Graph Neural Network (GNN)

Графовая нейронная сеть (GNN) — это специализированный класс архитектур глубокого обучения, предназначенный для обработки данных, представленных в виде графов. В то время как традиционные модели, такие как сверточные нейронные сети (CNN), оптимизированы для структур в виде сетки, например изображений, а рекуррентные нейронные сети (RNN) эффективны при работе с последовательными данными, такими как текст или анализ временных рядов, GNN обладают уникальной способностью обрабатывать неевклидовы данные. Это означает, что они работают с наборами данных, заданными узлами (сущностями) и ребрами (связями), что позволяет им учиться на сложных взаимозависимостях, характерных для сетей реального мира. Выделяя как атрибуты отдельных точек данных, так и структурные связи между ними, GNN помогают получать ценные сведения в областях, где связи столь же важны, как и сами сущности.

Как работают графовые нейронные сети#

Фундаментальный механизм GNN — это процесс, который часто называют «передачей сообщений» или агрегацией по соседям. В рамках этого подхода каждый узел графа обновляет собственное представление, собирая информацию от непосредственных соседей. Во время обучения модели сеть учится создавать эффективные эмбеддинги — плотные векторные представления, которые кодируют признаки узла вместе с топологией его локального окружения.

Благодаря нескольким слоям обработки узел со временем может включать информацию от все более удаленных узлов графа, фактически расширяя свое «рецептивное поле». Это позволяет модели понимать контекст узла в рамках более крупной структуры. Современные фреймворки, такие как PyTorch Geometric и Deep Graph Library (DGL), упрощают реализацию этих сложных схем передачи сообщений, позволяя разработчикам создавать продвинутые приложения на основе графов с нуля не начиная.

GNN и другие нейронные архитектуры#

Чтобы лучше понять уникальную роль GNN, полезно отличать их от других распространенных типов нейронных сетей (NN), используемых в сфере ИИ:

• Сверточные нейронные сети (CNN): это золотой стандарт для задач компьютерного зрения, таких как классификация изображений или обнаружение объектов. Такие модели, как Ultralytics YOLO26, используют CNN для обработки пиксельных данных с фиксированной сеткой. Однако CNN плохо справляются с нерегулярными структурами, в которых количество соседей различается для каждого узла.
• Рекуррентные нейронные сети (RNN): RNN обрабатывают входные данные в определенной последовательности, что делает их идеальными для языковых задач или обработки естественного языка (NLP). В отличие от них, GNN работают с данными, в которых связи являются пространственными или реляционными, а не строго временными или последовательными.
• Граф знаний: граф знаний — это структурированная база фактов (сущностей и связей), тогда как GNN — вычислительная модель, используемая для обучения на таких структурах. GNN часто применяются поверх графов знаний для выполнения таких задач, как предсказание связей, нередко повышая эффективность конвейеров генерации с дополнением поиска (RAG).

Практические применения#

Способность моделировать произвольные связи делает GNN незаменимыми в различных отраслях, оказывающих значительное влияние:

1. Открытие лекарств и здравоохранение: в фармацевтической отрасли химические молекулы естественным образом представляются в виде графов, где атомы являются узлами, а связи — ребрами. GNN преобразуют применение ИИ в здравоохранении, предсказывая свойства молекул и моделируя взаимодействия белков. Такие инновации, как AlphaFold от Google DeepMind, демонстрируют возможности геометрического глубокого обучения для понимания биологических структур.

2. Анализ социальных сетей и рекомендации: платформы используют GNN для анализа обширных сетей взаимодействий пользователей. Представляя пользователей в виде узлов, а дружеские связи или отметки «Нравится» — в виде ребер, эти сети обеспечивают работу рекомендательных систем, предлагающих контент, товары или новые связи. Такой подход, аналогичный методам, используемым в GraphSage от Pinterest, эффективно масштабируется до миллиардов взаимодействий.

3. Логистика и прогнозирование трафика: в применении ИИ в логистике дорожные сети рассматриваются как графы, где перекрестки являются узлами, а дороги — ребрами. GNN могут прогнозировать транспортный поток и оптимизировать маршруты доставки, анализируя пространственные зависимости между различными участками дорог, значительно превосходя простые статистические базовые методы.

Интеграция графовых концепций с ИИ для компьютерного зрения#

Графовые нейронные сети все чаще интегрируются в мультимодальные конвейеры. Например, комплексная система может использовать сегментацию изображений для выявления отдельных объектов в сцене, а затем применять GNN для анализа пространственных связей между этими объектами — это часто называют «графом сцены». Такой подход устраняет разрыв между визуальным восприятием и логическим рассуждением.

Следующий пример на Python показывает, как объединить ИИ для компьютерного зрения с графовыми структурами. В нем используется модель Ultralytics YOLO26 для обнаружения объектов, которые выступают в роли узлов, и подготавливается базовая структура графа с помощью torch.

import torch
from ultralytics import YOLO

# Load the latest YOLO26 model
model = YOLO("yolo26n.pt")

# Run inference on an image to find entities (nodes)
results = model("https://ultralytics.com/images/bus.jpg")

# Extract box centers to serve as node features
# Format: [center_x, center_y] derived from xywh
boxes = results[0].boxes.xywh[:, :2].cpu()
x = torch.tensor(boxes.numpy(), dtype=torch.float)

# Create a hypothetical edge index connecting the first two objects
# In a real GNN, edges might be defined by distance or interaction
edge_index = torch.tensor([[0, 1], [1, 0]], dtype=torch.long)

print(f"Graph constructed: {x.size(0)} nodes (objects) and {edge_index.size(1)} edges.")

Разработчики, которым нужно управлять наборами данных для таких сложных конвейеров, могут использовать платформу Ultralytics, которая упрощает рабочие процессы аннотирования и обучения для компонентов системы, связанных с компьютерным зрением. Объединяя надежные модели компьютерного зрения с реляционным рассуждением GNN, инженеры могут создавать контекстно-зависимые автономные системы, которые лучше понимают окружающий мир.