Qu'est-ce qu'un réseau de neurones?

Dans un ordinateur typique, construit selon l’architecture de Von Neumann, les banques de mémoire vivent dans un module isolé. Il n'y a qu'un seul processeur, qui traite les instructions et les réécritures en mémoire une par une, en utilisant une architecture en série. Le réseau de neurones est une approche différente de l'informatique. Dans un réseau de neurones, constitué de milliers voire de millions de "neurones" ou "nœuds" individuels, tout traitement est hautement parallèle et distribué. Les "mémoires" sont stockées dans les interconnexions complexes et les pondérations entre les nœuds.

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

Dans un réseau neuronal à anticipation, une "couche d'entrée" remplie de nœuds spécialisés reçoit des informations, puis envoie un signal à une seconde couche sur la base des informations reçues de l'extérieur. Cette information est généralement un signal binaire "oui ou non". Parfois, pour passer d'un "non" à un "oui", le nœud doit faire l'expérience d'un certain seuil d'excitation ou de stimulation.

Les données se déplacent de la couche d'entrée vers les couches secondaire et tertiaire, et ainsi de suite, jusqu'à atteindre une "couche de sortie" finale qui affiche les résultats sur un écran que les programmeurs peuvent analyser. La rétine humaine fonctionne sur des réseaux de neurones. Les nœuds de premier niveau détectent les caractéristiques géométriques simples du champ visuel, telles que les couleurs, les lignes et les arêtes. Les nœuds secondaires commencent à abstraire des caractéristiques plus sophistiquées, telles que le mouvement, la texture et la profondeur. La "sortie" finale est ce que notre conscience enregistre quand nous regardons le champ visuel. L'entrée initiale est juste un arrangement complexe de photons qui aurait peu de sens sans le matériel neurologique pour le comprendre en termes de qualités significatives, telles que l'idée d'un objet durable.

Dans les réseaux de neurones à propagation arrière, les sorties des couches précédentes peuvent revenir à ces couches pour contraindre d'autres signaux. La plupart de nos sens fonctionnent de cette façon. Les données initiales peuvent donner lieu à une "supposition éclairée" au résultat final, suivie par une analyse des données futures dans le contexte de cette supposition éclairée. Dans les illusions d'optique, nos sens émettent des suppositions éclairées qui se révèlent fausses.

Au lieu de programmer des réseaux de neurones de manière algorithmique, les programmeurs doivent configurer un réseau de neurones avec une formation ou un réglage délicat des neurones individuels. Par exemple, former un réseau de neurones à la reconnaissance des visages nécessiterait de nombreuses sessions dans lesquelles différents objets "similaires" et "non similaires" seraient montrés au réseau, accompagnés d'une rétroaction positive ou négative pour amener le réseau de neurones à améliorer ses compétences de reconnaissance.