Онлайн-курс «Нейросети для дизайнеров»: обучение искусственному интеллекту

Искусственный интеллект (ИИ) — это широкий термин. Он описывает ML-модели, способные выполнять задачи, которые обычно делает человек. Например, рассуждение, обучение и принятие решений.

Нейросеть — это тип алгоритма внутри ИИ, который имитирует работу человеческого мозга для распознавания закономерностей и обучения на основе примеров. Это один из инструментов, которые использует ИИ для решения задач

1. Stable Diffusion
ОС Windows 10+
Видеокарта NVIDIA GeForce, не менее 4 Гб видеопамяти.
16 Гб оперативной памяти
10+ Гб на жестком диске или SSD
Стабильное подключение к сети интернет
Важно: на MAC не работает данная программа

2. ChatGPT
Процессор: минимум 8-поточный процессор с поддержкой AVX (лучше AVX2). Подойдут процессоры семейства AMD Ryzen 1600+
Память: 8−16 Гб современной памяти стандарта DDR4/5
Видеокарта: не требуется, так как вся обработка происходит силами CPU

3. Midjourney
Midjourney работает на основе программы Discord.
Процессор: Intel Core i3−8100 8-го поколения, 4 ядра или выше, включение VT.
Память: 8 ГБ и выше
Место для хранения: 10 ГБ или более доступного места для установочного диска, а 2 ГБ или более доступного места для системного диска
Видеокарта: Дискретная графика NVIDIA GeForce GTX1050 Ti 2G и выше/
Система: рекомендуется 64-битная система Win10 и выше, включая OpenGL 4.x.

4. Leonardo AI
Процессор: Intel Core i3−8100 8-го поколения, 4 ядра или выше, включение VT.
Память: 8 ГБ и выше
Место для хранения: 10 ГБ или более доступного места для установочного диска, а 2 ГБ или более доступного места для системного диска
Видеокарта: Дискретная графика NVIDIA GeForce GTX1050 Ti 2G и выше
Система: рекомендуется 64-битная система Win10 и выше, включая OpenGL 4.x.

5. Clipdrop
Система: рекомендуется 64-битная система Win10 и выше, включая OpenGL 4.x.
Процессор: Intel Core i3−8100 8-го поколения, 4 ядра или выше, включение VT.
Видеокарта: Дискретная графика NVIDIA GeForce GTX1050 Ti 2G и выше
Память: 8 ГБ и выше
Место для хранения: 10 ГБ или более доступного места для установочного диска, а 2 ГБ или более доступного места для системного диска

6. InvokeAI
Система: рекомендуется 64-битная система Win10 и выше, включая OpenGL 4.x.
Процессор: Intel Core i3−8100 8-го поколения, 4 ядра или выше, включение VT.
Видеокарта: Дискретная графика NVIDIA GeForce GTX1050 Ti 2G и выше
Память: 8 ГБ и выше
Место для хранения: 10 ГБ или более доступного места для установочного диска, а 2 ГБ или более доступного места для системного диска

7. Adobe Firefly
Процессор Intel®, AMD или ARM с поддержкой 64-разрядных вычислений
Windows: версия 10 или более поздняя
macOS: версия 12 или более поздняя ChromeOS
Память: Не менее 4 ГБ памяти
Требования к веб сайту:
Веб-браузеры: Chrome, Edge: 108 или более поздняя версия
Firefox: 108 или более поздняя версия
Safari: 15 или более поздняя версия
Примечание. Необходимо включить JavaScript

8. Playground AI
Система: рекомендуется 64-битная система Win10 и выше, включая OpenGL 4.x.
Процессор: Intel Core i3−8100 8-го поколения, 4 ядра или выше, включение VT.
Видеокарта: Дискретная графика NVIDIA GeForce GTX1050 Ti 2G и выше
Память: 8 ГБ и выше
Место для хранения: 10 ГБ или более доступного места для установочного диска, а 2 ГБ или более доступного места для системного диска

Представим, что нейросеть — это человек, который хочет распознавать фрукты. Мы сможем научить его за несколько шагов.

Шаг 1: Подготовка учебных материалов
Сначала собираем много фотографий фруктов. Для каждого снимка есть метка, обозначающая фрукт, который на нем изображен. Это аналогично учебнику с картинками и подписями к ним.

Шаг 2: Первый урок
Показываем нейросети эти фотографии и говорим ей, что за фрукт на каждой из них. Нейросеть пытается заметить особенности на снимках, которые помогут ей отличать один объект от другого. Например, что бананы обычно желтые и изогнутые, а яблоки — круглые и разноцветные.

Шаг 3: Проверка знаний
После того как нейросеть посмотрела на примеры и попыталась выучить их, начинаем тестировать ее: показываем фотографии фруктов, которые она раньше не видела. Нейросеть делает предположение: это яблоко, это банан, это вишня и так далее.

Шаг 4: Оценка и исправление ошибок
Каждый раз, когда нейросеть делает ошибку, указываем ей на это. Нейросеть пытается понять, что пошло не так. Например, если она приняла персик за яблоко, возможно, ей нужно обратить внимание на текстуру кожицы и форму. После этого нейросеть корректирует внутренние параметры, чтобы в следующий раз не допустить подобную ошибку.

Шаг 5: Повторение
Этот процесс повторяется много раз. Нейросеть продолжает учиться, становясь все лучше в определении фруктов. Это как если бы ученик читал учебник, решал задачи, получал обратную связь от учителя и исправлял ошибки, приобретая новые знания.

Когда нейросеть становится достаточно хороша в распознавании фруктов и делает мало ошибок на тестовых фотографиях, мы можем сказать, что обучение завершено. Теперь ученик-нейросеть готов выйти в «реальный мир» и применять знания на практике, распознавая фрукты на любых новых изображениях

Диспетчеры и операторы колл-центров. Нейросети могут обрабатывать естественный язык, что позволяет им вести диалоги с людьми: отвечать на вопросы, принимать заказы, решать простые проблемы клиентов.

Профессиональные переводчики. Нейросети, обученные на больших текстовых корпусах, могут выполнять машинный перевод с различных языков.

Дальнобойщики, таксисты и операторы общественного транспорта. С развитием автономного транспорта, управляемого нейросетями, эти профессии могут исчезнуть или существенно измениться.

Продавцы и кладовщики. С помощью нейросетей можно автоматизировать инвентаризацию и управление запасами. Опираясь на данные, они могут создавать персональные предложения для клиентов не хуже человека.

Сотрудники на производстве. Нейросети могут управлять роботами на производственных линиях, оптимизировать процессы и даже проводить сложные сборочные операции, что уменьшает потребность в рабочей силе.

Журналисты и контент-менеджеры. ИИ уже способен генерировать простой контент и взять на себя часть работы этих специалистов. Например, создавать новостные сообщения, отчеты о спортивных мероприятиях, посты в соцсетях.

Юриспруденция и документооборот. Нейросети могут автоматизировать анализ документов, поиск юридических прецедентов и даже формирование стандартных документов.

Некоторые врачи. ИИ уже помогает в диагностике, обработке медицинских изображений и предсказании исходов заболеваний. Он может изменить роль радиологов, патологов и других специалистов здравоохранения

Развитие ИИ создает новые рабочие места для специалистов, которые будут создавать, обучать и обслуживать эти системы. Например:

Инженер по разработке искусственного интеллекта
ML Engineer / ML Scientist.
Аналитик данных

Python часто выбирают для проектов с искусственным интеллектом, потому что он прост для изучения и имеет много поклонников среди программистов. Java тоже подходит, но выучить его сложнее. Есть и другие языки для работы с ИИ, например, Julia, Haskell, Lisp, R, JavaScript, C++, Prolog и Scala, но они менее популярны

Из данных, которые мы ей даем. Это могут быть картинки, тексты, звуки или любые другие примеры, на которых она учится распознавать закономерности

Математику, включая вероятность, статистику, высшую математику и алгебру. Еще разработчик ИИ должен уметь программировать на Python и знать инструменты для этого языка — Numpy, Pandas, Scikit-learn, Matplotlib.

Создавать и тренировать нейросети можно с помощью Keras, TensorFlow и PyTorch. Также важно работать с базами данных и знание языка запросов SQL