумайте еще раз — и будьте благодарны, что в вашей голове уже установлена ​​такая превосходная нейронная сеть!

Искусственный интеллект — Simple English Wikipedia, бесплатная энциклопедия

Искусственный интеллект ( AI ) — это способность компьютерной программы или машины думать и учиться.Это также область исследований, которая пытается сделать компьютеры «умными». Они работают сами по себе, не кодируются командами. Джон Маккарти придумал название «Искусственный интеллект» в 1955 году.

Обычно термин «искусственный интеллект» означает программу, которая имитирует человеческое познание. По крайней мере, некоторые вещи, которые мы ассоциируем с сознанием других людей, такие как обучение и решение проблем, могут выполняться с помощью компьютеров, хотя и не так, как мы. ^[1] Андреас Каплан и Майкл Хенлайн определяют ИИ как способность системы правильно интерпретировать внешние данные, учиться на них и использовать полученные знания для достижения конкретных целей и задач посредством гибкой адаптации. ^[2]

Идеальная (совершенная) интеллектуальная машина — это гибкий агент, который воспринимает окружающую среду и предпринимает действия, чтобы максимизировать свои шансы на успех в достижении какой-либо цели или задачи. ^[3] По мере того, как машины становятся все более способными, умственные способности, которые, как считалось, требуют интеллекта, удаляются из определения. Например, оптическое распознавание символов больше не воспринимается как пример «искусственного интеллекта»: это обычная технология.

В настоящее время мы используем термин ИИ для успешного понимания человеческой речи, ^[1] соревнуясь на высоком уровне в стратегических игровых системах (таких как Chess and Go), беспилотных автомобилях и интерпретации сложных данных. ^[4] Некоторые люди также считают ИИ опасностью для человечества, если он будет продолжать развиваться нынешними темпами. ^[5]

Крайняя цель исследований ИИ — создание компьютерных программ, которые могут учиться, решать проблемы и мыслить логически. ^{[6] [7]} На практике, однако, большинство приложений выбирают проблемы, с которыми компьютеры могут справиться хорошо. Компьютеры умеют искать в базах данных и проводить вычисления лучше, чем люди. С другой стороны, «восприятие окружающей среды» в любом реальном смысле выходит за рамки современных вычислений.

ИИ охватывает множество различных областей, таких как информатика, математика, лингвистика, психология, нейробиология и философия. В конечном итоге исследователи надеются создать «общий искусственный интеллект», который сможет решить множество проблем вместо того, чтобы сосредоточиться только на одной. Исследователи также пытаются создать творческий и эмоциональный ИИ, который может сочувствовать или создавать искусство. Было испробовано множество подходов и инструментов.

Заимствуя из литературы по менеджменту, Каплан и Хенлейн классифицируют искусственный интеллект на три различных типа систем ИИ: аналитические, созданные человеком и гуманизированные. ^[8] Аналитический ИИ обладает только характеристиками, согласующимися с когнитивным интеллектом, генерирующим когнитивное представление мира и использующим обучение на основе прошлого опыта для информирования будущих решений. Искусственный интеллект, вдохновленный людьми, включает в себя элементы когнитивного, а также эмоционального интеллекта, понимания, помимо когнитивных элементов, а также человеческие эмоции, которые учитываются при принятии решений. Гуманизированный ИИ демонстрирует характеристики всех типов компетенций (т. Е. Когнитивного, эмоционального и социального интеллекта), способен осознавать себя и осознавать себя во взаимодействии с другими.

Первое появление искусственного интеллекта встречается в греческих мифах, таких как ТАЛОС с Крита или бронзовый робот Гефеста. Гуманоидных роботов построили Ян Ши, герой Александрии, и Аль-Джазари. Разумные машины стали популярными в художественной литературе в 19 и 20 веках благодаря рассказам Франкенштейна и Универсальных роботов Россума .

Формальная логика была разработана древнегреческими философами и математиками. Это исследование логики породило идею компьютера в XIX и XX веках.Теория вычислений математика Алана Тьюринга гласила, что любую математическую задачу можно решить, обрабатывая единицы и нули. Достижения в неврологии, теории информации и кибернетике убедили небольшую группу исследователей в возможности электронного мозга.

Исследования ИИ начались с конференции в Дартмутском колледже в 1956 году. Это был месячный мозговой штурм, на котором присутствовало множество людей, интересующихся ИИ. На конференции они писали потрясающие по тем временам программы, обыгрывая людей в шашки или решая текстовые задачи.Министерство обороны начало выделять большие деньги на исследования ИИ, и лаборатории были созданы по всему миру.

К сожалению, исследователи недооценили степень сложности некоторых проблем. Инструменты, которые они использовали, по-прежнему не давали компьютерам таких вещей, как эмоции или здравый смысл. Математик Джеймс Лайтхилл написал отчет об искусственном интеллекте, в котором говорится, что «ни в какой части области до сих пор сделанные открытия не оказали такого сильного влияния, как было обещано». ^[9] Правительства США и Великобритании хотели профинансировать более продуктивные проекты.Финансирование исследований ИИ было сокращено, начав «зиму ИИ», когда почти не проводилось исследований.

Исследования искусственного интеллекта возродились в 1980-х годах из-за популярности экспертных систем, имитирующих знания человека-эксперта. К 1985 году на ИИ был потрачен 1 миллиард долларов. Новые, более быстрые компьютеры убедили правительства США и Великобритании снова начать финансирование исследований в области ИИ. Однако рынок машин на Лиспе рухнул в 1987 году, и финансирование снова было прекращено, начав еще более длительную зиму AI.

ИИ снова возродился в 90-х и начале 2000-х годов с его использованием в интеллектуальном анализе данных и медицинской диагностике.Это стало возможным благодаря более быстрым компьютерам и сосредоточению внимания на решении более конкретных проблем. В 1997 году Deep Blue стала первой компьютерной программой, победившей чемпиона мира по шахматам Гарри Каспарова. Более быстрые компьютеры, достижения в области глубокого обучения и доступ к большему количеству данных сделали ИИ популярным во всем мире. ^[10] В 2011 году IBM Watson победила двух лидеров Jeopardy! игроки Брэд Раттер и Кен Дженнингс, а в 2016 году AlphaGo от Google обыграла лучшего игрока в го Ли Седола 4 раза из 5.

1. ↑ ^{1.0 1,1} Рассел, Стюарт Дж. И Норвиг, Питер 2003. Искусственный интеллект: современный подход . 2-е изд., Верхняя Сэдл-Ривер, Нью-Джерси: Prentice Hall. ISBN 0-13-7-2
2. ↑ «ScienceDirect». www.sciencedirect.com .
3. ↑ Hutter, Marcus 2005. Универсальный искусственный интеллект . Берлин: Springer. ISBN 978-3-540-22139-5
4. ↑ Nilsson, Nils 1998. Искусственный интеллект: новый синтез .Морган Кауфманн. ISBN 978-1-55860-467-4
5. ↑ «Стивен Хокинг считает, что ИИ может быть последним достижением человечества». BetaNews .
6. ↑ Курцвейл, Рэй 1999. Эпоха духовных машин . Книги пингвинов. ISBN 0-670-88217-8.
7. ↑ Kurzweil, Ray 2005. Сингулярность около . Викинг Пресс
8. ↑ «ScienceDirect». www.sciencedirect.com .
9. ↑ Лайтхилл, Джеймс 1973 г. «Искусственный интеллект: общий обзор».