Co je to neuronová síť?

V typickém počítači, vyrobeném podle toho, co se nazývá architektura Von Neumann, žijí paměťové banky v izolovaném modulu. Existuje pouze jeden procesor, který zpracovává instrukce a přepisuje paměti jeden po druhém pomocí sériové architektury. Jiným přístupem k výpočetní technice je neuronová síť. V neuronové síti tvořené tisíci nebo dokonce miliony jednotlivých „neuronů“ nebo „uzlů“ je veškeré zpracování vysoce paralelní a distribuované. "Vzpomínky" jsou uloženy v komplexním propojení a vážení mezi uzly.

Neuronové sítě jsou typem výpočetní architektury používané zvířecími mozky v přírodě. To není nutně proto, že neuronová síť je ze své podstaty lepší způsob zpracování než sériová výpočetní technika, ale protože mozek, který používá sériové výpočetní techniky, by se mnohem obtížněji vyvíjel postupně. Neuronové sítě mají také tendenci řešit „hlučná data“ lépe než sériové počítače.

V dopředné neuronové síti "vstupní vrstva" naplněná specializovanými uzly přijímá informace a poté vyšle signál do druhé vrstvy na základě informací, které přijala zvnějšku. Tato informace je obvykle binární signál „ano nebo ne“. Někdy, pro přechod z „ne“ na „ano“ musí uzel zažít určité prahové množství vzrušení nebo stimulace.

Data se přesouvají ze vstupní vrstvy do sekundární a terciární vrstvy atd., Dokud nedosáhnou konečné „výstupní vrstvy“, která zobrazuje výsledky na obrazovce pro programátory k analýze. Lidská sítnice pracuje na základě neuronových sítí. Uzly první úrovně detekují jednoduché geometrické prvky ve vizuálním poli, jako jsou barvy, čáry a hrany. Sekundární uzly začínají s abstraktnějšími sofistikovanějšími prvky, jako je pohyb, textura a hloubka. Poslední „výstup“ je to, co naše vědomí zaregistruje, když se podíváme na zorné pole. Počáteční vstup je pouze složité uspořádání fotonů, které by znamenalo málo bez neurologického hardwaru, aby to mělo smysl ve smyslu smysluplných vlastností, jako je myšlenka trvalého objektu.

V backpropagujících neuronových sítích se mohou výstupy z dřívějších vrstev vrátit do těchto vrstev a omezit další signály. Většina našich smyslů pracuje tímto způsobem. Počáteční data mohou vyvolat „vzdělaný odhad“ u konečného výsledku, po kterém následuje pohled na budoucí data v souvislosti s tímto vzdělaným odhadem. V optických iluzích vytvářejí naše smysly vzdělané odhady, které se ukáží jako špatné.

Místo programování neuronových sítí algoritmicky musí programátoři nakonfigurovat neuronovou síť tréninkem nebo jemným laděním jednotlivých neuronů. Například trénink neuronové sítě k rozpoznávání tváří by vyžadoval mnoho tréninkových běhů, ve kterých byly na síti zobrazeny různé „facelike“ a „unfacelike“ objekty, doprovázené pozitivní nebo negativní zpětnou vazbou, aby neuronová síť mohla zlepšit dovednosti rozpoznávání.