Sztuczne sieci neuronowe. Czym są i jak działają?
Pomysł na stworzenie sztucznych sieci neuronowych, bo tak naukowo nazwano ten projekt, zrodził się już dość dawno, jednakże nie było jeszcze odpowiedniej technologii, aby go zrealizować. Dopiero ostatnie dekady były świadkiem pierwszych prób zastosowania tej teorii w praktyce.
Współczesne metody obrazowego badania mózgu pozwalają na badanie mózgu w skali mikro, na poziomie funkcjonowania pojedynczego neuronu oraz w skali makro – na przykład na poziomie przepływu krwi w poszczególnych częściach mózgu. Poznanie mechanizmów rządzących procesami mentalnymi wymaga jednak użycia narzędzi do badania poziomu pośredniego, czyli zespołu neuronów.
Najciekawsze w tym względzie byłoby poznanie, jak poszczególne zespoły neuronów dają początek percepcji, pamięci, kontroli motorycznej oraz myśleniu abstrakcyjnemu. Niestety obecnie nie posiadamy narzędzi, aby badać mózg na takim poziomie jego organizacji. Możemy co prawda dowiedzieć się wiele na temat racy pojedynczego neuronu, jego połączeń synaptycznych, roli neurotransmiterów itd., ale nie potrafimy zbadać pracy mózgu na poziomie pośrednim, czyli zespołów neuronów.
Teoria sztucznych sieci neuronowych
Wobec tego wyzwania z nieoczekiwaną pomocą przychodzi nam właśnie teoria sztucznych sieci neuronowych. Komputerowe modelowanie sieci neuronowej pozwala na badanie przynajmniej niektórych właściwości pośredniego poziomu pracy mózgu. Podejście to w filozofii nazywano koneksjonizmem.
Teoria, która dzisiaj posiada już dość długą historię, miała swój przełomowy moment w odkryciu istnienia szczeliny synaptycznej (Ramón y Cajal). Dało to początek pierwszej teorii uczenia opartej na zmianie połączeń między neuronami, które od tego czasu były traktowane jako oddzielne elementy systemu.
Teoria sztucznych sieci neuronowych, która rozwijała się od lat 40-tych XX wieku, jest nawiązaniem do jeszcze starszej od siebie tradycji badawczej w psychologii zwanej asocjacjonizmem. Jej dynamiczny rozwój dokonał się jednak niedawno, dzięki rozwojowi techniki komputerowej. Ta ostatnia sprawiła, że modelowanie pracy mózgu stało się coraz bardziej realne.
Sztuczne sieci neuronowe – budowa i funkcjonowanie
Choć komputerowe modele sieci neuronowych są tylko uproszczonym przybliżeniem realnej pracy umysłu-mózgu, pozwalają mówić o specyficznych właściwościach tego typu systemów.
Do najważniejszych cech sztucznych sieci neuronowych należą:
- Równoległe przetwarzanie danych poprzez jednostki (tj. rdzenie, sztuczne neurony), które mają odpowiadać pojedynczym neuronom w mózgu jest zorganizowane warstwowo. Informacja jest przetwarzana równocześnie przez wiele jednostek w różnych warstwach.
- Warstwy pośrednie są połączone z warstwami poprzedzającymi oraz z warstwami po nich następującymi. Wzorzec połączeń jednostki w systemie stanowi jej identyfikację. Siła (waga) połączeń określonej jednostki w systemie zmienia się dzięki procesowi uczenia się. Sieci różnią się od siebie właśnie siłą poszczególnych połączeń.
- Jednostki nie różnią się od siebie. Wyróżnia je tylko to, z jakimi innymi jednostkami są połączone.
- Sztuczne sieci neuronalne nie są programowane, ale uczone. Są wyposażone w ogólne algorytmy umożliwiające im uczenie się, a dokonuje się to dzięki zmianom połączeń między jednostkami oraz modyfikację siły tych połączeń (od -1 do 1).
- Sztuczne sieci są wyposażone najczęściej w jedną warstwę ukrytą, podczas gdy w zespole mózg-umysł jest ich bardzo wiele.
- Pożądany skutek (wyjście) uzyskuje się poprzez trenowanie sieci. Najpopularniejszą metodą jest uogólniona reguła delta (backpropagation of error), która zmniejsza błąd na wyjściu poprzez korygowanie go w odniesieniu do efektu pożądanego.
- Zapis informacji w sieciach neuronalnych jest rozproszony, tzn. pamięć jest rozłożona pomiędzy połączeniami, a nie jest zlokalizowana w jednym miejscu, jak to ma miejsce w klasycznym komputerze. Ponadto także przetwarzanie informacji jest procesem zintegrowanym z jej przechowywaniem, co również naśladuje sposób funkcjonowania zespołu mózg-umysł.
- Sztuczne sieci neuronalne, podobnie jak zespół mózg-umysł, zachowują względną sprawność nawet w przypadku niewielkich uszkodzeń oraz zniekształceń na wejściu podczas, gdy normalne komputery w takich przypadkach przestają działać.
Wymienione cechy budowy i funkcjonowania sztucznych sieci neuronowych pozwalają nam zrozumieć sposób funkcjonowania mózgu-umysłu człowieka na poziomie działania, o którym dotychczas niewiele było wiadomo.
Chcesz dowiedzieć się więcej o podobieństwach i różnicach w pracy mózgu i komputera?
Zobacz również:
