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 é reescrita uma por uma, usando uma arquitetura serial. Uma abordagem diferente para a computação é a rede neural. Em uma rede neural, composta por milhares ou mesmo milhões de "neurônios" ou "nós" individuais, todo o processamento é altamente paralelo e distribuído. "Memórias" são armazenadas nas interconexões e ponderações complexas entre os nós.

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

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

Os dados passam da camada de entrada para as camadas secundária e terciária e assim por diante, até atingir uma "camada de saída" final que exibe os resultados em uma tela para os programadores analisarem. A retina humana trabalha com base em redes neurais. Nós de primeiro nível detectam recursos geométricos simples no campo visual, como cores, linhas e arestas. Nós secundários começam a abstrair recursos mais sofisticados, 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 complexo de fótons que significaria pouco sem o hardware neurológico para compreendê-lo em termos de qualidades significativas, como a idéia de um objeto duradouro.

Nas redes neurais de retropropagação, as saídas das camadas anteriores podem retornar a essas camadas para restringir outros sinais. A maioria dos nossos sentidos funciona dessa maneira. Os dados iniciais podem solicitar um "palpite educado" no resultado final, seguido de uma análise de dados futuros no contexto desse palpite educado. Nas ilusões de ótica, nossos sentidos fazem suposições educadas que acabam erradas.

Em vez de programar redes neurais por algoritmo, os programadores devem configurar uma rede neural com treinamento ou ajuste delicado de neurônios individuais. Por exemplo, treinar uma rede neural para reconhecer rostos exigiria muitas execuções de treinamento nas quais diferentes objetos "semelhantes a facetas" e "não faciais" eram mostrados à rede, acompanhados de feedback positivo ou negativo para convencer a rede neural a melhorar as habilidades de reconhecimento.