Neurová síť – co to je? Definice, význam a rozsah

2024 Autor: Leah Sherlock | [email protected]. Naposledy změněno: 2023-12-17 05:30

Termín neuronová síť, dříve známý pouze ze sci-fi knih, v posledních letech postupně a nepostřehnutelně vstoupil do veřejného života jako nedílná součást nejnovějšího vědeckého vývoje. O tom, že se jedná o neuronovou síť, samozřejmě vědí lidé z herního průmyslu už poměrně dlouho. Ale v dnešní době tento termín najde každý, je známý a srozumitelný širokým masám. Nepochybně to naznačuje, že věda se přiblížila skutečnému životu a v budoucnu nás čekají nové průlomy. A přesto, co je to neuronová síť? Zkusme přijít na význam toho slova.

Současnost a budoucnost

Za starých časů byly neuronová síť, Hort a spacewalkers úzce spjaté pojmy, protože s umělou inteligencí se schopnostmi mnohem lepšími než jednoduchý stroj bylo možné setkat pouze ve světě fantazie, který vzniká v představivosti někteří autoři. A přesto jsou trendy takové, že v poslední době kolem obyčejného člověka ve skutečnosti přibývá těch předmětů, které byly dříve zmíněny pouze ve sci-fi literatuře. To nám umožňuje říci, že i ten nejnásilnější let fantazie dříve nebo později najde svůj ekvivalent ve skutečnosti. Knihy o hitech, neuronových sítích užmají nyní s realitou více společného než před deseti lety a kdo ví, co se stane za další desetiletí?

Neuronová síť v moderní realitě je technologie, která vám umožňuje identifikovat lidi, přičemž máte k dispozici pouze fotografii. Umělá inteligence je docela schopná řídit auto, může hrát a vyhrát poker. Neuronové sítě jsou navíc nové způsoby, jak dělat vědecké objevy, což vám umožňuje uchýlit se k dříve nemožným výpočetním schopnostem. To dává jedinečnou šanci pochopit dnešní svět. Avšak pouze ze zpráv oznamujících nejnovější objevy je zřídka jasné, co je neuronová síť. Měl by se tento termín vztahovat na program, stroj nebo komplex serverů?

Obecný pohled

Jak můžete vidět ze samotného termínu "neuronová síť" (fotografie uvedené v tomto článku to také umožňují pochopit) je struktura, která byla navržena analogií s logikou lidského mozku. Kopírování zcela biologické struktury tak vysoké úrovně složitosti se v tuto chvíli samozřejmě nezdá realistické, ale vědci se již dokázali znatelně přiblížit řešení problému. Řekněme, že nedávno vytvořené neuronové sítě jsou docela efektivní. Hort a další spisovatelé, kteří publikovali fantastická díla, sotva věděli v době psaní svých děl, že věda bude letos schopna udělat krok tak daleko.

Zvláštností lidského mozku je, že je to struktura mnoha prvků, mezi kterýmiinformace jsou neustále přenášeny prostřednictvím neuronů. Ve skutečnosti jsou podobné struktury také nové neuronové sítě, kde elektrické impulsy zajišťují výměnu relevantních dat. Jedním slovem, stejně jako v lidském mozku. A přesto není jasné: je nějaký rozdíl od běžného počítače? Koneckonců, stroj, jak víte, je také vytvořen z dílů, mezi nimiž se data přenášejí pomocí elektrického proudu. V knihách o vesmíru, neuronových sítích obvykle vše vypadá kouzelně – obrovské nebo maličké stroje, na kterých postavy na první pohled pochopí, s čím mají co do činění. Ale ve skutečnosti je situace zatím jiná.

Jak se to staví?

Jak můžete vidět z vědeckých prací o neuronových sítích („Spacewalkers“, bohužel do této kategorie nepatří, ať jsou jakkoli fascinující), myšlenka v nejprogresivnější struktuře v oboru umělá inteligence, při vytváření složité struktury, jejíž jednotlivé části jsou velmi jednoduché. Ve skutečnosti lze při srovnání s lidmi nalézt podobnost: řekněme pouze jedna část mozku savce nemá velké schopnosti, schopnosti a nemůže poskytovat inteligentní chování. Ale pokud jde o člověka jako celek, pak takový tvor klidně projde testem úrovně inteligence bez zvláštních problémů.

Navzdory těmto podobnostem byl podobný přístup k vytváření umělé inteligence před několika lety vyloučen. To lze vidět jak z vědeckých prací, tak ze sci-fi knih o neuronové síti (například „Spacewalkers“zmínění výše). Mimochodem do jisté míry i prohlášeníCicero lze spojovat s moderní myšlenkou neuronových sítí: svého času spíše sžíravě navrhoval, aby opice vyhazovaly do vzduchu písmena napsaná na žetonech, aby z nich dříve či později vznikl smysluplný text. A teprve 21. století ukázalo, že taková zloba byla zcela neopodstatněná. Neuronová síť a sci-fi šly svou cestou: pokud dáte armádě opic spoustu žetonů, vytvoří nejen smysluplný text, ale také získají moc nad světem.

Síla je v jednotě, bratře

Jak jsme se dozvěděli z mnoha experimentů, trénování neuronové sítě pak vede k úspěchu, když samotný objekt obsahuje obrovské množství prvků. Jak vědci vtipkují, ve skutečnosti lze neuronovou síť sestavit z čehokoli, dokonce i z krabiček zápalek, jelikož hlavní myšlenkou je soubor pravidel, kterým se výsledná komunita řídí. Obvykle jsou pravidla poměrně jednoduchá, ale umožňují řídit proces zpracování dat. V takové situaci neuron (byť umělý) nebude vůbec zařízením, ne složitou strukturou nebo nesrozumitelným systémem, ale spíše jednoduchými aritmetickými operacemi, realizovanými s minimální spotřebou energie. Oficiálně se ve vědě umělé neurony nazývají „perceptrony“. Neuronové sítě („vesmírné vodopády“to dobře ilustrují) by podle názoru některých vědeckých autorů měly být mnohem složitější, ale moderní věda ukazuje, že jednoduchost také poskytuje vynikající výsledky.

Fungování umělého neuronu je jednoduché: zadávají se čísla, vypočítá se hodnota pro každýinformačního bloku, výsledky se sečtou, výstupem je jednotka nebo hodnota "-1". Chtěl někdy čtenář být mezi padlými? Neuronové sítě fungují ve skutečnosti, alespoň v současné době, zcela jiným způsobem, proto při představování si sebe ve fantasy díle byste na to neměli zapomínat. Ve skutečnosti může moderní člověk pracovat s umělou inteligencí například takto: můžete ukázat obrázek a elektronický systém odpoví na otázku „buď - nebo“. Předpokládejme, že osoba nastaví souřadnicový systém jednoho bodu a zeptá se, co je zobrazeno - země nebo, řekněme, obloha. Po analýze informací systém dá odpověď - dost možná nesprávnou (v závislosti na dokonalosti AI).

Palec nahoru

Jak můžete vidět z logiky moderní neuronové sítě, každý její prvek se snaží uhodnout správnou odpověď na otázku položenou systému. V tomto případě je malá přesnost, výsledek je srovnatelný s výsledkem hodu mincí. Ale skutečná vědecká práce začíná, když přijde čas na trénování neuronové sítě. Vesmír, průzkum nových světů, nahlédnutí do podstaty fyzikálních zákonů našeho vesmíru (na které moderní vědci spoléhají pomocí neuronových sítí) se otevře právě ve chvíli, kdy se umělá inteligence bude učit mnohem efektivněji a efektivněji než člověk.

Faktem je, že osoba, která systému položí otázku, zná správnou odpověď. Můžete jej tedy zapsat do informačních bloků programu. Perceptron, který dává správnou odpověď, získává hodnotu azde ten, kdo odpověděl nesprávně, to ztrácí a dostává pokutu. Každý nový cyklus spouštění programu se liší od předchozího v důsledku změny úrovně hodnoty. Vrátíme-li se k předchozímu příkladu: dříve nebo později se program naučí jasně rozlišovat mezi zemí a vesmírem. Neuronové sítě se učí tím efektivněji, čím správněji je sestaven studijní program – a jeho vytvoření stojí moderní vědce hodně úsilí. V rámci dříve stanoveného úkolu: pokud neuronová síť dostane další fotografii pro analýzu, pravděpodobně ji nebude schopna okamžitě zpracovat přesně, ale na základě dat získaných dříve během školení přesně zjistí, kde Země je a kde jsou mraky, vesmír nebo něco jiného.

Aplikace nápadu na realitu

Samozřejmě, ve skutečnosti jsou neuronové sítě mnohem komplikovanější než ty popsané výše, i když samotný princip zůstává stejný. Hlavním úkolem prvků, ze kterých je neuronová síť tvořena, je systematizace číselných informací. Při kombinování množství prvků se úkol stává složitějším, protože vstupní informace nemusí pocházet zvenčí, ale z perceptronu, který již vykonal svou práci systematizace.

Pokud se vrátíme k výše uvedené úloze, pak uvnitř neuronové sítě můžete přijít s následujícími procesy: jeden neuron rozlišuje modré pixely od ostatních, druhý zpracovává souřadnice, třetí analyzuje data přijatá prvním dvě, na základě kterých rozhodne, zda je v daném bodě země nebo nebe. Navíc třídění do modrých a dalších pixelů může být svěřeno několika neuronům současně a informace, které obdrží, mohou být shrnuty. Ty perceptrony, které dajílepší a přesnější výsledek dostane na konci bonus v podobě vyšší hodnoty a jejich výsledky budou prioritou při přepracování jakéhokoli úkolu. Neuronová síť se samozřejmě ukazuje jako extrémně objemná a informace v ní zpracovávané budou neúnosnou horou, ale bude možné brát v úvahu a analyzovat chyby a v budoucnu jim předcházet. Implantáty založené převážně na neuronové síti, které se nacházejí v mnoha knihách sci-fi, fungují takto (pokud se ovšem autoři neobtěžují přemýšlet o tom, jak to funguje).

Historické milníky

Laiky to možná překvapí, ale první neuronové sítě se objevily v roce 1958. Je to dáno tím, že zařízení umělých neuronů je podobné jako u jiných počítačových prvků, mezi kterými se přenášejí informace ve formátu binární číselné soustavy. Na konci šedesátých let byl vynalezen stroj nazvaný Mark I Perceptron, ve kterém byly implementovány principy neuronových sítí. To znamená, že první neuronová síť se objevila jen deset let po sestrojení prvního počítače.

První neurony první neuronové sítě se skládaly z rezistorů, rádiových trubic (v té době ještě nebyl vyvinut takový kód, který by moderní vědci mohli používat). Práce s neuronovou sítí byla úkolem Franka Rosenblatta, který vytvořil dvouvrstvou síť. Pro přenos externích dat do sítě byla použita obrazovka s rozlišením 400 pixelů. Stroj byl brzy schopen rozpoznat geometrické tvary. Již to naznačovalo, že s vylepšením technických řešení mohou neuronové sítěnaučit se číst písmena. A kdo ví co ještě?

První neuronová síť

Jak je vidět z historie, Rosenblatt svou prací doslova zahořel, dokonale se v ní orientoval, byl specialistou na neurofyziologii. Byl autorem fascinujícího a oblíbeného univerzitního kurzu, ve kterém každý mohl pochopit, jak implementovat lidský mozek v technickém provedení. Již tehdy vědecká komunita doufala, že brzy nastanou skutečné příležitosti k vytvoření inteligentních robotů schopných pohybovat se, mluvit a vytvářet systémy podobné jim. Kdo ví, možná by tito roboti šli kolonizovat jiné planety?

Rosentblatt byl nadšenec a vy mu rozumíte. Vědci věřili, že umělá inteligence by mohla být realizována, pokud by matematická logika byla plně vtělena do stroje. V tomto okamžiku již existoval Turingův test, Asimov popularizoval myšlenku robotiky. Vědecká komunita byla přesvědčena, že průzkum vesmíru je otázkou času.

Skepse oprávněná

Už v šedesátých letech existovali vědci, kteří se hádali s Rosenblattem a dalšími velkými mozky pracujícími na umělé inteligenci. Poměrně přesnou představu o jejich logice výmyslů lze získat z publikací Marvina Minského, známého ve svém oboru. Mimochodem, je známo, že Isaac Asimov a Stanley Kubrick chválili Minského schopnosti (Minsky mu pomáhal pracovat na Vesmírné odysei). Minsky nebyl proti vytváření neuronových sítí, o kterýchKubrickův film svědčí a v rámci své vědecké kariéry se v padesátých letech věnoval strojovému učení. Nicméně Minsky byl kategorický ohledně chybných názorů a kritizoval naděje, pro které v té chvíli ještě neexistoval pevný základ. Mimochodem, Marvin z knih Douglase Adamse je pojmenován po Minsky.

Kritika neuronových sítí a tehdejší přístup je systematizován v publikaci „Perceptron“, z roku 1969. Právě tato kniha doslova v zárodku zabila u mnoha lidí zájem o neuronové sítě, protože vědec s vynikající pověstí jasně ukázal, že Mark první má řadu chyb. Za prvé, přítomnost pouhých dvou vrstev byla zjevně nedostatečná a stroj toho uměl příliš málo, navzdory jeho gigantickým rozměrům a obrovské spotřebě energie. Druhý bod kritiky byl věnován algoritmům vyvinutým Rosenblattem pro síťový trénink. Podle Minského se informace o chybách s vysokou pravděpodobností ztratily a potřebná vrstva jednoduše neobdržela plné množství dat pro správnou analýzu situace.

Věci se zastavily

Navzdory tomu, že Minskyho hlavní myšlenkou bylo upozornit své kolegy na chyby a podnítit je ke zlepšení vývoje, situace byla jiná. Rosenblatt zemřel v roce 1971 a nebyl nikdo, kdo by v jeho práci pokračoval. V tomto období začala éra počítačů a tento technologický obor šel kupředu obrovskými kroky. V tomto sektoru byly zaměstnány nejlepší mozky v matematice a informatice a umělá inteligence se zdála jako nepřiměřené plýtvání energií a zdroji.

Neurové sítě nepřitahovaly pozornost vědecké komunity více než deset let. Zlom nastal, když do módy přišel kyberpunk. Bylo možné najít vzorce, pomocí kterých lze s vysokou přesností vypočítat chyby. V roce 1986 problém formulovaný Minskym již našel třetí řešení (všechny tři byly vyvinuty nezávislými skupinami vědců) a právě tento objev podnítil nadšence k prozkoumání nového oboru: práce na neuronových sítích se opět stala aktivní. Pojem perceptrony byl však v tichosti nahrazen kognitivními výpočty, zbavil se experimentálních zařízení, začal používat kódování, využívající nejúčinnější programovací techniky. Jen pár let a neurony jsou již sestaveny do složitých struktur, které si poradí s docela vážnými úkoly. Postupem času bylo možné například vytvořit programy pro čtení lidského písma. První sítě se ukázaly jako schopné samoučení, to znamená, že nezávisle našly správné odpovědi, bez náznaku osoby ovládající počítač. Neuronové sítě našly své uplatnění v praxi. Například právě na nich se v bankovních strukturách v Americe používají programy, které identifikují čísla na šekech.

Vpřed mílovými kroky

V 90. letech se ukázalo, že klíčovou vlastností neuronových sítí, která vyžaduje zvláštní pozornost vědců, je schopnost prozkoumat danou oblast při hledání správného řešení, aniž by k tomu někdo potřeboval výzvu. Program využívá metodu pokus-omyl, na jejímž základě vytváří pravidla chování.

Toto období bylo poznamenáno prudkým nárůstem zájmuveřejnosti na provizorní roboty. Nadšení konstruktéři z celého světa začali aktivně navrhovat své vlastní roboty schopné učení. V roce 1997 to znamenalo první skutečně vážný úspěch na světové úrovni: počítač poprvé porazil nejlepšího světového šachistu Garryho Kasparova. Na konci devadesátých let však vědci došli k závěru, že dosáhli stropu a umělá inteligence nemůže dále růst. Navíc dobře optimalizovaný algoritmus je při řešení stejných problémů mnohem efektivnější než jakákoli neuronová síť. Některé funkce zůstaly u neuronových sítí, například rozpoznávání archivních textů, ale nic složitějšího k dispozici nebylo. V podstatě, jak říkají moderní vědci, byl nedostatek technických schopností.

Náš čas

Neurové sítě dnes představují způsob, jak řešit nejsložitější problémy metodou „řešení se najde samo“. Ve skutečnosti to není spojeno s žádnou vědeckou revolucí, jen moderní vědci, světci programování, mají přístup k mocné technice, která jim umožňuje uvést do praxe to, co si člověk dříve mohl jen obecně představit. Vrátíme-li se k Ciceronově frázi o opicích a žetonech: pokud ke zvířatům přiřadíte někoho, kdo jim za správnou frázi dá odměnu, vytvoří nejen smysluplný text, ale napíše nový „Válka a mír“, a o nic horší.

Současné neuronové sítě jsou v provozu u největších společností působících v oblasti informačních technologií. Jedná se o vícevrstvé neuronové sítě implementované prostřednictvím výkonných serverů,využívající možnosti World Wide Web, pole informací nashromážděných za poslední desetiletí.