Wat is een terugkerend neuraal netwerk?
Kunstmatige neurale netwerken zijn informatieverwerkingssystemen gebaseerd op natuurlijke zenuwstelsels zoals het menselijk brein. Ze bestaan uit vele individuele kunstmatige neuronen die onderling verbonden zijn, samen problemen kunnen oplossen en het vermogen hebben om te leren. Een terugkerend neuraal netwerk (RNN) lijkt vooral op het menselijk brein omdat het feedbacklussen bevat. Hiermee kunnen signalen zowel vooruit als achteruit reizen, waardoor een complexer en minder stabiel systeem ontstaat. Het terugkerende neurale netwerk is dynamisch en na elke invoer verandert de toestand van het systeem continu totdat het een evenwicht bereikt.
Menselijke hersenen kunnen worden omschreven als biologische terugkerende neurale netwerken. Een kunstmatig terugkerend neuraal netwerk deelt het vermogen van de hersenen om processen en gedragingen te leren. Dit is niet mogelijk met methoden van traditionele machine learning. Net als bij andere typen neurale netwerken is een terugkerend neuraal netwerk vooral goed in het herkennen van patronen en het signaleren van trends. Er is een aantal mogelijke toepassingen gevonden voor dit soort computermodel, waaronder het herkennen van ziekten uit medische scans, modellering van lichaamssystemen, spraak- en handschriftherkenning en beursvoorspelling.
Gewoonlijk zal een terugkerend neuraal netwerk worden gebruikt om een probleem op te lossen waarvan bekend is of sterk wordt vermoed dat er een soort verband bestaat tussen de gegevensinvoer en de onbekende uitvoer. Het netwerk zal worden getraind of zichzelf trainen om die relatie uit te werken en een mogelijke outputwaarde te bieden. Een terugkerend neuraal netwerk kan grote complexe problemen aanpakken waarin sommige waarden ontbreken of beschadigd zijn. Het vermogen om van voorbeelden te leren, maakt het krachtig en flexibel en elimineert de noodzaak om een algoritme voor elke specifieke taak te maken.
Terugkerende neurale netwerken kunnen worden beschreven als niet-lineaire statistische gegevensmodelleringstools. De aanwezigheid van feedbacklussen betekent dat het adaptieve systemen zijn die kunnen reageren op veranderingen. Een terugkerend neuraal netwerk dat wordt gebruikt op het gebied van robotica kan een robot in staat stellen te leren van ervaringen, waardoor hij beslissingen kan nemen over welke richting hij op gaat om een doel te bereiken. Het is misschien zelfs mogelijk om nieuwsgierigheid in robots te ontwikkelen door het lonend te maken om te focussen op dingen die onvoorspelbaar zijn, maar niet helemaal willekeurig. Sommige wetenschappers geloven dat bewustzijn zelf een mechanisch proces is en dat het op een dag mogelijk zou kunnen zijn om een bewuste vorm van terugkerend neuraal netwerk te ontwikkelen, hoewel dit zou leiden tot ethische vragen over de rechten van robots en machines.