Каждый раз читая очередную статью вида "Почему нейросети это тупик" (раз, два, три), испытываю странное чувство... несоответствия что ли. Как будто автор декларирует одно, а доказывает и аргументирует нечто совсем иное. Для меня сам тезис буквально звучит как оксюморон (не путать с рэпером ?), но почему именно - не так очевидно. Для этого надо разобраться, чем же на самом деле являются нейросети... Погнали!
Первое, чем современные нейросети (ИНС в общепринятом понимании, не путать с ИмНС aka SNN) не являются, это, собственно, нейросетями! ? Да, первый формальный нейрон, а за ним и перцептрон Розенблата были вдохновлены биологическими нейронами да и сверточные сети в некоторых аспектах демонстрируют некоторое сходство с обработкой визуального сигнала зрительной корой, но не более. Современный Data Science имеет общего с учением о нейронах примерно столько же, сколько современная аэродинамика с орнитологией: самолеты летают, но крыльями не машут!
Второе, чем ИНС также не являются, это парадигмой искусственного интеллекта. Пытаться их противопоставлять, как и наоборот, высказываться в духе "увеличим число параметров еще на пару-тройку порядков и вот оно - сознание!" - это как спорить, является ли автомобиль воплощением скорости, или нет...
Так что же такое все-таки ИНС? ИНС - это семейство алгоритмов оптимизации сложных функций от многих переменных. Алгоритмов, понимаете? Говорить - "нейросети - это тупик", это все равно что сказать, что Метод Монте-Карло - тупик. Или Быстрое преобразование Фурье. Или Симплекс-метод...
Алгоритм - это инструмент. Метод решения определенного класса задач. И вопрос только в том, можно ли свести решаемую задачу к оптимизации сложной функции или нет. Люди - существа креативные и многие задачи, которые казались далекими от подобной постановки, были переформулированы таким образом, что внезапно стали вполне себе решаемыми и решаемыми хорошо!
Т.е. этот самый "класс задач", который можно решить таким образом, оказался весьма и весьма обширным... И постоянно растет, что характерно!
Например, вы считаете, что мозг - это машина предсказаний. Ок, задача временных рядов - следующий член последовательности на основании предыдущих... LSTM, GRU, трансформеры наконец!
Или вы адепт идеи "разум - это модель". Хорошо. Есть решения отображения входящего сигнала во внутреннее (латентное) пространство aka автоэнкодеры, а если хотите позабористее, гуглите NERF (иногда еще называют "нейронный рендеринг", построение внутренней репрезентации трехмерного пространства по входным двумерным картинкам и положению камеры).
Многие критики нейросетевого подхода все еще пребывают в уверенности, что нейросеть - это такой черный ящик у которого X на входе, Y на выходе, и мы учимся получать Y из X. Как будто со времен перцептрона Розенблата ничего не было. ?
Открою страшную тайну *(секрет Полишенеля): далеко не всегда целью обучения является получение Y из X! Классика жанра - автоэнкодеры. Там вообще X=Y, а целью является некое внутреннее Z для которого у нас вовсе нет никакого ground truth.
Или вашей целью являются сложные данные переменной размерности, но вы строите процесс обучения так, чтобы за раз система выдавала следующую порцию этих данных - с учетом входа и предшествующего выхода, т.е. работала итерационно. И это работает: таким образом можно искать объекты на картинке, получая последовательно на выходе координаты их bounding box (как в DETR).
Вполне возможно, что это все не то. Но... А что - "то"? Для того, чтобы понять, подходят ли данные инструменты для решения вашей задачи, нужно сформулировать собственно задачу! Имея четкое представление (желательно - математическое) о том, что нужно, можно попытаться выразить его через многомерную дифференцируемую функцию, подобрать нужный лосс и пытаться оптимизировать. Или формально доказать, что поставленная задача не относится к классу оптимизационных, а значит нейросети тут не при делах. ?♂️
Полагаю, что те, кто говорят, что нейросети - "не то" (за крайне редким исключением вроде того же Лекуна), путают алгоритм решения с постановкой задачи. Если задача есть, если она достаточно формализована - ее можно сводить к тому или иному классу с известными алгоритмами решения...
