Hva er nevrell læring?

Nevrell læring er basert på troen på at hjernen fungerer som en datamaskin når den behandler ny informasjon. Datainnsats, organisering og henting er primære hensyn. Det biologiske grunnlaget for nevral læring er et nevralt system, som refererer til den sammenkoblede strukturen til hjerneceller. Denne forståelsen av forholdet mellom hjernestruktur og funksjon har blitt brukt til å utvikle bedre lærings- og hukommelsesbevarelsesbegrep. Rammen fungerer også som grunnlag for kunstige nevrale nettverkssystemer.

I følge den nevrale læringsmodellen kommer informasjon først inn i hjernen gjennom datainndata. Hjernen må da lagre denne informasjonen og kombinere den med allerede til stede informasjon via dataorganisasjon. Det siste trinnet er datainnhenting, der hjernen utvikler systemer for å ta lagret informasjon fra sinnet og bruke den. Nevrell læring viser dermed til disse kollektive prosessene der hjernen samler, lagrer og bruker informasjon som er oppnådd gjennom livserfaringer. Noen ganger blir læringsprosesser så kodet i hjernen at innhenting av informasjon skjer nesten automatisk, som i truende situasjoner.

Hukommelse er derfor et viktig konsept i nevrell læring, akkurat som med datamaskiner. Effektiv koding av informasjon kan hjelpe med mnemoniske teknikker. Disse metodene innebærer å huske store biter av informasjon via minnetegn. For eksempel kan en person søke å lære en lang rekke ord ved å lage en setning der hvert ord inneholder den første bokstaven i hvert ord på listen. En annen tilnærming kan innebære å lage et fantasifullt visuelt bilde som representerer et ord. Denne tilnærmingen er vanlig ved å memorere kompleks informasjon som medisinske termer.

Mnemoniske enheter er ofte avhengige av et annet viktig konsept i nevrell læring: hvilken type læringsstil en hjerne er kablet til å implementere. Noen individer er dyktigere med visuelle læringsmetoder, mens andre jobber bedre når læringen er mer lese- eller ordbasert. Andre tilnærminger kan inkludere auditiv læring og anvendt samarbeidende læring.

Noen lærere i nevral læring omfavner en helhetlig tilnærming til læring. Med andre ord, enkeltpersoner bør vurdere ideer og begreper på en naturalistisk måte, i stedet for å stole på rote-læringsmetoder som vektlegger spesifikke og isolerte fakta. Notataking kan dermed bestå av en trelignende tilnærming der konsepter forgrener seg fra hverandre og enkeltpersoner skaper sine egne unike assosiasjoner for å styrke konsepter i minnet.

Overføring og lagring av informasjon skjer blant nettverk av nevroner eller hjerneceller. Nevrale nettverk er også grunnlaget for mye kunstig intelligens. Faktisk refererer nevrell læring noen ganger til metodene for kunstig intelligensdesign som etterligner menneskelige nevrale strukturer. Slike nevrale nettverk har vist seg nyttige på mange komplekse maskinytelsesarenaer som spenner fra talegjenkjenning til implementering av kontroller for roboter.

For disse metodene er de kunstige små strukturer som er mønstret etter menneskelige nevroner kjent som enheter eller noder. I likhet med nevroner er disse enhetene programmert til å motta innkommende informasjon, eller input, og også for å overføre informasjon eller output. I kunstige intelligensmaskiner kobles inngangs- og utgangskomponenter gjentatte ganger slik at assosiasjoner skapes i det kunstige intelligenssystemet. Disse dannede assosiasjonene utgjør nevral læring for systemet, og - som menneskelig læring - kan assosiasjonene styrkes når de blir kodet og memorert. Forsterkningen skjer via læringsregler, eller vektede målinger og matematiske nevrale algoritmer.