Dacă ați petrecut timp citind despre inteligenţă artificială, aproape sigur ați auzit despre rețelele neuronale artificiale. Dar ce este mai exact unul? În loc să te înscrii la un curs cuprinzător de informatică sau să te aprofundezi în unele dintre resursele mai aprofundate care sunt disponibil online, consultați ghidul nostru la îndemână pentru profesioniști pentru a obține o introducere rapidă și ușoară în această formă uimitoare de mașină învăţare.
Ce este o rețea neuronală artificială?
Rețelele neuronale artificiale sunt unul dintre principalele instrumente utilizate în învățarea automată. După cum sugerează partea „neurală” a numelui lor, ele sunt sisteme inspirate de creier care sunt menite să reproducă modul în care noi, oamenii, învățăm. Rețelele neuronale constau din straturi de intrare și de ieșire, precum și (în cele mai multe cazuri) un strat ascuns format din unități care transformă intrarea în ceva ce poate folosi stratul de ieșire. Sunt instrumente excelente pentru a găsi modele care sunt mult prea complexe sau numeroase pentru ca un programator uman să le extragă și să învețe mașina să le recunoască.
Videoclipuri recomandate
În timp ce rețelele neuronale (numite și „perceptroni”) există încă din anii 1940, abia în ultimele decenii au devenit o parte majoră a inteligenței artificiale. Acest lucru se datorează apariției unei tehnici numite „backpropagation”, care permite rețelelor să își ajusteze straturile ascunse de neuroni în situații. unde rezultatul nu se potrivește cu ceea ce spera creatorul - cum ar fi o rețea concepută pentru a recunoaște câinii, care identifică greșit o pisică, pt. exemplu.
Legate de
- Ce este RAM? Iată tot ce trebuie să știi
- Nvidia RTX DLSS: tot ce trebuie să știți
- Cerințe de sistem Stable Diffusion PC: de ce aveți nevoie pentru a-l rula?
Un alt progres important a fost apariția rețelelor neuronale de deep learning, în care diferite straturi ale unei rețele multistrat extrag diferite caracteristici până când poate recunoaște ceea ce arată pentru.
Sună destul de complex. Poți să explici ca și cum am cinci ani?
Pentru o idee de bază despre modul în care o rețea neuronală de învățare profundă învață, imaginați-vă o linie de fabrică. După ce materiile prime (setul de date) sunt introduse, acestea sunt apoi trecute pe banda transportoare, fiecare oprire sau strat ulterioară extragând un set diferit de caracteristici de nivel înalt. Dacă rețeaua este destinată să recunoască un obiect, primul strat ar putea analiza luminozitatea pixelilor săi.
Următorul strat ar putea identifica apoi orice margini din imagine, pe baza liniilor de pixeli similari. După aceasta, un alt strat poate recunoaște texturi și forme și așa mai departe. Până la atingerea celui de al patrulea sau al cincilea strat, rețeaua de învățare profundă va fi creat detectoare de caracteristici complexe. Se poate da seama că anumite elemente ale imaginii (cum ar fi o pereche de ochi, un nas și o gură) se găsesc de obicei împreună.
Odată făcut acest lucru, cercetătorii care au instruit rețeaua pot da etichete rezultatelor și apoi pot folosi propagarea inversă pentru a corecta orice greșeli care au fost făcute. După un timp, rețeaua își poate îndeplini propriile sarcini de clasificare fără a avea nevoie de ajutorul oamenilor de fiecare dată.
Dincolo de aceasta, există diferite tipuri de învățare, cum ar fi supravegheat sau învăţare nesupravegheată sau Consolidarea învățării, în care rețeaua învață de la sine încercând să-și maximizeze scorul - așa cum a realizat în mod memorabil de Botul de joc Atari de la Google DeepMind.
Câte tipuri de rețele neuronale există?
Există mai multe tipuri de rețele neuronale, fiecare dintre ele având propriile cazuri de utilizare specifice și niveluri de complexitate. Cel mai elementar tip de rețea neuronală este ceva numit a rețea neuronală feedforward, în care informația se deplasează într-o singură direcție de la intrare la ieșire.
Un tip de rețea mai utilizat este cel rețea neuronală recurentă, în care datele pot circula în mai multe direcții. Aceste rețele neuronale posedă abilități mai mari de învățare și sunt utilizate pe scară largă pentru sarcini mai complexe, cum ar fi învățarea scrisului de mână sau recunoașterea limbii.
Există, de asemenea rețele neuronale convoluționale, Rețele de mașini Boltzmann, Rețele Hopfield, și o varietate de altele. Alegerea rețelei potrivite pentru sarcina dvs. depinde de datele cu care trebuie să o antrenați și de aplicația specifică pe care o aveți în vedere. În unele cazuri, poate fi de dorit să folosiți mai multe abordări, cum ar fi cazul unei sarcini provocatoare, cum ar fi recunoașterea vocii.
Ce fel de sarcini poate face o rețea neuronală?
O scanare rapidă a arhivelor noastre sugerează că întrebarea potrivită aici ar trebui să fie „ce sarcini nu pot o rețea neuronală? Din făcând mașinile să circule autonom pe drumuri, la generând chipuri CGI șocant de realiste, la traducere automată, la detectarea fraudelor, la citindu-ne gândurile, pentru a recunoaște când a pisica este în grădină și pornește aspersoarele; rețelele neuronale se află în spatele multora dintre cele mai mari progrese în I.A.
În linii mari, totuși, ele sunt concepute pentru a identifica modele în date. Sarcinile specifice ar putea include clasificarea (clasificarea seturilor de date în clase predefinite), gruparea (clasificarea datelor în diferite categorii nedefinite) și predicție (folosirea evenimentelor trecute pentru a le ghici pe cele viitoare, cum ar fi piața de valori sau caseta de film birou).
Cum anume „învață” chestii?
În același mod în care învățăm din experiența din viața noastră, rețelele neuronale necesită date pentru a învăța. În cele mai multe cazuri, cu cât mai multe date pot fi aruncate către o rețea neuronală, cu atât acestea vor deveni mai precise. Gândește-te la asta ca la orice sarcină pe care o faci din nou și din nou. În timp, treptat devii mai eficient și faci mai puține greșeli.
Când cercetătorii sau informaticienii și-au propus să antreneze o rețea neuronală, de obicei își împart datele în trei seturi. Mai întâi este un set de antrenament, care ajută rețeaua să stabilească diferitele greutăți între nodurile sale. După aceasta, îl ajustează cu ajutorul unui set de date de validare. În cele din urmă, vor folosi un set de testare pentru a vedea dacă poate transforma cu succes intrarea în ieșirea dorită.
Au rețelele neuronale vreo limită?
La nivel tehnic, una dintre provocările mai mari este timpul necesar antrenării rețelelor, care poate necesita o cantitate considerabilă de putere de calcul pentru sarcini mai complexe. Cea mai mare problemă, totuși, este că rețelele neuronale sunt „cutii negre”, în care utilizatorul introduce date și primește răspunsuri. Ei pot ajusta răspunsurile, dar nu au acces la procesul exact de luare a deciziilor.
Aceasta este o problemă cu un număr de cercetători lucrând activ la, dar va deveni mai presant pe măsură ce rețelele neuronale artificiale joacă un rol din ce în ce mai important în viața noastră.
Recomandările editorilor
- Laptop-uri cu încărcare USB-C: Iată ce trebuie să știți
- Ce este GDDR7? Tot ce trebuie să știți despre VRAM de nouă generație
- Înlocuirea bateriei MacBook Pro: tot ce trebuie să știți
- Ce este Wi-Fi 7: tot ce trebuie să știți despre 802.11be
- YouTube lansează mânere. Iată ce trebuie să știți
