Qu'est-ce qu'un réseau neuronal?

Dans un ordinateur typique, réalisé selon ce qu'on appelle une architecture von Neumann, les banques de mémoire vivent dans un module isolé. Il n'y a qu'un seul processeur, qui traite les instructions et la mémoire réécrit une par une, en utilisant une architecture série. Une approche différente de l'informatique est le réseau neuronal. Dans un réseau neuronal, composé de milliers ou même de millions de «neurones» ou de «nœuds» individuels, tous les traitements sont très parallèles et distribués. Les «souvenirs» sont stockés dans les interconnexions complexes et les pondérations entre les nœuds.

Le réseautage neuronal est le type d'architecture informatique utilisée par les cerveaux animaux dans la nature. Ce n'est pas nécessairement parce que le réseau neuronal est un mode de traitement intrinsèquement supérieur que l'informatique en série, mais parce qu'un cerveau qui utilise l'informatique en série serait beaucoup plus difficile à évoluer progressivement. Les réseaux de neurones ont également tendance à gérer les "données bruyantes" mieux que les ordinateurs en série.

Dans un réseau neuronal à actionLED avec des nœuds spécialisés prend des informations, puis envoie un signal à une deuxième couche en fonction des informations qu'elle a reçues de l'extérieur. Ces informations sont généralement un signal binaire "oui ou non". Parfois, pour passer d'un «non» à un «oui», le nœud doit ressentir une certaine quantité de seuil d'excitation ou de stimulation.

Les données se déplacent de la couche d'entrée vers les couches secondaires et tertiaires, etc., jusqu'à ce qu'elle atteigne une "couche de sortie" finale qui affiche les résultats sur un écran pour les programmeurs à analyser. La rétine humaine fonctionne basée sur les réseaux de neurones. Les nœuds de premier niveau détectent des fonctionnalités géométriques simples dans le champ visuel, comme les couleurs, les lignes et les bords. Les nœuds secondaires commencent à abstraction de fonctionnalités plus sophistiquées, telles que le mouvement, la texture et la profondeur. La «sortie» finale est ce que notre conscience enregistre lorsque nous regardons le champ visuel. L'entrée initiale n'est qu'un arrangement complexede photons qui signifieraient peu sans le matériel neurologique pour le donner un sens en termes de qualités significatives, telles que l'idée d'un objet durable.

Dans les réseaux de neurones en rétablissement, les sorties des couches antérieures peuvent revenir à ces couches pour contraindre d'autres signaux. La plupart de nos sens fonctionnent de cette façon. Les données initiales peuvent provoquer une "supposition éduquée" au résultat final, suivie par la recherche de données futures dans le contexte de cette supposition éclairée. Dans les illusions d'optique, nos sens font des suppositions éduquées qui se révèlent fausses.

Au lieu de programmer des réseaux de neurones de manière algorithmique, les programmeurs doivent configurer un réseau neuronal avec une formation ou un réglage délicat de neurones individuels. Par exemple, la formation d'un réseau de neurones pour reconnaître les visages nécessiterait de nombreuses séries de formation dans lesquelles différents objets "FACELIKE" et "Unchelike" ont été montrés au réseau, accompagnés de commentaires positifs ou négatifs pour cajoler le réseau neuronal en améliorant les compétences de reconnaissance.