インターネットでは、「ニューラルネットワークはあらゆるものの万能薬」であるという意見をよく目にしました。 たとえば、「ニューラルネットワークを設定します-そして、それは利益です」、またはさらに残忍な「プログラマ/管理者/アナリストなどを置き換えることができるニューラルネットワークに基づいてAIをすぐに作成します」
原則として、このエリアの禅の相手の知識の深さを調べようとすると、彼はほぼ完全なアマチュアであることがわかります（まあ、または口に泡が付いたいくつかの愚かな「議論」の後、彼は融合し、それによって彼のレベルを見つける試みを中断します）。
私はニューラルネットワークの直接の知識を持ち、いくつかのプロジェクトに参加し、さまざまなアプリケーション分野で後者を使用して「設計」、トレーニング、調整を行いました（同時に、単純なパーセプトロンから自己組織化モンスターまで、さまざまなエンジンやネットワークタイプを試しました）。 さらに、私は日常生活でニューラルネットワークを積極的に設計および使用する多くの人々と個人的に知り合いであり、これまでのところ、ニューラルネットワークの使用における驚くべきブレークスルーについては聞いていません（後者の知性に関して）。 つまり 私は、上記の声明の現実から遠隔性を表明できると思います。
私はかなり長い間記事（および世論調査）を書きたかったのですが、どういうわけか私のすべての手が届きませんでした。 そして、前回の記事「ログの監視：このような脆弱なログ...」の問題に関する「ニューラルネットワークを設定する」という電子メールに関する次の質問提案の後、私は書かなければならないことに気付きました。
その結果、この記事の目標は、第一に私の謙虚な意見を表明することであり、第二に、Habrの専門家がこれについてどう考えているかを知ることです。 つまり あなたが次のインターネットからの「すべてのより良い」知識の記事にあなたの鼻を突くことができるように...
突然それは時代の裏で容赦なく私だったが...
それでは、まず「ニューラルネットワーク」の「インテリジェンス」に関して、またはニューラルネットワークの使用の反対について話しましょう。
ニューラルネットワークは、高度にターゲットを絞った問題を解決するために「プログラム」されています。 ネットワークは、厳密に定義された、意味的に重要な属性のみを解きます。
入力データの兆候を直接解明するニューラルネットワークの能力は、入力データの品質に依存します（たとえば、ネットワークの「作成者」の画像に同じ意味的に重要な兆候がどれだけ収まるか）。 たとえば、キュウリとバナナを区別することはありません。最初に色成分や他の多くの特徴を評価する機能がない場合（サルは手にしかバナナを見つけられません。後者はキュウリをどこかで見つけにくいためです） ）または入力データに単に存在せず、作成者によって追加の「知識」が定められていない
ネットワーク自体がトレーニングされるトレーニングサンプルのデータは次のとおりです。
- 代表者（サブジェクトエリア内の物事の真の状態を示す必要があります）;
- 一貫性（一貫性のないデータは、ネットワーク学習の質の低下につながります）;
- 入力ニューロンに送信できる形式に変換されます（つまり、少なくとも最初は他のアルゴリズムで処理される必要があります）
トレーニング後およびトレーニング中の決定の結果は、決定の正しさを必ず確認する必要があります（私たち全員が退職するために送られたときに誰がそれを行いますか...）
- 複雑なニューラルネットワークは、ほとんどの場合、非常に低速のクリーチャーであり、多くのリソースとメモリも消費します（たとえば、同じ連想情報を保存するため）。それらは、焦点を絞った事前設定タスクを解決できますが、多くの場合、人よりも高速です（たとえば、電卓を構築できます）人よりも数百万倍速く、後者よりも頭が良くなりにくく、優れた知性を誇っています。
大まかに言うと、現在存在する古典的なニューラルネットワークの大部分は、入力データを必要な制限にほぼ効率的に近似し、結果として厳密に「プログラムされた」機能を選択する関数または関数のグループを分類します。
つまり 抽象的に考える「鉄のかけら」ではなく、特定のアクションに厳密にまたは狭く調整された特殊なアルゴリズムの本質であり、「自己学習」（実際には、学習プロセスの「アルゴリズム」のパラメーターを独立して改善または改善する能力、およびなしで訓練されたネットワーク教師、学習モードが常にオンになっている、仕事の過程でも）。
つまり インテリジェンスに関しては、根本的な違いはニューラルネットワークと他のアルゴリズムとの違いです（これが主な利点の1つです）-過去の経験に基づいて結果を改善できます（誇張しますが、インテリジェンスについて話しているので、ここでは接続性については説明しません） 、ニューロン、信号、重みなど）。
さらに、このような「アルゴリズム」の結果は、多くの場合、確率的推定値（またはそれらのグループ）です。 これで言いたいこと。 さて、例えば上記の投稿のログ行を見てください：
Aug 18 08:04:51 srv sshd[2131]: Failed password for invalid user test from 1.2.3.4 port 46589 ssh2 from 4.3.2.1 port 58946 ssh2
" 1.2.3.4 99%", , " from " ( ). — "" ( flow ).
, " " (IDS), ( ) , ( ), , . "".
"" (.. ) — , ( , ) .
, , .
, - - siri , "", , .. - ( ). , .
" " — , , .
, - -, :
- , , .. , , - ..
- ( )
- ( )
- ( -)
.
"" , ( , — ), :
, ( // ).
, .. , , ( )
- : ( -).
, ( "" )...
, !