Neur alt nätverk – vad är det? Definition, betydelse och omfattning

2024 Författare: Leah Sherlock | [email protected]. Senast ändrad: 2023-12-17 05:49

Begreppet neur alt nätverk, som tidigare bara var känt från science fiction-böcker, har under de senaste åren gradvis och omärkligt kommit in i det offentliga livet som en integrerad del av den senaste vetenskapliga utvecklingen. Naturligtvis har människor som är involverade i spelindustrin under ganska lång tid vetat att detta är ett neur alt nätverk. Men nuförtiden finns termen av alla, den är känd och förstådd av den breda massan. Detta tyder utan tvekan på att vetenskapen har kommit närmare det verkliga livet, och nya genombrott väntar oss i framtiden. Och ändå, vad är ett neur alt nätverk? Låt oss försöka ta reda på betydelsen av ordet.

Nutid och framtid

Förr i tiden var det neurala nätverket, Hort och rymdvandrare närbesläktade begrepp, eftersom det var möjligt att mötas med artificiell intelligens med förmågor som är mycket överlägsna en enkel maskin endast i en fantasivärld som uppstår i fantasin av några författare. Och ändå är trenderna sådana att det nyligen runt en vanlig människa i verkligheten finns fler och fler av de föremål som tidigare bara nämndes i science fiction-litteratur. Detta gör att vi kan säga att även den mest våldsamma fantasiflykt kanske förr eller senare kommer att finna sin motsvarighet i verkligheten. Böcker om träffar, neurala nätverk redanhar nu mer gemensamt med verkligheten än för tio år sedan, och vem vet vad som kommer att hända om ytterligare ett decennium?

Ett neur alt nätverk i moderna verkligheter är en teknik som gör att du kan identifiera människor, med endast ett fotografi till ditt förfogande. Artificiell intelligens är ganska kapabel att köra bil, kan spela och vinna en omgång poker. Dessutom är neurala nätverk nya sätt att göra vetenskapliga upptäckter, vilket gör att du kan ta till tidigare omöjliga beräkningsmöjligheter. Detta ger unika chanser att förstå världen idag. Men bara från nyhetsrapporter som tillkännager de senaste upptäckterna är det sällan klart vad ett neur alt nätverk är. Ska denna term tillämpas på ett program, en maskin eller ett komplex av servrar?

Allmän syn

Som du kan se av själva termen "neurala nätverk" (bilderna som presenteras i den här artikeln gör det också möjligt att förstå detta) är en struktur som designades i analogi med logiken i den mänskliga hjärnan. Naturligtvis verkar det inte realistiskt att kopiera en helt biologisk struktur av en så hög komplexitet för tillfället, men forskare har redan kunnat märkbart komma närmare att lösa problemet. Låt oss säga att nyligen skapade neurala nätverk är ganska effektiva. Hort och andra författare som publicerade fantastiska verk visste knappt när de skrev sina verk att vetenskapen skulle kunna gå så långt före detta år.

Det speciella med den mänskliga hjärnan är att den är en struktur av många element, mellan vilkainformation överförs ständigt genom neuroner. Faktum är att nya neurala nätverk också är liknande strukturer, där elektriska impulser tillhandahåller utbyte av relevant data. Med ett ord, precis som i den mänskliga hjärnan. Och ändå är det inte klart: finns det någon skillnad från en konventionell dator? När allt kommer omkring är maskinen, som du vet, också skapad av delar, mellan vilka data överförs med hjälp av en elektrisk ström. I böcker om rymden, neurala nätverk, ser allt vanligtvis förtrollande ut - enorma eller små maskiner, vid en blick som karaktärerna förstår vad de har att göra med. Men i verkligheten är situationen annorlunda än så länge.

Hur är det byggt?

Som du kan se från de vetenskapliga artiklarna om neurala nätverk ("Rymdvandrare" tillhör tyvärr inte denna kategori, hur fascinerande de än kan vara), idén i den mest progressiva strukturen inom området artificiell intelligens, för att skapa en komplex struktur, vars individuella delar är mycket enkla. I själva verket, genom att dra en parallell med människor, kan man hitta en likhet: säg, bara en del av hjärnan hos ett däggdjur har inte stora förmågor, kapaciteter och kan inte ge intelligent beteende. Men när det gäller en person som helhet, klarar en sådan varelse lugnt testet för intelligensnivån utan några särskilda problem.

Trots dessa likheter utfrystes ett liknande tillvägagångssätt för att skapa artificiell intelligens för några år sedan. Detta kan ses både från vetenskapliga artiklar och från science fiction-böcker om det neurala nätverket (”Spacewalkers” som nämns ovan, till exempel). Förresten, till viss del även uttalandenCicero kan associeras med den moderna idén om neurala nätverk: en gång föreslog han ganska frätande att apor skulle kasta bokstäver skrivna på tokens i luften, så att en meningsfull text förr eller senare skulle bildas från dem. Och bara 2000-talet visade att sådan illvilja var helt obefogad. Det neurala nätverket och science fiction gick skilda vägar: om du ger en armé av apor många tokens kommer de inte bara att skapa en meningsfull text, utan också få makt över världen.

Styrka är i enhet, bror

Som vi lärde oss från många experiment leder träning av ett neur alt nätverk till framgång när själva objektet innehåller ett stort antal element. Som forskare skämtar kan faktiskt ett neur alt nätverk sammanställas av vad som helst, även från askar med tändstickor, eftersom huvudidén är en uppsättning regler som det resulterande samhället lyder. Vanligtvis är reglerna ganska enkla, men de låter dig kontrollera databehandlingsprocessen. I en sådan situation kommer en neuron (om än en artificiell) inte att vara en enhet alls, inte en komplex struktur eller ett obegripligt system, utan snarare enkla aritmetiska operationer, implementerade med minimal energiförbrukning. Officiellt inom vetenskapen kallas konstgjorda neuroner "perceptroner". Neurala nätverk ("Spacefalls" illustrerar detta väl) borde vara mycket mer komplexa enligt vissa vetenskapliga författares uppfattning, men modern vetenskap visar att enkelhet också ger utmärkta resultat.

Funktionen av en artificiell neuron är enkel: siffror matas in, värdet för varje beräknasinformationsblock, resultaten läggs ihop, utgången är en enhet eller värdet "-1". Har läsaren någonsin velat vara bland de fallna? Neurala nätverk fungerar på ett helt annat sätt i verkligheten, åtminstone för närvarande, därför, när du föreställer dig själv i ett fantasiverk, bör du inte glömma detta. Faktum är att en modern person kan arbeta med artificiell intelligens, till exempel så här: du kan visa en bild, och det elektroniska systemet kommer att svara på frågan "antingen - eller". Anta att en person ställer in koordinatsystemet för en punkt och frågar vad som avbildas - jorden eller, säg, himlen. Efter att ha analyserat informationen ger systemet ett svar - mycket möjligt felaktigt (beroende på AI:ns perfektion).

tummen upp

Som du kan se av logiken i det moderna neurala nätverket försöker varje del av det gissa rätt svar på frågan som ställs till systemet. I det här fallet är det liten noggrannhet, resultatet är jämförbart med resultatet av att kasta ett mynt. Men det verkliga vetenskapliga arbetet börjar när det är dags att träna det neurala nätverket. Rymden, utforskning av nya världar, insikt i essensen av de fysiska lagarna i vårt universum (som moderna forskare förlitar sig på att använda neurala nätverk) kommer att bli öppna i det ögonblick då artificiell intelligens kommer att lära sig med mycket större effektivitet och effektivitet än en person.

Faktum är att den som ställer en fråga till systemet vet det korrekta svaret på den. Så du kan skriva det i informationsblocken i programmet. En perceptron som ger rätt svar får värde, ochhär förlorar den som svarat fel det och får böter. Varje ny programstartcykel skiljer sig från den föregående på grund av förändringen i värdenivån. Återgå till föregående exempel: förr eller senare kommer programmet att lära sig att tydligt skilja mellan jorden och rymden. Neurala nätverk lär sig mer effektivt, desto mer korrekt utformas studieprogrammet - och dess bildande kostar moderna forskare mycket ansträngning. Som en del av den tidigare uppgiften: om det neurala nätverket förses med ett annat foto för analys, kommer det förmodligen inte omedelbart att kunna bearbeta det korrekt, men baserat på data som erhållits under träningen tidigare, kommer det noggrant att ta reda på var jorden är, och var är molnen, rymden eller något annat.

Att tillämpa en idé på verkligheten

Naturligtvis är neurala nätverk i verkligheten mycket mer komplicerade än de som beskrivs ovan, även om själva principen förblir densamma. Huvuduppgiften för de element från vilka det neurala nätverket bildas är att systematisera numerisk information. När man kombinerar ett överflöd av element blir uppgiften mer komplicerad, eftersom ingångsinformationen kanske inte kommer utifrån, utan från perceptronen, som redan har gjort sitt jobb med systematisering.

Om vi återgår till uppgiften ovan, så kan du inom det neurala nätverket komma på följande processer: en neuron skiljer blå pixlar från andra, den andra bearbetar koordinaterna, den tredje analyserar data som tas emot av den första två, på grundval av vilka den avgör om jorden eller himlen är i en given punkt. Dessutom kan sortering i blå och andra pixlar anförtros åt flera neuroner samtidigt, och informationen de får kan sammanfattas. Dessa perceptroner som kommer att geett bättre och mer exakt resultat kommer att få en bonus i form av ett högre värde i slutet, och deras resultat kommer att prioriteras vid omarbetning av någon uppgift. Naturligtvis visar sig det neurala nätverket vara extremt omfattande, och informationen som bearbetas i det kommer att vara ett outhärdligt berg överhuvudtaget, men det kommer att vara möjligt att ta hänsyn till och analysera fel och förhindra dem i framtiden. De huvudsakligen neurala nätverksbaserade implantaten som finns i många science fiction-böcker fungerar så här (såvida inte författarna förstås bryr sig om att tänka på hur det fungerar).

Historiska milstolpar

Det kan överraska lekmannen, men de första neurala nätverken dök upp 1958. Detta beror på det faktum att enheten av artificiella neuroner liknar andra datorelement, mellan vilka information överförs i formatet av ett binärt talsystem. I slutet av sextiotalet uppfanns en maskin, kallad Mark I Perceptron, där principerna för neurala nätverk implementerades. Det betyder att det första neurala nätverket dök upp bara ett decennium efter konstruktionen av den första datorn.

De första neuronerna i det första neurala nätverket bestod av motstånd, radiorör (på den tiden hade en sådan kod som moderna vetenskapsmän kunde använda ännu inte utvecklats). Att arbeta med ett neur alt nätverk var Frank Rosenblatts uppgift, som skapade ett tvåskiktsnätverk. En skärm med en upplösning på 400 pixlar användes för att överföra extern data till nätverket. Maskinen kunde snart känna igen geometriska former. Detta antydde redan att, med förbättringen av tekniska lösningar, kan neurala nätverklär dig läsa bokstäver. Och vem vet vad mer?

Första neurala nätverk

Som kan ses av historien brann Rosenblatt bokstavligen av sitt arbete, han var perfekt orienterad i det, han var specialist i neurofysiologi. Han var författare till en fascinerande och populär universitetskurs där vem som helst kunde förstå hur man implementerar den mänskliga hjärnan i en teknisk utföringsform. Redan då hoppades forskarsamhället att det snart skulle finnas verkliga möjligheter att bilda intelligenta robotar som kan röra sig, tala och forma system som liknar dem själva. Vem vet, kanske dessa robotar skulle åka för att kolonisera andra planeter?

Rosentblatt var en entusiast, och du kan förstå honom. Forskare trodde att artificiell intelligens kunde förverkligas om matematisk logik var helt förkroppsligad i en maskin. Vid denna tidpunkt existerade Turing-testet redan, Asimov populariserade idén om robotik. Det vetenskapliga samfundet var övertygat om att utforskningen av universum var en tidsfråga.

Skepticism motiverad

Redan på sextiotalet fanns det forskare som argumenterade med Rosenblatt och andra stora hjärnor som arbetade med artificiell intelligens. En ganska korrekt uppfattning om deras logik i tillverkningen kan erhållas från publikationerna av Marvin Minsky, välkänd inom sitt område. Förresten, det är känt att Isaac Asimov och Stanley Kubrick talade mycket om Minskys förmågor (Minsky hjälpte honom att arbeta på A Space Odyssey). Minsky var inte emot skapandet av neurala nätverk, om vilkaKubricks film vittnar om, och som en del av hans vetenskapliga karriär var han engagerad i maskininlärning redan på femtiotalet. Ändå var Minsky kategorisk om felaktiga åsikter och kritiserade förhoppningar som det i det ögonblicket fortfarande inte fanns någon solid grund för. Marvin från Douglas Adams böcker är förresten uppkallad efter Minsky.

Kritik av neurala nätverk och dåtidens tillvägagångssätt systematiseras i publikationen "Perceptron", daterad 1969. Det var den här boken som bokstavligen dödade många människors intresse för neurala nätverk i sin linda, eftersom en vetenskapsman med ett utmärkt rykte tydligt visade att Mark the First hade ett antal brister. För det första var närvaron av endast två lager helt klart otillräcklig, och maskinen kunde göra för lite, trots sin gigantiska storlek och enorma energiförbrukning. Den andra kritikpunkten ägnades åt de algoritmer som Rosenblatt utvecklade för nätverksträning. Enligt Minsky gick information om fel förlorad med hög sannolikhet, och det nödvändiga lagret fick helt enkelt inte hela mängden data för en korrekt analys av situationen.

Saker stoppade

Trots att Minskys huvudidé var att påpeka misstag för sina kollegor för att stimulera dem att förbättra utvecklingen var situationen annorlunda. Rosenblatt dog 1971, och det fanns ingen som kunde fortsätta hans arbete. Under denna period började datorernas era, och detta teknikområde gick framåt med enorma framsteg. De bästa hjärnorna inom matematik och datavetenskap var anställda i denna sektor, och artificiell intelligens verkade vara ett orimligt slöseri med energi och resurser.

Neurala nätverk har inte uppmärksammats av forskarsamhället på mer än ett decennium. Vändpunkten kom när cyberpunk kom på modet. Det var möjligt att hitta formler med vilka fel kan beräknas med hög noggrannhet. År 1986 hittade problemet som formulerades av Minsky redan en tredje lösning (alla tre utvecklades av oberoende grupper av forskare), och det var denna upptäckt som fick entusiaster att utforska ett nytt område: arbetet med neurala nätverk blev aktivt igen. Men termen perceptroner ersattes tyst av kognitiv datoranvändning, gjorde sig av med experimentella enheter, började använda kodning med de mest effektiva programmeringsteknikerna. Bara några år, och neuroner är redan sammansatta i komplexa strukturer som kan klara av ganska allvarliga uppgifter. Med tiden gick det till exempel att skapa program för att läsa mänsklig handstil. De första nätverken verkade kunna lära sig själv, det vill säga att de självständigt hittade de korrekta svaren, utan en antydan från personen som styrde datorn. Neurala nätverk har hittat sin tillämpning i praktiken. Det är till exempel på dem som program som identifierar siffror på checkar används i bankstrukturer i Amerika.

framåt med stormsteg

På 90-talet blev det tydligt att en nyckelfunktion i neurala nätverk som kräver särskild uppmärksamhet från forskare är förmågan att utforska ett givet område i jakt på rätt lösning utan att uppmana en person. Programmet använder trial and error-metoden, på grundval av vilken det skapar beteenderegler.

Den här perioden präglades av ett stort intresseallmänheten till provisoriska robotar. Entusiastdesigners från hela världen började aktivt designa sina egna robotar som kan lära sig. 1997 markerade detta den första verkligt seriösa framgången på världsnivå: för första gången slog en dator världens bästa schackspelare, Garry Kasparov. Men i slutet av nittiotalet kom forskare till slutsatsen att de hade nått taket, och artificiell intelligens kunde inte växa ytterligare. Dessutom är en väloptimerad algoritm mycket effektivare än något neur alt nätverk för att lösa samma problem. Vissa funktioner kvarstod med neurala nätverk, till exempel igenkännandet av arkivtexter, men inget mer komplicerat fanns tillgängligt. I grund och botten, som moderna forskare säger, fanns det en brist på teknisk kapacitet.

Vår tid

Neurala nätverk idag är ett sätt att lösa de mest komplexa problemen med metoden "lösning kommer att hittas av sig själv". Faktum är att detta inte är kopplat till någon vetenskaplig revolution, bara moderna vetenskapsmän, programmeringsvärldens armaturer, har tillgång till en kraftfull teknik som låter dem omsätta i praktiken vad en person bara kunde föreställa sig i allmänna termer tidigare. För att återgå till Ciceros fras om apor och tokens: om du tilldelar någon till djur som kommer att ge dem en belöning för den korrekta frasen, kommer de inte bara att skapa en meningsfull text, utan skriva en ny "Krig och fred", och inte värre.

Våra dagars neurala nätverk är i tjänst med de största företagen som arbetar inom informationsteknologi. Dessa är flerlagers neurala nätverk implementerade genom kraftfulla servrar,med hjälp av World Wide Webs möjligheter, mängden information som samlats under de senaste decennierna.