Sieć neuronowa - co to jest? Definicja, znaczenie i zakres

2024 Autor: Leah Sherlock | [email protected]. Ostatnio zmodyfikowany: 2023-12-17 05:46

Znany wcześniej tylko z książek science fiction termin sieć neuronowa w ostatnich latach stopniowo i niepostrzeżenie wszedł do życia publicznego jako integralna część najnowszych osiągnięć naukowych. Oczywiście od dość dawna osoby związane z branżą gier wiedziały, że jest to sieć neuronowa. Ale w dzisiejszych czasach termin ten jest odnajdywany przez wszystkich, jest znany i rozumiany przez szerokie masy. Niewątpliwie oznacza to, że nauka zbliżyła się do prawdziwego życia, a w przyszłości czekają nas nowe przełomy. A jednak czym jest sieć neuronowa? Spróbujmy zrozumieć znaczenie tego słowa.

Obecność i przyszłość

W dawnych czasach sieć neuronowa, Hort i kosmiczni spacerowicze były ściśle powiązanymi pojęciami, ponieważ sztuczną inteligencję o zdolnościach znacznie przewyższających zwykłą maszynę można było spotkać tylko w świecie fantasy, który powstaje w wyobraźni niektórzy autorzy. A jednak trendy są takie, że ostatnio wokół zwykłego człowieka w rzeczywistości pojawia się coraz więcej tych obiektów, o których wcześniej wspominano tylko w literaturze science fiction. To pozwala nam powiedzieć, że być może nawet najbardziej gwałtowny lot fantazji prędzej czy później znajdzie swój odpowiednik w rzeczywistości. Książki o hitach, już sieci neuronoweteraz mają więcej wspólnego z rzeczywistością niż dziesięć lat temu i kto wie, co wydarzy się w kolejnej dekadzie?

Sieć neuronowa we współczesnych realiach to technologia, która pozwala identyfikować osoby, mając do dyspozycji jedynie zdjęcie. Sztuczna inteligencja jest całkiem zdolna do prowadzenia samochodu, może grać i wygrywać w pokera. Co więcej, sieci neuronowe to nowe sposoby dokonywania odkryć naukowych, które umożliwiają korzystanie z wcześniej niemożliwych możliwości obliczeniowych. Daje to wyjątkowe szanse zrozumienia dzisiejszego świata. Jednak tylko z doniesień prasowych zapowiadających najnowsze odkrycia rzadko wiadomo, czym jest sieć neuronowa. Czy ten termin powinien być stosowany do programu, maszyny czy zespołu serwerów?

Widok ogólny

Jak widać z samego terminu „sieć neuronowa” (zdjęcia prezentowane w tym artykule również pozwalają to zrozumieć) jest strukturą, która została zaprojektowana przez analogię z logiką ludzkiego mózgu. Oczywiście kopiowanie całkowicie biologicznej struktury o tak wysokim poziomie złożoności w tej chwili nie wydaje się realistyczne, ale naukowcy byli już w stanie zauważalnie zbliżyć się do rozwiązania problemu. Powiedzmy, że ostatnio stworzone sieci neuronowe są dość skuteczne. Hort i inni pisarze, którzy publikowali fantastyczne prace, w momencie pisania swoich prac prawie nie wiedzieli, że nauka będzie w stanie posunąć się tak daleko do przodu w tym roku.

Specyfika ludzkiego mózgu polega na tym, że jest to struktura składająca się z wielu elementów, pomiędzy którymiinformacja jest stale przekazywana przez neurony. W rzeczywistości nowe sieci neuronowe są również podobnymi strukturami, w których impulsy elektryczne zapewniają wymianę istotnych danych. Jednym słowem jak w ludzkim mózgu. A jednak nie jest jasne: czy jest jakaś różnica w porównaniu z konwencjonalnym komputerem? W końcu maszyna, jak wiadomo, jest również tworzona z części, między którymi dane są przesyłane za pomocą prądu elektrycznego. W książkach o kosmosie, sieciach neuronowych wszystko zwykle wygląda czarująco – wielkie lub maleńkie maszyny, na których jednym rzutem oka bohaterowie rozumieją, z czym mają do czynienia. Ale w rzeczywistości sytuacja jak dotąd jest inna.

Jak to jest zbudowane?

Jak widać z prac naukowych na temat sieci neuronowych („Spacewalkers”, niestety nie należą do tej kategorii, bez względu na to, jak fascynujące mogą być), idea w najbardziej postępowej strukturze w dziedzinie sztuczna inteligencja, w tworzeniu złożonej struktury, której poszczególne części są bardzo proste. W rzeczywistości, rysując paralelę z ludźmi, można znaleźć podobieństwo: powiedzmy, tylko jedna część mózgu ssaka nie ma wielkich zdolności, możliwości i nie może zapewnić inteligentnego zachowania. Ale jeśli chodzi o osobę jako całość, taka istota spokojnie przechodzi test na poziom inteligencji bez żadnych szczególnych problemów.

Pomimo tych podobieństw, podobne podejście do tworzenia sztucznej inteligencji zostało kilka lat temu wykluczone. Widać to zarówno w artykułach naukowych, jak i w książkach science fiction o sieciach neuronowych (na przykład wspomnianych powyżej Spacewalkers). Swoją drogą, do pewnego stopnia nawet wypowiedziCycerona można kojarzyć ze współczesną ideą sieci neuronowych: kiedyś dość kąśliwie sugerował, by małpy rzucały w powietrze litery pisane na żetonach, aby prędzej czy później powstał z nich sensowny tekst. I dopiero XXI wiek pokazał, że taka złośliwość była zupełnie nieuzasadniona. Sieć neuronowa i science fiction poszły własnymi drogami: jeśli dasz armii małp dużo żetonów, nie tylko stworzą sensowny tekst, ale także zdobędą władzę nad światem.

Siła tkwi w jedności, bracie

Jak dowiedzieliśmy się z licznych eksperymentów, trenowanie sieci neuronowej prowadzi do sukcesu, gdy sam obiekt zawiera ogromną liczbę elementów. Jak żartują naukowcy, w rzeczywistości sieć neuronową można złożyć ze wszystkiego, nawet z pudełek zapałek, ponieważ główną ideą jest zbiór zasad, których przestrzega powstała społeczność. Zazwyczaj reguły są dość proste, ale pozwalają kontrolować proces przetwarzania danych. W takiej sytuacji neuron (choć sztuczny) nie będzie w ogóle urządzeniem, nie skomplikowaną strukturą czy niezrozumiałym systemem, ale raczej prostymi operacjami arytmetycznymi, realizowanymi przy minimalnym zużyciu energii. Oficjalnie w nauce sztuczne neurony nazywane są „perceptronami”. Sieci neuronowe („Spacefalls” dobrze to ilustrują) powinny być znacznie bardziej złożone w opinii niektórych autorów naukowych, ale współczesna nauka pokazuje, że prostota również daje doskonałe wyniki.

Działanie sztucznego neuronu jest proste: wprowadzane są liczby, dla każdego obliczana jest wartośćblok informacyjny, wyniki są sumowane, wyjściem jest jednostka lub wartość „-1”. Czy czytelnik kiedykolwiek chciał znaleźć się wśród upadłych? Sieci neuronowe działają w rzeczywistości zupełnie inaczej, przynajmniej w chwili obecnej, dlatego wyobrażając sobie siebie w dziele fantasy, nie należy o tym zapominać. W rzeczywistości współczesna osoba może pracować ze sztuczną inteligencją, na przykład tak: możesz pokazać zdjęcie, a system elektroniczny odpowie na pytanie „albo - albo”. Załóżmy, że osoba ustawia układ współrzędnych jednego punktu i pyta, co jest przedstawione - ziemia lub, powiedzmy, niebo. Po przeanalizowaniu informacji system udziela odpowiedzi - prawdopodobnie niepoprawnej (w zależności od doskonałości AI).

Kciuki w górę

Jak widać z logiki nowoczesnej sieci neuronowej, każdy jej element próbuje odgadnąć poprawną odpowiedź na zadane systemowi pytanie. W tym przypadku dokładność jest niewielka, wynik jest porównywalny z wynikiem rzucania monetą. Ale prawdziwa praca naukowa zaczyna się, gdy przychodzi czas na trenowanie sieci neuronowej. Kosmos, eksploracja nowych światów, wgląd w istotę praw fizycznych naszego wszechświata (które współcześni naukowcy opierają na wykorzystaniu sieci neuronowych) staną się otwarte w momencie, gdy sztuczna inteligencja będzie uczyć się ze znacznie większą sprawnością i skutecznością niż człowiek.

Faktem jest, że osoba, która zadaje systemowi pytanie, zna na nie poprawną odpowiedź. Możesz więc zapisać to w blokach informacyjnych programu. Perceptron, który daje poprawną odpowiedź, zyskuje na wartości, atutaj ten, który odpowiedział błędnie, traci go, otrzymując grzywnę. Każdy nowy cykl uruchamiania programu różni się od poprzedniego ze względu na zmianę poziomu wartości. Wracając do poprzedniego przykładu: prędzej czy później program nauczy się wyraźnie odróżniać ziemię od przestrzeni. Sieci neuronowe uczą się tym efektywniej, im poprawniej jest sporządzony program studiów – a jego tworzenie kosztuje współczesnych naukowców wiele wysiłku. W ramach zadania postawionego wcześniej: jeśli sieć neuronowa otrzyma kolejne zdjęcie do analizy, to prawdopodobnie nie od razu będzie w stanie je dokładnie przetworzyć, ale na podstawie danych uzyskanych podczas treningu wcześniej dokładnie zorientuje się, gdzie Ziemia jest i gdzie są chmury, przestrzeń czy coś innego.

Zastosowanie pomysłu w rzeczywistości

Oczywiście w rzeczywistości sieci neuronowe są znacznie bardziej skomplikowane niż te opisane powyżej, chociaż sama zasada pozostaje taka sama. Głównym zadaniem elementów, z których zbudowana jest sieć neuronowa, jest usystematyzowanie informacji liczbowych. Łącząc dużą ilość elementów, zadanie staje się bardziej skomplikowane, ponieważ informacje wejściowe mogą nie pochodzić z zewnątrz, ale od perceptronu, który już wykonał swoje zadanie systematyzacji.

Jeśli wrócimy do powyższego zadania, to wewnątrz sieci neuronowej można wymyślić następujące procesy: jeden neuron odróżnia niebieskie piksele od innych, drugi przetwarza współrzędne, trzeci analizuje dane otrzymane przez pierwszego dwa, na podstawie których decyduje, czy w danym punkcie znajduje się ziemia czy niebo. Co więcej, sortowanie na niebieskie i inne piksele można powierzyć kilku neuronom jednocześnie, a otrzymywane przez nie informacje można podsumować. Te perceptrony, które dadząlepszy i dokładniejszy wynik otrzyma na końcu premię w postaci wyższej wartości, a ich wyniki będą priorytetem przy przetwarzaniu dowolnego zadania. Oczywiście sieć neuronowa okazuje się niezwykle obszerna, a przetwarzane w niej informacje będą w ogóle górą nie do zniesienia, ale będzie można uwzględniać i analizować błędy oraz zapobiegać im w przyszłości. Implanty w dużej mierze oparte na sieciach neuronowych, które można znaleźć w wielu książkach science fiction, działają w ten sposób (chyba że autorzy zadają sobie trud, aby pomyśleć o tym, jak to działa).

Kamienie milowe

To może zaskoczyć laika, ale pierwsze sieci neuronowe pojawiły się w 1958 roku. Wynika to z faktu, że urządzenie sztucznych neuronów jest podobne do innych elementów komputera, między którymi przesyłane są informacje w postaci binarnego systemu liczbowego. Pod koniec lat sześćdziesiątych wynaleziono maszynę o nazwie Mark I Perceptron, w której zaimplementowano zasady sieci neuronowych. Oznacza to, że pierwsza sieć neuronowa pojawiła się dopiero dekadę po zbudowaniu pierwszego komputera.

Pierwsze neurony pierwszej sieci neuronowej składały się z rezystorów, lamp radiowych (w tamtym czasie taki kod, którego mogliby używać współcześni naukowcy, nie został jeszcze opracowany). Praca z siecią neuronową była zadaniem Franka Rosenblatta, który stworzył sieć dwuwarstwową. Do transmisji danych zewnętrznych do sieci wykorzystano ekran o rozdzielczości 400 pikseli. Maszyna wkrótce była w stanie rozpoznawać kształty geometryczne. To już sugerowało, że wraz z udoskonaleniem rozwiązań technicznych sieci neuronowe mogą:nauczyć się czytać litery. A kto wie, co jeszcze?

Pierwsza sieć neuronowa

Jak widać z historii, Rosenblatt dosłownie płonął swoją pracą, był w niej doskonale zorientowany, był specjalistą neurofizjologii. Był autorem fascynującego i popularnego kursu uniwersyteckiego, w którym każdy mógł zrozumieć, jak zaimplementować ludzki mózg w technicznym wcieleniu. Nawet wtedy społeczność naukowa miała nadzieję, że wkrótce pojawią się realne możliwości stworzenia inteligentnych robotów zdolnych do poruszania się, mówienia i tworzenia systemów podobnych do siebie. Kto wie, może te roboty pojadą, by skolonizować inne planety?

Rosentblatt był entuzjastą i możesz go zrozumieć. Naukowcy wierzyli, że sztuczną inteligencję można zrealizować, jeśli logika matematyczna zostanie w pełni ucieleśniona w maszynie. W tym momencie test Turinga już istniał, Asimov spopularyzował ideę robotyki. Społeczność naukowa była przekonana, że eksploracja Wszechświata to kwestia czasu.

Sceptycyzm uzasadniony

Już w latach sześćdziesiątych byli naukowcy, którzy kłócili się z Rosenblattem i innymi wielkimi umysłami pracującymi nad sztuczną inteligencją. Dość dokładne wyobrażenie o ich logice fabrykacji można uzyskać z publikacji Marvina Minsky'ego, znanego w swojej dziedzinie. Nawiasem mówiąc, wiadomo, że Isaac Asimov i Stanley Kubrick wysoko wypowiadali się o zdolnościach Minsky'ego (Minsky pomógł mu pracować nad Odyseją kosmiczną). Minsky nie był przeciwny tworzeniu sieci neuronowych, o którychFilm Kubricka świadczy o tym, że w ramach swojej kariery naukowej był zaangażowany w uczenie maszynowe w latach pięćdziesiątych. Mimo to Minsky kategorycznie odnosił się do błędnych opinii, krytykując nadzieje, dla których w tym momencie nie było jeszcze solidnych podstaw. Nawiasem mówiąc, Marvin z książek Douglasa Adamsa nosi imię Minsky.

Krytyka sieci neuronowych i podejście tamtych czasów usystematyzowano w publikacji "Perceptron" z 1969 roku. To właśnie ta książka dosłownie zabiła zainteresowanie wielu ludzi sieciami neuronowymi w zarodku, ponieważ naukowiec o doskonałej reputacji wyraźnie wykazał, że Mark Pierwszy miał wiele wad. Po pierwsze, obecność tylko dwóch warstw była wyraźnie niewystarczająca, a maszyna mogła zrobić za mało, mimo swoich gigantycznych rozmiarów i ogromnego zużycia energii. Drugi punkt krytyczny dotyczył algorytmów opracowanych przez Rosenblatta do uczenia sieci. Według Minsky'ego informacje o błędach zostały utracone z dużym prawdopodobieństwem, a niezbędna warstwa po prostu nie otrzymała pełnej ilości danych do prawidłowej analizy sytuacji.

Wszystko zatrzymane

Pomimo tego, że główną ideą Minsky'ego było wytykanie błędów swoim kolegom w celu stymulowania ich do poprawy rozwoju, sytuacja była inna. Rosenblatt zmarł w 1971 roku i nie było nikogo, kto kontynuowałby jego pracę. W tym okresie rozpoczęła się era komputerów, a ta dziedzina technologii posuwała się do przodu ogromnymi krokami. W tym sektorze zatrudniono najlepsze umysły z matematyki i informatyki, a sztuczna inteligencja wydawała się nieuzasadnionym marnowaniem energii i zasobów.

Sieci neuronowe nie przyciągały uwagi społeczności naukowej od ponad dekady. Punkt zwrotny nadszedł, gdy cyberpunk wszedł w modę. Udało się znaleźć formuły, za pomocą których można obliczyć błędy z dużą dokładnością. W 1986 r. problem sformułowany przez Minsky'ego znalazł już trzecie rozwiązanie (wszystkie trzy zostały opracowane przez niezależne grupy naukowców) i to właśnie to odkrycie skłoniło entuzjastów do zgłębienia nowej dziedziny: prace nad sieciami neuronowymi znów stały się aktywne. Jednak termin perceptrony po cichu zastąpiono obliczeniami kognitywnymi, pozbyliśmy się urządzeń eksperymentalnych, zaczęto używać kodowania, stosując najskuteczniejsze techniki programowania. Zaledwie kilka lat, a neurony są już złożone w złożone struktury, które radzą sobie z dość poważnymi zadaniami. Z biegiem czasu udało się na przykład stworzyć programy do czytania ludzkiego pisma odręcznego. Pojawiły się pierwsze sieci zdolne do samouczenia się, to znaczy, niezależnie odnajdywały prawidłowe odpowiedzi, bez podpowiedzi osoby kontrolującej komputer. Sieci neuronowe znalazły swoje zastosowanie w praktyce. Na przykład to na nich w strukturach bankowych w Ameryce wykorzystywane są programy identyfikujące numery na czekach.

Do przodu skokowo

W latach 90. stało się jasne, że kluczową cechą sieci neuronowych, która wymaga szczególnej uwagi naukowców, jest możliwość eksploracji danego obszaru w poszukiwaniu właściwego rozwiązania bez podpowiedzi ze strony człowieka. Program wykorzystuje metodę prób i błędów, na podstawie której tworzy reguły behawioralne.

Ten okres był naznaczony wzrostem zainteresowaniapubliczne do prowizorycznych robotów. Projektanci-entuzjaści z całego świata zaczęli aktywnie projektować własne roboty zdolne do uczenia się. W 1997 roku był to pierwszy naprawdę poważny sukces na światowym poziomie: po raz pierwszy komputer pokonał najlepszego szachistę świata, Garriego Kasparowa. Jednak pod koniec lat dziewięćdziesiątych naukowcy doszli do wniosku, że osiągnęli pułap, a sztuczna inteligencja nie może dalej się rozwijać. Co więcej, dobrze zoptymalizowany algorytm jest znacznie bardziej wydajny niż jakakolwiek sieć neuronowa w rozwiązywaniu tych samych problemów. Niektóre funkcje pozostały z sieciami neuronowymi, na przykład rozpoznawanie tekstów archiwalnych, ale nie było nic bardziej skomplikowanego. Zasadniczo, jak mówią współcześni naukowcy, brakowało możliwości technicznych.

Nasz czas

Sieci neuronowe są dziś sposobem na rozwiązanie najbardziej złożonych problemów przy użyciu metody „rozwiązanie znajdzie się samo”. W rzeczywistości nie wiąże się to z żadną rewolucją naukową, po prostu współcześni naukowcy, luminarze świata programowania, mają dostęp do potężnej techniki, która pozwala im wcielić w życie to, co człowiek mógł sobie wcześniej wyobrazić tylko w kategoriach ogólnych. Wracając do zdania Cycerona o małpach i żetonach: jeśli przypiszesz zwierzętom kogoś, kto da im nagrodę za poprawną frazę, nie tylko stworzą sensowny tekst, ale napiszą nową „Wojnę i pokój” i nie gorzej.

Sieci neuronowe naszych czasów obsługują największe firmy działające w dziedzinie technologii informatycznych. Są to wielowarstwowe sieci neuronowe realizowane przez potężne serwery,wykorzystując możliwości sieci WWW, tablice informacji zgromadzonych w ciągu ostatnich dziesięcioleci.