인공 신경망이란 무엇입니까? 여기에 당신이 알아야 할 모든 것이 있습니다

시간을 내어 읽어보셨다면 인공지능, 당신은 인공 신경망에 대해 거의 들어봤을 것입니다. 하지만 정확히 하나는 무엇입니까? 포괄적인 컴퓨터 공학 과정에 등록하거나 컴퓨터 과학에 관한 좀 더 심층적인 리소스를 탐구하는 것보다 온라인에서 이용 가능합니다. 이 놀라운 형태의 기계를 빠르고 쉽게 소개하려면 편리한 일반인 가이드를 확인하세요. 학습.

인공 신경망이란 무엇입니까?

인공 신경망은 기계 학습에 사용되는 주요 도구 중 하나입니다. 이름의 "신경" 부분에서 알 수 있듯이 이는 인간이 학습하는 방식을 복제하도록 고안된 뇌에서 영감을 받은 시스템입니다. 신경망은 입력 및 출력 레이어와 (대부분의 경우) 입력을 출력 레이어에서 사용할 수 있는 것으로 변환하는 단위로 구성된 숨겨진 레이어로 구성됩니다. 이는 인간 프로그래머가 추출하고 기계가 인식하도록 가르치기에는 너무 복잡하거나 많은 패턴을 찾는 데 탁월한 도구입니다.

신경망("퍼셉트론"이라고도 함) 1940년대부터 존재해왔어, 그들이 인공 지능의 주요 부분이 된 것은 지난 수십 년 동안에 불과합니다. 이는 네트워크가 상황에 따라 뉴런의 숨겨진 레이어를 조정할 수 있게 해주는 "역전파"라는 기술이 등장했기 때문입니다. 결과가 제작자가 기대하는 것과 일치하지 않는 경우 — 개를 인식하도록 설계된 네트워크와 같이 고양이를 잘못 식별합니다. 예.

또 다른 중요한 발전은 딥러닝 신경망의 등장입니다. 다층 네트워크의 여러 계층은 찾고 있는 내용을 인식할 수 있을 때까지 다양한 특징을 추출합니다. 을 위한.

꽤 복잡한 것 같네요. 내가 5살인 것처럼 설명할 수 있나요?

딥러닝 신경망이 학습하는 방법에 대한 기본 아이디어를 보려면 공장 라인을 상상해 보세요. 원시 자료(데이터 세트)가 입력된 후 컨베이어 벨트 아래로 전달되며, 각 후속 정지 또는 레이어는 서로 다른 상위 수준 기능 세트를 추출합니다. 네트워크가 객체를 인식하려는 경우 첫 번째 레이어는 해당 픽셀의 밝기를 분석할 수 있습니다.

그런 다음 다음 레이어에서는 유사한 픽셀의 선을 기반으로 이미지의 모든 가장자리를 식별할 수 있습니다. 그 후 다른 레이어는 질감과 모양 등을 인식할 수 있습니다. 네 번째 또는 다섯 번째 계층에 도달할 때쯤이면 딥 러닝 네트워크는 복잡한 특징 탐지기를 생성하게 됩니다. 특정 이미지 요소(눈, 코, 입 등)가 공통적으로 함께 발견되는 것을 파악할 수 있습니다.

이 작업이 완료되면 네트워크를 훈련한 연구원은 출력에 레이블을 지정한 다음 역전파를 사용하여 발생한 실수를 수정할 수 있습니다. 잠시 후, 네트워크는 매번 사람의 도움 없이도 자체 분류 작업을 수행할 수 있습니다.

이 외에도 다음과 같은 다양한 학습 유형이 있습니다. 감독 또는 비지도 학습 또는 강화 학습, 네트워크는 점수를 최대화하려고 노력하여 스스로 학습합니다. Google DeepMind의 Atari 게임 플레이 봇.

신경망에는 몇 가지 유형이 있나요?

신경망에는 여러 유형이 있으며, 각 유형에는 고유한 사용 사례와 복잡성 수준이 있습니다. 가장 기본적인 유형의 신경망은 피드포워드 신경망, 정보는 입력에서 출력으로 한 방향으로만 이동합니다.

보다 널리 사용되는 네트워크 유형은 다음과 같습니다. 순환 신경망, 데이터가 여러 방향으로 흐를 수 있습니다. 이러한 신경망은 더 큰 학습 능력을 갖고 있으며 필기 학습이나 언어 인식과 같은 더 복잡한 작업에 널리 사용됩니다.

또한 있다 컨벌루션 신경망, 볼츠만 기계 네트워크, 홉필드 네트워크, 그리고 다양한 기타. 작업에 적합한 네트워크를 선택하는 것은 네트워크를 훈련시켜야 하는 데이터와 염두에 두고 있는 특정 애플리케이션에 따라 달라집니다. 어떤 경우에는 음성 인식과 같은 어려운 작업의 경우와 같이 여러 가지 접근 방식을 사용하는 것이 바람직할 수 있습니다.

신경망은 어떤 종류의 작업을 수행할 수 있나요?

우리 아카이브를 빠르게 살펴보면 여기서 "어떤 작업을 수행해야 하는가"라는 적절한 질문이 제시됩니다. 캔트 신경망은 어떤가요?” 에서 도로에서 자동차를 자율적으로 주행하게 만드는 것, 에게 놀랍도록 사실적인 CGI 얼굴 생성, 기계 번역, 사기 탐지, 우리의 마음을 읽고, 언제 인식하기 위해 고양이가 정원에 있어서 스프링클러를 켜고 있어요; 신경망은 AI의 가장 큰 발전 뒤에 있습니다.

그러나 광범위하게 말하면 데이터의 패턴을 찾아내기 위해 설계되었습니다. 특정 작업에는 분류(데이터 세트를 미리 정의된 클래스로 분류), 클러스터링(데이터를 다음과 같이 분류)이 포함될 수 있습니다. 정의되지 않은 다양한 카테고리) 및 ​​예측(과거 이벤트를 사용하여 주식 시장이나 영화 박스와 같은 미래 이벤트 추측) 사무실).

그들은 정확히 어떻게 물건을 "학습"합니까?

우리가 삶의 경험을 통해 배우는 것과 마찬가지로 신경망도 학습하려면 데이터가 필요합니다. 대부분의 경우 신경망에 입력할 수 있는 데이터가 많을수록 정확도가 높아집니다. 당신이 계속해서 수행하는 모든 작업처럼 생각하십시오. 시간이 지남에 따라 점차 효율성이 높아지고 실수도 줄어듭니다.

연구원이나 컴퓨터 과학자는 신경망 훈련을 시작할 때 일반적으로 데이터를 세 가지 세트로 나눕니다. 첫 번째는 네트워크가 노드 간에 다양한 가중치를 설정하는 데 도움이 되는 훈련 세트입니다. 그런 다음 검증 데이터 세트를 사용하여 이를 미세 조정합니다. 마지막으로 테스트 세트를 사용하여 입력을 원하는 출력으로 성공적으로 바꿀 수 있는지 확인합니다.

신경망에는 제한이 있나요?

기술 수준에서 더 큰 과제 중 하나는 네트워크를 훈련하는 데 걸리는 시간이며, 이는 더 복잡한 작업을 위해 상당한 양의 컴퓨팅 성능이 필요할 수 있습니다. 그러나 가장 큰 문제는 신경망이 사용자가 데이터를 입력하고 답변을 받는 '블랙박스'라는 점이다. 답변을 세부적으로 조정할 수는 있지만 정확한 의사결정 프로세스에 접근할 수는 없습니다.

이는 많은 연구자들이 겪고 있는 문제이다. 적극적으로 노력하고 있다그러나 인공 신경망이 우리 삶에서 점점 더 큰 역할을 하게 되면서 이는 더욱 시급해질 것입니다.

편집자의 추천

• USB-C 충전 노트북: 알아야 할 사항은 다음과 같습니다.
• GDDR7이란 무엇입니까? 차세대 VRAM에 대해 알아야 할 모든 것
• MacBook Pro 배터리 교체: 알아야 할 모든 것
• Wi-Fi 7이란 무엇입니까? 802.11be에 대해 알아야 할 모든 것
• YouTube는 핸들을 출시하고 있습니다. 당신이 알아야 할 사항은 다음과 같습니다