Kaj je nevronska mreža? Opredelitev, pomen in obseg

Prej znani samo s fantastičnimi knjigami, je termin nevronske mreže postopoma in neopazno vstopil v družbeno življenje kot sestavni del najnovejših znanstvenih dognanj. Seveda že dolgo ljudje, vključeni v igralniško industrijo, vedo, da je nevronska mreža. Toda danes je izraz izpolnjen z vsemi, ki ga poznajo in razumejo široke množice. To nedvomno kaže na to, da se je znanost približala resničnemu življenju, v prihodnosti pa nas čakajo novi prodori. Pa vendar, kaj je to - nevronska mreža? Poskusimo razumeti pomen besede.

Sedanjost in prihodnost

V prejšnjih časih, so nevronska mreža, in Hort popadantsy v prostor tesno povezane pojme, v resnici srečujejo z umetno inteligenco, ima možnost, da bistveno boljše, da na preprost stroj, je bilo mogoče le v domišljijskem svetu, ki izhaja v domišljiji nekaterih avtorjev. In vendar so trendi taki, da je v zadnjem času okoli povprečne osebe v resničnosti vedno več tistih predmetov, ki so bili prej omenjeni le v literarni literaturi. To nam omogoča, da rečemo, da bo celo najbolj burno letenje domišljije, morda prej ali slej, v resnici enakovredno. Knjige o hitnadtsih, nevronske mreže že imajo več kot skupne stvari z realnostjo kot pred desetimi leti in kdo ve, kaj se bo zgodilo v drugem desetletju?

Nevronska mreža v sodobni realnosti je tehnologija, ki omogoča identifikacijo ljudi s samo fotografijo. Umetna inteligenca je v celoti zmožna nadzorovati stroj, igrati in osvojiti igro pokra. Poleg tega so nevronske mreže nove načine za doseganje znanstvenih odkritij, ki omogočajo uporabo predhodno nemogočih računskih možnosti. To daje edinstveno priložnost za poznavanje sveta danes. Vendar samo v poročilih, ki napovedujejo najnovejša odkritja, je redko razumeti nevronsko mrežo - to je tisto, kar je. Ali se ta izraz uporablja za program, stroj ali strežniški kompleks?

Splošni pogled

Kot je razvidno iz samega izraza "nevronska mreža" (fotografije, predstavljene v tem članku, prav tako omogočajo to razumevanje), je struktura, ki je bila konstruirana po analogiji z logiko človeških možganov. Seveda ni realno, da bi v tem trenutku v celoti kopirali biološko strukturo takšne visoke ravni kompleksnosti, vendar so se znanstveniki že zdaj lahko oprijemljivo lotili rešitve naloge. Na primer, nedavno ustvarjene nevronske mreže so zelo učinkovite. Hort in drugi pisci, ki so objavljali fantastična dela, težko v času pisanja svojih del, so vedeli, da se je znanost lahko že v letošnjem letu premaknila naprej.

Posebnost človeških možganov je, da je struktura številnih elementov, med katerimi se neprekinjeno prenašajo informacije preko nevronov. Dejansko so nove nevronske mreže podobne strukture, kjer električni impulzi zagotavljajo izmenjavo dejanskih podatkov. Z eno besedo, tako kot v človeških možganih. In še vedno ni jasno: ali je to razlika od običajnega računalnika? Konec koncev je stroj, kot je znano, ustvarjen tudi iz podrobnosti, podatke med katerimi se prenašajo s pomočjo električnega toka. V Ljubljani knjige o vesolju, nevronske mreže vse običajno izgledajo očarljivo - velike ali majhne stroje, na kratko, s katerimi znanci razumejo, s čim se ukvarjajo. Toda v resnici je položaj doslej drugačen.

Kako je zgrajena?

Kot je razvidno iz znanstvenih člankov o nevronskih mrež ( "Popadantsy v prostor," žal, ne sodijo v to kategorijo, ne glede na to, kako vznemirljivo so lahko), ideja je najbolj napredne strukture na področju umetne inteligence pri oblikovanju kompleksnih struktur, delov, od katerih so zelo preproste. Dejstvo je, risanje vzporedno z osebo, boste našli podobnosti: na primer, samo en del možganov sesalcev nima velike sposobnosti, zmožnosti, lahko zagotovi primerno obnašanje. Toda, ko gre za osebo kot celoto, takšno bitje mirno opravi preizkus za raven inteligence brez posebnih težav.

Kljub tej podobnosti je podoben pristop k ustvarjanju umetne inteligence pred nekaj leti ostraciziran. To je razvidno iz znanstvenih del in iz fantastičnih knjig o nevronski mreži (npr. "Popadanty in space", ki je omenjena zgoraj). Mimogrede, do neke mere celo izjave Cicero je lahko povezana z moderno idejo nevronskih mrež: je naenkrat precej caustically predlagal, da opice vrgel v zrak, napisane v pismih žetonov, tako da prej ali slej se je eden razvil smiselno besedilo. In samo 21. stoletje je pokazalo, da je takšna zloba popolnoma neupravičena. Nevronske mreže in fikcija šla vsak svojo pot: če je vojska opic, da veliko čipov, ki jih ne bo zgolj ustvarilo bogato občutek besedila, ampak tudi zaradi napajanja svetu.

Moč je enotnost, brat

Kot smo se naučili iz številnih eksperimentov, učenje nevronske mreže vodi do uspeha, ko sam objekt vključuje veliko število elementov. Kot se šali znanstveniki, se lahko nevronska mreža zbere iz ničesar, vsaj iz polj z zadetki, saj je glavna ideja niz pravil, ki jih je prejeta skupnost podvržena. Običajno so pravila precej preprosta, vendar vam omogočajo nadzor nad obdelavo podatkov. V takšni situaciji nevron (čeprav umetni) ne bo naprava, ne kompleksna struktura ali nerazumljiv sistem, ampak aritmetične operacije, precej preproste, realizirane z minimalnimi izdatki za energijo. Uradno, v znanosti so umetni nevroni imenovali perceptroni. Neuralne mreže ("Popadanti v vesolju" to ilustrirajo) pri predstavitvi nekaterih avtorjev znanstvenih del bi morali biti veliko bolj zapleteni, vendar sodobna znanost kaže, da je preprostost tudi odličen rezultat.

Delovanje umetnega nevrona je preprosto: številke so vhodne, vhod se izračuna za vsak informacijski blok, dodajo se rezultati, enota ali vrednost "-1" se oblikuje na izhodu. Ali je bralec vsaj enkrat želel biti med lovci? Neuroneti v resnici delajo precej drugače, vsaj v trenutnem času, torej, ko se predstavljate v fantastičnem delu, ne pozabite na to. Dejansko lahko sodobni človek dela z umetno inteligenco, na primer tako: lahko prikažete sliko in elektronski sistem bo odgovoril na vprašanje "ali - ali". Recimo, da oseba postavlja koordinate ene točke v sistem in sprašuje, kaj je upodobljeno - zemlja ali, recimo, nebo. Po analizi informacij sistem daje odgovor - povsem možno je, da je napačna (odvisna od popolnosti AI).

Prst na nebu

Kot je razvidno iz logike dela sodobne nevronske mreže, se ukvarja z vsakim elementom v tem, da skuša uganiti pravilen odgovor na vprašanje, ki ga postavlja sistem. Natančnost v tem primeru je majhna, rezultat je primerljiv z rezultatom premetavanja kovanca. Toda pravo znanstveno delo se začne, ko pride čas za učenje nevronske mreže. Prostor, raziskovanje novih svetov, vpogled v fizikalnih zakonih vesolja (ki se izračuna sodobnih znanstvenikov, z uporabo nevronske mreže), se bo odprla ravno v času, ko se bo umetna inteligenca učil z večjo učinkovitostjo in uspešnostjo, kot človeka.

Dejstvo je, da oseba, ki prosi sistem, pozna pravi odgovor. Torej, jo lahko napišete v informacijske bloke programa. Perceptron, ki je dal pravilen odgovor, dobi vrednost, vendar anketiranec nepravilno - izgubi ga in prejema denarno kazen. Vsak nov cikel zagona programa se razlikuje od prejšnjega zaradi spremembe vrednosti. Vrnitev na prejšnji primer: prej ali slej se bo program naučil jasno razlikovati, kje je zemlja, kjer je prostor. Neuronske mreže se učijo bolj učinkovito, bolj natančno je pripravljen študijski program - in njegovemu nastajanju sodobni znanstveniki koristijo veliko truda. V okviru naloge določil prej, če nevronska analizo omrežja, da zagotovi drugo fotografijo, verjetno ni bilo takoj mogli ravnati zagotovo, vendar na podlagi prejetih podatkov med treningom prej, le spoznal, kjer je zemlja in kje - oblaki, prostor, ali kaj nekaj drugega.

Uporaba ideje v resnici

Seveda so nevronske mreže v resnici veliko bolj zapletene, kot je opisano zgoraj, čeprav je ohranjeno samo načelo. Glavna naloga elementov, iz katerih je oblikovana nevronska mreža, je sistematiziranje numeričnih informacij. Ko je obilje elementov združeno, naloga postane bolj zapletena, saj vhodne informacije niso lahko od zunaj, temveč iz perceptrona, ki je že opravil svoje delo pri sistematizaciji.

Če se vrnemo na zgornji problem, lahko notranjost nevronske mreže razmišljati o takih postopkih, en nevron razlikuje od drugih modrih pik, koordinate drugih procesov, tretji analize prvih dveh podatkov, na podlagi katerih se je odločil, zemlja ali nebo v nekem trenutku. Razvrstitev v modre in druge slikovne pike se lahko istočasno zaupa več nevronov, informacije pa lahko povzamemo. Te perceptrone, ki bodo dale boljši in natančnejši rezultat, bodo imele premijo v obliki večje vrednosti, rezultati pa bodo imeli prednost pri ponovni obdelavi katerekoli naloge. Seveda, nevronska mreža je izjemno volumen, in informacije, ki jih obdelujejo, in to zelo veliko goro, vendar bodo mogli preučiti in analizirati napake in jih preprečiti v prihodnje. V mnogih pogledih, ki temeljijo na nevronskih mrežnih vsadkih, prisotnih v številnih fantastičnih knjigah, si prizadevamo za to načelo (če se seveda avtorji motijo ​​z razmišljanjem o načinu dela).

Zgodovinski mejniki

To lahko preseneča laika, vendar so se prve nevronske mreže pojavile leta 1958. To je posledica dejstva, da je razporeditev umetnih nevronov podobna drugim računalniškim elementom, med katerimi se informacije posredujejo v obliki binarne številke. Ob koncu šestdesetih je bil izumljen stroj, imenovan "Mark I Perceptron", v katerem so se izvajali principi nevronskih mrež. To pomeni, da se je prva nevronska mreža pojavila šele desetletje po izgradnji prvega računalnika.

Prvi nevroni prve nevronske mreže so sestavljali upori, radiolamps (takrat ni bilo takšne kode, ki bi jo sodobni znanstveniki lahko uporabili). Delo z nevronsko mrežo je bila naloga Frank Rosenblatt, ki je ustvarila dvoslojno omrežje. Za prenos zunanjih podatkov v omrežje je bil uporabljen zaslon z ločljivostjo 400 točk. Avto je kmalu uspel identificirati geometrijske oblike. To nam je že omogočilo domnevati, da se lahko nevronske mreže pri izboljšanju tehničnih rešitev naučijo brati pisma. In kdo ve, kaj drugega?

Prva nevronska mreža

Kot je razvidno iz zgodbe, je Rosenblatt dobesedno spal s svojim poslovanjem, je bil popolnoma usmerjen vanj, strokovnjak za nevrofiziologijo. Bil je avtor vznemirljivega in popularnega univerzitetnega tečaja, v katerem je vsakdo razumel, kako človeške možgane uresničiti v tehnični izvedbi. Tudi takrat je akademska skupnost upala, da bi v bližnji prihodnosti obstajale resnične priložnosti za oblikovanje inteligentnih robotov, ki bi lahko premikali, govorili in oblikovali podobne sisteme. Kdo ve, morda bi ti roboti šli na kolonizacijo drugih planetov?

Rozenblatt je bil navdušenec in ga je mogoče razumeti. Znanstveniki so verjeli, da se umetna inteligenca lahko uresniči, če se v strojni matematični logiki v celoti izvaja. V tem trenutku je že obstajalo Turing test, Azimov je populariziral idejo o robotiki. Znanstvena skupnost je bila prepričana, da je obvladovanje vesolja stvar časa.

Skepticizem je bil upravičen

Že v šestdesetih letih so bili znanstveniki, ki so se borili z Rosenblattom in drugimi velikimi možmi, ki so delali na umetni inteligenci. Precej natančno predstavo o njihovi logiki izmišljotin je mogoče dobiti iz publikacij Marvina Minskega, ki je znan na svojem področju. Mimogrede, znano je, da je bila sposobnost Minsk zelo cenjena Isaac Asimov, Stanley Kubrick (Minsk mu je pomagal pri delu na "Space Odyssey"). Minsk ni bil proti ustvarjanju nevronskih mrež, kot je dokazal Kubrickov film, in v svoji znanstveni karieri se je ukvarjal s šolanjem avtomobilov v petdesetih letih. Kljub temu je Minsk kategorično obravnaval napačna mnenja, kritiziral upanje, za katere v tistem času ni bilo trdne temelje. Mimogrede, Marvin iz knjig Douglas Adams imenovan v čast Minsku.

Kritika nevronskih mrež in takratni pristop se sistematizira v publikaciji Perceptron iz leta 1969. Knjiga je, da so mnogi dobesedno na korenu ubili zanimanje za nevronske mreže, saj je znanstvenik z odličnim ugledom jasno pokazal, da ima "Mark the First" več pomanjkljivosti. Prvič, prisotnost le dveh plasti je bila očitno neustrezna, stroj pa je kljub velikim dimenzijam in ogromni porabi energije premalo naredil premalo. Druga točka kritike je bila namenjena algoritmom, ki jih je razvil Rosenblatt za mrežno usposabljanje. Po mnenju Minskega so bile informacije o napakah z veliko verjetnostjo izgubljene, potreben sloj pa preprosto ni prejel celotne količine podatkov za pravilno analizo stanja.

Primer je nastal

Kljub dejstvu, da je bila glavna zamisel v Minsku, da kolegom opozori na napake, da bi jih spodbudila k izboljšanju razvoja, je bila situacija drugačna. Rosenblatt je umrl leta 1971 in nihče ni nadaljeval dela. V tem obdobju se je začela doba računalnikov, to področje tehnologije pa se je nadaljevalo v velikih korakih. V tem sektorju so sodelovali najboljši možje na področju matematike in računalništva, umetna inteligenca pa se je zdela nerazumno širjenje sil in sredstev.

Neuralne mreže že več kot desetletje niso pritegnile znanstvene skupnosti. Preobrat se je zgodil, ko je cyberpunk vstopil v modo. Ugotovili smo lahko formule, s katerimi se lahko napake obravnavajo z visoko natančnostjo. Leta 1986, je problem formuliral Minsk, ugotovila, tretji sklep (vsi trije so se razvili neodvisno drug od drugega po skupinah znanstvenikov), in da je bil njegov odkritje pozvani navdušence za razvoj novega področja: delo na nevronskih mrež je še intenzivnejše. Vendar pa je bil izraz perceptrons nezamenljivo nadomestil kognitivne izračune, znebil eksperimentalnih naprav, začel uporabljati kodiranje z uporabo najučinkovitejših programskih tehnik. Le nekaj let in nevroni so že sestavljeni v kompleksne strukture, ki se lahko spopadajo s precej resnimi nalogami. Sčasoma je bilo mogoče na primer ustvariti programe za branje človeškega rokopisa. Pojavile so se prve mreže, ki so sposobne samo-učenja, torej so samostojno našli prave odgovore, ne da bi pri tem vprašal osebe, ki vodijo računalnik. Neuralne mreže so v praksi našle svojo uporabo. Na primer, ti so identificirani na številko čekov programa, ki se uporablja v bančnih strukturah v Ameriki.

Naprej s preskoki in mejami

V devetdesetih letih je postalo jasno, da je ključna značilnost nevronskih mrež, ki zahtevajo posebno pozornost znanstvenikov, sposobnost raziskovanja določenega področja pri iskanju pravilne rešitve, ne da bi to spodbudila oseba. Program uporablja metodo preskušanja, napake, na podlagi katere oblikuje vedenjska pravila.

To obdobje je zaznamovalo povečanje javnega interesa v samozaposlenih robotih. Oblikovalci-navdušenci iz različnih koncev sveta so začeli aktivno oblikovati lastne robote, sposobne za usposabljanje. Leta 1997 je pokazal prvi resnično resen uspeh na svetovni ravni: računalnik je najprej premagal najboljšega šahista na svetu - Garryja Kasparova. Vendar pa so znanstveniki do konca devetdesetih let prišli do zaključka, da so dosegli zgornjo mejo, umetna inteligenca pa se ne more še povečevati. Poleg tega je dobro optimiziran algoritem veliko bolj učinkovit kot katera koli nevronska mreža, ki rešuje iste probleme. Nekatere funkcije so ostale zanemarjene nevronske mreže, na primer prepoznavanje arhivskih besedil, vendar ni bilo nič več zapletene. V bistvu, kot pravijo sodobni znanstveniki, ni bilo dovolj tehničnih zmogljivosti.

Naš čas

Neuroneti v našem dnevu so način za reševanje najtežjih problemov z uporabo metode "same rešitve". Dejstvo je, da ni povezan z nobenim znanstvene revolucije, a sodobnikov, svetlo programskem svetu imajo dostop do močne tehnike, ki omogoča, da v praksi, kar je oseba lahko pred predstavljati le na splošno. Če se vrnemo k stavka Cicero o opicah in značke: če živali držijo tisti, ki jim bo dala nagrado za pravilno frazo, da ne samo ustvariti smiselno besedilo, ampak napisati novo "Vojna in mir", in ne slabše.

Neuroneti naših dni so v arzenalu največjih podjetij, ki delujejo na področju informacijske tehnologije. To so večplastne nevronske mreže, ki jih uresničujejo močni strežniki, z uporabo zmogljivosti svetovnega spleta, nizi informacij, zbranih v zadnjih desetletjih.