Neuralna mreža - što je to? Definicija, značenje i opseg

2024 Autor: Leah Sherlock | [email protected]. Zadnja promjena: 2023-12-17 05:38

Do sada poznat samo iz znanstvenofantastičnih knjiga, pojam neuronske mreže posljednjih je godina postupno i neprimjetno ušao u javni život kao sastavni dio najnovijih znanstvenih dostignuća. Naravno, već duže vrijeme ljudi koji se bave gaming industrijom znaju da je ovo neuronska mreža. Ali danas taj pojam pronalaze svi, poznaju ga i razumiju široke mase. To nedvojbeno ukazuje da je znanost postala bliža stvarnom životu, a u budućnosti nas čekaju novi iskoraci. Pa ipak, što je neuronska mreža? Pokušajmo shvatiti značenje riječi.

Sadašnjost i budućnost

U stara vremena, neuronska mreža, Hort i svemirski hodači bili su blisko povezani koncepti, jer je bilo moguće susresti se s umjetnom inteligencijom sa sposobnostima daleko superiornijim od jednostavnog stroja samo u svijetu mašte koji nastaje u mašti neki autori. Pa ipak, trendovi su takvi da je u posljednje vrijeme oko običnog čovjeka u stvarnosti sve više onih predmeta koji su se prije spominjali samo u znanstvenofantastičkoj literaturi. To nam omogućuje da kažemo da će čak i najnasilniji let fantazije, možda, prije ili kasnije naći svoj ekvivalent u stvarnosti. Knjige o hitovima, neuronskim mrežama većsada imaju više zajedničkog sa stvarnošću nego prije deset godina, a tko zna što će se dogoditi za sljedeće desetljeće?

Neuronska mreža u modernoj stvarnosti je tehnologija koja vam omogućuje da identificirate ljude, imajući na raspolaganju samo fotografiju. Umjetna inteligencija je prilično sposobna voziti automobil, može igrati i osvojiti partiju pokera. Štoviše, neuronske mreže su novi načini znanstvenih otkrića, omogućujući vam da pribjegnete prethodno nemogućim računalnim sposobnostima. To daje jedinstvene šanse za razumijevanje današnjeg svijeta. Međutim, samo iz novinskih izvještaja koji najavljuju najnovija otkrića rijetko je jasno što je neuronska mreža. Treba li ovaj izraz primijeniti na program, stroj ili kompleks poslužitelja?

Opći pogled

Kao što možete vidjeti iz samog pojma "neuralna mreža" (fotografije predstavljene u ovom članku također omogućuju razumijevanje toga) je struktura koja je dizajnirana po analogiji s logikom ljudskog mozga. Naravno, kopiranje potpuno biološke strukture tako visoke razine složenosti u ovom trenutku ne izgleda realno, ali znanstvenici su se već mogli primjetno približiti rješenju problema. Recimo da su nedavno stvorene neuronske mreže prilično učinkovite. Hort i drugi pisci koji su objavljivali fantastična djela jedva da su znali u vrijeme pisanja svojih djela da će znanost moći iskoračiti tako daleko do ove godine.

Posebnost ljudskog mozga je u tome što je on struktura brojnih elemenata, između kojihinformacije se neprestano prenose neuronima. Zapravo, nove su neuronske mreže također slične strukture, gdje električni impulsi omogućuju razmjenu relevantnih podataka. Jednom riječju, baš kao u ljudskom mozgu. A ipak nije jasno: postoji li razlika u odnosu na konvencionalno računalo? Uostalom, stroj je, kao što znate, također stvoren od dijelova, među kojima se podaci prenose pomoću električne struje. U knjigama o svemiru, neuronskim mrežama obično sve izgleda očaravajuće – ogromni ili sićušni strojevi, na jedan pogled na koje likovi razumiju s čime imaju posla. Ali u stvarnosti, situacija je dosad drugačija.

Kako je izgrađen?

Kao što možete vidjeti iz znanstvenih radova o neuronskim mrežama (“Spacewalkeri”, nažalost, ne spadaju u ovu kategoriju, ma koliko bili fascinantni), ideja u najprogresivnoj strukturi u području umjetna inteligencija, u stvaranju složene strukture, čiji su pojedinačni dijelovi vrlo jednostavni. Zapravo, povlačeći paralelu s ljudima, može se pronaći sličnost: recimo, samo jedan dio mozga sisavca nema velike sposobnosti, sposobnosti i ne može pružiti inteligentno ponašanje. Ali kada je u pitanju osoba u cjelini, onda takvo stvorenje mirno prolazi test za razinu inteligencije bez ikakvih posebnih problema.

Unatoč ovim sličnostima, sličan pristup stvaranju umjetne inteligencije bio je izopćen prije nekoliko godina. To se može vidjeti i iz znanstvenih radova i iz znanstvenofantastičnih knjiga o neuronskoj mreži (na primjer, gore spomenuti "Spacewalkers"). Usput, donekle čak i izjaveCiceron se može povezati s modernom idejom neuronskih mreža: svojedobno je prilično zajedljivo sugerirao da majmuni bacaju slova napisana na žetonima u zrak, kako bi prije ili kasnije od njih nastao smisleni tekst. A tek je 21. stoljeće pokazalo da je takva zloba potpuno neopravdana. Neuronska mreža i znanstvena fantastika krenule su svojim putem: ako vojsci majmuna date puno tokena, oni ne samo da će stvoriti smislen tekst, već će i dobiti moć nad svijetom.

Snaga je u jedinstvu, brate

Kao što smo naučili iz brojnih eksperimenata, treniranje neuronske mreže onda vodi do uspjeha kada sam objekt uključuje ogroman broj elemenata. Kako se znanstvenici šale, zapravo se neuronska mreža može sastaviti od bilo čega, čak i od kutija šibica, budući da je glavna ideja skup pravila kojih se nastala zajednica pridržava. Pravila su obično prilično jednostavna, ali vam omogućuju kontrolu procesa obrade podataka. U takvoj situaciji neuron (iako umjetni) uopće neće biti uređaj, ne složena struktura ili nerazumljiv sustav, već jednostavne aritmetičke operacije, provedene uz minimalnu potrošnju energije. Službeno se u znanosti umjetni neuroni nazivaju "perceptronima". Neuralne mreže (“Spacefalls” to dobro ilustriraju) trebale bi biti mnogo složenije po mišljenju nekih znanstvenih autora, ali moderna znanost pokazuje da jednostavnost također daje izvrsne rezultate.

Rad umjetnog neurona je jednostavan: unose se brojevi, izračunava se vrijednost za svakiinformacijski blok, rezultati se zbrajaju, izlaz je jedinica ili vrijednost "-1". Je li čitatelj ikada poželio biti među palima? Neuronske mreže rade na potpuno drugačiji način u stvarnosti, barem u ovom trenutku, stoga, kada se zamišljate u fantazijskom djelu, ne biste trebali zaboraviti na to. Zapravo, moderna osoba može raditi s umjetnom inteligencijom, na primjer, ovako: možete pokazati sliku, a elektronički sustav će odgovoriti na pitanje "ili - ili". Pretpostavimo da osoba postavlja koordinatni sustav jedne točke i pita što je prikazano - zemlja ili, recimo, nebo. Nakon analize informacija, sustav daje odgovor - vrlo vjerojatno netočan (ovisno o savršenstvu AI).

Palac gore

Kao što možete vidjeti iz logike moderne neuronske mreže, svaki njezin element pokušava pogoditi točan odgovor na pitanje postavljeno sustavu. U ovom slučaju, postoji mala točnost, rezultat je usporediv s rezultatom bacanja novčića. Ali pravi znanstveni rad počinje kada dođe vrijeme za treniranje neuronske mreže. Svemir, istraživanje novih svjetova, uvid u bit fizikalnih zakona našeg svemira (na koje se moderni znanstvenici oslanjaju pomoću neuronskih mreža) postat će otvoreni upravo u trenutku kada će umjetna inteligencija učiti puno većom učinkovitošću i djelotvornošću od čovjeka.

Činjenica je da osoba koja sustavu postavi pitanje zna točan odgovor na njega. Dakle, možete ga napisati u informacijske blokove programa. Perceptron koji daje točan odgovor dobiva vrijednost, iovdje onaj tko je krivo odgovorio gubi, primajući kaznu. Svaki novi ciklus pokretanja programa razlikuje se od prethodnog zbog promjene razine vrijednosti. Da se vratimo na prethodni primjer: prije ili kasnije program će naučiti jasno razlikovati zemlju i svemir. Neuronske mreže uče što učinkovitije, što je točnije sastavljen studijski program - a njegovo formiranje košta moderne znanstvenike puno truda. Kao dio ranije postavljenog zadatka: ako se neuronskoj mreži dostavi još jedna fotografija za analizu, vjerojatno je neće odmah moći točno obraditi, ali će, na temelju podataka dobivenih tijekom ranijeg treninga, točno shvatiti gdje zemlja je, a gdje su oblaci, svemir ili nešto drugo.

Primjena ideje u stvarnosti

Naravno, u stvarnosti, neuronske mreže su puno kompliciranije od gore opisanih, iako sam princip ostaje isti. Glavni zadatak elemenata od kojih se formira neuronska mreža je sistematizacija numeričkih informacija. Kombinacijom obilja elemenata zadatak postaje kompliciraniji, jer ulazne informacije možda nisu izvana, već iz perceptrona, koji je već obavio svoj posao sistematizacije.

Ako se vratimo na gornji zadatak, tada unutar neuronske mreže možete doći do sljedećih procesa: jedan neuron razlikuje plave piksele od drugih, drugi obrađuje koordinate, treći analizira podatke primljene od prvog dva, na temelju kojih odlučuje da li je zemlja ili nebo u datoj točki. Štoviše, razvrstavanje u plave i druge piksele može se povjeriti nekoliko neurona istovremeno, a informacije koje primaju mogu se sažeti. Oni perceptroni koji će datibolji i točniji rezultat će na kraju dobiti bonus u obliku veće vrijednosti, a njihovi rezultati će biti prioritet pri ponovnoj obradi bilo kojeg zadatka. Naravno, neuronska mreža se ispostavlja iznimno obimnom, a informacije koje se u njoj obrađuju bit će uopće nepodnošljiva planina, ali moći će se uzeti u obzir i analizirati pogreške i spriječiti ih u budućnosti. Implantati koji se uglavnom temelje na neuronskim mrežama koji se nalaze u mnogim znanstvenofantastičnim knjigama rade ovako (osim ako, naravno, autori ne razmišljaju o tome kako funkcioniraju).

Povijesne prekretnice

Možda će iznenaditi laike, ali prve neuronske mreže pojavile su se 1958. godine. To je zbog činjenice da je uređaj umjetnih neurona sličan drugim računalnim elementima, između kojih se informacije prenose u formatu binarnog brojevnog sustava. Krajem šezdesetih izumljen je stroj, nazvan Mark I Perceptron, u koji su implementirani principi neuronskih mreža. To znači da se prva neuronska mreža pojavila tek desetljeće nakon izgradnje prvog računala.

Prvi neuroni prve neuronske mreže sastojali su se od otpornika, radio cijevi (u to vrijeme još nije razvijen takav kod koji bi moderni znanstvenici mogli koristiti). Rad s neuronskom mrežom bio je zadatak Franka Rosenblatta, koji je stvorio dvoslojnu mrežu. Za prijenos vanjskih podataka u mrežu korišten je zaslon rezolucije 400 piksela. Stroj je ubrzo mogao prepoznati geometrijske oblike. To je već sugeriralo da, uz poboljšanje tehničkih rješenja, neuronske mreže mogunaučiti čitati slova. I tko zna što još?

Prva neuronska mreža

Kao što je vidljivo iz povijesti, Rosenblatt je doslovno izgarao svojim radom, u njemu se savršeno orijentirao, bio je specijalist neurofiziologije. Bio je autor fascinantnog i popularnog sveučilišnog tečaja u kojem je svatko mogao razumjeti kako implementirati ljudski mozak u tehničko utjelovljenje. Već tada se znanstvena zajednica nadala da će uskoro postojati stvarne mogućnosti za formiranje inteligentnih robota sposobnih za kretanje, govor i stvaranje sustava sličnih sebi. Tko zna, možda bi ovi roboti otišli kolonizirati druge planete?

Rosentblatt je bio entuzijast i možete ga razumjeti. Znanstvenici su vjerovali da se umjetna inteligencija može realizirati ako je matematička logika u potpunosti utjelovljena u stroju. U ovom trenutku, Turingov test je već postojao, Asimov je popularizirao ideju robotike. Znanstvena zajednica bila je uvjerena da je istraživanje svemira pitanje vremena.

Skepticizam opravdan

Već u šezdesetima postojali su znanstvenici koji su raspravljali s Rosenblattom i drugim velikim umovima koji su radili na umjetnoj inteligenciji. Prilično točna predodžba o njihovoj logici izmišljotina može se dobiti iz publikacija Marvina Minskyja, dobro poznatog u svom području. Inače, poznato je da su Isaac Asimov i Stanley Kubrick visoko govorili o sposobnostima Minskyja (Minsky mu je pomogao u radu na Odiseji u svemiru). Minsky nije bio protiv stvaranja neuronskih mreža, o čemuKubrickov film svjedoči, a u sklopu svoje znanstvene karijere bavio se strojnim učenjem još pedesetih godina. Ipak, Minsky je bio kategoričan prema pogrešnim mišljenjima, kritizirajući nade za koje u tom trenutku još uvijek nije bilo čvrstog temelja. Inače, Marvin iz knjiga Douglasa Adamsa nazvan je po Minskyju.

Kritika neuronskih mreža i pristupa tog vremena sistematizirana je u publikaciji "Perceptron" iz 1969. godine. Upravo je ova knjiga u začecima doslovno ubila zanimanje mnogih za neuronske mreže, jer je znanstvenik s izvrsnom reputacijom jasno pokazao da Marko Prvi ima niz mana. Prvo, prisutnost samo dva sloja bila je očito nedostatna, a stroj je mogao učiniti premalo, unatoč svojoj gigantskoj veličini i ogromnoj potrošnji energije. Druga točka kritike bila je posvećena algoritmima koje je razvio Rosenblatt za mrežni trening. Prema Minskyju, informacije o pogreškama izgubljene su s velikom vjerojatnošću, a potrebni sloj jednostavno nije primio punu količinu podataka za ispravnu analizu situacije.

Stvari su zaustavljene

Unatoč činjenici da je Minskyjeva glavna ideja bila ukazati na pogreške svojim kolegama kako bi ih potaknuo na poboljšanje razvoja, situacija je bila drugačija. Rosenblatt je umro 1971., a njegov rad nije imao tko nastaviti. Tijekom tog razdoblja započela je era računala, a ovo područje tehnologije napredovalo je velikim koracima. Najbolji umovi u matematici i informatici bili su zaposleni u ovom sektoru, a umjetna inteligencija se činila kao nerazumno rasipanje energije i resursa.

Neuralne mreže nisu privukle pozornost znanstvene zajednice više od desetljeća. Prekretnica je nastupila kada je cyberpunk ušao u modu. Bilo je moguće pronaći formule pomoću kojih se pogreške mogu izračunati s velikom točnošću. Godine 1986. problem koji je formulirao Minsky već je pronašao treće rješenje (sva tri su razvile neovisne skupine znanstvenika), a upravo je to otkriće potaknulo entuzijaste da istraže novo polje: rad na neuronskim mrežama ponovno je postao aktivan. Međutim, pojam perceptroni tiho je zamijenjen kognitivnim računalstvom, riješio se eksperimentalnih uređaja, počeo koristiti kodiranje, koristeći najučinkovitije tehnike programiranja. Samo nekoliko godina i neuroni su već sastavljeni u složene strukture koje se mogu nositi s prilično ozbiljnim zadacima. S vremenom je bilo moguće, primjerice, stvoriti programe za čitanje ljudskog rukopisa. Pojavile su se prve mreže sposobne za samoučenje, odnosno samostalno su pronalazile točne odgovore, bez nagovještaja osobe koja upravlja računalom. Neuronske mreže su našle svoju primjenu u praksi. Na primjer, na njima se koriste programi koji identificiraju brojeve na čekovima u bankarskim strukturama u Americi.

Naprijed skokovima i granicama

U 90-ima postalo je jasno da je ključna značajka neuronskih mreža koja zahtijeva posebnu pažnju znanstvenika sposobnost istraživanja određenog područja u potrazi za pravim rješenjem bez potrebe od strane osobe. Program koristi metodu pokušaja i pogrešaka, na temelju koje stvara pravila ponašanja.

Ovo razdoblje obilježio je nalet interesajavnosti improviziranim robotima. Dizajneri entuzijasti iz cijelog svijeta počeli su aktivno dizajnirati svoje robote sposobne za učenje. Godine 1997. to je označilo prvi istinski ozbiljan uspjeh na svjetskoj razini: prvi put je računalo pobijedilo najboljeg šahista svijeta Garryja Kasparova. Međutim, krajem devedesetih znanstvenici su došli do zaključka da su dosegli plafon, a umjetna inteligencija ne može dalje rasti. Štoviše, dobro optimizirani algoritam je mnogo učinkovitiji od bilo koje neuronske mreže u rješavanju istih problema. Neke su funkcije ostale na neuronskim mrežama, primjerice, prepoznavanje arhivskih tekstova, ali ništa kompliciranije nije bilo dostupno. U osnovi, kako kažu moderni znanstvenici, nedostajalo je tehničkih mogućnosti.

Naše vrijeme

Neuralne mreže danas su način rješavanja najsloženijih problema metodom “rješenje će se samo naći”. Zapravo, to nije povezano ni s kakvom znanstvenom revolucijom, samo moderni znanstvenici, svjetiljke svijeta programiranja, imaju pristup moćnoj tehnici koja im omogućuje da u praksi provedu ono što je čovjek prije mogao zamisliti samo općenito. Da se vratimo na Ciceronovu frazu o majmunima i žetonima: ako životinjama dodijelite nekoga tko će im dati nagradu za ispravan izraz, ne samo da će stvoriti smislen tekst, već će napisati novi "Rat i mir", i ništa gore.

Neuralne mreže naših dana u službi su najvećih tvrtki koje rade na području informacijske tehnologije. To su višeslojne neuronske mreže implementirane preko moćnih poslužitelja,koristeći mogućnosti World Wide Weba, nizove informacija akumuliranih tijekom proteklih desetljeća.