Vad är en konstgjord neuron?
En artificiell neuron är en matematisk funktion i mjukvaruprogrammering för datorsystem som försöker till viss grad emulera den komplexa växelverkan mellan biologiska neuroner eller impulsledande celler i den mänskliga hjärnan och nervsystemet. Den första versionen av konstgjord neuron skapades 1943 av Warren McCulloch och Walter Pitts som en form av binär neuron, där input kan vara antingen ett värde av 1 eller -1. Tillsammans vägs en kombination av dessa ingångar. Om en viss tröskel övervinns är utgången från den konstgjorda nervcellen 1, och om ingångarna är otillräckliga när de kombineras är utgången ett -1-värde.
Tillsammans är en samling av sammankopplade konstgjorda nervceller avsedd att fungera på ett grundläggande sätt som den mänskliga hjärnan. Sådan konstgjord neuralt nätverksdesign ses som ett viktigt steg för att utveckla konstgjorda liv, syntetiska datorsystem som kan resonera i någon kapacitet som människor gör. Intelligenta datorsystem använder idag neurala nätverk som möjliggör parallellbehandling av datainmatning på ett snabbare sätt än traditionell linjär datorprogrammering.
Ett exempel på ett system i arbetet som beror på den konstgjorda nervcellen är ett grödskyddssystem som utvecklades 2006, som använde ett flygande fordon för att söka skördesförhållanden för närvaron av säsongssjukdomar och skadedjur. Neural nätverksprogramvara valdes för att kontrollera skanningen av grödorna, eftersom neurala nätverk i huvudsak lär sig datorer. När mer data matas in i dem vid lokala förhållanden blir de mer effektiva att upptäcka problem så att de snabbt kan kontrolleras innan de sprids. Ett standarddatorstyrt system, å andra sidan, skulle ha behandlat hela grödan fält lika oavsett olika förhållanden i vissa avsnitt. Utan kontinuerlig omprogrammering av designers skulle det ha visat sig mycket mer ineffektivt än ett system baserat på artificiella neuronanpassningar.
Neural nätverksprogramvara erbjuder också fördelen att den kan anpassas av ingenjörer som inte är väl bekanta med den grundläggande designen av programvaran på en kodningsnivå. Programvaran kan anpassas till ett brett spektrum av förhållanden och få kunskaper när den utsätts för dessa förhållanden och samlar data om dem. Ursprungligen kommer ett neuralt nätverk att producera felaktiga utskrifter som lösningar på problem, men när denna utgång produceras matas det tillbaka in i systemet eftersom input och en kontinuerlig process för förfining och vägning av data leder till en mer och mer exakt förståelse av verkliga världsförhållanden, ges tillräckligt med tid och feedback.
Anpassning till hur ett neuralt nätverk utformas har lett till andra typer av konstgjord neuron förutom den grundläggande binära neuronstrukturen som skapades 1943. Halvlinjära neurala nätverk innehåller både linjära och icke-linjära funktioner som aktiveras av förhållanden. Om problemet som analyseras visar förhållanden som inte är linjära, eller som inte är tydligt förutsägbara och inte mindre, används systemets icke-linjära funktioner genom att få större vikt än de linjära beräkningarna. När utbildning av det neurala systemet fortsätter blir systemet bättre på att kontrollera de verkliga förhållandena som det övervakar mot vad de ideala förhållandena för systemet bör vara. Detta inbegriper ofta att neuro-fuzzy modeller införlivas i det neurala nätverket, som kan redovisa grader av oförmåga när det gäller att producera meningsfulla output- och kontrolltillstånd.