Многие нейросети строятся на базе Open Source технологий
Одним из спикеров мартовского заседания Комитета АПКИТ по мониторингу развития ИТ-индустрии был директор по технологиям IBM Россия/СНГ Николай Марин. В своем докладе “Глубокое машинное обучение и компьютерное зрение” он привел многочисленные примеры успешного использования нейронных сетей для решения конкретных задач.
При этом для многих оказалось неожиданностью, что наиболее распространённые сегодня платформы для построения нейронных сетей, построены на базе Open Source технологий. “Цифровую экономику правильно выстраивать на платформах с открытым кодом”, -- полагает Николай Марин. Наиболее распространёнными языками программирования сегодня являются Java, Python и Си-подобные языки, такие как С++ и Go, например. В общей сложности, объем кодов Open Source исчисляется миллионами строк. Быть причастным к сообществу разработчиков этих алгоритмов престижно. “Эксперты, которые разбираются в современных алгоритмах искусственного интеллекта, сегодня высоко ценятся на рынке труда”, -- добавляет Николай Марин.
Необходимо, однако, заметить, что примерно 80% стоимости ИИ-проектов составляют не затраты на разработку надстроек над базовыми Open Source библиотеками, а затраты на подготовку качественных алгоритмов обучения для нейросетей. Проще говоря, для построения матрицы весовых коэффициентов, описывающей межнейронные связи.
Иногда противопоставляют понятия машинное обучение (ML) и “глубокое обучение” (DL). Это неправильно. Просто под ML чаще всего понимают обучение однослойных нейронных сетей, а под DL -- методы обучения многослойных сетей, появившиеся значительно позже. Просто многослойные нейронные сети могут решать значительно более сложные задачи, чем однослойные. Так например, DL могут обучаться как с учителем, так и без оного. По словам Николая Марина, среди Open Source библиотек (часть из них изображена на диаграмме) есть библиотеки как для классических нейросетей, так и для самообучаемых.