Xarxa neuronal: què és? Definició, significat i abast

2024 Autora: Leah Sherlock | [email protected]. Última modificació: 2023-12-17 05:30

Abans només es coneixia pels llibres de ciència-ficció, el terme xarxa neuronal dels darrers anys ha entrat gradualment i de manera imperceptible a la vida pública com a part integral dels últims desenvolupaments científics. Per descomptat, des de fa força temps, les persones implicades en la indústria del joc saben que es tracta d'una xarxa neuronal. Però avui en dia el terme el troba tothom, és conegut i entès per les grans masses. Sens dubte, això indica que la ciència s'ha acostat a la vida real i que ens esperen nous avenços en el futur. I, tanmateix, què és una xarxa neuronal? Intentem esbrinar el significat de la paraula.

Present i futur

En els vells temps, la xarxa neuronal, Hort i els caminants espacials eren conceptes estretament relacionats, perquè només era possible trobar-se amb intel·ligència artificial amb habilitats molt superiors a una simple màquina només en un món de fantasia que sorgeix en la imaginació de alguns autors. I, tanmateix, les tendències són tals que recentment al voltant d'una persona normal en realitat hi ha cada cop més aquells objectes que abans només s'esmentaven a la literatura de ciència ficció. Això ens permet dir que fins i tot el vol més violent de la fantasia, potser, tard o d'hora, trobarà el seu equivalent en la realitat. Llibres sobre èxits, xarxes neuronals jaara tenen més coses en comú amb la realitat que fa deu anys, i qui sap què passarà d'aquí a una altra dècada?

Una xarxa neuronal en realitats modernes és una tecnologia que permet identificar persones, tenint només una fotografia a la teva disposició. La intel·ligència artificial és bastant capaç de conduir un cotxe, pot jugar i guanyar una partida de pòquer. A més, les xarxes neuronals són noves maneres de fer descobriments científics, que us permeten recórrer a capacitats informàtiques abans impossibles. Això ofereix oportunitats úniques per entendre el món actual. Tanmateix, només a partir de les notícies que anuncien els darrers descobriments, poques vegades queda clar què és una xarxa neuronal. S'ha d'aplicar aquest terme a un programa, una màquina o un complex de servidors?

Vista general

Com podeu veure pel mateix terme "xarxa neuronal" (les fotos que es presenten en aquest article també permeten entendre-ho) és una estructura dissenyada per analogia amb la lògica del cervell humà. Per descomptat, copiar una estructura completament biològica d'un nivell de complexitat tan alt en aquest moment no sembla realista, però els científics ja han estat capaços d'apropar-se notablement a resoldre el problema. Diguem que les xarxes neuronals de creació recent són força efectives. Hort i altres escriptors que van publicar obres fantàstiques gairebé no sabien en el moment d'escriure els seus treballs que la ciència podria avançar tan lluny aquest any.

La peculiaritat del cervell humà és que és una estructura de nombrosos elements, entre els qualsLa informació es transmet constantment a través de les neurones. De fet, les noves xarxes neuronals també són estructures similars, on els impulsos elèctrics proporcionen l'intercanvi de dades rellevants. En una paraula, com en el cervell humà. I, tanmateix, no està clar: hi ha alguna diferència amb un ordinador convencional? Al cap i a la fi, la màquina, com sabeu, també es crea a partir de peces, les dades entre les quals es transfereixen mitjançant un corrent elèctric. Als llibres sobre l'espai, les xarxes neuronals, tot sembla encisador: màquines enormes o minúscules, d'un cop d'ull en què els personatges entenen amb què estan tractant. Però, en realitat, la situació és diferent fins ara.

Com es construeix?

Com es pot comprovar en els articles científics sobre xarxes neuronals (“Spacewalkers”, malauradament, no pertanyen a aquesta categoria, per molt fascinants que siguin), la idea en l'estructura més progressista en el camp de la intel·ligència artificial, en la creació d'una estructura complexa, les parts individuals de la qual són molt simples. De fet, fent un paral·lelisme amb els humans, es pot trobar una semblança: per exemple, només una part del cervell d'un mamífer no té grans habilitats, capacitats i no pot proporcionar un comportament intel·ligent. Però quan es tracta d'una persona en conjunt, aquesta criatura passa amb calma la prova del nivell d'intel·ligència sense cap problema particular.

Malgrat aquestes similituds, un enfocament similar per crear intel·ligència artificial es va ostracitzar fa uns anys. Això es pot veure tant en articles científics com en llibres de ciència ficció sobre la xarxa neuronal ("Spacewalkers" esmentat anteriorment, per exemple). Per cert, fins a cert punt, fins i tot declaracionsCiceró es pot associar amb la idea moderna de xarxes neuronals: en un moment, va suggerir de manera més aviat càustica que els micos llencessin a l'aire cartes escrites en fitxes, de manera que tard o d'hora se'n formaria un text significatiu. I només el segle XXI va demostrar que aquesta malícia era completament injustificada. La xarxa neuronal i la ciència-ficció van anar per la seva banda: si doneu a un exèrcit de micos moltes fitxes, no només crearan un text significatiu, sinó que també guanyaran poder sobre el món.

La força està en la unitat, germà

Com hem après de nombrosos experiments, entrenar una xarxa neuronal porta a l'èxit quan l'objecte en si inclou una gran quantitat d'elements. Com fan broma els científics, de fet, una xarxa neuronal es pot muntar a partir de qualsevol cosa, fins i tot a partir de caixes de llumins, ja que la idea principal és un conjunt de regles que la comunitat resultant obeeix. Normalment les regles són bastant senzilles, però permeten controlar el procés de processament de dades. En aquesta situació, una neurona (encara que sigui artificial) no serà en absolut un dispositiu, ni una estructura complexa ni un sistema incomprensible, sinó simples operacions aritmètiques, implementades amb un consum energètic mínim. Oficialment en ciència, les neurones artificials s'anomenen "perceptrons". Les xarxes neuronals ("Spacefalls" ho il·lustren bé) haurien de ser molt més complexes segons alguns autors científics, però la ciència moderna demostra que la senzillesa també dóna resultats excel·lents.

El funcionament d'una neurona artificial és senzill: s'introdueixen números, es calcula el valor de cadascunbloc d'informació, els resultats se sumen, la sortida és una unitat o el valor "-1". El lector ha volgut mai estar entre els caiguts? Les xarxes neuronals funcionen d'una manera completament diferent a la realitat, almenys en el moment actual, per tant, quan us imagineu en una obra de fantasia, no us hauríeu d'oblidar d'això. De fet, una persona moderna pot treballar amb intel·ligència artificial, per exemple, així: podeu mostrar una imatge i el sistema electrònic respondrà a la pregunta "o - o". Suposem que una persona estableix el sistema de coordenades d'un punt i pregunta què està representat: la terra o, per exemple, el cel. Després d'analitzar la informació, el sistema dóna una resposta, molt possiblement incorrecta (segons la perfecció de la IA).

Doncs cap amunt

Com podeu veure a la lògica de la xarxa neuronal moderna, cada element d'aquesta està intentant endevinar la resposta correcta a la pregunta que es fa al sistema. En aquest cas, hi ha poca precisió, el resultat és comparable al resultat de llançar una moneda. Però el veritable treball científic comença quan arriba el moment d'entrenar la xarxa neuronal. L'espai, l'exploració de nous mons, la visió de l'essència de les lleis físiques del nostre univers (en què els científics moderns es basen mitjançant xarxes neuronals) s'obriran en el mateix moment en què la intel·ligència artificial aprendrà amb molta més eficiència i eficàcia que una persona.

El fet és que la persona que fa una pregunta al sistema sap la resposta correcta. Així doncs, podeu escriure-ho als blocs d'informació del programa. Un perceptró que dóna la resposta correcta guanya valor, iaquí el que ha contestat malament el perd, rebent una multa. Cada cicle de llançament de nou programa difereix de l'anterior a causa del canvi de nivell de valor. Tornant a l'exemple anterior: tard o d'hora el programa aprendrà a distingir clarament entre la terra i l'espai. Les xarxes neuronals aprenen de manera més eficaç, més correctament s'elabora el programa d'estudis, i la seva formació costa molt d'esforç als científics moderns. Com a part de la tasca establerta anteriorment: si la xarxa neuronal rep una altra foto per analitzar-la, probablement no la pugui processar immediatament amb precisió, però, a partir de les dades obtingudes durant l'entrenament anteriorment, esbrinarà amb precisió on la terra és i on són els núvols, l'espai o alguna cosa més.

Aplicar una idea a la realitat

Per descomptat, en realitat, les xarxes neuronals són molt més complicades que les descrites anteriorment, encara que el principi en si segueix sent el mateix. La tasca principal dels elements a partir dels quals es forma la xarxa neuronal és sistematitzar la informació numèrica. En combinar una gran quantitat d'elements, la tasca es fa més complicada, ja que la informació d'entrada pot no ser de fora, sinó del perceptró, que ja ha fet la seva tasca de sistematització.

Si tornem a la tasca anterior, dins de la xarxa neuronal podeu trobar els processos següents: una neurona distingeix els píxels blaus d' altres, l' altra processa les coordenades, la tercera analitza les dades rebudes per la primera. dos, a partir dels quals decideix si la terra o el cel es troben en un punt determinat. A més, l'ordenació en píxels blaus i altres es pot confiar a diverses neurones simultàniament, i la informació que reben es pot resumir. Aquells perceptrons que donaranun resultat millor i més precís rebrà una bonificació en forma de valor més alt al final, i els seus resultats seran una prioritat a l'hora de reprocessar qualsevol tasca. Per descomptat, la xarxa neuronal resulta ser extremadament voluminosa i la informació que s'hi processa serà una muntanya insuportable, però serà possible tenir en compte i analitzar els errors i prevenir-los en el futur. Els implants basats en xarxes neuronals que es troben en molts llibres de ciència-ficció funcionen així (tret, per descomptat, que els autors es molestin a pensar en com funciona).

Fites històriques

Pot sorprendre el profà, però les primeres xarxes neuronals van aparèixer el 1958. Això es deu al fet que el dispositiu de neurones artificials és similar a altres elements informàtics, entre els quals la informació es transmet en el format d'un sistema de nombre binari. A finals dels anys seixanta es va inventar una màquina, anomenada Mark I Perceptron, en la qual es van implementar els principis de les xarxes neuronals. Això vol dir que la primera xarxa neuronal va aparèixer només una dècada després de la construcció del primer ordinador.

Les primeres neurones de la primera xarxa neuronal constaven de resistències, tubs de ràdio (en aquella època, encara no s'havia desenvolupat un codi que podien utilitzar els científics moderns). Treballar amb una xarxa neuronal va ser la tasca de Frank Rosenblatt, que va crear una xarxa de dues capes. Es va utilitzar una pantalla amb una resolució de 400 píxels per transmetre dades externes a la xarxa. La màquina aviat va ser capaç de reconèixer formes geomètriques. Això ja va suggerir que, amb la millora de les solucions tècniques, les xarxes neuronals podenaprendre a llegir lletres. I qui sap què més?

Primera xarxa neuronal

Com es pot veure a la història, Rosenblatt va cremar literalment amb la seva obra, hi estava perfectament orientat, era especialista en neurofisiologia. Va ser l'autor d'un curs universitari fascinant i popular en què qualsevol podia entendre com implementar el cervell humà en una encarnació tècnica. Fins i tot aleshores, la comunitat científica esperava que aviat hi hauria oportunitats reals per formar robots intel·ligents capaços de moure's, parlar i formar sistemes semblants a ells mateixos. Qui sap, potser aquests robots anirien a colonitzar altres planetes?

Rosentblatt era un entusiasta i el pots entendre. Els científics creien que la intel·ligència artificial es podria realitzar si la lògica matemàtica s'incorporava completament en una màquina. En aquest punt, la prova de Turing ja existia, Asimov va popularitzar la idea de la robòtica. La comunitat científica estava convençuda que l'exploració de l'Univers era qüestió de temps.

Escepticisme justificat

Ja als anys seixanta hi havia científics que discutien amb Rosenblatt i altres grans ments que treballaven en intel·ligència artificial. Es pot obtenir una idea bastant precisa de la seva lògica de fabricació a partir de les publicacions de Marvin Minsky, conegut en el seu camp. Per cert, se sap que Isaac Asimov i Stanley Kubrick van parlar molt bé de les habilitats de Minsky (Minsky el va ajudar a treballar en A Space Odyssey). Minsky no estava en contra de la creació de xarxes neuronals, sobre les qualsLa pel·lícula de Kubrick ho testimonia i, com a part de la seva carrera científica, es va dedicar a l'aprenentatge automàtic als anys cinquanta. No obstant això, Minsky va ser categòric sobre les opinions errònies, criticant les esperances per a les quals en aquell moment encara no hi havia una base sòlida. Per cert, Marvin dels llibres de Douglas Adams porta el nom de Minsky.

La crítica a les xarxes neuronals i el plantejament d'aquella època es sistematitza a la publicació "Perceptron", de 1969. Va ser aquest llibre el que literalment va matar l'interès de moltes persones per les xarxes neuronals de sobte, perquè un científic amb una excel·lent reputació va demostrar clarament que Marc el Primer tenia una sèrie de defectes. En primer lloc, la presència de només dues capes era clarament insuficient i la màquina podia fer molt poc, malgrat la seva mida gegantina i el seu gran consum energètic. El segon punt de crítica es va dedicar als algorismes desenvolupats per Rosenblatt per a la formació en xarxa. Segons Minsky, la informació sobre errors es va perdre amb una alta probabilitat i la capa necessària simplement no va rebre la quantitat total de dades per a una anàlisi correcta de la situació.

Coses aturades

Malgrat que la idea principal de Minsky era assenyalar els errors als seus col·legues per estimular-los a millorar el desenvolupament, la situació era diferent. Rosenblatt va morir el 1971, i no hi havia ningú per continuar la seva feina. Durant aquest període, va començar l'era dels ordinadors, i aquest camp de la tecnologia avançava amb grans passos. Les millors ments de les matemàtiques i la informàtica estaven emprades en aquest sector, i la intel·ligència artificial semblava un malbaratament irracional d'energia i recursos.

Les xarxes neuronals no han cridat l'atenció de la comunitat científica durant més d'una dècada. El punt d'inflexió va arribar quan el ciberpunk es va posar de moda. Va ser possible trobar fórmules mitjançant les quals es poden calcular errors amb gran precisió. El 1986, el problema formulat per Minsky ja va trobar una tercera solució (tots tres van ser desenvolupats per grups independents de científics), i va ser aquest descobriment el que va impulsar els entusiastes a explorar un nou camp: el treball sobre les xarxes neuronals es va tornar a actiu. No obstant això, el terme perceptrons va ser substituït en silenci per la informàtica cognitiva, es va desfer dels dispositius experimentals, va començar a utilitzar la codificació, utilitzant les tècniques de programació més efectives. Només uns quants anys, i les neurones ja estan reunides en estructures complexes que poden fer front a tasques força serioses. Amb el temps, va ser possible, per exemple, crear programes per llegir l'escriptura humana. Les primeres xarxes semblaven capaços d'autoaprenentatge, és a dir, trobaven de manera independent les respostes correctes, sense cap indici de la persona que controlava l'ordinador. Les xarxes neuronals han trobat la seva aplicació a la pràctica. Per exemple, és en ells on s'utilitzen els programes que identifiquen números als xecs a les estructures bancàries dels Estats Units.

Avançar a passos de gegant

A la dècada dels 90, es va fer evident que una característica clau de les xarxes neuronals que requereix una atenció especial dels científics és la capacitat d'explorar una àrea determinada a la recerca de la solució adequada sense demanar-li una persona. El programa utilitza el mètode d'assaig i error, sobre la base del qual crea regles de comportament.

Aquest període va estar marcat per un augment d'interèspúblic a robots improvisats. Dissenyadors entusiastes de tot el món van començar a dissenyar activament els seus propis robots capaços d'aprendre. El 1997, això va suposar el primer èxit veritablement seriós a nivell mundial: per primera vegada, un ordinador va vèncer al millor jugador d'escacs del món, Garry Kasparov. Tanmateix, a finals dels noranta, els científics van arribar a la conclusió que havien arribat al sostre i que la intel·ligència artificial no podia créixer més. A més, un algorisme ben optimitzat és molt més eficient que qualsevol xarxa neuronal per resoldre els mateixos problemes. Algunes funcions es van mantenir amb les xarxes neuronals, per exemple, el reconeixement de textos d'arxiu, però no hi havia res més complicat disponible. Bàsicament, com diuen els científics moderns, hi havia una manca de capacitats tècniques.

El nostre temps

Les xarxes neuronals d'avui són una manera de resoldre els problemes més complexos mitjançant el mètode "la solució es trobarà per si mateixa". De fet, això no està relacionat amb cap revolució científica, només els científics moderns, les lluminàries del món de la programació, tenen accés a una tècnica potent que els permet posar en pràctica allò que abans una persona només podia imaginar en termes generals. Tornant a la frase de Ciceró sobre micos i fitxes: si assigneu algú als animals que els donarà una recompensa per la frase correcta, no només crearà un text significatiu, sinó que escriurà un nou "Guerra i pau", i no és pitjor.

Les xarxes neuronals dels nostres dies estan en servei amb les empreses més grans que treballen en el camp de les tecnologies de la informació. Es tracta de xarxes neuronals multicapa implementades mitjançant servidors potents,utilitzant les possibilitats de la World Wide Web, els conjunts d'informació acumulats durant les últimes dècades.