Nevr alt nettverk - hva er det? Definisjon, betydning og omfang

2024 Forfatter: Leah Sherlock | [email protected]. Sist endret: 2023-12-17 05:45

Tidligere bare kjent fra science fiction-bøker, har begrepet nevrale nettverk de siste årene gradvis og umerkelig kommet inn i det offentlige liv som en integrert del av den siste vitenskapelige utviklingen. Selvfølgelig, i ganske lang tid, har folk involvert i spillindustrien visst at dette er et nevr alt nettverk. Men i dag finnes begrepet av alle, det er kjent og forstått av de brede massene. Dette indikerer utvilsomt at vitenskapen har blitt nærmere det virkelige liv, og nye gjennombrudd venter oss i fremtiden. Og likevel, hva er et nevr alt nettverk? La oss prøve å finne ut betydningen av ordet.

Nåtid og fremtid

I gamle dager var nevrale nettverk, Hort og romvandrere nært beslektede begreper, fordi det var mulig å møte kunstig intelligens med evner langt overlegne en enkel maskin bare i en fantasiverden som oppstår i fantasien til noen forfattere. Og likevel er trendene slik at det nylig rundt en vanlig person i virkeligheten er flere og flere av de objektene som tidligere bare ble nevnt i science fiction-litteratur. Dette lar oss si at selv den mest voldelige fantasiflukten, kanskje før eller siden, vil finne sin ekvivalent i virkeligheten. Bøker om treff, nevrale nettverk alleredehar nå mer til felles med virkeligheten enn for ti år siden, og hvem vet hva som vil skje om et tiår til?

Et nevr alt nettverk i moderne virkeligheter er en teknologi som lar deg identifisere mennesker, bare ha et fotografi til rådighet. Kunstig intelligens er ganske i stand til å kjøre bil, kan spille og vinne et spill poker. Dessuten er nevrale nettverk nye måter å gjøre vitenskapelige oppdagelser på, som lar deg ty til tidligere umulige databehandlingsevner. Dette gir unike sjanser til å forstå verden i dag. Men bare fra nyhetsrapporter som kunngjør de siste funnene, er det sjelden klart hva et nevr alt nettverk er. Skal denne termen brukes på et program, en maskin eller et kompleks av servere?

Generell visning

Som du kan se av selve begrepet "nevr alt nettverk" (bildene som presenteres i denne artikkelen gjør det også mulig å forstå dette) er en struktur som ble designet i analogi med logikken til den menneskelige hjernen. Selvfølgelig virker det ikke realistisk å kopiere en fullstendig biologisk struktur med et så høyt kompleksitetsnivå for øyeblikket, men forskere har allerede vært i stand til merkbart å komme nærmere å løse problemet. La oss si at nylig opprettede nevrale nettverk er ganske effektive. Hort og andre forfattere som publiserte fantastiske verk visste knapt da de skrev verkene sine at vitenskapen ville være i stand til å gå så langt foran i år.

Det særegne ved den menneskelige hjerne er at den er en struktur av mange elementer, mellom hvilkeinformasjon overføres hele tiden gjennom nevroner. Faktisk er nye nevrale nettverk også lignende strukturer, der elektriske impulser gir utveksling av relevante data. Med et ord, akkurat som i den menneskelige hjerne. Og likevel er det ikke klart: er det noen forskjell fra en konvensjonell datamaskin? Tross alt er maskinen, som du vet, også laget av deler, dataene mellom disse overføres ved hjelp av en elektrisk strøm. I bøker om verdensrommet, nevrale nettverk, ser alt vanligvis fortryllende ut - enorme eller bittesmå maskiner, med ett blikk som karakterene forstår hva de har å gjøre med. Men i virkeligheten er situasjonen annerledes så langt.

Hvordan er det bygget?

Som du kan se fra de vitenskapelige artikler om nevrale nettverk ("Spacewalkers", dessverre, tilhører ikke denne kategorien, uansett hvor fascinerende de måtte være), ideen i den mest progressive strukturen innen feltet kunstig intelligens, ved å skape en kompleks struktur, hvis individuelle deler er veldig enkle. Faktisk, ved å trekke en parallell med mennesker, kan man finne en likhet: si, bare én del av hjernen til et pattedyr har ikke store evner, evner og kan ikke gi intelligent oppførsel. Men når det gjelder en person som helhet, så består en slik skapning rolig testen for intelligensnivå uten noen spesielle problemer.

Til tross for disse likhetene, ble en lignende tilnærming til å skape kunstig intelligens utstøtt for noen år siden. Dette kan sees både fra vitenskapelige artikler og fra science fiction-bøker om det nevrale nettverket («Spacewalkers» nevnt ovenfor, for eksempel). Forresten, til en viss grad til og med uttalelserCicero kan assosieres med den moderne ideen om nevrale nettverk: på en gang foreslo han ganske kaustisk at apekatter kastet bokstaver skrevet på tokens i luften, slik at det før eller senere ville dannes en meningsfull tekst fra dem. Og bare det 21. århundre viste at slik ondskap var fullstendig uberettiget. Det nevrale nettverket og science fiction gikk hver til sitt: hvis du gir en hær av aper mange tokens, vil de ikke bare skape en meningsfull tekst, men også få makt over verden.

Styrke er i enhet, bror

Som vi lærte fra en rekke eksperimenter, fører trening av et nevr alt nettverk til suksess når selve objektet inneholder et stort antall elementer. Som forskere spøker, kan faktisk et nevr alt nettverk settes sammen av hva som helst, selv fra esker med fyrstikker, siden hovedideen er et sett med regler som det resulterende samfunnet adlyder. Vanligvis er reglene ganske enkle, men de lar deg kontrollere databehandlingsprosessen. I en slik situasjon vil en nevron (om enn en kunstig en) ikke være en enhet i det hele tatt, ikke en kompleks struktur eller et uforståelig system, men snarere enkle aritmetiske operasjoner, implementert med minim alt energiforbruk. Offisielt i vitenskapen kalles kunstige nevroner "perseptroner". Nevrale nettverk ("Spacefalls" illustrerer dette godt) burde være mye mer komplekse i synet til noen vitenskapelige forfattere, men moderne vitenskap viser at enkelhet også gir utmerkede resultater.

Operasjonen til en kunstig nevron er enkel: tall legges inn, verdien for hver beregnesinformasjonsblokk, resultatene legges sammen, utgangen er en enhet eller verdien "-1". Har leseren noen gang ønsket å være blant de falne? Nevrale nettverk fungerer på en helt annen måte i virkeligheten, i det minste for øyeblikket, derfor, når du forestiller deg deg selv i et fantasiverk, bør du ikke glemme dette. Faktisk kan en moderne person jobbe med kunstig intelligens, for eksempel slik: du kan vise et bilde, og det elektroniske systemet vil svare på spørsmålet "enten - eller". Anta at en person setter koordinatsystemet til ett punkt og spør hva som er avbildet - jorden eller for eksempel himmelen. Etter å ha analysert informasjonen gir systemet et svar - muligens feil (avhengig av AI-ens perfeksjon).

Tommelen opp

Som du kan se fra logikken til det moderne nevrale nettverket, prøver hvert element i det å gjette det riktige svaret på spørsmålet som stilles til systemet. I dette tilfellet er det liten nøyaktighet, resultatet kan sammenlignes med resultatet av å kaste en mynt. Men det virkelige vitenskapelige arbeidet begynner når det er tid for å trene det nevrale nettverket. Rom, utforskning av nye verdener, innsikt i essensen av de fysiske lovene i universet vårt (som moderne forskere er avhengige av å bruke nevrale nettverk) vil bli åpne i det øyeblikket da kunstig intelligens vil lære med mye større effektivitet og effektivitet enn en person.

Faktum er at den som stiller et spørsmål til systemet vet det riktige svaret på det. Så du kan skrive det i informasjonsblokkene til programmet. En perceptron som gir riktig svar får verdi, ogher mister den som svarte feil det, og får en bot. Hver ny programstartsyklus skiller seg fra den forrige på grunn av endringen i verdinivå. Tilbake til forrige eksempel: før eller siden vil programmet lære å skille klart mellom jord og rom. Nevrale nettverk lærer jo mer effektivt, jo mer riktig studieprogrammet er utarbeidet - og dannelsen koster moderne forskere mye krefter. Som en del av oppgaven som er satt tidligere: hvis det nevrale nettverket er utstyrt med et annet bilde for analyse, vil det sannsynligvis ikke umiddelbart kunne behandle det nøyaktig, men basert på dataene som ble innhentet under treningen tidligere, vil det nøyaktig finne ut hvor jorden er, og hvor er skyene, verdensrommet eller noe annet.

Anvendelse av en idé til virkeligheten

Selvfølgelig er nevrale nettverk i virkeligheten mye mer kompliserte enn de som er beskrevet ovenfor, selv om selve prinsippet forblir det samme. Hovedoppgaven til elementene som det nevrale nettverket er dannet av, er å systematisere numerisk informasjon. Når man kombinerer en overflod av elementer, blir oppgaven mer komplisert, siden inndatainformasjonen kanskje ikke er utenfra, men fra perceptronen, som allerede har gjort jobben sin med systematisering.

Hvis vi går tilbake til oppgaven ovenfor, kan du inne i det nevrale nettverket komme opp med følgende prosesser: en nevron skiller blå piksler fra andre, den andre behandler koordinatene, den tredje analyserer dataene som mottas av den første to, på grunnlag av hvilke den bestemmer om jorden eller himmelen er i gitt punkt. Dessuten kan sortering i blå og andre piksler overlates til flere nevroner samtidig, og informasjonen de mottar kan oppsummeres. De perceptronene som vil giet bedre og mer nøyaktig resultat vil motta en bonus i form av en høyere verdi på slutten, og resultatene deres vil være en prioritet når du behandler en oppgave. Selvfølgelig viser det nevrale nettverket seg å være ekstremt omfangsrikt, og informasjonen som behandles i det vil i det hele tatt være et uutholdelig fjell, men det vil være mulig å ta hensyn til og analysere feil og forhindre dem i fremtiden. De stort sett nevrale nettverksbaserte implantatene som finnes i mange science fiction-bøker fungerer slik (med mindre, selvfølgelig, forfatterne gidder å tenke på hvordan det fungerer).

Historiske milepæler

Det kan overraske lekmannen, men de første nevrale nettverkene dukket opp i 1958. Dette skyldes det faktum at enheten av kunstige nevroner ligner andre dataelementer, mellom hvilke informasjon overføres i formatet til et binært tallsystem. På slutten av sekstitallet ble en maskin oppfunnet, k alt Mark I Perceptron, der prinsippene for nevrale nettverk ble implementert. Dette betyr at det første nevrale nettverket dukket opp bare et tiår etter konstruksjonen av den første datamaskinen.

De første nevronene i det første nevrale nettverket besto av motstander, radiorør (på den tiden var en slik kode som moderne forskere kunne bruke ennå ikke utviklet). Å jobbe med et nevr alt nettverk var oppgaven til Frank Rosenblatt, som laget et tolags nettverk. En skjerm med en oppløsning på 400 piksler ble brukt til å overføre eksterne data til nettverket. Maskinen var snart i stand til å gjenkjenne geometriske former. Dette antydet allerede at, med forbedring av tekniske løsninger, kan nevrale nettverklære å lese bokstaver. Og hvem vet hva mer?

Første nevrale nettverk

Som man kan se av historien, brant Rosenblatt bokstavelig t alt med arbeidet sitt, han var perfekt orientert i det, han var spesialist i nevrofysiologi. Han var forfatteren av et fascinerende og populært universitetskurs der alle kunne forstå hvordan man implementerte den menneskelige hjernen i en teknisk utførelse. Selv da håpet det vitenskapelige samfunnet at det snart ville være reelle muligheter til å danne intelligente roboter som er i stand til å bevege seg, snakke og danne systemer som ligner dem selv. Hvem vet, kanskje disse robotene ville gått for å kolonisere andre planeter?

Rosentblatt var en entusiast, og du kan forstå ham. Forskere mente at kunstig intelligens kunne realiseres hvis matematisk logikk var fullstendig nedfelt i en maskin. På dette tidspunktet eksisterte Turing-testen allerede, Asimov populariserte ideen om robotikk. Det vitenskapelige samfunnet var overbevist om at utforskningen av universet var et spørsmål om tid.

Skepsis begrunnet

Allerede på sekstitallet var det forskere som kranglet med Rosenblatt og andre store hjerner som jobbet med kunstig intelligens. En ganske nøyaktig idé om deres logikk for fabrikasjoner kan fås fra publikasjonene til Marvin Minsky, kjent innen sitt felt. Forresten, det er kjent at Isaac Asimov og Stanley Kubrick snakket høyt om Minskys evner (Minsky hjalp ham med å jobbe med A Space Odyssey). Minsky var ikke imot opprettelsen av nevrale nettverk, om hvilkeKubricks film vitner, og som en del av hans vitenskapelige karriere var han engasjert i maskinlæring tilbake på femtitallet. Likevel var Minsky kategorisk om feilaktige meninger, og kritiserte forhåpninger som det i det øyeblikket fortsatt ikke var noe solid grunnlag for. Marvin fra bøkene til Douglas Adams er forresten oppk alt etter Minsky.

Kritikk av nevrale nettverk og datidens tilnærming er systematisert i publikasjonen "Perceptron", datert 1969. Det var denne boken som bokstavelig t alt tok livet av mange menneskers interesse for nevrale nettverk, fordi en vitenskapsmann med et utmerket rykte viste tydelig at Mark den første hadde en rekke feil. For det første var tilstedeværelsen av bare to lag tydeligvis utilstrekkelig, og maskinen kunne gjøre for lite, til tross for sin gigantiske størrelse og enorme energiforbruk. Det andre kritikkpunktet ble viet algoritmene utviklet av Rosenblatt for nettverkstrening. Ifølge Minsky gikk informasjon om feil tapt med stor sannsynlighet, og det nødvendige laget mottok rett og slett ikke hele datamengden for en korrekt analyse av situasjonen.

Ting stoppet

Til tross for at Minskys hovedidé var å påpeke feil overfor kollegene for å stimulere dem til å forbedre utviklingen, var situasjonen en annen. Rosenblatt døde i 1971, og det var ingen til å fortsette arbeidet hans. I løpet av denne perioden begynte datamaskinens æra, og dette teknologifeltet gikk fremover med store fremskritt. De beste hodene innen matematikk og informatikk var ansatt i denne sektoren, og kunstig intelligens virket som en urimelig sløsing med energi og ressurser.

Nevrale nettverk har ikke tiltrukket seg oppmerksomheten til det vitenskapelige miljøet på mer enn et tiår. Vendepunktet kom da cyberpunk kom på moten. Det var mulig å finne formler som feiler kan beregnes med høy nøyaktighet. I 1986 fant problemet formulert av Minsky allerede en tredje løsning (alle tre ble utviklet av uavhengige grupper av forskere), og det var denne oppdagelsen som fikk entusiaster til å utforske et nytt felt: arbeidet med nevrale nettverk ble aktivt igjen. Imidlertid ble begrepet perceptrons stille erstattet av kognitiv databehandling, ble kvitt eksperimentelle enheter, begynte å bruke koding ved å bruke de mest effektive programmeringsteknikkene. Bare noen få år, og nevroner er allerede satt sammen til komplekse strukturer som kan takle ganske alvorlige oppgaver. Over tid var det for eksempel mulig å lage programmer for lesing av menneskelig håndskrift. De første nettverkene virket i stand til å lære seg selv, det vil si at de uavhengig fant de riktige svarene, uten et hint fra personen som kontrollerte datamaskinen. Nevrale nettverk har funnet sin anvendelse i praksis. For eksempel er det på dem programmer som identifiserer tall på sjekker brukes i bankstrukturer i Amerika.

Forover med stormskritt

På 90-tallet ble det klart at et sentr alt trekk ved nevrale nettverk som krever spesiell oppmerksomhet fra forskere, er evnen til å utforske et gitt område på jakt etter den rette løsningen uten å spørre fra en person. Programmet bruker prøve- og feilmetoden, på grunnlag av denne lager det atferdsregler.

Denne perioden var preget av en bølge av interesseoffentlig til provisoriske roboter. Entusiastdesignere fra hele verden begynte aktivt å designe sine egne roboter i stand til å lære. I 1997 markerte dette den første virkelig seriøse suksessen på verdensnivå: for første gang slo en datamaskin verdens beste sjakkspiller, Garry Kasparov. På slutten av nittitallet kom imidlertid forskerne til den konklusjonen at de hadde nådd taket, og kunstig intelligens kunne ikke vokse videre. Dessuten er en godt optimalisert algoritme mye mer effektiv enn noe nevr alt nettverk når det gjelder å løse de samme problemene. Noen funksjoner forble med nevrale nettverk, for eksempel gjenkjennelse av arkivtekster, men ingenting mer komplisert var tilgjengelig. I utgangspunktet, som moderne vitenskapsmenn sier, var det mangel på tekniske evner.

Vår tid

Nevrale nettverk i dag er en måte å løse de mest komplekse problemene ved å bruke metoden "løsningen vil bli funnet av seg selv". Faktisk er dette ikke forbundet med noen vitenskapelig revolusjon, bare moderne vitenskapsmenn, armaturene i programmeringsverdenen, har tilgang til en kraftig teknikk som lar dem implementere det en person bare kunne forestille seg i generelle termer før. Tilbake til Ciceros setning om aper og tokens: hvis du tildeler noen til dyr som vil gi dem en belønning for den riktige setningen, vil de ikke bare lage en meningsfull tekst, men skrive en ny "Krig og fred", og ikke verre.

Nevrale nettverk i våre dager er i tjeneste med de største selskapene som arbeider innen informasjonsteknologi. Dette er flerlags nevrale nettverk implementert gjennom kraftige servere,ved å bruke mulighetene til World Wide Web, mengdene med informasjon samlet de siste tiårene.