img214 (7)

208

nych klas sygnałów wejściowych, są więc ich detektorami i mogą być użyte do ich sygnalizowania.

Omówiwszy w ten sposób krótko na czym polega efekt koherencji w samoorganizujących się sieciach neuronowych powiem Ci jeszcze w kilku słowach co miałem na myśli mówiąc o kolektywności działania sieci. Otóż sieci w których zachodzi samoorganizacja są tak zorganizowane, że to, co rozpoznaje jeden neuron, w dużej mierze zależy także od tego, co rozpoznają inne neurony. W ten sposób zbiorowość neuronów (czyli ich kolektyw) może w sposób pełniejszy i bogatszy przetwarzać informacje, niż każdy z neuronów z osobna wzięty. Jest to bardzo ciekawy efekt, będący przyczynkiem do ogólniejszych rozważań: otóż system, czyli właśnie zbiorowość odpowiednio powiązanych i współpracujących elementów stwarza możliwość uzyskania nowych form zachowania i nowych postaci działań, znacznie bogatszych, niż by można było oczekiwać biorąc pod uwagę każdy z elementów z osobna. Na przykład każdy pojedynczy owad jest dość głupim i prymitywnym zwierzęciem, a tym czasem zbiorowości owadów (rodzina pszczela, mrowisko, kopiec termitów itp.) zdolne są do celowych, skomplikowanych i bez wątpienia inteligentnych działań. Kiedyś opiszę moje doświadczenia, jakie zebrałem podczas komputerowego modelowania rodziny pszczelej i wtedy napiszę o tym więcej.

Wracając do sieci z samoorganizacją trzeba stwierdzić, że są one dość wygodnym, użytecznym i chętnie stosowanym narzędziem, a ponadto -a może nawet przede wszystkiem - są bardzo interesującym obiektem badań. Szczegóły procesu samoorganizacji zachodzącego w sieciach neuronowych poznasz dokładniej studiując wiadomości przedstawione w tym rozdziale i - jak zwykle - wykonując doświadczenia ze specjalnie przygotowanym w tym celu programem. Kluczem do zrozumienia i używania sieci samoorganizujących się jest pojęcie sąsiedztwa neuronów - i nim się właśnie teraz przez chwilę zajmiemy.

10.2. Jak wprowadza się do sieci sąsiedztwo?

W wyniku przemożnego wpływu losowych wartości początkowych na przebieg prostego procesu samouczenia, opisanego w rozdziale 9, twórca sieci samouczącej się nie ma żadnego wpływu na to, które neurony czego się nauczą. Czasem rozłożenie neuronów sygnalizujących (po zakończonym procesie samouczenia) określone zdarzenia lub określone zjawiska bywa bardzo niewygodne i niekorzystne, nie możesz go jednak zmienić bez “ręcznej” ingerencji w zachowanie sieci, co w ogólnym przypadku jest dość trudne do wykonania, a ponadto jest sprzeczne z przyjętą zasadą sa-