Qu'est-ce qu'un neurone artificiel?
Un neurone artificiel est une fonction mathématique de la programmation logicielle pour les systèmes informatiques qui tente, dans une certaine mesure, de simuler l’interaction complexe de neurones biologiques ou de cellules conductrices d’impulsions dans le cerveau et le système nerveux humains. La première version de neurone artificiel a été créée en 1943 par Warren McCulloch et Walter Pitts en tant que forme de neurone binaire, dans laquelle l'entrée pouvait être une valeur de 1 ou -1. Ensemble, une combinaison de ces entrées est pondérée. Si un certain seuil est dépassé, la sortie du neurone artificiel est égale à 1 et, si les entrées sont insuffisantes lorsqu'elles sont combinées, la sortie est une valeur -1.
Ensemble, une collection de neurones artificiels interconnectés est censée fonctionner de manière fondamentale, comme le fait le cerveau humain. Une telle conception de réseau de neurones artificiels est considérée comme un pas essentiel sur la voie du développement de la vie artificielle, des systèmes informatiques synthétiques qui peuvent, dans une certaine mesure, raisonner comme l’être humain. Les systèmes informatiques intelligents utilisent aujourd'hui déjà des réseaux de neurones qui permettent un traitement parallèle de la saisie de données plus rapidement que la programmation informatique linéaire traditionnelle.
Un exemple de système à l'œuvre qui dépend du neurone artificiel est un système de protection des cultures mis au point en 2006, qui utilisait un véhicule volant pour analyser les conditions des cultures afin de détecter la présence de maladies et d'organismes nuisibles saisonniers. Le logiciel de réseau de neurones a été choisi pour contrôler le balayage des cultures, car les réseaux de neurones apprennent essentiellement des ordinateurs. Au fur et à mesure que de plus en plus de données leur parviennent sur les conditions locales, ils détectent plus efficacement les problèmes, afin de pouvoir les contrôler rapidement avant qu'ils ne se propagent. En revanche, un système standard contrôlé par ordinateur aurait traité de manière égale l’ensemble du champ de cultures, quelles que soient les conditions variables dans certaines sections. Sans une reprogrammation continue des concepteurs, il se serait révélé beaucoup plus inefficace qu'un système basé sur des adaptations de neurones artificiels.
Le logiciel de réseau neuronal offre également l’avantage de pouvoir être adapté par des ingénieurs qui ne sont pas familiarisés avec la conception de base du logiciel au niveau du codage. Le logiciel peut être adapté à un large éventail de conditions et acquiert de la compétence à mesure qu’il est exposé à ces conditions et collecte des données à leur sujet. Au départ, un réseau de neurones produira une sortie incorrecte comme solution aux problèmes, mais, lorsque cette sortie est produite, elle est renvoyée dans le système sous forme d'entrée et un processus continu d'affinage et de pesée des données l'amène à une compréhension de plus en plus précise des données réelles. conditions du monde, compte tenu du temps et des retours.
L'adaptation dans la conception d'un réseau neuronal a conduit à d'autres types de neurones artificiels en plus de la structure de base des neurones binaires créée en 1943. Les réseaux neuronaux semi-linéaires incorporent des fonctions linéaires et non linéaires activées par des conditions. Si le problème analysé affiche des conditions qui ne sont ni linéaires, ni clairement prévisibles, ni mineures, les fonctions non linéaires du système sont utilisées en prenant plus de poids que les calculs linéaires. À mesure que la formation du système neuronal se poursuit, le système parvient à mieux contrôler les conditions réelles qu'il surveille par rapport à ce que devraient être les conditions idéales du système. Cela implique souvent l'incorporation de modèles neuro-flous dans le réseau de neurones, capables de prendre en compte le degré d'imprécision dans la production de sortie et d'états de contrôle significatifs.