Neur alt netværk – hvad er det? Definition, betydning og omfang

2024 Forfatter: Leah Sherlock | [email protected]. Sidst ændret: 2023-12-17 05:31

Begrebet neur alt netværk, der tidligere kun var kendt fra science fiction-bøger, er i de senere år gradvist og umærkeligt kommet ind i det offentlige liv som en integreret del af den seneste videnskabelige udvikling. Selvfølgelig har folk involveret i spilindustrien i ret lang tid vidst, at dette er et neur alt netværk. Men nu om dage findes udtrykket af alle, det er kendt og forstået af de brede masser. Dette indikerer utvivlsomt, at videnskaben er blevet tættere på det virkelige liv, og nye gennembrud venter os i fremtiden. Og alligevel, hvad er et neur alt netværk? Lad os prøve at finde ud af ordets betydning.

Nutid og fremtid

I gamle dage var det neurale netværk, Hort og rumvandrere nært beslægtede begreber, fordi det kun var muligt at mødes med kunstig intelligens med evner langt overlegne en simpel maskine i en fantasiverden, der opstår i fantasien af nogle forfattere. Og alligevel er tendenserne sådan, at der for nylig omkring en almindelig person i virkeligheden er flere og flere af de objekter, der tidligere kun blev nævnt i science fiction-litteratur. Dette giver os mulighed for at sige, at selv den mest voldelige fantasiflugt måske før eller siden vil finde sin ækvivalent i virkeligheden. Bøger om hits, neurale netværk alleredehar nu mere til fælles med virkeligheden end for ti år siden, og hvem ved, hvad der vil ske om endnu et årti?

Et neur alt netværk i moderne virkelighed er en teknologi, der giver dig mulighed for at identificere mennesker, og du har kun et fotografi til din rådighed. Kunstig intelligens er ganske i stand til at køre bil, kan spille og vinde et spil poker. Desuden er neurale netværk nye måder at gøre videnskabelige opdagelser på, hvilket giver dig mulighed for at ty til tidligere umulige computerfunktioner. Dette giver unikke chancer for at forstå verden i dag. Men kun fra nyhedsrapporter, der annoncerer de seneste opdagelser, er det sjældent klart, hvad et neur alt netværk er. Skal dette udtryk anvendes på et program, en maskine eller et kompleks af servere?

Generelt overblik

Som du kan se selve udtrykket "neur alt netværk" (billederne præsenteret i denne artikel gør det også muligt at forstå dette) er en struktur, der er designet i analogi med logikken i den menneskelige hjerne. Selvfølgelig virker kopiering af en fuldstændig biologisk struktur af et så højt kompleksitetsniveau i øjeblikket ikke realistisk, men videnskabsmænd har allerede været i stand til mærkbart at komme tættere på at løse problemet. Lad os sige, at nyligt oprettede neurale netværk er ret effektive. Hort og andre forfattere, der udgav fantastiske værker, vidste næppe, da de skrev deres værker, at videnskaben ville være i stand til at gå så langt foran i år.

Det særlige ved den menneskelige hjerne er, at den er en struktur af talrige elementer, mellem hvilkeinformation overføres konstant gennem neuroner. Faktisk er nye neurale netværk også lignende strukturer, hvor elektriske impulser sørger for udveksling af relevante data. Kort sagt, ligesom i den menneskelige hjerne. Og alligevel er det ikke klart: Er der nogen forskel fra en konventionel computer? Maskinen er jo som bekendt også skabt af dele, mellem hvilke dataene overføres ved hjælp af en elektrisk strøm. I bøger om rummet, neurale netværk ser alt som regel fortryllende ud - enorme eller bittesmå maskiner, med ét blik, hvorpå karaktererne forstår, hvad de har med at gøre. Men i virkeligheden er situationen anderledes indtil videre.

Hvordan er det bygget?

Som du kan se fra de videnskabelige artikler om neurale netværk ("Spacewalkers" hører desværre ikke til denne kategori, uanset hvor fascinerende de måtte være), er ideen i den mest progressive struktur inden for området kunstig intelligens, ved at skabe en kompleks struktur, hvis enkelte dele er meget enkle. Faktisk, hvis man drager en parallel med mennesker, kan man finde en lighed: sige, kun én del af hjernen hos et pattedyr har ikke store evner, evner og kan ikke give intelligent adfærd. Men når det kommer til en person som helhed, så består sådan et væsen roligt testen for intelligensniveauet uden særlige problemer.

På trods af disse ligheder blev en lignende tilgang til at skabe kunstig intelligens udstødt for et par år siden. Dette kan ses både fra videnskabelige artikler og fra science fiction-bøger om det neurale netværk ("Spacewalkers" nævnt ovenfor, for eksempel). I øvrigt til en vis grad endda udsagnCicero kan forbindes med den moderne idé om neurale netværk: på et tidspunkt foreslog han temmelig ætsende, at aber kaster bogstaver skrevet på tokens i luften, så der før eller siden dannes en meningsfuld tekst fra dem. Og kun det 21. århundrede viste, at en sådan ondskab var fuldstændig uberettiget. Det neurale netværk og science fiction gik hver til sit: Hvis du giver en hær af aber en masse tokens, vil de ikke kun skabe en meningsfuld tekst, men også få magt over verden.

Styrke er i enhed, bror

Som vi lærte fra adskillige eksperimenter, fører træning af et neur alt netværk til succes, når selve objektet indeholder et stort antal elementer. Som videnskabsmænd joker, kan et neur alt netværk faktisk sammensættes af hvad som helst, selv fra æsker med tændstikker, da hovedideen er et sæt regler, som det resulterende samfund adlyder. Norm alt er reglerne ret enkle, men de giver dig mulighed for at kontrollere databehandlingsprocessen. I en sådan situation vil en neuron (omend en kunstig) slet ikke være en enhed, ikke en kompleks struktur eller et uforståeligt system, men snarere simple aritmetiske operationer, implementeret med minim alt energiforbrug. Officielt i videnskaben kaldes kunstige neuroner "perceptroner". Neurale netværk ("Spacefalls" illustrerer dette godt) burde være meget mere komplekse efter nogle videnskabelige forfatteres opfattelse, men moderne videnskab viser, at enkelhed også giver fremragende resultater.

Betjeningen af en kunstig neuron er enkel: tal indtastes, værdien for hver beregnesinformationsblok, resultaterne lægges sammen, outputtet er en enhed eller værdien "-1". Har læseren nogensinde ønsket at være blandt de faldne? Neurale netværk fungerer på en helt anden måde i virkeligheden, i det mindste på nuværende tidspunkt, derfor, når du forestiller dig selv i et fantasiværk, bør du ikke glemme dette. Faktisk kan en moderne person arbejde med kunstig intelligens, for eksempel sådan: du kan vise et billede, og det elektroniske system vil besvare spørgsmålet "enten - eller". Antag, at en person sætter koordinatsystemet for et punkt og spørger, hvad der er afbildet - jorden eller for eksempel himlen. Efter at have analyseret informationen giver systemet et svar - muligvis forkert (afhængigt af AI'ens perfektion).

thumbs up

Som du kan se fra logikken i det moderne neurale netværk, forsøger hvert element i det at gætte det rigtige svar på det spørgsmål, der stilles til systemet. I dette tilfælde er der ringe nøjagtighed, resultatet kan sammenlignes med resultatet af at kaste en mønt. Men det virkelige videnskabelige arbejde begynder, når det er tid til at træne det neurale netværk. Rum, udforskning af nye verdener, indsigt i essensen af de fysiske love i vores univers (som moderne videnskabsmænd er afhængige af ved hjælp af neurale netværk) vil blive åbne i det øjeblik, hvor kunstig intelligens vil lære med meget større effektivitet og effektivitet end en person.

Faktum er, at den person, der stiller et spørgsmål til systemet, kender det rigtige svar på det. Så du kan skrive det i informationsblokkene i programmet. En perceptron, der giver det rigtige svar, får værdi, ogher mister den, der har svaret forkert, den og får en bøde. Hver ny programstartcyklus adskiller sig fra den forrige på grund af ændringen i værdiniveau. Tilbage til det forrige eksempel: før eller siden vil programmet lære at skelne klart mellem jorden og rummet. Neurale netværk lærer jo mere effektivt, jo mere korrekt studieprogrammet er udarbejdet - og dets dannelse koster moderne videnskabsmænd mange kræfter. Som en del af opgaven, der er sat tidligere: Hvis det neurale netværk forsynes med et andet foto til analyse, vil det sandsynligvis ikke umiddelbart være i stand til at behandle det nøjagtigt, men baseret på de data, der er opnået under træningen tidligere, vil det nøjagtigt finde ud af, hvor jorden er, og hvor er skyerne, rummet eller noget andet.

Anvendelse af en idé til virkeligheden

Naturligvis er neurale netværk i virkeligheden meget mere komplicerede end dem, der er beskrevet ovenfor, selvom princippet i sig selv forbliver det samme. Hovedopgaven for de elementer, hvorfra det neurale netværk er dannet, er at systematisere numerisk information. Når man kombinerer en overflod af elementer, bliver opgaven mere kompliceret, da inputinformationen måske ikke er udefra, men fra perceptronen, som allerede har gjort sit job med at systematisere.

Hvis vi vender tilbage til opgaven ovenfor, så kan du inde i det neurale netværk komme op med følgende processer: en neuron skelner blå pixels fra andre, den anden behandler koordinaterne, den tredje analyserer de data, den første modtager. to, på grundlag af hvilke den afgør, om jorden eller himlen er i givet punkt. Desuden kan sortering i blå og andre pixels overlades til flere neuroner samtidigt, og den information, de modtager, kan opsummeres. De perceptroner, der vil giveet bedre og mere præcist resultat vil modtage en bonus i form af en højere værdi i slutningen, og deres resultater vil være en prioritet ved genbehandling af enhver opgave. Naturligvis viser det neurale netværk sig at være ekstremt omfangsrigt, og informationen, der behandles i det, vil overhovedet være et uudholdeligt bjerg, men det vil være muligt at tage højde for og analysere fejl og forhindre dem i fremtiden. De stort set neurale netværksbaserede implantater, der findes i mange science fiction-bøger, fungerer sådan her (medmindre, selvfølgelig, forfatterne gider at tænke over, hvordan det virker).

Historiske milepæle

Det kan måske overraske lægmanden, men de første neurale netværk dukkede op i 1958. Dette skyldes det faktum, at enheden af kunstige neuroner ligner andre computerelementer, mellem hvilke informationer transmitteres i formatet af et binært talsystem. I slutningen af tresserne blev en maskine opfundet, kaldet Mark I Perceptron, hvor principperne for neurale netværk blev implementeret. Det betyder, at det første neurale netværk dukkede op kun et årti efter konstruktionen af den første computer.

De første neuroner i det første neurale netværk bestod af modstande, radiorør (på det tidspunkt var en sådan kode, som moderne videnskabsmænd kunne bruge, endnu ikke blevet udviklet). At arbejde med et neur alt netværk var Frank Rosenblatts opgave, som skabte et to-lags netværk. En skærm med en opløsning på 400 pixels blev brugt til at overføre eksterne data til netværket. Maskinen var hurtigt i stand til at genkende geometriske former. Dette antydede allerede, at neurale netværk kan med forbedring af tekniske løsningerlære at læse bogstaver. Og hvem ved hvad ellers?

Første neurale netværk

Som det kan ses af historien, brændte Rosenblatt bogstaveligt t alt med sit arbejde, han var perfekt orienteret i det, han var specialist i neurofysiologi. Han var forfatter til et fascinerende og populært universitetskursus, hvor enhver kunne forstå, hvordan man implementerer den menneskelige hjerne i en teknisk udførelsesform. Allerede dengang håbede det videnskabelige samfund, at der snart ville være reelle muligheder for at danne intelligente robotter, der er i stand til at bevæge sig, tale og danne systemer, der ligner dem selv. Hvem ved, måske ville disse robotter tage hen for at kolonisere andre planeter?

Rosentblatt var en entusiast, og du kan forstå ham. Forskere troede, at kunstig intelligens kunne realiseres, hvis matematisk logik var fuldt ud indeholdt i en maskine. På dette tidspunkt eksisterede Turing-testen allerede, Asimov populariserede ideen om robotteknologi. Det videnskabelige samfund var overbevist om, at udforskningen af universet var et spørgsmål om tid.

Skepsis berettiget

Allerede i tresserne var der videnskabsmænd, der skændtes med Rosenblatt og andre store hjerner, der arbejdede med kunstig intelligens. En ret præcis idé om deres logik i fremstillinger kan fås fra publikationerne af Marvin Minsky, velkendt inden for sit felt. Forresten er det kendt, at Isaac Asimov og Stanley Kubrick t alte meget om Minskys evner (Minsky hjalp ham med at arbejde på A Space Odyssey). Minsky var ikke imod oprettelsen af neurale netværk, om hvilkeKubricks film vidner om, og som en del af hans videnskabelige karriere var han engageret i maskinlæring tilbage i halvtredserne. Ikke desto mindre var Minsky kategorisk over for fejlagtige meninger og kritiserede håb, som der på det tidspunkt stadig ikke var noget solidt grundlag for. Marvin fra Douglas Adams bøger er i øvrigt opkaldt efter Minsky.

Kritik af neurale netværk og datidens tilgang er systematiseret i publikationen "Perceptron", dateret 1969. Det var denne bog, der bogstaveligt t alt dræbte mange menneskers interesse for neurale netværk i opløbet, fordi en videnskabsmand med et fremragende ry viste tydeligt, at Mark den Første havde en række fejl. For det første var tilstedeværelsen af kun to lag klart utilstrækkelig, og maskinen kunne gøre for lidt på trods af dens gigantiske størrelse og enorme energiforbrug. Det andet kritikpunkt var afsat til algoritmerne udviklet af Rosenblatt til netværkstræning. Ifølge Minsky gik information om fejl tabt med stor sandsynlighed, og det nødvendige lag modtog simpelthen ikke den fulde mængde data til en korrekt analyse af situationen.

Tingene stoppede

På trods af at Minskys hovedidé var at påpege fejl over for sine kolleger for at stimulere dem til at forbedre udviklingen, var situationen anderledes. Rosenblatt døde i 1971, og der var ingen til at fortsætte hans arbejde. I denne periode begyndte computernes æra, og dette teknologiområde bevægede sig fremad med store fremskridt. De bedste hjerner inden for matematik og datalogi var ansat i denne sektor, og kunstig intelligens virkede som et urimeligt spild af energi og ressourcer.

Neurale netværk har ikke tiltrukket sig opmærksomhed fra det videnskabelige samfund i mere end et årti. Vendepunktet kom, da cyberpunk kom på mode. Det var muligt at finde formler, hvorved fejl kan beregnes med høj nøjagtighed. I 1986 fandt problemet formuleret af Minsky allerede en tredje løsning (alle tre blev udviklet af uafhængige grupper af videnskabsmænd), og det var denne opdagelse, der fik entusiaster til at udforske et nyt felt: arbejdet med neurale netværk blev aktivt igen. Men udtrykket perceptroner blev stille og roligt erstattet af kognitiv databehandling, slap af med eksperimentelle enheder, begyndte at bruge kodning ved at bruge de mest effektive programmeringsteknikker. Bare et par år, og neuroner er allerede samlet i komplekse strukturer, der kan klare ganske alvorlige opgaver. Med tiden var det for eksempel muligt at lave programmer til læsning af menneskelig håndskrift. De første netværk så ud til at være i stand til at lære selv, det vil sige, at de uafhængigt fandt de rigtige svar uden et hint fra den person, der kontrollerer computeren. Neurale netværk har fundet deres anvendelse i praksis. For eksempel er det på dem, programmer, der identificerer numre på checks, bruges i bankstrukturer i Amerika.

Fremad med stormskridt

I 90'erne blev det klart, at et centr alt træk ved neurale netværk, der kræver særlig opmærksomhed fra videnskabsmænd, er evnen til at udforske et givet område på jagt efter den rigtige løsning uden tilskyndelse fra en person. Programmet bruger trial and error-metoden, på grundlag af hvilken det opretter adfærdsregler.

Denne periode var præget af en bølge af interesseoffentlig til provisoriske robotter. Entusiastdesignere fra hele verden begyndte aktivt at designe deres egne robotter, der kunne lære. I 1997 markerede dette den første virkelig seriøse succes på verdensplan: For første gang slog en computer verdens bedste skakspiller, Garry Kasparov. Men i slutningen af halvfemserne kom forskerne til den konklusion, at de havde nået loftet, og kunstig intelligens kunne ikke vokse yderligere. Desuden er en veloptimeret algoritme meget mere effektiv end noget neur alt netværk til at løse de samme problemer. Nogle funktioner forblev med neurale netværk, for eksempel genkendelse af arkivtekster, men intet mere kompliceret var tilgængeligt. Grundlæggende var der, som moderne videnskabsmænd siger, mangel på tekniske muligheder.

Vores tid

Neurale netværk i dag er en måde at løse de mest komplekse problemer ved at bruge metoden "løsningen vil blive fundet af sig selv". Faktisk er dette ikke forbundet med nogen videnskabelig revolution, bare moderne videnskabsmænd, programmeringsverdenens armaturer, har adgang til en kraftfuld teknik, der giver dem mulighed for at implementere, hvad en person kun kunne forestille sig i generelle termer før. Tilbage til Ciceros sætning om aber og tokens: Hvis du tildeler nogen til dyr, som vil give dem en belønning for den korrekte sætning, vil de ikke kun skabe en meningsfuld tekst, men skrive en ny "Krig og Fred", og ikke værre.

Vore dages neurale netværk er i drift med de største virksomheder, der arbejder inden for informationsteknologi. Disse er flerlagede neurale netværk implementeret gennem kraftfulde servere,ved at bruge World Wide Webs muligheder, de arrays af information, der er akkumuleret gennem de sidste årtier.