O que é uma rede neural?

Em um computador típico, feito de acordo com o que é chamado de arquitetura von Neumann, os bancos de memória vivem em um módulo isolado. Existe apenas um processador, que processa instruções e a memória reescreve um por um, usando uma arquitetura serial. Uma abordagem diferente da computação é a rede neural. Em uma rede neural, composta por milhares ou até milhões de "neurônios" ou "nós" individuais, todo o processamento é altamente paralelo e distribuído. "Memórias" são armazenadas dentro das complexas interconexões e ponderações entre nós.

Rede neural é o tipo de arquitetura de computação usada pelos cérebros de animais na natureza. Isso não é necessariamente porque a rede neural é um modo inerentemente superior de processamento do que a computação em série, mas porque um cérebro que usa computação em série seria muito mais difícil de evoluir de forma incremental. As redes neurais também tendem a lidar com "dados barulhentos" melhor que os computadores em série.

Em uma rede neural feedforward, uma "camada de entrada" filO LED com nós especializados obtém informações e envia um sinal para uma segunda camada com base nas informações recebidas de fora. Esta informação geralmente é um sinal binário de "sim ou não". Às vezes, passar de um "não" para um "sim", o nó precisa experimentar uma certa quantidade limiar de excitação ou estimulação.

Os dados se movem da camada de entrada para as camadas secundárias e terciárias, e assim por diante, até atingir uma "camada de saída" final, que exibe resultados em uma tela para os programadores analisarem. As obras de retina humana com base em redes neurais. Os nós de primeiro nível detectam recursos geométricos simples no campo visual, como cores, linhas e bordas. Os nós secundários começam a abstrair características mais sofisticadas, como movimento, textura e profundidade. A "saída" final é o que nossa consciência registra quando olhamos para o campo visual. A entrada inicial é apenas um arranjo complexode fótons que significariam pouco sem o hardware neurológico para entender isso em termos de qualidades significativas, como a idéia de um objeto duradouro.

Ao regresso a redes neurais, as saídas de camadas anteriores podem retornar a essas camadas para restringir outros sinais. A maioria dos nossos sentidos funciona dessa maneira. Os dados iniciais podem levar a um "palpite educado" no resultado final, seguido de dados futuros no contexto desse palpite educado. Nas ilusões de ótica, nossos sentidos fazem palpites educados que acabam sendo errados.

Em vez de programar redes neurais algoritmicamente, os programadores devem configurar uma rede neural com treinamento ou ajuste delicado de neurônios individuais. Por exemplo, o treinamento de uma rede neural para reconhecer rostos exigiria muitas execuções de treinamento em que objetos diferentes "parentes facliços" e "não facliários" foram mostrados à rede, acompanhados de feedback positivo ou negativo para persuadir a rede neural a melhorar as habilidades de reconhecimento.