Hva er en kunstig nevron?

En kunstig nevron er en matematisk funksjon i programvareprogrammering for datasystemer som til en viss grad prøver å etterligne den komplekse interaksjonen mellom biologiske nevroner, eller impulsledende celler i menneskets hjerne og nervesystem. Den første versjonen av kunstig nevron ble opprettet i 1943 av Warren McCulloch og Walter Pitts som en form for binær nevron, der innspill enten kunne være en verdi på 1 eller -1. Til sammen vektes en kombinasjon av disse inngangene. Hvis en viss terskel overvinnes, er utgangen fra den kunstige nevronen 1, og hvis inngangene er utilstrekkelige når de kombineres, er utgangen en -1 verdi.

Sammen er en samling av sammenkoblede kunstige nevroner ment å fungere på en grunnleggende måte som den menneskelige hjerne. Slik kunstig nevralt nettverksdesign blir sett på som et viktig springbrett langs veien til å utvikle kunstig liv, syntetiske datasystemer som kan resonnere i en viss kapasitet som mennesker gjør. Intelligente datasystemer i dag bruker allerede nevrale nettverk som muliggjør parallell behandling av datainngang på en raskere måte enn tradisjonell lineær dataprogrammering.

Et eksempel på et system på jobb som er avhengig av den kunstige nevronen, er et avlingsbeskyttelsessystem utviklet i 2006, som benyttet et flyvende kjøretøy for å skanne avlingsforhold for tilstedeværelse av sesongsykdommer og skadedyr. Nevralt nettverksprogramvare ble valgt for å kontrollere skanningen av avlingene, da nevrale nettverk egentlig lærer datamaskiner. Etter hvert som mer data mates inn på lokale forhold, blir de mer effektive til å oppdage problemer slik at de raskt kan kontrolleres før de sprer seg. Et standard datastyrt system derimot, ville ha behandlet hele avlingsfeltet likt, uavhengig av varierende forhold i visse seksjoner. Uten kontinuerlig omprogrammering av designerne, ville det vist seg mye mer ineffektivt enn et system basert på kunstige nevrontilpasninger.

Neural nettverksprogramvare tilbyr også fordelen at den er tilpasningsdyktig av ingeniører som ikke er godt kjent med den grunnleggende utformingen av programvaren på et kodingsnivå. Programvaren kan tilpasses et bredt spekter av forhold, og oppnår dyktighet når den blir utsatt for disse forholdene og samler data om dem. Opprinnelig vil et nevralt nettverk produsere feil utdata som løsninger på problemer, men ettersom denne utgangen blir produsert, føres den tilbake til systemet som input og en kontinuerlig prosess med å foredle og veie dataene fører til en mer og mer nøyaktig forståelse av reell verdensforhold, gitt nok tid og tilbakemeldinger.

Tilpasning i hvordan et nevralt nettverk er designet har ført til andre typer kunstig nevron ved siden av den grunnleggende binære nevronstrukturen som ble opprettet i 1943. Halvlinjære nevrale nettverk inneholder både lineære og ikke-lineære funksjoner som aktiveres av forhold. Hvis problemet som analyseres viser forhold som ikke er lineære, eller som ikke er tydelig forutsigbare, og ikke mindre, benyttes systemets ikke-lineære funksjoner ved å tillegges mer vekt enn de lineære beregningene. Når opplæringen av det nevrale systemet fortsetter, blir systemet bedre til å kontrollere forholdene i den virkelige verden det overvåker i forhold til hva de ideelle forholdene for systemet skal være. Dette innebærer ofte å inkorporere nevrofuzzy modeller i det nevrale nettverket, som er i stand til å gjøre rede for grader av upresisjon når det gjelder å produsere meningsfulle output- og kontrolltilstander.