img159 (11)

153

Elementarne wprowadzenie do techniki sieci neuronowych

Rys. 8.16. Wzorzec nowego zadania dla sieci

	■ i
	nirr^

Rys. 8.17. Niepowodzenie uczenia sieci w przypadku zbyt skomplikowanej

Jakkolwiek bowiem dobrane zostaną parametry sieci i jakkolwiek będzie przebiegała granica między obszarem pozytywnych i negatywnych reakcji

-    sieć zawsze wpadnie w pułapkę związaną z tym, że będzie traktowała jako przyjazne środowisko o jakichś krańcowych właściwościach. Na przykład na wielu kolejnych rysunkach widać, jak modelowane “zwierzę” usiłuje ukryć się w ciemności, wybierając jako główną wskazówkę niewielką ilość światła w kilku podanych przez nauczyciela przykładach - i za to właśnie będzie w trakcie dalszej nauki karane. Zanim przerwałem eksperyment - zwierzę

sformułowało” kolejną niepoprawną hipotezę - zaczęło unikać obszarów, w których panowała złowroga cisza, sądząc, że istotą zadania, którego nie umie rozwiązać jest to, że powinno poszukiwać zgiełku.

Powód niepowodzenia jest prosty - modelowana sieć neuronowa była zbyt prymitywna, żeby nauczyć się tak złożonej formy zachowania, jak “wybór złotego środka”. Dla używanej w doświadczeniu sieci jedyną znaną formą różnicowania wejściowych sygnałów była ich liniowa dyskryminacja

-    a to okazało się w rozważanym tu przykładzie zbyt prymitywne i zbyt