Što je neuronska mreža? Definicija, značenje i opseg

Prije poznat samo fantastičnim knjigama, neuronska mreža postupno i neprimjetno ušla u društveni život kao sastavni dio najnovijih znanstvenih dostignuća. Naravno, već dugo vremena ljudi koji su bili uključeni u industriju igara znali su da je riječ o neuronskoj mreži. Ali danas se taj pojam susreće svatko, poznat je i razumljiv širokim masama. Bez sumnje to pokazuje da je znanost postala bliža stvarnom životu, au budućnosti će nas očekivati ​​nova otkrića. Pa ipak, što je to - neuronska mreža? Pokušajmo razumjeti značenje te riječi.

Sadašnjost i budućnost

U ranijim vremenima, neuralne mreže, i Hort popadantsy u svemir usko su povezane koncepte, zapravo susret s umjetnom inteligencijom, ima sposobnost da se znatno superiorniji na jednostavan stroj, to je moguće samo u svijetu mašte koji nastanu u mašti pojedinih autora. Ipak, trendovi su takvi da nedavno oko prosječne osobe u stvarnosti postoji sve više i više onih stvari koje su prethodno spomenute samo u literaturi. To znači da čak i brzi let mašte, možda, prije ili kasnije naći svoj ekvivalent u stvarnosti. Knjige o hitnadts, neuronske mreže već imaju više zajedničkog sa stvarnošću nego prije deset godina, i tko zna što će se dogoditi u sljedećem desetljeću?

Neuronska mreža u suvremenoj stvarnosti je tehnologija koja omogućuje prepoznavanje ljudi samo s fotografijom na raspolaganju. Umjetna inteligencija je u potpunosti sposobna kontrolirati stroj, može igrati i osvojiti poker. Štoviše, neuronske mreže su novi načini za postizanje znanstvenih otkrića, omogućujući pribjegavanje prethodno nemogućim računalnim mogućnostima. To daje jedinstvenu priliku za poznavanje svijeta danas. Međutim, samo od vijesti koje najavljuju najnovija otkrića, rijetko je da razumiju neuronsku mrežu - to je ono što jest. Je li ovaj pojam primjenjiv na program, stroj ili kompleks poslužitelja?

Opći pogled

Kao što se može vidjeti iz samog izraza "neuronska mreža" (fotografije iznesene u ovom članku također omogućuju razumijevanje toga) je struktura koja je konstruirana analogijom logici ljudskog mozga. Naravno, nije realno u potpunosti kopirati biološku strukturu takve visoke razine složenosti u ovom trenutku, ali znanstvenici su već mogli tangibly pristupiti rješenju zadatka. Na primjer, nedavno stvorene neuronske mreže dosta su učinkovite. Hort i drugi pisci koji su objavili fantastična djela, jedva u vrijeme pisanja njihovih djela, znali su da se znanost već ove godine može pomaknuti naprijed.

Osobitost ljudskog mozga je da je ona struktura brojnih elemenata, između kojih se informacije kontinuirano prenose putem neurona. Zapravo, nove neuronske mreže također su slične strukture, gdje električni impulsi osiguravaju razmjenu stvarnih podataka. U jednoj riječi, baš kao u ljudskom mozgu. I još uvijek nije jasno: ako je razlika od konvencionalnog računala? Uostalom, stroj, kao što je poznat, također je izrađen iz detalja, čiji se podaci prenose pomoću električne struje. U knjige o vanjskom prostoru, neuronske mreže sve obično izgledaju očaravajuće - ogromne ili sitne strojeve, na jedan pogled na koji likovi razumiju s čime se bave. Ali u stvarnosti, situacija do sada je drugačija.

Kako se gradi?

Kao što se može vidjeti iz znanstvenih radova na neuronskim mrežama ( „Popadantsy u svemir”, na žalost, ne spadaju u ovu kategoriju, bez obzira koliko uzbudljivo oni mogu biti), ideja je najnaprednije strukture u području umjetne inteligencije u kreiranju složenih struktura, dijelova od kojih su vrlo jednostavni. Zapravo, crtanje paralelne s osobom, može se naći sličnosti: na primjer, samo jedan dio mozga sisavaca nema velike sposobnosti, mogućnosti, ne može pružiti razumno ponašanje. Ali kada se radi o osobi kao cjelini, takvo stvorenje mirno prolazi testu za razinu inteligencije bez ikakvih posebnih problema.

Unatoč toj sličnosti, sličan pristup stvaranju umjetne inteligencije prije nekoliko godina, bio je izopćen. To je očigledno iz znanstvenih djela, i iz fantastičnih knjiga o neuronskoj mreži ("Popadantsy u svemiru", gore spomenuta, na primjer). Usput, u određenoj mjeri, čak i izjave Cicerona može se povezati s modernom idejom neuronskih mreža: to je u jednom trenutku prilično zajedljivo predložio da majmuni bacaju u zrak pisane slovima žetona, tako da će prije ili kasnije jedan je razvio smislen tekst. I samo 21 stoljeće pokazalo je da je takva zloba bila apsolutno neopravdana. Neuronske mreže i fikcija sukobili: ako je vojska majmuna dati puno žetona, oni ne samo da će stvoriti bogat osjećaj teksta, ali i primiti moć u cijelom svijetu.

Snaga je jedinstvo, brate

Kao što smo naučili iz brojnih eksperimenata, učenje neuronske mreže onda dovodi do uspjeha, kada sam objekt uključuje veliki broj elemenata. Kao znanstvenici vic, zapravo neuronske mreže mogu se prikupljati od svega, čak i od kutije šibica, jer je osnovna ideja - skup pravila koja upravljaju zajednicu primili. Obično su pravila prilično jednostavna, ali vam omogućuju kontrolu obrade podataka. U ovoj situaciji, neuron (iako umjetna) nije instrument, a ne složena struktura sustava, ili neshvaćen i aritmetika, jednostavno dovoljno da se provode s minimalnim utroškom energije. Službeno, u znanosti, umjetni neuroni zovu se "perceptroni". Neuronske mreže ( „Popadantsy prostor” i to ilustriraju) predstaviti neke znanstvene radove autora bi trebalo biti puno složeniji, ali moderna znanost je pokazala da jednostavnost i daje izvrsne rezultate.

Operacija umjetnog neurona je jednostavna: brojevi se unose, ulaz se izračunava za svaki blok informacija, rezultati se dodaju, jedinica ili vrijednost "-1" se formira na izlazu. Je li čitatelj želio biti bar jedanput među lovcima? Neuroneti u stvarnosti rade sasvim drukčije, barem za sadašnji trenutak, dakle, kad se zamišljate u fantastičnom radu, ne zaboravite na to. Zapravo, moderni čovjek može raditi s umjetnom inteligencijom, na primjer: možete prikazati sliku, a elektronički sustav će odgovoriti na pitanje "ili - ili". Pretpostavimo da osoba postavlja koordinate jedne točke u sustav i pita što je prikazano - zemlja ili, recimo, nebo. Nakon analize informacija, sustav daje odgovor - sasvim je moguće da je netočan (ovisi o savršenosti AI).

Prstom na nebu

Kao što se može vidjeti iz logike djela suvremene neuronske mreže, svaki njegov element se bavi time što pokušava pogoditi pravi odgovor na pitanje postavljenu sustavu. Točnost u ovom slučaju je mala, rezultat je usporediv s rezultatom bacanja kovanice. Ali pravi znanstveni rad počinje kada dođe vrijeme za učenje neuronske mreže. Prostor, istraživanje novih svjetova, uvid u fizikalnim zakonima svemira (koji se računa suvremene znanstvenike, pomoću neuronske mreže) će se otvoriti upravo u trenutku kada je umjetna inteligencija će biti učenici s većom djelotvornosti i učinkovitosti nego na čovjeka.

Činjenica je da osoba koja postavlja pitanje sustava zna točno odgovoriti na njega. Dakle, možete ga upisati u informacijske blokove programa. Perceptron, koji je dao ispravan odgovor, dobiva vrijednost, ali ispitanik pogrešno - izgubi, dobiva novčanu kaznu. Svaki novi početni ciklus programa razlikuje se od prethodne zbog promjene razine vrijednosti. Vraćajući se na prethodni primjer: prije ili kasnije program će naučiti jasno razlikovati gdje je zemlja, gdje je prostor. Neuronske mreže naučiti, učinkovitiji je program napravljen točniju studiju - te njegovo vrijedi znatan napor da suvremenih znanstvenika. U okviru zadatka set prije, ako je neuronska analiza mreže za pružanje drugu fotografiju, vjerojatno, nije bilo odmah u mogućnosti to hvataljka za sigurno, ali, na osnovu primljenih podataka tijekom vježbanja ranije, samo je shvatio gdje je zemlja i gdje - oblaci, prostor, ili nešto nešto drugo.

Primjena ideje u stvarnosti

Naravno, u stvarnosti, neuronske mreže su puno složenije nego što je gore opisano, iako je sam načelo sačuvano. Glavni zadatak elemenata iz kojih se formira neuronska mreža je sistematiziranje numeričkih podataka. Kada se kombinira obilje elemenata, zadatak postaje složeniji, budući da informacije o ulazu ne mogu biti izvana, već iz perceptrona koji je već završio svoj rad na sistematizaciji.

Ako se vratimo na gore navedeni problem, unutar neuronske mreže mogu se sjetiti tih procesa, jedan neuron razlikuje od drugih plavih piksela, koordinate drugim procesima, treći analizira prve dvije podatke, na temelju kojih odlučuje, tlo ili nebo u određenom trenutku. A sortiranje po plavim i drugim piksela može vjerovati da više neurona, a sažeti informacije. Oni percepti koji će dati bolji i točniji rezultat dobit će premiju u obliku veće vrijednosti, a njihovi će rezultati biti prioritetni u ponovnoj obradi bilo kojeg zadatka. Naravno, neuronska mreža je izuzetno volumen, a podaci obrađuju ih, i to vrlo teške planine, ali će biti u mogućnosti uzeti u obzir i analizirati pogreške i spriječiti ih u budućnosti. U velikoj mjeri temelji se na neuronske mreže implantata prisutne u mnogim SF knjiga, rad na tom principu (osim, naravno, autori smetaju refleksije na principu rada).

Povijesni događaji

To bi moglo iznenaditi laika, ali prve neuronske mreže pojavile su se još 1958. godine. To je zbog činjenice da je raspored umjetnih neurona sličan ostalim računalnim elementima, između kojih se informacije prenose u binarnom broju. Krajem šezdesetih godina, izumio je stroj nazvan "Mark I Perceptron", u kojem su primijenjena načela neuronskih mreža. To znači da je prva neuronska mreža pojavila samo desetljeće nakon izgradnje prvog računala.

Prvi neuroni prve neuronske mreže sastojali su se od otpornika, radiolampsa (u to vrijeme nije postojao takav kod koji moderni znanstvenici mogu koristiti). Rad s neuronskom mrežom bio je zadatak Frank Rosenblatta, koji je stvorio dvoslojnu mrežu. Za prijenos vanjskih podataka na mrežu, upotrijebljen je ekran s razlučivosti od 400 boda. Auto je uskoro mogao prepoznati geometrijske oblike. To nam je već omogućilo da pretpostavimo da, kada se poboljšavaju tehnička rješenja, neuronske mreže mogu naučiti čitati slova. A tko zna što još?

Prva neuronska mreža

Kao što se može vidjeti iz priče, Rosenblatt je doslovno izgorio sa svojim poslovanjem, bio je savršeno orijentiran u njemu, bio je stručnjak za neurofiziologiju. Bio je autor uzbudljivog i popularnog sveučilišnog tečaja unutar kojega je bilo tko mogao shvatiti kako ostvariti ljudski mozak u tehničkom utjelovljenju. Čak i tada, akademska se zajednica nada da će u skoroj budućnosti postojati stvarne prilike za stvaranje inteligentnih robota sposobnih za kretanje, govorenje i formiranje sličnih sustava. Tko zna, možda bi ti roboti krenuli kolonizirati druge planete?

Poduzetnik je bio entuzijast, i to se može razumjeti. Znanstvenici su vjerovali da se umjetna inteligencija može ostvariti ako se potpuno implementira u matematičku logiku stroja. U tom trenutku već je postojao Turingov test, Azimov je popularizirao ideju robotike. Znanstvena je zajednica bila uvjerena da je svladavanje svemira pitanje vremena.

Skepticizam je bio opravdan

Već u šezdesetim godinama bilo je znanstvenika koji su se svađali s Rosenblattom i drugim velikim umovima koji su radili na umjetnoj inteligenciji. Prilično točna ideja njihove logike izmišljotina može se dobiti iz publikacija Marvin Minsky, koji je poznat u svom području. Usput, poznato je da je sposobnost Minskog bila visoko cijenjena Isaac Asimov, Stanley Kubrick (Minsk ga je pomogao u svom radu na "Odiseju svemira"). Minsk nije protiv stvaranja neuronskih mreža, što potvrđuje Kubrickov film, au svojoj znanstvenoj karijeri sudjelovao je u obuci automobila pedesetih godina. Unatoč tome, Minsk je kategoricno postupao s pogrešnim mišljenjima, kritizirao nade, za koje u to doba nije bilo čvrstih temelja. Usput, Marvin iz knjiga Douglas Adams nazvana u čast Minsk.

Kritičnost neuronskih mreža i pristup tog vremena sistematizirani su u publikaciji Perceptron, iz 1969. Bila je to knjiga, mnogi doslovno na vinove loze ubiti interesa u neuronske mreže, jer je znanstvenik s izvrsnom reputacijom pokazao da je „Marko prvi” ima niz nedostataka. Prvo, prisutnost samo dva sloja bila je očigledno neadekvatna, a stroj je mogao učiniti premalo, unatoč njegovim ogromnim dimenzijama i ogromnom potrošnjom energije. Druga točka kritike bila je posvećena algoritmima koje je razvio Rosenblatt za mrežno osposobljavanje. Prema Minskyovom mišljenju, informacije o pogreškama su izgubljene s velikom vjerojatnošću, a potreban sloj jednostavno nije dobio punu količinu podataka za ispravnu analizu situacije.

Slučaj je ustao

Unatoč činjenici da je glavna ideja Minskog bila naglasiti pogreške kolegama da ih potaknu na poboljšanje razvoja, situacija je bila drugačija. Rosenblatt je umro 1971. godine, a nitko nije nastavio raditi. U tom je razdoblju počelo doba računala, a ovo područje tehnike napredovalo je u ogromnim koracima. U ovom sektoru bili su uključeni najbolji umovi iz područja matematike i računalne znanosti, a umjetna inteligencija činila se nerazumnim širenjem sila i sredstava.

Neuronske mreže nisu privukle pozornost znanstvene zajednice već više od jednog desetljeća. Preokret se dogodio kada je cyberpunk ušao u modu. Moguće je pronaći formule pomoću kojih se pogreške mogu uzeti u obzir uz visoku točnost. Godine 1986, problem je formulirao Minsk, pronašao treću odluku (sva trojica su se razvili neovisno jedan od drugog po skupinama znanstvenika), a to mu je bio otkriće potaknut entuzijasta za razvoj novog područja: rad na neuronskim mrežama ponovno pojačane. Međutim, pojam perceptrons neprimjetno zamijenjen na kognitivne računalstva, dobio osloboditi od eksperimentalnih uređaja, počeo koristiti enkripciju, korištenjem najučinkovitijih tehnika programiranja. Samo nekoliko godina, i neuroni su već okupljeni u složene strukture koje se mogu nositi s vrlo ozbiljnim zadacima. S vremenom je bilo moguće, na primjer, stvarati programe za čitanje ljudskog rukopisa. Prve su se mreže pojavile, sposobne samoučiti, tj. Samostalno su pronašle prave odgovore, bez poticanja osobe koja upravlja računalom. Neuronske mreže našle su primjenu u praksi. Na primjer, oni su oni koji su identificirani na kontrolnim brojevima programa koji se koriste u bankarskim strukturama u Americi.

Naprijed prema skokovima i granicama

U 90 je postalo jasno da je ključno obilježje neuronske mreže, što zahtijeva posebnu pozornost znanstvenika, to je sposobnost da istražite unaprijed određeno područje u potrazi za odgovarajućim rješenjima bez upita od strane čovjeka. Program primjenjuje metodu suđenja, pogreške, na temelju koje stvara pravila ponašanja.

Ovo razdoblje obilježeno je valom javnog interesa za samostalne robote. Dizajnerski zaljubljenici iz različitih kutova planeta počeli su aktivno dizajnirati vlastite robote koji su sposobni trenirati. Godine 1997. pokazao je prvi doista ozbiljan uspjeh na svjetskoj razini: računalo je najprije pobijedilo najboljeg svjetskog šahovskog igrača - Garryja Kasparova. Međutim, do kraja devedesetih znanstvenici su došli do zaključka da su stigli do stropova, a umjetna inteligencija ne može rasti dalje. Štoviše, dobro optimizirani algoritam je mnogo učinkovitiji od bilo koje neuronske mreže koja rješava iste probleme. Neke funkcije su ostale iza neuronskih mreža, na primjer, prepoznavanje arhivskih tekstova, ali ništa komplicirano nije bilo dostupno. Uglavnom, kako kažu moderni znanstvenici, nije bilo dovoljno tehničkih kapaciteta.

Naše vrijeme

Neuroneti u našem danu su način rješavanja najtežih problema korištenjem metode "samog rješenja". Zapravo, nije povezan ni sa jednom znanstvenom revolucijom, samo suvremeni znanstvenici, svjetiljci programskog svijeta, imaju pristup moćnoj tehnologiji koja omogućuje da u praksi shvati što bi osoba mogla samo općenito zamisliti u prošlosti. Povrat na izrazu od Cicerona o majmunima i značke: ako se životinje drže onoga koji će im dati nagradu za ispravan izraz, ne samo stvaranje smislene tekst, ali napisati novi „Rat i mir”, a ne gore.

Neuroneti naših dana nalaze se u arsenalu najvećih tvrtki koje rade na području informacijske tehnologije. To su višeslojne neuronske mreže, ostvarene snažnim poslužiteljima, koristeći mogućnosti svjetskog weba, nizova informacija prikupljenih tijekom proteklih desetljeća.