Rețelele neuronale sunt modele de calculatoare ale unităților sau nodurilor conectate, proiectate să transmită, să proceseze și să învețe din informații (date) într-un mod similar cu modul în care neuronii (celulele nervoase) lucrează la om.
Rețele neuronale artificiale
În tehnologie, rețelele neuronale sunt adesea denumite rețele neuronale artificiale (ANN) sau plase neuronale pentru a se distinge de rețelele neuronale biologice pe care le sunt modelate după. Ideea principală din spatele lui ANN este că creierul uman este cel mai complex și inteligent "calculator" care există. Prin modelarea ANN cât mai aproape posibil de structura și sistemul de procesare a informațiilor utilizate de creier, cercetătorii speră să creeze computere care au abordat sau au depășit inteligența umană. Plasele neuronale reprezintă o componentă cheie a evoluțiilor actuale ale inteligenței artificiale (AI), a învățării automate (ML) și a învățării profunde.
Cum funcționează rețelele neuronale: o comparație
Pentru a înțelege modul în care funcționează rețelele neuronale și diferențele dintre cele două tipuri (biologice și artificiale), să folosim exemplul unei clădiri de birouri cu 15 etaje și a liniilor telefonice și a tablourilor de distribuție care direcționează apelurile în clădire, în etaje individuale și în birouri individuale. Fiecare birou individual din clădirea noastră de 15 etaje reprezintă un neuron (nod în rețele de calculatoare sau celulă nervoasă în biologie). Clădirea în sine este o structură care conține un set de birouri aranjate într-un sistem de 15 etaje (o rețea neurală).
Aplicând exemplul rețelelor neuronale biologice, tabloul de bord care primește apeluri are linii pentru conectarea la orice birou de pe orice etaj din întreaga clădire. În plus, fiecare birou are linii care îl conectează la fiecare birou din întreaga clădire, pe orice etaj. Imaginați-vă că vine un apel (intrare) și tabloul de bord îl transferă la un birou de pe 3rd etaj care îl transferă direct într-un birou pe 11lea etaj, care îl transferă direct într-un birou pe 5lea podea. În creier, fiecare neuron sau celula nervoasă (un birou) se poate conecta direct la orice alt neuron din sistemul sau rețeaua neurală (clădirea). Informația (apelul) poate fi transmisă oricărui alt neuron (birou) pentru a procesa sau a afla ce este necesar până când nu există un răspuns sau o rezoluție (ieșire).
Când aplicăm acest exemplu pentru ANN, devine destul de complexă. Fiecare etaj al clădirii necesită propria tablă de distribuție, care se poate conecta numai la birourile de la același etaj, precum și la tablourile de pe podelele de deasupra și dedesubt. Fiecare birou se poate conecta direct la alte birouri de la același etaj și la tabloul de distribuție pentru podea. Toate apelurile noi trebuie să înceapă cu tabloul de distribuție de la primul etaj și trebuie transferate la fiecare nivel individual în ordine numerică până la numărul 15lea etaj înainte de încheierea apelului. Să o punem în mișcare pentru a vedea cum funcționează.
Imaginați-vă că vine un apel (intrare) la 1Sf podea și este trimis la un birou pe 1Sf podea (nod). Apelul este apoi transferat direct între alte birouri (noduri) pe 1Sf până când este gata să fie trimis la etajul următor. Apoi, apelul trebuie să fie trimis înapoi la 1Sf distribuitorul de podea, care îl transferă apoi la 2nd distribuție podea. Aceiași pași repetă un etaj la un moment dat, apelul fiind trimis prin acest proces la fiecare etaj, până la etajul 15.
În ANN, nodurile (birourile) sunt aranjate în straturi (etaje ale clădirii). Informația (un apel) intră întotdeauna prin stratul de intrare (1Sf podea și tabloul de distribuție) și trebuie să fie trimise și procesate de fiecare strat (podea) înainte de a putea trece la următorul strat. Fiecare strat (etaj) procesează un detaliu specific despre acel apel și trimite rezultatul împreună cu apelul către următorul strat. Când apelul ajunge la stratul de ieșire (15lea podea și tabloul de distribuție), include informațiile de procesare din straturile 1-14. Nodurile (birourile) pe 15lea stratul (podea) utilizează informațiile de intrare și procesare din toate celelalte straturi (podele) pentru a veni cu un răspuns sau o rezoluție (ieșire).
Rețelele neuronale și învățarea în mașină
Plasele neuronale reprezintă un tip de tehnologie în cadrul categoriei de învățare automată. De fapt, avansarea în cercetarea și dezvoltarea rețelelor neuronale a fost strâns legată de ebbs și fluxurile de avansare în ML. Plasele neuronale extind capabilitățile de procesare a datelor și sporesc puterea de calcul a ML, sporind volumul de date care pot fi procesate, dar și capacitatea de a efectua sarcini mai complexe.
Primul model informatic documentat pentru ANN a fost creat în 1943 de Walter Pitts și Warren McCulloch. Interesul inițial și cercetarea în rețelele neuronale și învățarea în mașină au încetinit în cele din urmă și au fost mai mult sau mai puțin rafatate până în 1969, cu doar mici explozii de interes reînnoit. Calculatoarele de-a lungul timpului pur și simplu nu aveau procesoare destul de rapide sau suficient de mari pentru a avansa în continuare aceste zone, iar cantitatea mare de date necesare pentru plasele ML și neuronale nu era disponibilă în acel moment.
Creșterea masivă a puterii de calcul în timp, odată cu creșterea și extinderea internetului (și astfel accesul la cantități masive de date prin internet) au rezolvat aceste provocări timpurii. Plasele neuronale și ML sunt acum instrumentale în tehnologiile pe care le vedem și le folosim în fiecare zi, cum ar fi recunoașterea facială, prelucrarea imaginilor și căutarea și traducerea în timp real a limbilor străine - pentru a numi doar câteva.
Exemple de rețele neuronale în viața de zi cu zi
Anul este un subiect destul de complex în cadrul tehnologiei, totuși, merită să avem timp pentru a explora din cauza numărului tot mai mare de moduri în care ne afectează viața în fiecare zi. Iată câteva exemple de moduri în care rețelele neuronale sunt utilizate în prezent de diferite industrii:
- Finanţa: Plasele neuronale sunt folosite pentru a prezice ratele de schimb valutar. Acestea sunt, de asemenea, utilizate în tehnologia din spatele sistemelor automate de tranzacționare utilizate pe piața bursieră.
- Medicament: Capabilitățile de procesare a imaginilor ale plasei neuronale au contribuit la tehnologia care ajută la monitorizarea mai precisă și detectarea fazelor timpurii și dificil de identificat tipurile de cancer. Un astfel de tip de cancer este melanomul invaziv, forma cea mai gravă și mai moartă a cancerului de piele. Identificarea melanomului în stadiile anterioare, înainte de a se răspândi, oferă pacienților cu acest tip de cancer cele mai bune șanse să-l bată.
- Vreme: Abilitatea de a detecta schimbările atmosferice care indică un eveniment meteorologic potențial grav și periculos cât mai rapid și mai precis este posibil pentru salvarea vieților. Plasele neuronale sunt implicate în prelucrarea în timp real a imaginilor prin satelit și radar, care nu numai că detectează formarea timpurie a uraganelor și ciclonilor, ci și pentru a detecta modificări bruște ale vitezei și direcției vântului care indică o tornadă formată. Tornadele sunt unele dintre cele mai puternice și mai periculoase evenimente meteorologice înregistrate - adesea mai bruscă, distrugătoare și mai moarte decât uraganele.
