Neuraal netwerk - wat is het? Definitie, betekenis en reikwijdte

2025 Auteur: Leah Sherlock | [email protected]. Laatst gewijzigd: 2025-01-24 21:15

De term neuraal netwerk, voorheen alleen bekend uit sciencefictionboeken, is de afgelopen jaren geleidelijk en onmerkbaar het openbare leven binnengedrongen als een integraal onderdeel van de nieuwste wetenschappelijke ontwikkelingen. Natuurlijk weten mensen die betrokken zijn bij de game-industrie al heel lang dat dit een neuraal netwerk is. Maar tegenwoordig wordt de term door iedereen gevonden, hij is bekend en begrepen door de brede massa. Dit geeft ongetwijfeld aan dat de wetenschap dichter bij het echte leven is gekomen en dat er in de toekomst nieuwe doorbraken op ons wachten. En toch, wat is een neuraal netwerk? Laten we proberen de betekenis van het woord te achterhalen.

Heden en toekomst

Vroeger waren het neurale netwerk, Hort en ruimtewandelaars nauw verwante concepten, omdat het mogelijk was om kunstmatige intelligentie te ontmoeten met vermogens die veel beter zijn dan een eenvoudige machine, alleen in een fantasiewereld die ontstaat in de verbeelding van sommige auteurs. En toch zijn de trends zodanig dat de laatste tijd rond een gewoon persoon in werkelijkheid steeds meer van die objecten zijn die voorheen alleen in sciencefictionliteratuur werden genoemd. Dit stelt ons in staat te zeggen dat zelfs de meest gewelddadige vlucht van fantasie misschien vroeg of laat zijn equivalent in de werkelijkheid zal vinden. Boeken over hits, neurale netwerken alhebben nu meer gemeen met de werkelijkheid dan tien jaar geleden, en wie weet wat er over nog een decennium zal gebeuren?

Een neuraal netwerk in de moderne realiteit is een technologie waarmee je mensen kunt identificeren, met alleen een foto tot je beschikking. Kunstmatige intelligentie is heel goed in staat om een auto te besturen, een spelletje poker te spelen en te winnen. Bovendien zijn neurale netwerken nieuwe manieren om wetenschappelijke ontdekkingen te doen, waardoor u uw toevlucht kunt nemen tot voorheen onmogelijke computermogelijkheden. Dit geeft unieke kansen om de wereld van vandaag te begrijpen. Alleen uit nieuwsberichten die de laatste ontdekkingen aankondigen, is het echter zelden duidelijk wat een neuraal netwerk is. Moet deze term worden toegepast op een programma, een machine of een complex van servers?

Algemeen beeld

Zoals je kunt zien aan de term 'neuraal netwerk' (de foto's die in dit artikel worden gepresenteerd, maken het ook mogelijk om dit te begrijpen), is het een structuur die is ontworpen naar analogie met de logica van het menselijk brein. Natuurlijk lijkt het kopiëren van een volledig biologische structuur van zo'n hoge mate van complexiteit op dit moment niet realistisch, maar wetenschappers zijn er al in geslaagd om merkbaar dichter bij de oplossing van het probleem te komen. Laten we zeggen dat recent gecreëerde neurale netwerken behoorlijk effectief zijn. Hort en andere schrijvers die fantastische werken publiceerden, wisten op het moment dat ze hun werken schreven nauwelijks dat de wetenschap dit jaar zo ver vooruit zou kunnen stappen.

De eigenaardigheid van het menselijk brein is dat het een structuur is van talrijke elementen, waartusseninformatie wordt voortdurend verzonden via neuronen. In feite zijn nieuwe neurale netwerken ook gelijkaardige structuren, waar elektrische impulsen zorgen voor de uitwisseling van relevante gegevens. Kortom, net als in het menselijk brein. En toch is het niet duidelijk: is er enig verschil met een conventionele computer? De machine wordt immers, zoals u weet, ook gemaakt van onderdelen, waartussen de gegevens worden overgedragen door middel van een elektrische stroom. In boeken over ruimte, neurale netwerken ziet alles er meestal betoverend uit - grote of kleine machines, in één oogopslag begrijpen de personages waar ze mee te maken hebben. Maar in werkelijkheid is de situatie tot nu toe anders.

Hoe is het gebouwd?

Zoals je kunt zien in de wetenschappelijke artikelen over neurale netwerken ("Spacewalkers", behoren helaas niet tot deze categorie, hoe fascinerend ze ook zijn), het idee in de meest vooruitstrevende structuur op het gebied van kunstmatige intelligentie, bij het creëren van een complexe structuur waarvan de afzonderlijke delen heel eenvoudig zijn. Door een parallel met mensen te trekken, kan men een overeenkomst vinden: bijvoorbeeld, slechts één deel van de hersenen van een zoogdier heeft geen grote capaciteiten, capaciteiten en kan geen intelligent gedrag bieden. Maar als het om een persoon als geheel gaat, doorstaat zo'n wezen rustig de test voor het niveau van intelligentie zonder specifieke problemen.

Ondanks deze overeenkomsten, werd een vergelijkbare benadering voor het creëren van kunstmatige intelligentie een paar jaar geleden verbannen. Dit blijkt zowel uit wetenschappelijke artikelen als uit sciencefictionboeken over het neurale netwerk (bijvoorbeeld de hierboven genoemde Spacewalkers). Trouwens, tot op zekere hoogte zelfs uitsprakenCicero kan worden geassocieerd met het moderne idee van neurale netwerken: ooit suggereerde hij nogal bijtend dat apen letters op penningen in de lucht zouden gooien, zodat er vroeg of laat een betekenisvolle tekst uit zou ontstaan. En alleen de 21e eeuw toonde aan dat dergelijke boosaardigheid volkomen onterecht was. Het neurale netwerk en sciencefiction gingen hun eigen weg: als je een leger apen veel tokens geeft, zullen ze niet alleen een betekenisvolle tekst creëren, maar ook macht over de wereld krijgen.

Kracht is in eenheid, broeder

Zoals we uit talloze experimenten hebben geleerd, leidt het trainen van een neuraal netwerk tot succes wanneer het object zelf een groot aantal elementen bevat. Zoals wetenschappers grappen, kan in feite een neuraal netwerk uit alles worden samengesteld, zelfs uit dozen met lucifers, aangezien het hoofdidee een reeks regels is die de resulterende gemeenschap gehoorzaamt. Meestal zijn de regels vrij eenvoudig, maar ze stellen u in staat het gegevensverwerkingsproces te beheersen. In een dergelijke situatie zal een neuron (zij het een kunstmatige) helemaal geen apparaat zijn, geen complexe structuur of een onbegrijpelijk systeem, maar eerder eenvoudige rekenkundige bewerkingen, uitgevoerd met minimaal energieverbruik. Officieel in de wetenschap worden kunstmatige neuronen "perceptrons" genoemd. Neurale netwerken (“Spacefalls” illustreren dit goed) zouden volgens sommige wetenschappelijke auteurs veel complexer moeten zijn, maar de moderne wetenschap laat zien dat eenvoud ook uitstekende resultaten geeft.

De werking van een kunstmatig neuron is eenvoudig: getallen worden ingevoerd, de waarde voor elk wordt berekendinformatieblok, de resultaten worden opgeteld, de output is een eenheid of de waarde "-1". Wilde de lezer ooit bij de gevallenen zijn? Neurale netwerken werken in de werkelijkheid op een heel andere manier, althans op dit moment, dus als je jezelf in een fantasiewerk voorstelt, moet je dit niet vergeten. In feite kan een moderne persoon werken met kunstmatige intelligentie, bijvoorbeeld als volgt: je kunt een foto laten zien en het elektronische systeem beantwoordt de vraag "of - of". Stel dat een persoon het coördinatensysteem van één punt instelt en vraagt wat wordt afgebeeld - de aarde of, laten we zeggen, de lucht. Na analyse van de informatie geeft het systeem een antwoord - mogelijk onjuist (afhankelijk van de perfectie van de AI).

Duim omhoog

Zoals je kunt zien aan de logica van het moderne neurale netwerk, probeert elk element ervan het juiste antwoord te raden op de vraag die aan het systeem wordt gesteld. In dit geval is er weinig nauwkeurigheid, het resultaat is vergelijkbaar met het resultaat van het opgooien van een munt. Maar het echte wetenschappelijke werk begint als het tijd is om het neurale netwerk te trainen. Ruimte, verkenning van nieuwe werelden, inzicht in de essentie van de fysieke wetten van ons universum (waarop moderne wetenschappers vertrouwen met behulp van neurale netwerken) zullen opengaan op het moment dat kunstmatige intelligentie veel efficiënter en effectiever leert dan een persoon.

Het feit is dat de persoon die het systeem een vraag stelt het juiste antwoord weet. U kunt het dus in de informatieblokken van het programma schrijven. Een perceptron dat het juiste antwoord geeft, wint aan waarde, enhier verliest degene die fout heeft geantwoord het en krijgt een boete. Elke nieuwe programmastartcyclus verschilt van de vorige vanwege de verandering in waardeniveau. Terugkomend op het vorige voorbeeld: vroeg of laat leert het programma duidelijk onderscheid te maken tussen aarde en ruimte. Neurale netwerken leren hoe effectiever, hoe correcter het studieprogramma is opgesteld - en de vorming ervan kost moderne wetenschappers veel moeite. Als onderdeel van de eerder gestelde taak: als het neurale netwerk wordt voorzien van een andere foto voor analyse, zal het deze waarschijnlijk niet meteen nauwkeurig kunnen verwerken, maar op basis van de gegevens die eerder tijdens de training zijn verkregen, zal het nauwkeurig achterhalen waar de aarde is, en waar zijn de wolken, de ruimte of iets anders.

Een idee toepassen op de realiteit

Natuurlijk zijn neurale netwerken in werkelijkheid veel gecompliceerder dan hierboven beschreven, hoewel het principe zelf hetzelfde blijft. De belangrijkste taak van de elementen waaruit het neurale netwerk wordt gevormd, is het systematiseren van numerieke informatie. Wanneer een overvloed aan elementen wordt gecombineerd, wordt de taak ingewikkelder, omdat de invoerinformatie misschien niet van buitenaf komt, maar van de perceptron, die zijn werk van systematisering al heeft gedaan.

Als we terugkeren naar de bovenstaande taak, dan kun je binnen het neurale netwerk de volgende processen bedenken: één neuron onderscheidt blauwe pixels van andere, de andere verwerkt de coördinaten, de derde analyseert de gegevens die door de eerste zijn ontvangen twee, op basis waarvan het beslist of de aarde of de lucht zich in een bepaald punt bevindt. Bovendien kan het sorteren in blauwe en andere pixels tegelijkertijd aan meerdere neuronen worden toevertrouwd en kan de informatie die ze ontvangen, worden samengevat. Die perceptrons die zullen geveneen beter en nauwkeuriger resultaat krijgt aan het einde een bonus in de vorm van een hogere waarde, en hun resultaten zullen een prioriteit zijn bij het opnieuw verwerken van een taak. Natuurlijk blijkt het neurale netwerk extreem volumineus te zijn en de informatie die erin wordt verwerkt, zal een ondraaglijke berg zijn, maar het zal mogelijk zijn om fouten in rekening te brengen en te analyseren en in de toekomst te voorkomen. De grotendeels op neurale netwerken gebaseerde implantaten die in veel sciencefictionboeken worden aangetroffen, werken als volgt (tenzij de auteurs natuurlijk de moeite nemen om na te denken over hoe het werkt).

Historische mijlpalen

Het zal de leek misschien verbazen, maar de eerste neurale netwerken verschenen in 1958. Dit komt door het feit dat het apparaat van kunstmatige neuronen vergelijkbaar is met andere computerelementen, waartussen informatie wordt verzonden in het formaat van een binair getalsysteem. Eind jaren zestig werd een machine uitgevonden, de Mark I Perceptron genaamd, waarin de principes van neurale netwerken werden geïmplementeerd. Dit betekent dat het eerste neurale netwerk slechts tien jaar na de bouw van de eerste computer verscheen.

De eerste neuronen van het eerste neurale netwerk bestonden uit weerstanden, radiobuizen (in die tijd was een dergelijke code die moderne wetenschappers konden gebruiken nog niet ontwikkeld). Werken met een neuraal netwerk was de taak van Frank Rosenblatt, die een tweelaags netwerk creëerde. Een scherm met een resolutie van 400 pixels werd gebruikt om externe gegevens naar het netwerk te sturen. De machine was al snel in staat geometrische vormen te herkennen. Dit suggereerde al dat, met de verbetering van technische oplossingen, neurale netwerken kunnenletters leren lezen. En wie weet wat nog meer?

Eerste neurale netwerk

Zoals uit de geschiedenis blijkt, brandde Rosenblatt letterlijk van zijn werk, hij was er perfect in georiënteerd, hij was een specialist in neurofysiologie. Hij was de auteur van een fascinerende en populaire universitaire cursus waarin iedereen kon begrijpen hoe het menselijk brein in een technische belichaming kon worden geïmplementeerd. Zelfs toen hoopte de wetenschappelijke gemeenschap dat er spoedig echte mogelijkheden zouden zijn om intelligente robots te vormen die in staat zijn te bewegen, te spreken en systemen te vormen die vergelijkbaar zijn met henzelf. Wie weet, misschien zouden deze robots andere planeten gaan koloniseren?

Rosentblatt was een liefhebber en je kunt hem begrijpen. Wetenschappers geloofden dat kunstmatige intelligentie zou kunnen worden gerealiseerd als wiskundige logica volledig in een machine zou worden belichaamd. Toen de Turing-test al bestond, maakte Asimov het idee van robotica populair. De wetenschappelijke gemeenschap was ervan overtuigd dat de verkenning van het heelal een kwestie van tijd was.

Scepsis terecht

Al in de jaren zestig waren er wetenschappers die ruzie maakten met Rosenblatt en andere grote geesten die aan kunstmatige intelligentie werkten. Een redelijk nauwkeurig idee van hun logica van verzinsels kan worden verkregen uit de publicaties van Marvin Minsky, bekend in zijn vakgebied. Trouwens, het is bekend dat Isaac Asimov en Stanley Kubrick lovend waren over Minsky's capaciteiten (Minsky hielp hem aan A Space Odyssey te werken). Minsky was niet tegen het creëren van neurale netwerken, waaroverKubricks film getuigt, en als onderdeel van zijn wetenschappelijke carrière was hij al in de jaren vijftig bezig met machine learning. Desalniettemin was Minsky categorisch over onjuiste meningen en bekritiseerde hij verwachtingen waarvoor er op dat moment nog geen solide basis was. Trouwens, Marvin uit de boeken van Douglas Adams is vernoemd naar Minsky.

Kritiek op neurale netwerken en de toenadering van die tijd is gesystematiseerd in de publicatie "Perceptron", gedateerd 1969. Het was dit boek dat letterlijk de interesse van veel mensen in neurale netwerken in de kiem deed sudderen, omdat een wetenschapper met een uitstekende reputatie duidelijk aantoonde dat Mark de Eerste een aantal tekortkomingen had. Ten eerste was de aanwezigheid van slechts twee lagen duidelijk onvoldoende en kon de machine ondanks zijn gigantische formaat en enorm energieverbruik te weinig doen. Het tweede punt van kritiek was gewijd aan de algoritmen die Rosenblatt ontwikkelde voor netwerktraining. Volgens Minsky is informatie over fouten met grote waarschijnlijkheid verloren gegaan en heeft de benodigde laag simpelweg niet de volledige hoeveelheid gegevens ontvangen voor een correcte analyse van de situatie.

Dingen zijn gestopt

Ondanks het feit dat Minsky's belangrijkste idee was om zijn collega's op fouten te wijzen om hen te stimuleren de ontwikkeling te verbeteren, was de situatie anders. Rosenblatt stierf in 1971 en er was niemand om zijn werk voort te zetten. Tijdens deze periode begon het tijdperk van computers, en dit gebied van technologie ging met enorme stappen vooruit. De knapste koppen op het gebied van wiskunde en informatica werkten in deze sector, en kunstmatige intelligentie leek een onredelijke verspilling van energie en middelen.

Neurale netwerken trekken al meer dan tien jaar niet de aandacht van de wetenschappelijke gemeenschap. Het keerpunt kwam toen cyberpunk in zwang kwam. Het was mogelijk om formules te vinden waarmee fouten met hoge nauwkeurigheid kunnen worden berekend. In 1986 vond het door Minsky geformuleerde probleem al een derde oplossing (alle drie werden ontwikkeld door onafhankelijke groepen wetenschappers), en het was deze ontdekking die enthousiastelingen ertoe bracht een nieuw veld te verkennen: het werk aan neurale netwerken werd weer actief. De term perceptrons werd echter stilletjes vervangen door cognitief computergebruik, verwijderde experimentele apparaten, begon codering te gebruiken met behulp van de meest effectieve programmeertechnieken. Nog maar een paar jaar, en neuronen zijn al geassembleerd tot complexe structuren die behoorlijk serieuze taken aankunnen. In de loop van de tijd was het bijvoorbeeld mogelijk om programma's te maken voor het lezen van menselijke handschriften. De eerste netwerken bleken in staat tot zelflerend vermogen, dat wil zeggen, ze vonden zelfstandig de juiste antwoorden, zonder een hint van de persoon die de computer bestuurde. Neurale netwerken hebben hun toepassing gevonden in de praktijk. Het is bijvoorbeeld van hen dat programma's die nummers op cheques identificeren, worden gebruikt in bankstructuren in Amerika.

Vooruit met grote sprongen

In de jaren 90 werd het duidelijk dat een belangrijk kenmerk van neurale netwerken dat speciale aandacht van wetenschappers vereist, het vermogen is om een bepaald gebied te verkennen op zoek naar de juiste oplossing zonder dat een persoon erom vraagt. Het programma gebruikt de methode van vallen en opstaan, op basis waarvan het gedragsregels maakt.

Deze periode werd gekenmerkt door een golf van interessepubliek tot geïmproviseerde robots. Enthousiaste ontwerpers van over de hele wereld begonnen actief hun eigen lerende robots te ontwerpen. In 1997 was dit het eerste echt serieuze succes op wereldniveau: voor het eerst versloeg een computer de beste schaker ter wereld, Garry Kasparov. Eind jaren negentig kwamen wetenschappers echter tot de conclusie dat ze het plafond hadden bereikt en kunstmatige intelligentie niet verder kon groeien. Bovendien is een goed geoptimaliseerd algoritme veel efficiënter dan welk neuraal netwerk dan ook bij het oplossen van dezelfde problemen. Sommige functies bleven bij neurale netwerken, bijvoorbeeld de herkenning van archiefteksten, maar ingewikkelder was er niet. Kortom, zoals moderne wetenschappers zeggen, was er een gebrek aan technische mogelijkheden.

Onze tijd

Neurale netwerken zijn tegenwoordig een manier om de meest complexe problemen op te lossen met behulp van de "oplossing zal vanzelf worden gevonden"-methode. In feite is dit niet verbonden met een wetenschappelijke revolutie, alleen moderne wetenschappers, de beroemdheden van de programmeerwereld, hebben toegang tot een krachtige techniek waarmee ze in praktijk kunnen brengen wat een persoon zich voorheen alleen in algemene termen kon voorstellen. Terugkomend op Cicero's zin over apen en penningen: als je iemand aan dieren toewijst die hen een beloning zal geven voor de juiste zin, zullen ze niet alleen een zinvolle tekst maken, maar een nieuwe "Oorlog en vrede" schrijven, en niet slechter.

Neurale netwerken van onze tijd zijn in dienst bij de grootste bedrijven die werkzaam zijn op het gebied van informatietechnologie. Dit zijn meerlaagse neurale netwerken die worden geïmplementeerd via krachtige servers,gebruikmakend van de mogelijkheden van het World Wide Web, de reeksen informatie die de afgelopen decennia zijn verzameld.