Kunstlikud närvivõrgud muudavad maailma. Mis need on?

Tehisintellekti tehisintellekti närvivõrgud

Alates arvuti leiutamisest on räägitud asjadest, mida arvutid kunagi ei suuda. Olgu see siis suurmeistri löömine males või edasipääs Jeopardia! , on need ennustused alati valed olnud. Kuid mõnel sellisel n-ö ütlemisel oli arvutiteaduses alati parem alus. Oli eesmärke, mida teades, kuidas arvutid töötavad, teadsite, et neid on praktiliselt võimatu saavutada. Inimeste emotsioonide äratundmine näoilmete kaudu. Mitmesuguse kursiivse käekirja lugemine. Kõnekeele sõnade õige tuvastamine. Autonoomne sõit mööda tiheda liiklusega tänavaid.



Noh, arvutid hakkavad nüüd kõiki neid asju tegema ja üsna palju muudki. Kas vastuseta ütlejad olid digitaalsete arvutite tegelike võimete osas tõesti liiga küünilised? Mõnes mõttes ei. Nende monumentaalsete väljakutsete lahendamiseks olid teadlased sunnitud pakkuma välja täiesti uue tüüp arvuti põhineb aju struktuuril. Need kunstlikud närvivõrgud (ANN) eksisteerivad alati ainult simulatsioonina jookseb edasi tavaline digitaalne arvuti, kuid see, mis toimub selle simulatsiooni sees, erineb põhimõtteliselt klassikalisest arvutist.

Kas kunstlik närvivõrk on teaduse arvutamise harjutus? Rakendusbioloogia? Puhas matemaatika? Eksperimentaalne filosoofia? See on kõik need asjad ja palju muud.



Neuraalvõrk

Mis on ANNid?



Enamik inimesi juba teab, et neuronid, mis meie ajus arvutusi teevad, pole organiseeritud nagu pooljuhid arvutiprotsessoris, lineaarses järjestuses, kinnitatud samale plaadile ja neid juhib üks ühendav taktsükkel. Pigem on ajus iga neuron nominaalselt iseenda iseseisev näitleja ja see on ühendatud enamiku või kõigi neuronitega, mis ümbritsevad seda füüsiliselt väga keerulistel ja mõnevõrra ettearvamatutel viisidel.

See tähendab, et selleks, et digitaalne arvuti saaks tellitud tulemuse saavutada, on selle suunamiseks vaja ühte ülekaardiprogrammi ja öelda igale pooljuhile, mida teha üldise eesmärgi saavutamiseks. Aju seevastu ühendab miljardeid pisikesi ülimalt lihtsaid üksusi, millel võib olla igaühel oma programmeerimine ja otsuseid teha ilma välise autoriteedita. Iga neuron töötab ja suhtleb teda ümbritsevate neuronitega vastavalt oma lihtsatele, eelnevalt määratletud reeglitele.

Enamik aju neuroneid on ühendatud mitme tuhande teisega.

Enamik aju neuroneid on ühendatud mitme tuhande teisega.

An kunstlik närvivõrk on (peaks olema) täpselt sama asi, kuid seda on simuleeritud tarkvaraga. Teisisõnu, me kasutame digitaalset arvutit paljude tihedalt ühendatud väikeste miniprogrammide simulatsiooni käivitamiseks, mis seisavad meie simuleeritud närvivõrgu neuronite eest. Andmed sisenevad ANN-i ja lasevad esimesel operatsioonil teha mõne operatsiooni, mille määrab see, kuidas neuron on programmeeritud reageerima andmetele nende konkreetsete atribuutidega. Seejärel antakse see edasi järgmisele neuronile, mis valitakse sarnasel viisil, nii et saab valida teise operatsiooni ja seda teha. Nendest arvutusneuronitest on piiratud arv “kihte” ja pärast nende kõigi liikumist tekib väljund.



Sisendi väljundiks muutmise üldine protsess on ilmne tulemus iga konkreetse neuroni programmeerimisel, mida andmed puudutavad, ja andmete enda algtingimustest. Ajus on “algtingimusteks” spetsiifilised närvisignaalid, mis saabuvad selgroost või mujalt ajust. ANNi puhul on nad kõik, mida me tahaksime, alates otsingu algoritmi tulemustest kuni juhuslikult genereeritud numbriteni kuni teadlaste käsitsi välja kirjutatud sõnadeni.

Kokkuvõtteks: kunstlikud närvivõrgud on põhimõtteliselt simuleeritud aju. Kuid on oluline märkida, et saame anda oma tarkvarale 'neuronid' põhimõtteliselt kõik soovitud programmeerimised; võime proovida nende reegleid seada nii, et nende käitumine peegeldaks inimese aju käitumist, kuid saame neid kasutada ka probleemide lahendamiseks, mida varem ei osanud kaaluda.

NeuralNet

Kuidas ANN-id töötavad?



Seni kirjeldatu on väga huvitav, kuid arvutamiseks suures osas kasutu. See tähendab, et teaduslikult on väga huvitav simuleerida aju rakustruktuuri, aga kui ma tean, kuidas minna sisse ja programmeerida iga väike alamnäitleja nii, et minu sisendid töödeldakse alati minu soovitud väljunditeks, siis miks kas mul on üldse ANN-i vaja? Teisisõnu tähendab ANN olemus seda, et konkreetse probleemi lahendamiseks selle tahtlik ehitamine nõuab selle probleemi ja selle lahenduste nii põhjalikke teadmisi, et ANN ise muutub pisut ülearuseks.

Kuid paljude lihtsate, mitte ühe keeruka näitlejaga töötamisel on suur eelis: lihtsad näitlejad saavad ennast parandada. Tavapärase tarkvara versioone on üritatud ise redigeerida, kuid just kunstlikud närvivõrgud on viinud masinõppe kontseptsiooni uutesse kõrgustesse.

närvivõrgud 3Kuulete sõna 'mitte-deterministlik', mida kasutatakse närvivõrgu funktsiooni kirjeldamiseks, ja see viitab asjaolule, et meie tarkvara neuronitel on sageli kaalutud statistiline tõenäosus, mis on seotud andmete erinevate tulemustega; on tõenäosus 40%, kui A-tüüpi sisend edastatakse seda neuron järgmises kihis, 60% tõenäosus, et see läheb üle seda ühe asemel. Need ebakindlused lisanduvad kiiresti, kui närvivõrgud on omavahel tihedamalt või keerukamalt ühendatud, nii et täpselt samad algtingimused võivad viia paljude erinevate tulemusteni või, mis veelgi tähtsam, jõuda sama tulemuseni mitmel erineval viisil.

Niisiis tutvustame ideed 'õppimisalgoritm'. Lihtne näide on tõhususe parandamine: saatke võrgus ikka ja jälle sama sisend ning registreerige iga kord, kui see õige väljundi genereerib, selle tegemiseks kulunud aeg. Mõned teed A-st B-ni on loomulikult efektiivsemad kui teised ja õppimisalgoritm võib hakata tugevdama neuronite käitumist, mis ilmnes nende kiiremini kulgenud jooksude ajal.

Palju keerukamad ANN-id võivad püüelda keerukamate eesmärkide poole, näiteks loomaliigi õige tuvastamine Google'i pilditulemuses. Kujutiste töötlemise ja kategoriseerimise etappe korrigeeritakse veidi, tuginedes juhuslike ja juhuslike variatsioonide evolutsioonilaadsele sõelumisele, et saada kassiotsimisprotsess, mida ANN-i programmeerijad ei oleks kunagi otseselt välja mõelnud.

Mittemääravad ANN-id muutuvad palju deterministlikumaks, kuna nad struktureerivad end ümber, et paremini saavutada teatud tulemusi, mille määravad kindlaks nende õpialgoritmide eesmärgid. Seda nimetatakse ANN-i “treenimiseks” - treenite ANN-i soovitud funktsiooni näidetega, nii et see saab ennast korrigeerida selle põhjal, kui hästi see neil jooksudel õnnestus. Mida rohkem te ANN-i treenite, seda paremaks peaks see oma eesmärkide saavutamisel muutuma.

Ma robot

Mitte mõnda aega.

Samuti on idee 'järelevalveta' või 'kohanev' õppimine, mille puhul käivitate algoritmi soovimatuid väljundeid silmas pidamata, kuid lasete sellel hakata tulemusi hindama ja kohandama ennast vastavalt oma ... kapriisidele? Nagu võite ette kujutada, pole sellest veel hästi aru saadud, kuid see on ka kõige tõenäolisem tee, mille kaudu võime leida tõelise tehisintellekti - või lihtsalt väga, väga arenenud tehisintellekti. Kui kavatseme kunagi tõepoolest ettenägematute probleemide väljaselgitamiseks robotid täiesti tundmatusse keskkonda välja saata, vajame programme, mis saaksid stiimulitele iseseisvalt ja reaalajas tähtsust omistada.

Seal peitub ANNide jõud tõepoolest: kuna nende struktuur võimaldab neil teha korduvaid muudatusi oma programmeerimine , neil on võime leida vastuseid, mida nende endi loojad kunagi ei saaks. Ükskõik, kas olete riskifond, reklaamiettevõte või naftaotsija, on võimatu ignoreerida arvutikiiruse ja aju mitmekülgsuse ühendamise suurt potentsiaali. Sellepärast on masinõppe algoritmide programmeerimise võimalus nüüd üks kõige rohkem maailmas otsitud oskuste kogumid .

Tuleval sajandil võime väga hästi tegeleda probleemide lahendamisega kui arvutite õpetamisega, et õppida meie jaoks probleeme lahendama.

OK, aga mida saab ANN tegelikult teha tegema ?

ANN-ide kasulikkus jaguneb ühte kahest põhikategooriast: nii inimeste kui ka digitaalsete arvutite jaoks olemuslikult keeruliste probleemide lahendamise vahenditena ning millegi - klassikaliselt ajude - eksperimentaalsete ja kontseptuaalsete mudelitena. Räägime neist kõigist eraldi.

Esiteks on ANNide huvi (ja mis veelgi olulisem - investeeringute) tegelik põhjus see, et nad suudavad probleeme lahendada. Google kasutab ANN-i, et õppida, kuidas YouTube'i videote järel soovitusi paremini vaadata. Suure hadronitõrjuri teadlased pöördusid ANN-ide poole, et sõeluda nende kokkupõrgete tulemused ja tõmmata suuremast tormist välja vaid ühe osakese allkiri. Laevafirmad kasutavad neid marsruudi pikkuste minimeerimiseks sihtkohtade komplekssel hajutamisel. Krediitkaardiettevõtted kasutavad neid petlike tehingute tuvastamiseks. Need muutuvad isegi väiksematele meeskondadele ja üksikisikutele kättesaadavaks - Amazon, MetaMind ja teised pakuvad kohandatud masinõppeteenuseid kõigile üllatavalt tagasihoidliku tasu eest.

Kuidas näeb ANN välja hantlid, alates fotodega treenimisest.

Kuidas näeb ANN välja hantlid, alates fotodega treenimisest.

Asjad alles algavad. Google on oma fotoanalüüsi algoritme koolitanud üha enamate loomapiltidega ning nad saavad tavalistel fotodel kassidelt koertele öelda üsna hästi. Nii tõlkimine kui ka häälsüntees edenevad sinnamaani, et peagi võiksime saada babelfishi-laadse seadme, mis pakub loomulikke reaalajas vestlusi eri keelt kõnelevate inimeste vahel. Ja muidugi on olemas kolm suurt uhkeldavat näidet, mis kannavad masinõpet tõesti varrukal: Siri, Now ja Cortana.

Närvivõrgu teine ​​pool seisneb selle hoolikalt kujundamises, et see peegeldaks aju struktuuri. Nii meie arusaam sellest struktuurist kui ka selle simuleerimiseks vajalik arvutusjõud ei ole kuskil lähedal sellele, mida meil oleks vaja teha arvutimudelis jõulist ajuteadust. Neid on olnud hämmastavaid jõupingutusi aju teatud osade teatud aspektide simuleerimisel, kuid see on alles väga esialgses etapis.

Tehisintellekt, renditav.

Tehisintellekt, renditav.

Selle lähenemise üks eelis on see, et kuigi te ei saa (või… ei tohiks ) geneetiliselt muundada inimesi eksperimentaalsete muudatuste sisseehitamiseks ajusse, te absoluutselt saab teha selliseid hullumeelsete teadlaste katseid simuleeritud ajudega. ANN-id saavad uurida palju laiemaid võimalusi, kui meditsiin seda praktiliselt või eetiliselt üldse kaaluda võiks, ja nad võiksid kunagi lubada teadlastel kiiresti kontrollida veel väljapoole kerkivaid, 'imestan' hüpoteese koos potentsiaalselt ootamatute tulemustega.

Kui küsite endalt: 'Kas kunstlik närvivõrk suudab seda teha?' kohe pärast seda küsige endalt “Kas Mina tee seda?' Kui vastus on jaatav, siis peab teie aju olema võimeline tegema midagi, mida ANN võib kunagi simuleerida. Teiselt poolt on palju asju, mida ANN võib ühel päeval teha, mida aju kunagi ei saaks.

ANN-ide potentsiaal on peaaegu piiramatu.

Vaadake meie 2007es.com Explains sarja, et saada põhjalikum ülevaade tänapäeva kuumimatest tehnikateemadest.

Copyright © Kõik Õigused Kaitstud | 2007es.com