شبکه عصبی - چیست؟ تعریف، معنا و دامنه

2024 نویسنده: Leah Sherlock | [email protected]. آخرین اصلاح شده: 2023-12-17 05:34

که قبلاً فقط در کتاب های علمی تخیلی شناخته می شد، اصطلاح شبکه عصبی در سال های اخیر به تدریج و به طور نامحسوس به عنوان بخشی جدایی ناپذیر از آخرین پیشرفت های علمی وارد زندگی عمومی شده است. البته مدتهاست که افراد درگیر در صنعت بازی می دانند که این یک شبکه عصبی است. اما امروزه این اصطلاح را همه پیدا می کنند، توده های وسیع آن را می شناسند و درک می کنند. بدون شک، این نشان می دهد که علم به زندگی واقعی نزدیک شده است و پیشرفت های جدیدی در آینده در انتظار ما است. و با این حال، شبکه عصبی چیست؟ بیایید سعی کنیم معنی کلمه را بفهمیم.

حال و آینده

در روزگاران قدیم، شبکه عصبی، هورت و راهپیمایان فضایی مفاهیمی نزدیک به هم بودند، زیرا امکان ملاقات با هوش مصنوعی با توانایی‌های بسیار برتر از یک ماشین ساده تنها در دنیای فانتزی وجود داشت که در تخیل ایجاد می‌شد. برخی از نویسندگان و با این حال، روندها به گونه ای است که اخیراً در اطراف یک فرد معمولی در واقعیت مواردی وجود دارد که قبلاً فقط در ادبیات علمی تخیلی ذکر شده بود. این به ما امکان می دهد بگوییم که حتی خشن ترین پرواز فانتزی، شاید دیر یا زود معادل خود را در واقعیت پیدا کند. کتاب هایی در مورد بازدیدها، شبکه های عصبی در حال حاضراکنون نسبت به ده سال پیش با واقعیت اشتراک بیشتری دارند، و چه کسی می داند در یک دهه دیگر چه اتفاقی خواهد افتاد؟

شبکه عصبی در واقعیت های مدرن، فناوری است که به شما امکان می دهد افراد را شناسایی کنید، فقط یک عکس در اختیار دارید. هوش مصنوعی کاملاً قادر به رانندگی ماشین است، می تواند بازی کند و در یک بازی پوکر برنده شود. علاوه بر این، شبکه‌های عصبی راه‌های جدیدی برای انجام اکتشافات علمی هستند که به شما امکان می‌دهند به قابلیت‌های محاسباتی که قبلا غیرممکن بود متوسل شوید. این فرصت های منحصر به فردی برای درک جهان امروز می دهد. با این حال، تنها از گزارش های خبری که آخرین اکتشافات را اعلام می کنند، به ندرت مشخص می شود که شبکه عصبی چیست. آیا این اصطلاح باید به یک برنامه، یک ماشین یا مجموعه ای از سرورها اعمال شود؟

نمای کلی

همانطور که از همان اصطلاح "شبکه عصبی" می بینید (عکس های ارائه شده در این مقاله نیز درک این موضوع را امکان پذیر می کند) ساختاری است که با قیاس با منطق مغز انسان طراحی شده است. البته، کپی برداری از یک ساختار کاملاً بیولوژیکی با چنین سطح پیچیدگی در حال حاضر واقع بینانه به نظر نمی رسد، اما دانشمندان قبلاً توانسته اند به طور محسوسی به حل مشکل نزدیک شوند. بیایید بگوییم که شبکه های عصبی اخیراً ایجاد شده کاملاً مؤثر هستند. هورت و سایر نویسندگانی که آثار خارق‌العاده‌ای منتشر کردند، در زمان نوشتن آثار خود به سختی می‌دانستند که علم تا این سال می‌تواند تا این حد جلوتر باشد.

ویژگی مغز انسان این است که ساختاری از عناصر متعدد است که بین آنهااطلاعات به طور مداوم از طریق نورون ها منتقل می شود. در واقع، شبکه‌های عصبی جدید نیز ساختارهای مشابهی هستند، جایی که تکانه‌های الکتریکی تبادل داده‌های مرتبط را فراهم می‌کنند. در یک کلام، درست مانند مغز انسان. و هنوز مشخص نیست: آیا تفاوتی با یک کامپیوتر معمولی وجود دارد؟ از این گذشته ، دستگاه ، همانطور که می دانید ، از قطعاتی نیز ایجاد می شود که داده ها بین آنها با استفاده از جریان الکتریکی منتقل می شود. در کتاب‌های مربوط به فضا، شبکه‌های عصبی، همه چیز معمولاً مسحورکننده به نظر می‌رسد - ماشین‌های بزرگ یا کوچک، در یک نگاه که شخصیت‌ها می‌فهمند با چه چیزی سر و کار دارند. اما در واقعیت، وضعیت تا اینجا متفاوت است.

چگونه ساخته شده است؟

همانطور که از مقالات علمی در مورد شبکه های عصبی می بینید (متاسفانه "Spacewalkers" به این دسته تعلق ندارند، هر چقدر هم که جذاب باشند)، این ایده در مترقی ترین ساختار در زمینه هوش مصنوعی در ایجاد یک ساختار پیچیده که تک تک اجزای آن بسیار ساده است. در واقع، با ترسیم شباهت با انسان، می توان شباهتی را پیدا کرد: مثلاً، فقط یک قسمت از مغز یک پستاندار توانایی ها، قابلیت های بالایی ندارد و نمی تواند رفتار هوشمندانه ای ارائه دهد. اما وقتی صحبت از یک فرد به عنوان یک کل به میان می آید، چنین موجودی با آرامش و بدون هیچ مشکل خاصی آزمون سطح هوش را پشت سر می گذارد.

علی رغم این شباهت ها، رویکرد مشابهی برای ایجاد هوش مصنوعی چند سال پیش طرد شد. این را می توان هم از مقالات علمی و هم از کتاب های علمی تخیلی در مورد شبکه عصبی مشاهده کرد (برای مثال "Spacewalkers" که در بالا ذکر شد). به هر حال، تا حدی حتی اظهاراتسیسرو را می توان با ایده مدرن شبکه های عصبی مرتبط کرد: در یک زمان، او نسبتاً تند و تند پیشنهاد کرد که میمون ها حروف نوشته شده بر روی نشانه ها را به هوا پرتاب کنند تا دیر یا زود یک متن معنی دار از آنها تشکیل شود. و تنها قرن بیست و یکم نشان داد که چنین بدخواهی کاملاً غیر قابل توجیه است. شبکه عصبی و داستان های علمی تخیلی راه های جداگانه خود را طی کردند: اگر به ارتشی از میمون ها نشانه های زیادی بدهید، نه تنها متنی معنادار ایجاد می کنند، بلکه در سراسر جهان قدرت پیدا می کنند.

قدرت در اتحاد است برادر

همانطور که از آزمایش‌های متعدد آموختیم، آموزش شبکه عصبی زمانی به موفقیت منجر می‌شود که خود شی شامل تعداد زیادی عنصر باشد. همانطور که دانشمندان به شوخی می گویند، در واقع، یک شبکه عصبی را می توان از هر چیزی، حتی از جعبه های کبریت، جمع کرد، زیرا ایده اصلی مجموعه قوانینی است که جامعه حاصل از آن پیروی می کند. معمولا قوانین بسیار ساده هستند، اما به شما امکان می دهند فرآیند پردازش داده ها را کنترل کنید. در چنین شرایطی، یک نورون (هرچند مصنوعی) به هیچ وجه یک دستگاه، نه یک ساختار پیچیده یا یک سیستم غیرقابل درک، بلکه عملیات ساده حسابی است که با حداقل مصرف انرژی اجرا می شود. به طور رسمی در علم به نورون های مصنوعی «پرسپترون» می گویند. شبکه‌های عصبی («Spacefalls» این را به خوبی نشان می‌دهند) از نظر برخی نویسندگان علمی باید بسیار پیچیده‌تر باشند، اما علم مدرن نشان می‌دهد که سادگی نتایج عالی نیز به همراه دارد.

عملکرد یک نورون مصنوعی ساده است: اعداد ورودی هستند، مقدار هر یک محاسبه می شود.بلوک اطلاعات، نتایج جمع می شوند، خروجی یک واحد یا مقدار "-1" است. آیا خواننده هرگز می خواست در میان کشته شدگان باشد؟ شبکه های عصبی در واقعیت به روشی کاملاً متفاوت عمل می کنند ، حداقل در زمان حال ، بنابراین ، هنگام تصور خود در یک کار فانتزی ، نباید این را فراموش کنید. در واقع، یک فرد مدرن می تواند با هوش مصنوعی کار کند، به عنوان مثال، مانند این: شما می توانید یک تصویر را نشان دهید، و سیستم الکترونیکی به سوال "یا - یا" پاسخ می دهد. فرض کنید شخصی سیستم مختصات یک نقطه را تنظیم می کند و می پرسد که چه چیزی به تصویر کشیده شده است - زمین یا مثلاً آسمان. پس از تجزیه و تحلیل اطلاعات، سیستم پاسخی می دهد - احتمالاً نادرست است (بسته به کمال هوش مصنوعی).

شست بالا

همانطور که از منطق شبکه عصبی مدرن می بینید، هر عنصر از آن در تلاش است تا پاسخ صحیح سؤالی را که از سیستم پرسیده می شود حدس بزند. در این مورد، دقت کمی وجود دارد، نتیجه با نتیجه پرتاب سکه قابل مقایسه است. اما کار علمی واقعی زمانی شروع می شود که زمان آموزش شبکه عصبی فرا می رسد. فضا، اکتشاف دنیاهای جدید، بینش به ماهیت قوانین فیزیکی جهان ما (که دانشمندان مدرن به استفاده از شبکه های عصبی متکی هستند) درست در لحظه ای که هوش مصنوعی با کارایی و اثربخشی بسیار بیشتری نسبت به یک شخص یاد می گیرد، باز خواهد شد.

واقعیت این است که شخصی که از سیستم سوالی می پرسد، پاسخ صحیح آن را می داند. بنابراین، می توانید آن را در بلوک های اطلاعاتی برنامه بنویسید. پرسپترونی که پاسخ صحیح را می دهد ارزش پیدا می کند ودر اینجا کسی که اشتباه پاسخ داده است آن را از دست می دهد و جریمه می شود. هر چرخه راه اندازی برنامه جدید به دلیل تغییر در سطح ارزش، با چرخه قبلی متفاوت است. بازگشت به مثال قبلی: دیر یا زود برنامه یاد خواهد گرفت که به وضوح بین زمین و فضا تمایز قائل شود. شبکه‌های عصبی هر چه مؤثرتر یاد بگیرند، برنامه مطالعه درست‌تر طراحی شود - و تشکیل آن برای دانشمندان مدرن هزینه زیادی دارد. به عنوان بخشی از وظیفه قبلی: اگر شبکه عصبی با عکس دیگری برای تجزیه و تحلیل ارائه شود، احتمالاً نمی‌تواند فوراً آن را پردازش کند، اما بر اساس داده‌های به‌دست‌آمده در طول آموزش قبلی، دقیقاً متوجه می‌شود که کجاست. زمین است، و ابرها، فضا یا چیز دیگری کجا هستند.

به کارگیری یک ایده در واقعیت

البته، در واقعیت، شبکه‌های عصبی بسیار پیچیده‌تر از آنچه در بالا توضیح داده شد، هستند، اگرچه اصل خود یکسان است. وظیفه اصلی عناصری که شبکه عصبی از آنها تشکیل شده است، سیستماتیک کردن اطلاعات عددی است. هنگام ترکیب تعداد زیادی از عناصر، کار پیچیده تر می شود، زیرا اطلاعات ورودی ممکن است از خارج نباشد، بلکه از پرسپترون باشد، که قبلاً کار خود را در سیستم سازی انجام داده است.

اگر به کار بالا برگردیم، در داخل شبکه عصبی می‌توانید فرآیندهای زیر را انجام دهید: یک نورون پیکسل‌های آبی را از دیگران متمایز می‌کند، دیگری مختصات را پردازش می‌کند، سومی داده‌های دریافتی اولی را تجزیه و تحلیل می‌کند. دو، که بر اساس آن تصمیم می گیرد که زمین یا آسمان در نقطه داده شده باشد. علاوه بر این، مرتب‌سازی به پیکسل‌های آبی و دیگر پیکسل‌ها را می‌توان به طور همزمان به چندین نورون سپرد و اطلاعات دریافتی آنها را خلاصه کرد. آن پرسپترون هایی که خواهد دادیک نتیجه بهتر و دقیق تر در پایان پاداشی به شکل ارزش بالاتر دریافت می کند و نتایج آنها در هنگام پردازش مجدد هر کار در اولویت خواهد بود. البته معلوم می شود که شبکه عصبی فوق العاده حجیم است و اطلاعات پردازش شده در آن به هیچ وجه کوهی غیرقابل تحمل خواهد بود، اما امکان در نظر گرفتن و تجزیه و تحلیل خطاها و جلوگیری از آنها در آینده وجود خواهد داشت. ایمپلنت‌های عمدتاً مبتنی بر شبکه‌های عصبی که در بسیاری از کتاب‌های علمی تخیلی یافت می‌شوند به این شکل عمل می‌کنند (مگر اینکه، البته، نویسندگان به خود زحمت فکر کردن در مورد نحوه عملکرد آن را بدهند).

نقاط عطف تاریخی

ممکن است افراد عادی را شگفت زده کند، اما اولین شبکه های عصبی در سال 1958 ظاهر شدند. این به دلیل این واقعیت است که دستگاه نورون های مصنوعی شبیه سایر عناصر رایانه ای است که اطلاعات در قالب یک سیستم اعداد باینری بین آنها منتقل می شود. در پایان دهه شصت ماشینی به نام Mark I Perceptron اختراع شد که در آن اصول شبکه های عصبی پیاده سازی شد. این بدان معنی است که اولین شبکه عصبی تنها یک دهه پس از ساخت اولین رایانه ظاهر شد.

نخستین نورون‌های اولین شبکه عصبی متشکل از مقاومت‌ها، لوله‌های رادیویی بودند (در آن زمان، چنین کدی که دانشمندان مدرن می‌توانستند از آن استفاده کنند، هنوز ایجاد نشده بود). کار با یک شبکه عصبی وظیفه فرانک روزنبلات بود که یک شبکه دو لایه ایجاد کرد. برای انتقال داده های خارجی به شبکه از صفحه نمایشی با وضوح 400 پیکسل استفاده شده است. این دستگاه به زودی توانست اشکال هندسی را تشخیص دهد. این قبلاً نشان می دهد که با بهبود راه حل های فنی، شبکه های عصبی می توانندخواندن حروف را یاد بگیرید و چه کسی می داند چه چیز دیگری؟

اولین شبکه عصبی

همانطور که از تاریخ پیداست، روزنبلات به معنای واقعی کلمه با کارش سوخت، او کاملاً در آن جهت گیری داشت، او متخصص فیزیولوژی عصبی بود. او نویسنده یک دوره دانشگاهی جذاب و محبوب بود که در آن هر کسی می‌توانست بفهمد چگونه مغز انسان را در یک تجسم فنی پیاده‌سازی کند. حتی در آن زمان، جامعه علمی امیدوار بود که به زودی فرصت‌های واقعی برای تشکیل ربات‌های هوشمندی که قادر به حرکت، صحبت کردن و تشکیل سیستم‌هایی شبیه به خودشان هستند، وجود داشته باشد. چه کسی می داند، شاید این روبات ها برای استعمار سیارات دیگر بروند؟

روزنتبلات یک مشتاق بود، و شما می توانید او را درک کنید. دانشمندان بر این باور بودند که اگر منطق ریاضی به طور کامل در یک ماشین تجسم یابد، هوش مصنوعی می تواند محقق شود. در این مرحله، آزمایش تورینگ قبلا وجود داشت، آسیموف ایده رباتیک را رایج کرد. جامعه علمی متقاعد شده بود که اکتشاف کیهان موضوع زمان است.

شکاکیت موجه

در دهه شصت دانشمندانی بودند که با روزنبلات و دیگر ذهن های بزرگی که روی هوش مصنوعی کار می کردند بحث کردند. ایده نسبتاً دقیقی از منطق جعل آنها را می توان از انتشارات ماروین مینسکی، مشهور در زمینه خود، به دست آورد. به هر حال، مشخص است که آیزاک آسیموف و استنلی کوبریک به شدت از توانایی های مینسکی صحبت کردند (مینسکی به او کمک کرد تا در یک ادیسه فضایی کار کند). مینسکی با ایجاد شبکه های عصبی مخالف نبودفیلم کوبریک گواهی می دهد و به عنوان بخشی از حرفه علمی خود، او در دهه پنجاه به یادگیری ماشینی مشغول بود. با این وجود، مینسکی در مورد نظرات اشتباه قاطعانه بود و امیدهایی را که در آن لحظه هنوز پایه محکمی برای آنها وجود نداشت، مورد انتقاد قرار داد. به هر حال، ماروین از کتاب های داگلاس آدامز به نام مینسکی نامگذاری شده است.

نقد شبکه های عصبی و رویکرد آن زمان در نشریه «پرسپترون» مورخ 1969 نظام مند شده است. این کتاب بود که به معنای واقعی کلمه علاقه بسیاری از مردم را به شبکه های عصبی در جوانی از بین برد، زیرا دانشمندی با شهرت عالی به وضوح نشان داد که مارک اول دارای تعدادی نقص است. اولاً، وجود تنها دو لایه به وضوح کافی نبود و این دستگاه علیرغم اندازه غول پیکر و مصرف انرژی بسیار زیاد، می‌توانست کار کمی انجام دهد. نکته دوم انتقاد به الگوریتم های توسعه یافته توسط Rosenblatt برای آموزش شبکه اختصاص داشت. به گفته مینسکی، اطلاعات مربوط به خطاها با احتمال زیاد از بین می رفت و لایه لازم به سادگی کل داده ها را برای تجزیه و تحلیل صحیح وضعیت دریافت نمی کرد.

چیز متوقف شد

علیرغم این واقعیت که ایده اصلی مینسکی این بود که اشتباهات را به همکارانش گوشزد کند تا آنها را برای بهبود توسعه تحریک کند، وضعیت متفاوت بود. روزنبلات در سال 1971 درگذشت و کسی نبود که به کار او ادامه دهد. در این دوره، دوران کامپیوترها آغاز شد و این حوزه فناوری با گام های بلندی رو به جلو حرکت می کرد. بهترین ذهن ها در ریاضیات و علوم کامپیوتر در این بخش به کار گرفته شدند و هوش مصنوعی اتلاف بی دلیل انرژی و منابع به نظر می رسید.

شبکه های عصبی بیش از یک دهه است که توجه جامعه علمی را به خود جلب نکرده اند. نقطه عطف زمانی بود که سایبرپانک مد شد. امکان یافتن فرمول هایی وجود داشت که با آن می توان خطاها را با دقت بالا محاسبه کرد. در سال 1986، مشکل فرموله شده توسط مینسکی قبلاً راه حل سومی پیدا کرد (هر سه توسط گروه های مستقلی از دانشمندان توسعه یافتند)، و این کشف بود که علاقه مندان را بر آن داشت تا زمینه جدیدی را کشف کنند: کار روی شبکه های عصبی دوباره فعال شد. با این حال، اصطلاح پرسپترون بی سر و صدا با محاسبات شناختی جایگزین شد، از شر دستگاه های آزمایشی خلاص شد، شروع به استفاده از کدگذاری با استفاده از موثرترین تکنیک های برنامه نویسی کرد. فقط چند سال، و نورون ها در حال حاضر در ساختارهای پیچیده ای جمع شده اند که می توانند با وظایف کاملاً جدی کنار بیایند. با گذشت زمان، به عنوان مثال، امکان ایجاد برنامه هایی برای خواندن دست خط انسان وجود داشت. اولین شبکه ها قادر به خودآموزی ظاهر شدند، یعنی آنها به طور مستقل پاسخ های صحیح را بدون اشاره ای از طرف شخص کنترل کننده رایانه پیدا کردند. شبکه های عصبی کاربرد خود را در عمل پیدا کرده اند. به عنوان مثال، برنامه هایی که اعداد روی چک ها را شناسایی می کنند، در ساختارهای بانکی در آمریکا بر روی آنها استفاده می شود.

به جلو با جهش

در دهه ۹۰ مشخص شد که یکی از ویژگی‌های کلیدی شبکه‌های عصبی که توجه ویژه دانشمندان را می‌طلبد، توانایی کاوش در یک منطقه خاص در جستجوی راه‌حل مناسب بدون درخواست از شخص است. این برنامه از روش آزمون و خطا استفاده می کند که بر اساس آن قوانین رفتاری ایجاد می کند.

این دوره با موجی از علاقه مشخص شدعمومی تا ربات های موقت طراحان مشتاق از سراسر جهان شروع به طراحی فعال ربات های خود با قابلیت یادگیری کردند. در سال 1997، این اولین موفقیت واقعا جدی در سطح جهانی بود: برای اولین بار، یک کامپیوتر بهترین بازیکن شطرنج جهان، گری کاسپاروف را شکست داد. با این حال، در پایان دهه نود، دانشمندان به این نتیجه رسیدند که به سقف رسیده اند و هوش مصنوعی نمی تواند بیشتر از این رشد کند. علاوه بر این، یک الگوریتم بهینه شده بسیار کارآمدتر از هر شبکه عصبی در حل مسائل مشابه است. برخی از توابع با شبکه های عصبی باقی ماندند، به عنوان مثال، تشخیص متون آرشیوی، اما هیچ چیز پیچیده تر در دسترس نبود. اساساً، همانطور که دانشمندان مدرن می گویند، کمبود قابلیت های فنی وجود داشت.

زمان ما

شبکه های عصبی امروزه راهی برای حل پیچیده ترین مسائل با استفاده از روش "راه حل به خودی خود پیدا می شود" هستند. در واقع، این با هیچ انقلاب علمی مرتبط نیست، فقط دانشمندان مدرن، مشاهیر دنیای برنامه نویسی، به تکنیک قدرتمندی دسترسی دارند که به آنها اجازه می دهد آنچه را که قبلاً یک فرد فقط می توانست به طور کلی تصور کند، به اجرا درآورد. برگردیم به عبارت سیسرو در مورد میمون ها و نشانه ها: اگر شخصی را به حیوانات اختصاص دهید که برای عبارت صحیح به آنها جایزه بدهد، نه تنها یک متن معنادار ایجاد می کند، بلکه یک "جنگ و صلح" جدید می نویسد، و نه بدتر.

شبکه های عصبی روزگار ما در خدمت بزرگترین شرکت های فعال در زمینه فناوری اطلاعات هستند. اینها شبکه های عصبی چندلایه هستند که از طریق سرورهای قدرتمند پیاده سازی می شوند.با استفاده از امکانات شبکه جهانی وب، آرایه های اطلاعاتی که در دهه های گذشته انباشته شده اند.