img013 (68)

Elemen ''prowadzenie do techniki sieci neuronowych

trafię dla nich jasno sprecyzować cele i pokazać przykłady praktycznego ich osiągania, ale nie potrafię nic powiedzieć na temat sposobów i metod osiągania tego celu. Dotyczy to w pierwszej kolejności takich umiejętności, które człowiek posiada, nie mając świadomości tego, jak właściwie uzyskuje on swoje sukcesy. Jako przykład takich umiejętności mogę Ci wskazać rozpoznawanie twarzy. Człowiek robi to bardzo łatwo i bez zastanowienia, ale kiedy wprowadzi się fotografię ludzkiej twarzy do komputera, to absolutnie nie wiadomo, jak analizować i przetwarzać informacje o ciemniejszych i jaśniejszych pikselach składających się na ten obraz, by ustalić tożsamość fotografowanej osoby - niezależnie od kąta widzenia kamery, położenia twarzy, oświetlenia kadru itp. Dotyczy to także takich umiejętności, co do których ja osobiście mamy całkiem fundamentalne wątpliwości, czy w ogóle jakaś reguła istnieje i czy może być ona wykorzystana. Jako przykład tej klasy umiejętności wskazać mogę zagadnienia prognozowania różnych przyszłych zdarzeń na podstawie przeszłości. Jeśli zapewne łatwo zgodzisz się ze mną, gdy powiem, że w przeszłych zdarzeniach zawarte są przesłanki do przewidywania przeszłości - to jednak ani Ty, ani ja, ani nikt inny nie spróbuje nawet budować ścisłych reguł prognozowania przyszłości na podstawie przeszłości. No, może poza najprostszymi przypadkami nieskomplikowanych i całkowicie deterministycznych procesów, takich jak jednostajny ruch planet (łatwo można przewidzieć, gdzie będzie planeta nawet za tysiąc lat) czy inne proste procesy fizyczne (wiadomo, że gdy postawisz wodę w garnku na silnym ogniu, to się zagotuje). Tymczasem z literatury wiadomo, że sieci neuronowe wielokrotnie z powodzeniem stosowano do tego, by przewidywać różne zjawiska i procesy (prognozy giełdowych cen poszczególnych spółek, prognozy kursów walut, prognozy zapotrzebowania na energię elektryczna, prognozy meteorologiczne i hydrologiczne itp.). Kluczem do sukcesu we wszystkich tych przypadkach był fakt, że dysponowano dużą liczbą danych retrospektywnych, które mogły być wykorzystane do tego, żeby sieci neuronowej pokazać odpowiednie przykłady i w ten sposób nauczyć ją skutecznego przewidywania. Zasada działania jest w tym przypadku bardzo prosta, Mając dane z przeszłości można traktować je jako przykłady związków między poprzedzającą sekwencją pewnych zjawisk, a następującym po nich (również znanym, bo mającym miejsce w historii) interesującym końcowym faktem. Na przykład mając do dyspozycji informacje z poprzednich lat mogę łatwo skompletować zestaw danych, zaczynający się od zbioru obserwacji z - przykładowo - poprzedzających jakiś interesujący moment czasu dwóch tygodni oraz podający dokładnie, co się po tych dwóch tygodniach stało. Jeśli takich danych zbierze się dostatecznie dużo - wówczas można sieć nauczyć, by mając obserwacje z przeszłości i nauczyła się przewidywać przyszłość -