Hva er et tilbakevendende nevralt nettverk?

Kunstige nevrale nettverk er informasjonsbehandlingssystemer basert på naturlige nervesystemer som den menneskelige hjernen. De består av mange individuelle kunstige nevroner som er sammenkoblet, kan løse problemer sammen og har evnen til å lære. Et tilbakevendende nevralt nettverk (RNN) ligner spesielt den menneskelige hjernen fordi det inneholder tilbakemeldingsløkker. Disse lar signalene bevege seg både fremover og bakover, og skaper et mer komplekst og mindre stabilt system. Det tilbakevendende nevrale nettverket er dynamisk, og etter hver inngang endres systemets tilstand kontinuerlig til det når en likevekt.

Menneskelige hjerner kan beskrives som biologiske tilbakevendende nevrale nettverk. Et kunstig tilbakevendende nevralt nettverk deler hjernens evne til å lære prosesser og atferd. Dette er ikke mulig med metoder for tradisjonell maskinlæring. Til sammen med andre typer nevrale nettverk er et tilbakevendende nevralt nettverk spesielt godt til å gjenkjenne mønstre og oppdage trender. Det er funnet en rekke potensielle bruksområder for denne typen beregningsmodeller, inkludert anerkjennelse av sykdom fra medisinske skanninger, modellering av kroppssystemer, tale- og håndskriftgjenkjenning og prognoser for aksjemarkedet.

Typisk vil et tilbakevendende nevralt nettverk bli brukt til å løse et problem der det er kjent, eller sterkt mistenkt, at det er en slags forbindelse mellom datainngangen og den ukjente utgangen. Nettverket vil bli trent, eller trene seg selv, til å utarbeide det forholdet og gi en mulig utgangsverdi. Et tilbakevendende nevralt nettverk er i stand til å håndtere store komplekse problemer der noen verdier mangler eller er ødelagte. Evnen til å lære fra eksempel gjør den kraftig og fleksibel, og fjerner behovet for å lage en algoritme for hver spesifikke oppgave.

Gjentagende nevrale nettverk kan beskrives som ikke-lineære statistiske datamodelleringsverktøy. Tilstedeværelsen av tilbakemeldingsløkker betyr at de er adaptive systemer, som er i stand til å svare på endringer. Et tilbakevendende nevralt nettverk brukt innen robotikk kan gjøre det mulig for en robot å lære av erfaring, slik at den kan ta beslutninger om hvilken retning han skal ta for å nå et mål. Det kan til og med være mulig å utvikle nysgjerrighet hos roboter ved å gjøre det givende å fokusere på ting som er uforutsigbare, men ikke helt tilfeldige. Noen forskere mener at bevisstheten i seg selv er en mekanisk prosess, og at det kan være mulig å utvikle en bevisst form for tilbakevendende nevralt nettverk en dag, selv om dette ville føre til etiske spørsmål om roboters og maskiners rettigheter.