Neuralna mreža - šta je to? Definicija, značenje i obim

2024 Autor: Leah Sherlock | [email protected]. Zadnja izmjena: 2023-12-17 05:29

Ranije poznat samo iz knjiga naučne fantastike, pojam neuronske mreže posljednjih godina postepeno je i neprimjetno ušao u javni život kao sastavni dio najnovijih naučnih dostignuća. Naravno, već duže vrijeme ljudi uključeni u industriju igara znaju da je ovo neuronska mreža. Ali danas taj pojam pronalaze svi, poznaju ga i razumiju široke mase. To nesumnjivo ukazuje da je nauka postala bliža stvarnom životu, a u budućnosti nas čekaju nova otkrića. Pa ipak, šta je neuronska mreža? Hajde da pokušamo da shvatimo značenje reči.

Sadašnjost i budućnost

U stara vremena, neuronska mreža, Hort i svemirski šetači bili su blisko povezani koncepti, jer je bilo moguće susresti se sa veštačkom inteligencijom sa sposobnostima daleko superiornijim od jednostavne mašine samo u svetu fantazije koji nastaje u mašti neki autori. Pa ipak, trendovi su takvi da u posljednje vrijeme oko običnog čovjeka u stvarnosti ima sve više onih predmeta koji su se ranije spominjali samo u naučnofantastičkoj literaturi. To nam omogućava 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 ko zna šta će se desiti za sledeću deceniju?

Neuronska mreža u modernoj stvarnosti je tehnologija koja vam omogućava da identifikujete ljude, imajući na raspolaganju samo fotografiju. Umjetna inteligencija je prilično sposobna da vozi automobil, može igrati i osvojiti partiju pokera. Štaviše, neuronske mreže su novi načini za naučna otkrića, koji vam omogućavaju da pribegnete ranije nemogućim računarskim 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. Da li ovaj termin treba primijeniti na program, mašinu ili kompleks servera?

Opći pogled

Kao što možete vidjeti iz samog pojma "neuronska mreža" (fotografije predstavljene u ovom članku također omogućavaju da se ovo razumije) je struktura koja je dizajnirana po analogiji sa logikom ljudskog mozga. Naravno, kopiranje potpuno biološke strukture tako visokog stepena složenosti u ovom trenutku ne izgleda realno, ali naučnici su već uspjeli primjetno da se približe rješavanju problema. Recimo da su nedavno stvorene neuronske mreže prilično efikasne. Hort i drugi pisci koji su objavljivali fantastična djela jedva da su znali u vrijeme pisanja svojih djela da će nauka moći iskoračiti tako daleko do ove godine.

Osebnost ljudskog mozga je u tome što je on struktura brojnih elemenata, između kojihinformacije se neprestano prenose neuronima. U stvari, nove neuronske mreže su također slične strukture, gdje električni impulsi obezbjeđuju razmjenu relevantnih podataka. Jednom riječju, baš kao u ljudskom mozgu. A ipak nije jasno: postoji li razlika u odnosu na konvencionalni kompjuter? Uostalom, mašina je, kao što znate, također stvorena od dijelova, među kojima se podaci prenose pomoću električne struje. U knjigama o svemiru, neuronskim mrežama obično sve izgleda očaravajuće - ogromne ili male mašine, na jedan pogled na koje likovi razumeju sa čime imaju posla. Ali u stvarnosti, situacija je do sada drugačija.

Kako je izgrađen?

Kao što možete vidjeti iz naučnih radova o neuronskim mrežama („Svemirski šetači“, nažalost, ne spadaju u ovu kategoriju, ma koliko bili fascinantni), ideja u najnaprednijoj strukturi u oblasti umjetne inteligencije, u stvaranju složene strukture, čiji su pojedinačni dijelovi vrlo jednostavni. Zapravo, povlačeći paralelu s ljudima, može se pronaći sličnost: recimo, samo jedan dio mozga sisara 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 nivo inteligencije bez ikakvih posebnih problema.

Uprkos ovim sličnostima, sličan pristup stvaranju umjetne inteligencije bio je izopćen prije nekoliko godina. To se može vidjeti i iz naučnih radova i iz naučnofantastičnih knjiga o neuronskoj mreži („Spacewalkers“pomenuti, na primjer). 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 formirao smisleni tekst. I tek je 21. vijek pokazao da je takva zloba potpuno neopravdana. Neuronska mreža i naučna fantastika krenule su svojim putem: ako vojsci majmuna date puno žetona, 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, obuka neuronske mreže onda vodi do uspjeha kada sam objekt uključuje ogroman broj elemenata. Kako se naučnici šale, u stvari, neuronska mreža se može sastaviti od bilo čega, čak i od kutija šibica, jer je glavna ideja skup pravila kojih se zajednica pridržava. Pravila su obično prilično jednostavna, ali vam omogućavaju kontrolu procesa obrade podataka. U takvoj situaciji neuron (iako umjetni) uopće neće biti uređaj, ne složena struktura ili neshvatljiv sistem, već jednostavne aritmetičke operacije, implementirane uz minimalnu potrošnju energije. Zvanično u nauci, umjetni neuroni se nazivaju "perceptroni". Neuronske mreže (“Spacefalls” to dobro ilustruju) bi trebalo da budu mnogo složenije po mišljenju nekih naučnih autora, ali savremena nauka pokazuje da jednostavnost takođe daje odlične rezultate.

Rad umjetnog neurona je jednostavan: unose se brojevi, izračunava se vrijednost za svakiinformacioni blok, rezultati se zbrajaju, izlaz je jedinica ili vrijednost "-1". Da li je čitalac ikada poželeo da bude među palim? 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 ovo. U stvari, moderna osoba može raditi s umjetnom inteligencijom, na primjer, ovako: možete pokazati sliku, a elektronski sistem će odgovoriti na pitanje "ili - ili". Pretpostavimo da osoba postavlja koordinatni sistem jedne tačke i pita šta je prikazano - zemlja ili, recimo, nebo. Nakon analize informacija, sistem daje odgovor - vrlo moguće netačan (u zavisnosti od savršenstva AI).

Palac gore

Kao što možete vidjeti iz logike moderne neuronske mreže, svaki njen element pokušava pogoditi tačan odgovor na pitanje postavljeno sistemu. U ovom slučaju, postoji mala preciznost, rezultat je uporediv s rezultatom bacanja novčića. Ali pravi naučni rad počinje kada dođe vreme za obuku neuronske mreže. Svemir, istraživanje novih svjetova, uvid u suštinu fizičkih zakona našeg univerzuma (na koje se savremeni naučnici oslanjaju koristeći neuronske mreže) postat će otvoreni u trenutku kada će umjetna inteligencija učiti mnogo većom efikasnošću i efektivnošću od čovjeka.

Činjenica je da osoba koja sistemu postavi pitanje zna tačan odgovor na njega. Dakle, možete ga upisati u informacijske blokove programa. Perceptron koji daje tačan odgovor dobiva vrijednost, iovdje onaj koji je krivo odgovorio gubi ga i dobija kaznu. Svaki novi ciklus pokretanja programa razlikuje se od prethodnog zbog promjene nivoa vrijednosti. Da se vratimo na prethodni primjer: prije ili kasnije program će naučiti da jasno razlikuje zemlju i svemir. Neuronske mreže uče što efikasnije, što je ispravnije sastavljen studijski program - a njegovo formiranje košta savremene naučnike mnogo truda. Kao dio ranije postavljenog zadatka: ako se neuronskoj mreži dostavi još jedna fotografija za analizu, vjerovatno je neće odmah moći precizno obraditi, ali će, na osnovu podataka dobijenih tokom ranije obuke, tačno shvatiti gdje zemlja je, a gde su oblaci, svemir ili nesto drugo.

Primjena ideje u stvarnosti

Naravno, u stvarnosti, neuronske mreže su mnogo komplikovanije od gore opisanih, iako sam princip ostaje isti. Glavni zadatak elemenata od kojih se formira neuronska mreža je sistematizacija numeričkih informacija. Kada se kombinuje obilje elemenata, zadatak postaje komplikovaniji, jer ulazna informacija možda nije izvana, već od perceptrona, koji je već obavio svoj posao sistematizacije.

Ako se vratimo na gornji zadatak, onda 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 osnovu kojih odlučuje da li je zemlja ili nebo u datoj tački. Štaviše, sortiranje u plave i druge piksele može se povjeriti nekoliko neurona istovremeno, a informacije koje dobiju mogu se sažeti. Oni perceptroni koji će datibolji i tačniji rezultat će na kraju dobiti bonus u vidu veće vrijednosti, a njihovi rezultati će biti prioritet pri ponovnoj obradi bilo kojeg zadatka. Naravno, neuronska mreža se ispostavi da je izuzetno obimna, a informacije koje se u njoj obrađuju bit će uopće nepodnošljiva planina, ali će biti moguće uzeti u obzir i analizirati greške i spriječiti ih u budućnosti. Implantati uglavnom zasnovani na neuronskim mrežama koji se nalaze u mnogim naučnofantastičnim knjigama rade ovako (osim, naravno, ako se autori ne pomuče da razmisle o tome kako funkcioniraju).

Historijske 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 sistema. Krajem šezdesetih izumljena je mašina, nazvana Mark I Perceptron, u kojoj su implementirani principi neuronskih mreža. To znači da se prva neuronska mreža pojavila tek deceniju nakon izgradnje prvog kompjutera.

Prvi neuroni prve neuronske mreže sastojali su se od otpornika, radio cijevi (u to vrijeme još nije razvijen takav kod koji bi moderni naučnici mogli koristiti). Rad sa neuronskom mrežom bio je zadatak Franka Rosenblata, koji je stvorio dvoslojnu mrežu. Za prijenos vanjskih podataka na mrežu korišten je ekran rezolucije 400 piksela. Mašina je ubrzo mogla da prepozna geometrijske oblike. To je već sugeriralo da, uz poboljšanje tehničkih rješenja, neuronske mreže mogunaučite da čitate slova. I ko zna šta još?

Prva neuronska mreža

Kao što se vidi iz istorije, Rosenblatt je bukvalno izgarao svojim radom, bio je savršeno orijentisan u njemu, bio je specijalista za neurofiziologiju. Bio je autor fascinantnog i popularnog univerzitetskog kursa u kojem je svako mogao razumjeti kako implementirati ljudski mozak u tehničkom oličenju. Čak i tada, naučna zajednica se nadala da će uskoro postojati stvarne mogućnosti za formiranje inteligentnih robota sposobnih da se kreću, govore i formiraju sisteme slične sebi. Ko zna, možda bi ovi roboti otišli da koloniziraju druge planete?

Rosentblatt je bio entuzijasta i možete ga razumjeti. Naučnici su vjerovali da bi se umjetna inteligencija mogla ostvariti ako je matematička logika u potpunosti utjelovljena u mašini. U ovom trenutku, Turingov test je već postojao, Asimov je popularizirao ideju robotike. Naučna zajednica je bila uvjerena da je istraživanje svemira pitanje vremena.

Skepticizam opravdan

Već šezdesetih godina bilo je naučnika koji su se raspravljali sa Rosenblatom i drugim velikim umovima koji su radili na veštačkoj inteligenciji. Prilično tačna ideja o njihovoj logici izmišljotina može se dobiti iz publikacija Marvina Minskyja, dobro poznatog u svojoj oblasti. Inače, poznato je da su Isak 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 čemuO tome svjedoči Kjubrickov film, a u sklopu svoje naučne karijere bavio se mašinskim učenjem još pedesetih godina. Ipak, Minsky je bio kategoričan prema pogrešnim mišljenjima, kritikujući nade za koje u tom trenutku još nije bilo čvrste osnove. Inače, Marvin iz knjiga Douglasa Adamsa je nazvan po Minskyju.

Kritika neuronskih mreža i pristupa tog vremena sistematizovana je u publikaciji "Perceptron" iz 1969. godine. Upravo je ova knjiga bukvalno u korenu ubila interesovanje mnogih ljudi za neuronske mreže, jer je naučnik sa odličnom reputacijom jasno pokazao da Marko Prvi ima niz mana. Prvo, prisustvo samo dva sloja je bilo očigledno nedovoljno, a mašina je mogla da uradi premalo, uprkos svojoj gigantskoj veličini i ogromnoj potrošnji energije. Druga tačka kritike bila je posvećena algoritmima koje je razvio Rosenblatt za mrežnu obuku. Prema Minskyju, informacije o greškama su izgubljene sa velikom vjerovatnoćom, a potreban sloj jednostavno nije primio punu količinu podataka za ispravnu analizu situacije.

Stvari su zaustavljene

Uprkos činjenici da je Minskyjeva glavna ideja bila da ukaže na greške svojim kolegama kako bi ih stimulisao da unaprijede razvoj, situacija je bila drugačija. Rosenblatt je umro 1971. i nije imao ko da nastavi njegov rad. Tokom ovog perioda, počela je era kompjutera i ova oblast tehnologije je napredovala velikim koracima. Najbolji umovi iz matematike i informatike bili su zaposleni u ovom sektoru, a umjetna inteligencija je izgledala kao nerazumno rasipanje energije i resursa.

Neuronske mreže nisu privukle pažnju naučne zajednice više od jedne decenije. Prekretnica je nastupila kada je cyberpunk ušao u modu. Bilo je moguće pronaći formule pomoću kojih se greške mogu izračunati sa velikom preciznošću. Godine 1986. problem koji je formulirao Minsky već je pronašao treće rješenje (sva tri su razvile nezavisne grupe naučnika), a upravo je ovo otkriće potaknulo entuzijaste da istraže novo polje: rad na neuronskim mrežama je ponovo postao aktivan. Međutim, termin perceptroni tiho je zamijenjen kognitivnim računarstvom, riješili se eksperimentalnih uređaja, počeli koristiti kodiranje, koristeći najefikasnije 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, na primjer, kreirati programe za čitanje ljudskog rukopisa. Pojavile su se prve mreže sposobne za samoučenje, odnosno samostalno su pronalazile tačne odgovore, bez nagoveštaja osobe koja kontroliše računar. Neuronske mreže su našle svoju primjenu u praksi. Na primjer, na njima se koriste programi koji identifikuju brojeve na čekovima u bankarskim strukturama u Americi.

Naprijed skokovima i granicama

Devedesetih godina postalo je jasno da je ključna karakteristika neuronskih mreža koja zahtijeva posebnu pažnju naučnika sposobnost da se istraži dato područje u potrazi za pravim rješenjem bez potrebe od strane osobe. Program koristi metodu pokušaja i grešaka, na osnovu koje kreira pravila ponašanja.

Ovaj period je obilježio nalet interesovanjajavnosti improviziranim robotima. Dizajneri entuzijasti iz cijelog svijeta počeli su aktivno dizajnirati svoje robote sposobne za učenje. To je 1997. godine označilo prvi istinski ozbiljan uspjeh na svjetskom nivou: prvi put je kompjuter pobijedio najboljeg svjetskog šahista Garija Kasparova. Međutim, krajem devedesetih, naučnici su došli do zaključka da su dostigli plafon i da veštačka inteligencija ne može dalje rasti. Štaviše, dobro optimizovan algoritam je mnogo efikasniji od bilo koje neuronske mreže u rešavanju istih problema. Neke funkcije su ostale kod neuronskih mreža, na primjer, prepoznavanje arhivskih tekstova, ali ništa komplikovanije nije bilo dostupno. U osnovi, kako kažu savremeni naučnici, nedostajalo je tehničkih mogućnosti.

Naše vrijeme

Neuronske mreže danas su način za rješavanje najsloženijih problema metodom „rješenje će se naći samo po sebi“. Zapravo, ovo nije povezano ni sa kakvom naučnom revolucijom, samo moderni naučnici, svetilnici sveta programiranja, imaju pristup moćnoj tehnici koja im omogućava da sprovedu u praksi ono što je čovek ranije mogao da zamisli samo u opštem smislu. Da se vratimo na Ciceronovu frazu o majmunima i žetonima: ako životinjama dodijelite nekoga ko će im dati nagradu za ispravnu frazu, one ne samo da će stvoriti smislen tekst, već će napisati novi "Rat i mir", i ništa gore.

Neuronske mreže naših dana u službi su najvećih kompanija koje rade u oblasti informacionih tehnologija. To su višeslojne neuronske mreže implementirane preko moćnih servera,koristeći mogućnosti World Wide Weba, nizove informacija akumuliranih tokom proteklih decenija.