Neural network - ano ito? Kahulugan, kahulugan at saklaw

2024 May -akda: Leah Sherlock | [email protected]. Huling binago: 2023-12-17 05:51

Dating kilala lamang mula sa mga science fiction na libro, ang terminong neural network sa mga nakalipas na taon ay unti-unti at hindi mahahalata na pumasok sa pampublikong buhay bilang mahalagang bahagi ng pinakabagong mga pag-unlad ng siyensya. Siyempre, sa loob ng mahabang panahon, alam ng mga taong sangkot sa industriya ng paglalaro na ito ay isang neural network. Ngunit sa kasalukuyan ang termino ay matatagpuan ng lahat, ito ay kilala at naiintindihan ng malawak na masa. Walang alinlangan, ito ay nagpapahiwatig na ang agham ay naging mas malapit sa totoong buhay, at ang mga bagong tagumpay ay naghihintay sa atin sa hinaharap. At gayon pa man, ano ang isang neural network? Subukan nating alamin ang kahulugan ng salita.

Kasalukuyan at hinaharap

Noong unang panahon, ang neural network, Hort at spacewalkers ay malapit na magkaugnay na mga konsepto, dahil posibleng makatagpo ng artipisyal na katalinuhan na may mga kakayahan na higit na nakahihigit sa isang simpleng makina lamang sa isang mundo ng pantasya na lumitaw sa imahinasyon ng ilang may-akda. Gayunpaman, ang mga uso ay tulad na kamakailan sa paligid ng isang ordinaryong tao sa katotohanan ay mayroong higit pa at higit pa sa mga bagay na dati ay nabanggit lamang sa panitikan ng science fiction. Ito ay nagpapahintulot sa amin na sabihin na kahit na ang pinaka-marahas na paglipad ng pantasya, marahil, maaga o huli ay makakahanap ng katumbas nito sa katotohanan. Mga libro tungkol sa mga hit, neural network nangayon ay may higit na pagkakatulad sa katotohanan kaysa sampung taon na ang nakalipas, at sino ang nakakaalam kung ano ang mangyayari sa susunod na dekada?

Ang neural network sa mga modernong realidad ay isang teknolohiyang nagbibigay-daan sa iyong kilalanin ang mga tao, na mayroon lamang isang larawang magagamit mo. Ang artificial intelligence ay lubos na may kakayahang magmaneho ng kotse, maaaring maglaro at manalo ng laro ng poker. Bukod dito, ang mga neural network ay mga bagong paraan upang makagawa ng mga siyentipikong pagtuklas, na nagbibigay-daan sa iyong gamitin ang mga dating imposibleng kakayahan sa pag-compute. Nagbibigay ito ng mga natatanging pagkakataon para maunawaan ang mundo ngayon. Gayunpaman, mula lamang sa mga ulat ng balita na nag-aanunsyo ng mga pinakabagong pagtuklas, bihirang malinaw kung ano ang isang neural network. Dapat bang ilapat ang terminong ito sa isang programa, makina, o complex ng mga server?

Pangkalahatang view

Tulad ng makikita mo mula sa mismong terminong "neural network" (ang mga larawang ipinakita sa artikulong ito ay posible ring maunawaan ito) ay isang istraktura na idinisenyo sa pamamagitan ng pagkakatulad sa lohika ng utak ng tao. Siyempre, ang pagkopya ng isang ganap na biological na istraktura ng tulad ng isang mataas na antas ng pagiging kumplikado sa sandaling ito ay hindi mukhang makatotohanan, ngunit ang mga siyentipiko ay nagawang kapansin-pansing lumapit sa paglutas ng problema. Sabihin nating medyo epektibo ang mga kamakailang nilikhang neural network. Halos hindi alam ni Hort at ng iba pang mga manunulat na nag-publish ng mga kamangha-manghang mga gawa sa oras ng pagsulat ng kanilang mga gawa na ang agham ay maaaring humakbang nang napakalayo sa taong ito.

Ang kakaiba ng utak ng tao ay ito ay isang istraktura ng maraming elemento, kung saanang impormasyon ay patuloy na ipinapadala sa pamamagitan ng mga neuron. Sa katunayan, ang mga bagong neural network ay katulad din ng mga istruktura, kung saan ang mga electrical impulses ay nagbibigay ng pagpapalitan ng nauugnay na data. Sa madaling salita, parang nasa utak ng tao. Gayunpaman, hindi malinaw: mayroon bang anumang pagkakaiba mula sa isang maginoo na computer? Pagkatapos ng lahat, ang makina, tulad ng alam mo, ay nilikha din mula sa mga bahagi, ang data sa pagitan ng kung saan ay inililipat sa pamamagitan ng isang electric current. Sa mga aklat tungkol sa kalawakan, mga neural network, ang lahat ay karaniwang mukhang kaakit-akit - malaki o maliliit na makina, sa isang sulyap kung saan nauunawaan ng mga karakter kung ano ang kanilang kinakaharap. Pero sa totoo lang, iba na ang sitwasyon sa ngayon.

Paano ito binuo?

As you can see from the scientific papers on neural networks (“Spacewalkers”, sa kasamaang-palad, ay hindi kabilang sa kategoryang ito, gaano man sila kaakit-akit), ang ideya sa pinaka-progresibong istruktura sa larangan ng artipisyal na katalinuhan, sa paglikha ng isang kumplikadong istraktura, ang mga indibidwal na bahagi nito ay napakasimple. Sa katunayan, ang pagguhit ng isang kahanay sa mga tao, ang isang tao ay makakahanap ng pagkakatulad: sabihin, isang bahagi lamang ng utak ng isang mammal ang walang mahusay na kakayahan, kakayahan, at hindi makapagbigay ng matalinong pag-uugali. Ngunit pagdating sa isang tao sa kabuuan, ang gayong nilalang ay mahinahong pumasa sa pagsubok para sa antas ng katalinuhan nang walang anumang partikular na problema.

Sa kabila ng mga pagkakatulad na ito, ang isang katulad na diskarte sa paglikha ng artificial intelligence ay itinatakwil ilang taon na ang nakalipas. Ito ay makikita kapwa mula sa mga siyentipikong papel at mula sa mga libro sa science fiction tungkol sa neural network (“Spacewalkers” na binanggit sa itaas, halimbawa). Sa pamamagitan ng paraan, sa ilang mga lawak kahit na mga pahayagAng Cicero ay maaaring maiugnay sa modernong ideya ng mga neural network: sa isang pagkakataon, mas maingat niyang iminungkahi na ang mga unggoy ay magtapon ng mga titik na nakasulat sa mga token sa hangin, upang sa lalong madaling panahon isang makabuluhang teksto ang mabuo mula sa kanila. At ang ika-21 siglo lamang ang nagpakita na ang gayong malisya ay ganap na hindi makatwiran. Ang neural network at science fiction ay may magkahiwalay na paraan: kung bibigyan mo ang hukbo ng mga unggoy ng maraming token, hindi lang sila gagawa ng makabuluhang teksto, ngunit magkakaroon din sila ng kapangyarihan sa mundo.

Ang lakas ay nasa pagkakaisa, kapatid

Tulad ng natutunan natin mula sa maraming eksperimento, ang pagsasanay sa isang neural network ay humahantong sa tagumpay kapag ang mismong bagay ay may kasamang malaking bilang ng mga elemento. Tulad ng biro ng mga siyentipiko, sa katunayan, ang isang neural network ay maaaring tipunin mula sa anumang bagay, kahit na mula sa mga kahon ng mga posporo, dahil ang pangunahing ideya ay isang hanay ng mga patakaran na sinusunod ng nagresultang komunidad. Karaniwan ang mga patakaran ay medyo simple, ngunit pinapayagan ka nitong kontrolin ang proseso ng pagproseso ng data. Sa ganoong sitwasyon, ang isang neuron (kahit na isang artipisyal) ay hindi magiging isang aparato, hindi isang kumplikadong istraktura o isang hindi maunawaan na sistema, ngunit sa halip ay simpleng mga operasyon ng aritmetika, na ipinatupad na may kaunting pagkonsumo ng enerhiya. Opisyal sa agham, ang mga artipisyal na neuron ay tinatawag na "perceptrons". Ang mga neural network ("Spacefalls" ay mahusay na naglalarawan nito) ay dapat na mas kumplikado sa pananaw ng ilang siyentipikong may-akda, ngunit ipinapakita ng modernong agham na ang pagiging simple ay nagbibigay din ng mahusay na mga resulta.

Ang operasyon ng isang artipisyal na neuron ay simple: ang mga numero ay input, ang halaga para sa bawat isa ay kinakalkulablock ng impormasyon, ang mga resulta ay idinagdag, ang output ay isang yunit o ang halaga na "-1". Nais ba ng mambabasa na mapabilang sa mga nahulog? Ang mga neural network ay gumagana sa isang ganap na naiibang paraan sa katotohanan, hindi bababa sa kasalukuyang panahon, samakatuwid, kapag iniisip ang iyong sarili sa isang gawang pantasiya, hindi mo dapat kalimutan ang tungkol dito. Sa katunayan, ang isang modernong tao ay maaaring gumana sa artipisyal na katalinuhan, halimbawa, tulad nito: maaari kang magpakita ng isang larawan, at sasagutin ng elektronikong sistema ang tanong na "alinman - o". Ipagpalagay na ang isang tao ay nagtatakda ng sistema ng coordinate ng isang punto at nagtanong kung ano ang inilalarawan - ang lupa o, sabihin nating, ang langit. Pagkatapos suriin ang impormasyon, nagbibigay ang system ng sagot - malamang na mali (depende sa pagiging perpekto ng AI).

Thumbs up

Tulad ng makikita mo mula sa lohika ng modernong neural network, sinusubukan ng bawat elemento nito na hulaan ang tamang sagot sa tanong na itinanong sa system. Sa kasong ito, mayroong maliit na katumpakan, ang resulta ay maihahambing sa resulta ng paghuhugas ng barya. Ngunit ang tunay na gawaing pang-agham ay nagsisimula pagdating ng oras upang sanayin ang neural network. Ang kalawakan, paggalugad ng mga bagong daigdig, ang pananaw sa kakanyahan ng mga pisikal na batas ng ating uniberso (na umaasa ang mga modernong siyentipiko sa paggamit ng mga neural network) ay magiging bukas sa mismong sandali kung kailan matututo ang artificial intelligence na may higit na kahusayan at pagiging epektibo kaysa sa isang tao.

Ang katotohanan ay alam ng taong nagtatanong sa system ang tamang sagot dito. Kaya, maaari mo itong isulat sa mga bloke ng impormasyon ng programa. Ang isang perceptron na nagbibigay ng tamang sagot ay nakakakuha ng halaga, atdito natatalo ang maling sumagot, may multa. Ang bawat bagong ikot ng paglulunsad ng programa ay naiiba sa nauna dahil sa pagbabago sa antas ng halaga. Pagbabalik sa nakaraang halimbawa: maaga o huli ang programa ay matututong malinaw na makilala ang pagitan ng lupa at kalawakan. Mas epektibong natututo ang mga neural network, mas tama ang pagkakagawa ng programa sa pag-aaral - at ang pagbuo nito ay nagkakahalaga ng pagsisikap ng mga modernong siyentipiko. Bilang bahagi ng gawaing itinakda nang mas maaga: kung ang neural network ay bibigyan ng isa pang larawan para sa pagsusuri, malamang na hindi ito agad maproseso nang tumpak, ngunit, batay sa data na nakuha sa pagsasanay kanina, tumpak nitong malalaman kung saan ang lupa ay, at nasaan ang mga ulap, kalawakan o iba pa.

Paglalapat ng ideya sa katotohanan

Siyempre, sa katotohanan, ang mga neural network ay mas kumplikado kaysa sa mga inilarawan sa itaas, bagama't ang prinsipyo mismo ay nananatiling pareho. Ang pangunahing gawain ng mga elemento kung saan nabuo ang neural network ay ang pag-systematize ng numerical na impormasyon. Kapag pinagsasama-sama ang isang kasaganaan ng mga elemento, ang gawain ay nagiging mas kumplikado, dahil ang input na impormasyon ay maaaring hindi mula sa labas, ngunit mula sa perceptron, na nagawa na ang kanyang trabaho ng systematization.

Kung babalik tayo sa gawain sa itaas, sa loob ng neural network maaari kang makabuo ng mga sumusunod na proseso: ang isang neuron ay nakikilala ang mga asul na pixel mula sa iba, ang iba ay nagpoproseso ng mga coordinate, ang pangatlo ay sinusuri ang data na natanggap ng una dalawa, batay sa kung saan ito ay nagpapasya kung ang lupa o ang langit ay nasa ibinigay na punto. Bukod dito, ang pag-uuri sa asul at iba pang mga pixel ay maaaring ipagkatiwala sa ilang mga neuron nang sabay-sabay, at ang impormasyong natatanggap nila ay maaaring maibuod. Yung mga perceptron na magbibigayang isang mas mahusay at mas tumpak na resulta ay makakatanggap ng isang bonus sa anyo ng isang mas mataas na halaga sa dulo, at ang kanilang mga resulta ay magiging isang priyoridad kapag muling nagpoproseso ng anumang gawain. Siyempre, ang neural network ay lumalabas na napakalaki, at ang impormasyong naproseso dito ay magiging isang hindi mabata na bundok, ngunit posible na isaalang-alang at pag-aralan ang mga pagkakamali at maiwasan ang mga ito sa hinaharap. Ang karamihan sa mga implant na nakabatay sa neural-network na matatagpuan sa maraming aklat ng science fiction ay gumagana tulad nito (maliban kung, siyempre, ang mga may-akda ay nag-abala na isipin kung paano ito gumagana).

Mga makasaysayang milestone

Maaaring sorpresa ang karaniwang tao, ngunit ang unang neural network ay lumitaw noong 1958. Ito ay dahil sa ang katunayan na ang aparato ng mga artipisyal na neuron ay katulad ng iba pang mga elemento ng computer, sa pagitan ng kung saan ang impormasyon ay ipinadala sa format ng isang binary number system. Sa pagtatapos ng dekada ikaanimnapung taon, isang makina ang naimbento, na tinatawag na Mark I Perceptron, kung saan ipinatupad ang mga prinsipyo ng mga neural network. Nangangahulugan ito na ang unang neural network ay lumitaw lamang isang dekada pagkatapos ng pagtatayo ng unang computer.

Ang mga unang neuron ng unang neural network ay binubuo ng mga resistors, radio tubes (sa oras na iyon, ang isang code na magagamit ng mga modernong siyentipiko ay hindi pa nabuo). Ang pagtatrabaho sa isang neural network ay ang gawain ni Frank Rosenblatt, na lumikha ng isang dalawang-layer na network. Ang isang screen na may resolution na 400 pixels ay ginamit upang magpadala ng panlabas na data sa network. Hindi nagtagal ay nakilala ng makina ang mga geometric na hugis. Iminungkahi na nito na, sa pagpapabuti ng mga teknikal na solusyon, magagawa ng mga neural networkmatutong magbasa ng mga liham. At sino pa ang nakakaalam?

Unang neural network

As can be seen from history, literal na nasunog si Rosenblatt sa kanyang trabaho, siya ay ganap na nakatuon dito, siya ay isang espesyalista sa neurophysiology. Siya ang may-akda ng isang kaakit-akit at tanyag na kurso sa unibersidad kung saan maiintindihan ng sinuman kung paano ipatupad ang utak ng tao sa isang teknikal na sagisag. Kahit noon pa man, umaasa ang siyentipikong komunidad na sa lalong madaling panahon magkakaroon ng mga tunay na pagkakataon upang bumuo ng mga matatalinong robot na may kakayahang gumalaw, magsalita, at bumuo ng mga sistemang katulad ng kanilang mga sarili. Sino ang nakakaalam, baka pumunta ang mga robot na ito upang kolonihin ang ibang mga planeta?

Rosentblatt ay isang mahilig, at maiintindihan mo siya. Naniniwala ang mga siyentipiko na ang artificial intelligence ay maisasakatuparan kung ang mathematical logic ay ganap na nakapaloob sa isang makina. Sa puntong ito, umiral na ang Turing test, pinasikat ni Asimov ang ideya ng robotics. Kumbinsido ang siyentipikong komunidad na ang paggalugad sa Uniberso ay isang sandali lamang.

Nakatuwiran ang pag-aalinlangan

Noong dekada sisenta ay may mga siyentipiko na nakipagtalo kay Rosenblatt at iba pang mahuhusay na isipan na nagtatrabaho sa artificial intelligence. Ang isang medyo tumpak na ideya ng kanilang lohika ng mga katha ay maaaring makuha mula sa mga publikasyon ni Marvin Minsky, na kilala sa kanyang larangan. Sa pamamagitan ng paraan, ito ay kilala na sina Isaac Asimov at Stanley Kubrick ay nagsalita nang mataas tungkol sa mga kakayahan ni Minsky (tinulungan siya ni Minsky na magtrabaho sa A Space Odyssey). Si Minsky ay hindi laban sa paglikha ng mga neural network, tungkol sa kung saanAng pelikula ni Kubrick ay nagpapatotoo, at bilang bahagi ng kanyang siyentipikong karera, siya ay nakikibahagi sa pag-aaral ng makina noong dekada limampu. Gayunpaman, si Minsky ay may kategorya tungkol sa mga maling opinyon, pinupuna ang mga pag-asa na sa sandaling iyon ay wala pa ring matatag na pundasyon. Siyanga pala, si Marvin mula sa mga aklat ni Douglas Adams ay ipinangalan kay Minsky.

Ang pagpuna sa mga neural network at ang paglapit sa panahong iyon ay sistematiko sa publikasyong "Perceptron", na may petsang 1969. Ang aklat na ito ang literal na pumatay sa interes ng maraming tao sa mga neural network sa simula, dahil malinaw na ipinakita ng isang siyentipiko na may mahusay na reputasyon na si Mark the First ay may ilang mga bahid. Una, ang pagkakaroon ng dalawang layer ay malinaw na hindi sapat, at ang makina ay maaaring gumawa ng masyadong maliit, sa kabila ng napakalaking sukat nito at malaking pagkonsumo ng enerhiya. Ang pangalawang punto ng pagpuna ay nakatuon sa mga algorithm na binuo ni Rosenblatt para sa pagsasanay sa network. Ayon kay Minsky, ang impormasyon tungkol sa mga error ay nawala na may mataas na posibilidad, at ang kinakailangang layer ay hindi nakatanggap ng buong dami ng data para sa tamang pagsusuri ng sitwasyon.

Nahinto ang mga bagay

Sa kabila ng katotohanan na ang pangunahing ideya ni Minsky ay ituro ang mga pagkakamali sa kanyang mga kasamahan upang pasiglahin silang mapabuti ang pag-unlad, iba ang sitwasyon. Namatay si Rosenblatt noong 1971, at walang magpapatuloy sa kanyang trabaho. Sa panahong ito, nagsimula ang panahon ng mga kompyuter, at ang larangang ito ng teknolohiya ay sumusulong nang may malalaking hakbang. Ang pinakamahuhusay na isip sa matematika at computer science ay nagtatrabaho sa sektor na ito, at ang artificial intelligence ay tila isang hindi makatwirang pag-aaksaya ng enerhiya at mga mapagkukunan.

Ang mga neural network ay hindi nakakaakit ng atensyon ng siyentipikong komunidad sa loob ng mahigit isang dekada. Dumating ang turning point nang nauso ang cyberpunk. Posibleng makahanap ng mga formula kung saan maaaring kalkulahin ang mga error nang may mataas na katumpakan. Noong 1986, ang problemang nabuo ni Minsky ay nakahanap na ng pangatlong solusyon (ang tatlo ay binuo ng mga independiyenteng grupo ng mga siyentipiko), at ang pagtuklas na ito ang nag-udyok sa mga mahilig mag-explore ng bagong larangan: naging aktibo muli ang trabaho sa mga neural network. Gayunpaman, ang terminong perceptrons ay tahimik na pinalitan ng cognitive computing, inalis ang mga pang-eksperimentong device, nagsimulang gumamit ng coding, gamit ang pinaka-epektibong mga diskarte sa programming. Ilang taon lamang, at ang mga neuron ay natipon na sa mga kumplikadong istruktura na maaaring makayanan ang medyo seryosong mga gawain. Sa paglipas ng panahon, posible, halimbawa, na lumikha ng mga programa para sa pagbabasa ng sulat-kamay ng tao. Ang mga unang network ay lumitaw na may kakayahang mag-self-learning, iyon ay, independyente nilang natagpuan ang mga tamang sagot, nang walang pahiwatig mula sa taong kumokontrol sa computer. Natagpuan ng mga neural network ang kanilang aplikasyon sa pagsasanay. Halimbawa, nasa kanila na ang mga programang tumutukoy sa mga numero sa mga tseke ay ginagamit sa mga istruktura ng pagbabangko sa America.

Ipasa nang mabilis

Noong 90s, naging malinaw na ang isang pangunahing tampok ng mga neural network na nangangailangan ng espesyal na atensyon ng mga siyentipiko ay ang kakayahang galugarin ang isang partikular na lugar sa paghahanap ng tamang solusyon nang walang pag-uudyok mula sa isang tao. Gumagamit ang program ng trial and error na paraan, kung saan ito ay gumagawa ng mga panuntunan sa pag-uugali.

Ang panahong ito ay minarkahan ng pagtaas ng interespampubliko hanggang sa pansamantalang mga robot. Ang mga mahilig sa disenyo mula sa buong mundo ay nagsimulang aktibong magdisenyo ng kanilang sariling mga robot na may kakayahang matuto. Noong 1997, minarkahan nito ang unang tunay na seryosong tagumpay sa antas ng mundo: sa unang pagkakataon, tinalo ng isang computer ang pinakamahusay na manlalaro ng chess sa mundo, si Garry Kasparov. Gayunpaman, sa pagtatapos ng dekada nineties, ang mga siyentipiko ay dumating sa konklusyon na sila ay umabot sa kisame, at ang artipisyal na katalinuhan ay hindi maaaring lumago pa. Bukod dito, ang isang mahusay na na-optimize na algorithm ay mas mahusay kaysa sa anumang neural network sa paglutas ng parehong mga problema. Ang ilang mga pag-andar ay nanatili sa mga neural network, halimbawa, ang pagkilala sa mga teksto ng archival, ngunit wala nang mas kumplikadong magagamit. Karaniwan, gaya ng sinasabi ng mga modernong siyentipiko, may kakulangan sa mga teknikal na kakayahan.

Our time

Ang mga neural network ngayon ay isang paraan upang malutas ang mga pinakamasalimuot na problema gamit ang pamamaraang “matatagpuan ang solusyon nang mag-isa”. Sa katunayan, hindi ito konektado sa anumang rebolusyong pang-agham, ang mga modernong siyentipiko lamang, ang mga luminary ng mundo ng programming, ay may access sa isang makapangyarihang pamamaraan na nagpapahintulot sa kanila na isabuhay kung ano ang maiisip lamang ng isang tao sa mga pangkalahatang tuntunin noon. Pagbabalik sa parirala ni Cicero tungkol sa mga unggoy at mga token: kung magtatalaga ka ng isang tao sa mga hayop na magbibigay sa kanila ng gantimpala para sa tamang parirala, hindi lamang sila gagawa ng makabuluhang teksto, ngunit magsulat ng isang bagong "Digmaan at Kapayapaan", at hindi mas masahol pa.

Ang mga neural network sa ating panahon ay nasa serbisyo kasama ang pinakamalaking kumpanyang nagtatrabaho sa larangan ng teknolohiya ng impormasyon. Ito ay mga multilayer neural network na ipinatupad sa pamamagitan ng malalakas na server,gamit ang mga posibilidad ng World Wide Web, ang mga hanay ng impormasyong naipon sa nakalipas na mga dekada.