Jak dzia a sie neuronowa
Jak dzia a sie neuronowa
Sieci neuronowe to gor cy temat. Wed ug niektórych naukowców stanowi one ostateczne rozwi zanie
problemu sztucznej inteligencji. S dzi si , e urz dzenia te potrafi my le twórczo jak cz owiek i sprawnie jak
maszyna. S te jednak i sceptycy, którzy twierdz , e sieci to tylko przelotna moda: nie s w stanie zrobi nic,
czego nie by by w stanie zrobi klasyczny komputer.
Komputer i sie
Komputer i sie
Jak dzia a standardowy komputer? To nic innego, jak maszyna do wykonywania algorytmów. Wszystkie
jego dzia ania sprowadzaj si do wykonywania szeregów bardzo prostych czynno ci. Ka dy krok musi by
dok adnie zaplanowany. Taka maszyna dobrze wi c sobie radzi ze skomplikowanymi obliczeniami, lecz ma
problemy z dzia aniami, jakie z atwo ci wykonuje ka dy cz owiek: rozpoznawaniem twarzy czy tre ci
wypowiadanych s ów. Tu nie ma bowiem jasnych kryteriów, wiele zale y od wyra nych, ale trudnych do
precyzyjnego sformu owania cech.
Zamiast programu
Zamiast programu
Konstruktorzy sieci neuronowych podj li prób stworzenia maszyn, które by yby wolne od takich
ogranicze . Program opisuj cy kolejne kroki zadania zostaje zast piony p ynn struktur rozproszonych jednostek
przetwarzania, których konstrukcja jest inspirowana sposobem dzia ania neuronów, podstawowych sk adników
mózgu. W tym celu u ywa si szeregu bardzo prostych komputerów czy procesorów, nazywanych w a nie
neuronami, które pogrupowane s w po czone ze sob warstwy. Ka da sie sk ada si z przynajmniej dwóch
warstw wej ciowej i wyj ciowej; zazwyczaj te mi dzy nimi znajduj si warstwy po rednie. Poszczególny neuron
ma jedna z cze wyj ciowe i przynajmniej jedno wej ciowe (a przewa nie jest ich kilka). Sie przetwarza liczby:
ka dy neuron sumuje warto ci na swym wej ciu po pomno eniu ich przez w a ciwy ka demu czu wspó czynnik
zwany wag . Dzi ki temu z zespo u liczb na wej ciu otrzymujemy inny zestaw liczb na warstwie wyj ciowej. Tak
wi c sie , podobnie jak klasyczny komputer, przetwarza dane sprowadzone do postaci cyfrowej. Ró nica polega
jednak na tym, e w tym przypadku nie ma programów, a o kszta cie oblicze decyduje rozk ad wag: to one
stanowi o tym, które cie ki sieci b d mia y wp yw na wynik.
Nauczyciel neuronów
Nauczyciel neuronów
Sztuka budowania sieci polega na tym, by owe warto ci liczbowe odpowiada y interesuj cym nas
w asno ciom danych. Na przyk ad na wej ciu mo emy poda cyfrowy zapis d wi ku ludzkiej mowy, by na wyj ciu
uzyska opis kolejnych liter alfabetu sk adaj cych si na wypowiedziane zdanie. Oczywi cie, brak programu nie
oznacza, e sie dzia a cudem. Proces pisania kodu zast piony jest przez uczenie sieci. Kluczow rol odgrywaj
wspomniane wagi. To one przecie decyduj o wyniku, jaki pojawi si na warstwie wyj ciowej. Uczenie nast puje
poprzez zadanie sieci, w której wagi poszczególnych neuronów s pocz tkowo ustawione przypadkowo,
przyk adowych danych. Dane maj tak sam struktur , jak informacje, które pó niej uk ad b dzie obrabia .
Nauczyciel ocenia, na ile wynik na poszczególnych neuronach wyj ciowych odpowiada jego oczekiwaniom. Je li
jest niepoprawny, sie zmienia wagi tych neuronów, które s po czone ze le ocenion jednostk wyj ciow .
Dzi ki temu po serii kilkuset czy kilku tysi cy przyk adów sie nadaje du wag tym po czeniom, które maj du y
wp yw na uzyskanie poprawnego wyniku, a minimalizuje wp yw czynników nieistotnych.
Zrozumie narz dzia
Zrozumie narz dzia
Ciekaw cech sieci jest to, e nauczyciel nie jest w stanie zrozumie mechanizmu, jaki pozwala sieci
uzyska odpowiedni rezultat. Struktura dróg, jakimi informacja pod a z wej cia na wyj cie, jest zbyt
skomplikowana. Wskazuje on jedynie, kiedy pope niony zosta b d i na ile jest on powa ny. Wa ne jest, by dobra
przyk ady na tylko charakterystyczne, by umo liwi sieci uchwycenie interesuj cych nas cech. Przyk adowo nie
b dziemy w stanie uzyska informacji o masie kuli, daj c na wej ciu dane o jej barwie i powierzchni. Niezb dne
jest te uwzgl dnienie w asno ci materia u, z jakiego jest ona zrobiona. Okazuje si , e jako nauki ma daleko
wi ksze znaczenie ni doskonalenie konstrukcji uk adu poprzez modyfikowanie liczby warstw, po cze mi dzy
neuronami i innych sprz towych czynników.
Neurony w praktyce
Neurony w praktyce
Takie systemy doskonale radz sobie w tych w a nie sytuacjach, w których zawodz tradycyjne metody
oblicze . Umiej one na przyk ad rozpoznawa tekst. Je li zbudujemy sie i na jej warstwie wej ciowej dawa
b dziemy opis poszczególnych punktów obrazu zeskanowanej strony, to do atwo mo na nauczy sie
rozpoznawa poszczególne litery i zamieni plik .bmp w odpowiadaj cy mu pod wzgl dem zawarto ci plik
tekstowy. Podobnie mo na nauczy sieci rozpoznawania mowy czy nazywania przedmiotów widzianych na
zdj ciach. Na technologii sieci neuronowej opiera si wiele programów, na przyk ad Recogniform Desktop Leader
czy InvoicePack firmy Captiva S.C. narz dzie do archiwizacji rachunków, wykorzystuj ce technologi sieci
neuronowych do rozpoznawania pisma. Sieci neuronowe znajduj zastosowanie w wielu dziedzinach ycia. U ywa
si ich do przewidywania zmiany kursów akcji na gie dzie. Niektórzy znani inwestorzy uzyskuj z ich pomoc
znakomite, a przy tym bardzo wymierne rezultaty. Bardzo pilnie strzeg oni jednak kluczowej informacji: tego, jakie
dane dotycz ce papierów warto ciowych podawane s na wej ciu sieci. Du y rozg os zdoby projekt Uniwersytetu
w Kioto, gdzie podejmuje si prób stworzenia opartego mi dzy innymi na osi gni ciach w dziedzinie sieci
neuronowych robota, który dorównywa ma mo liwo ciami ludzkiemu mózgowi. Na razie stworzono robota,
którego moc przetwarzania ma zbli a si do zdolno ci kota, ale prace post puj . Wa n rol w tym projekcie
odgrywa polski naukowiec, Andrzej Buller. Zaawansowane s badania nad zastosowaniem sieci neuronowych do
systemów zarz dzaj cych sygnalizacj wietln . Podobno znany klub pi karski AC Milan zamierza u y sieci
neuronowych do przewidywania kontuzji wartych miliony dolarów pi karzy
Co dalej?
Co dalej?
To w a nie fakt, e sieci radz sobie z problemami, wobec których bezsilne s klasycznie skonstruowane
komputery, sk ania ich entuzjastów do daleko posuni tego optymizmu. Sceptycy maj jednak cz ciowo
s uszno , wskazuj c na wa ne ograniczenia tej technologii. Otó takie konstrukcje bardzo s abo radz sobie
w a nie w tych dziedzinach, w których klasyczne komputery s najsilniejsze. Trudno jest nauczy je dok adnych
oblicze , przeszukiwania baz danych czy innych operacji na symbolach. Nie jest to niemo liwe, ale stosowanie
zwyk ych komputerów okazuje si tu prostsze, ta sze i skuteczniejsze. Nie nale y s dzi , e z dnia na dzie sieci
neuronowe zast pi tradycyjne komputery. Najbardziej wydajne systemy oparte s na wspó pracy obu technologii.
Dobrym przyk adem mo e by system Text Analysys, który analizuje znaczenie tekstu w celu sporz dzania
streszcze d ugich tekstów, wykorzystuj c zarówno analiz neuronow , jak i klasyczn baz danych informacji
j zykowych.
Trudne terminy
Trudne terminy
Algorytm opis kroków s u cych do wykonywania danego zadania. Realizacj algorytmu jest program.
Algorytm
Neuron podstawowy element systemy nerwowego zwierz t i ludzi. Przez analogi mianem tym okre la si te
Neuron
pojedyncze elementy sieci neuronowej.
Sieci neuronowa rodzaj architektury systemu komputerowego. Polega on na przetwarzaniu danych przez
Sieci neuronowa
neurony pogrupowane w warstwy. Odpowiednie wyniki uzyskuje si dzi ki procesowi uczenia, który polega na
modyfikowaniu wag tych neuronów, które s odpowiedzialne za b d.
Waga wspó czynnik, przez który mno one s dane wychodz ce przez poszczególne wyj cia z neuronu. Uczenie
Waga
sieci polega na odpowiednim zmienianiu wag.
Warstwa neurony w sieci pogrupowane s w warstwy. Informacje s przetwarzane przez kolejne warstwy, od
Warstwa
wej ciowej do wyj ciowej. Pomi dzy neuronami tej samej warstwy nie ma po cze .