reklama

Ako funguje (umelý) mozog

Všetci sme už asi počuli tvrdenie, že počítač je „inteligentný blbec“. Nevie sa naučiť nič, čo mu nezadá programátor. Toto tvrdenie však prestalo platiť už v 60. rokoch minulého storočia. Vtedy sa totiž objavili prvé umelé neurónové siete.

Písmo: A- | A+
Diskusia  (29)

Stavba ľudskéhomozgu je nám už dlhšie dobre známa. Mozog obsahuje okolo 1012 buniekzvaných neuróny. Z každého neurónu vychádza výbežok (axón), ktorý spájatento neurón s inými podobnými neurónmi cez spojenia, takzvané synapsie.Každý neurón príma informácie od iných neurónov cez približne 7000 takýchtosynapsií, informácie spracuje a výsledok pošle ďalej, iným neurónom.S rozvojom informatiky vznikla myšlienka modelovať takýto systém napočítači.

Modelovať sazačalo, ale samozrejme značne zjednodušene. Namiesto triliónov neurónov sazačalo s rádovo desiatkami a aj počet 7000 vstupov sa zredukoval nadva a viac. A tak vznikol model prvej umelej neurónovej siete.

SkryťVypnúť reklamu
Článok pokračuje pod video reklamou
Obrázok blogu

Takáto sieť je zozačiatku prázdna a aby dokázala niečo robiť, musí sa učiť. Ako takétoučenie prebieha, uvediem na príklade. Chcem napríklad sieť naučiť, aby dokázalarozpoznávať dedičné choroby z úseku génu. „Ukážem“ sieti takýto úsek (v praxiúsek pozostáva z desiatok až stoviek písmen A,C,G,T) a sieť sarozhodne, či gén generuje chorobu, alebo nie. Ja jej poviem, či sa rozhodlasprávne. Ak áno, sieť posilní tie spojenia (synapsie), ktoré viedlik správnej odpovedi, ak nie, oslabí chybné spojenia (takýto typ učenia savšeobecne volá odmena-trest). Na začiatku sa sieť rozhoduje samozrejme náhodne,ale po čase je čoraz viac odpovedí správnych. Nakoniec už sieť bude vedieťurčiť, či gén generuje chorobu, alebo nie. Paradoxne, sieť nám nepovie, nazáklade čoho sa správne rozhoduje a preto pre lekára, ktorý pracujes touto sieťou zostáva stále tajomstvom, ktoré úseky génu tov skutočnosti generujú chorobu.

SkryťVypnúť reklamu
reklama

Podstatné je žetakáto sieť sa dokáže naučiť veľké množstvo úloh. Neurónové siete vediapredpovedať správanie finančnej burzy, riadiť bezpilotné lietadlá, rozpoznávaťpísmená a tváre, predpovedať počasie atď. Objavili sa aj prípady, keďsiete komponovali hudbu, alebo rozpoznávali umelecké štýly obrazov. Stačí vždyzobrať prázdnu sieť a naučiť ju danú úlohu. Siete sú často používané nariešenie problémov, ktoré súvisia s reálnym svetom. Je to preto leboproblémy v reálnom svete sa vyskytujú v dynamických systémoch. Jeteda samozrejmé že najlepší nástroj na riešenie takýchto situácií je neurónovásieť, ktorá je sama dynamickým systémom. Tieto systémy som už popisoval vosvojom článku o Fraktáloch . Dynamické systémy sú tvorené vnútornýmisilami, ktoré vzájomným pôsobením vytvoria model systému – atraktor (bližšiev článku Fraktály 2 ). Neurónová sieť dokáže rozpoznať (aproximovať) vzťahymedzi vnútornými silami, a po určitej dobe učenia si vytvorí vlastnýatraktor, ktorým simuluje ten pôvodný.

SkryťVypnúť reklamu
reklama

Neurónové sietemajú ešte jednu, nemenej podstatnú funkciu. Pozorovanie ich činnosti nám veľanapovie o našom ľudskom mozgu. Aj napriek neporovnateľnej komplexnosti,princíp zostáva rovnaký. Opíšem teraz niekoľko zaujímavých spoločných čŕt.

Redundancia

Neurónové sietesi držia informácie rozložené v celej štruktúre. Vďaka tomu výpadokjedného, alebo aj celej skupiny neurónov nespôsobí kritické škody a sieťsa dokáže „zotaviť“. Vďaka tejto schopnosti dokáže napríklad mozog obnoviťspomienky po amnézii, alebo obnoviť niektoré funkcie po nehode.

Zabúdanie

Dlho sa nevedeloprísť na to, prečo človek zabúda. Umelé neurónové siete ukázali, že niekedy jezabúdanie užitočné. Keď sa sieť učí, môže sa stať, že sa vydá po nevhodnejceste a vytvorí si nepresný atraktor. Ak však sieť zabúda, dokáže takýtoatraktor zabudnúť a nájsť lepší.

SkryťVypnúť reklamu
reklama

Pamäť

Neurónové sietedokážu modelovať aj pamäť. Tu sa naplno prejavia výhody atraktorov. Bežnépočítače majú takzvanú sekvenčnú pamäť. Znamená to že ak chcem nájsť nejakúpoložku, musím prehľadať všetky položky uložené pred ňou. Pamäť neurónovýchsietí nie je sekvenčná, ale asociačná. Ak chcem tu nájsť položku, stačí ak jupopíšem a dostanem sa priamo k nej. Je to preto, že atraktor tejtopoložky, uložený v štruktúre sieti, si „pritiahne“ položku priamok sebe. Naviac, ak sa takáto položka v pamäti nenachádza, tak nájdenajbližšiu podobnú. A presne takto funguje aj ľudská pamäť.

Existuje teória,že ak sa podarí modelovať neurónovú sieť, podobne komplexnú ako tá ľudská,dostaneme skutočne inteligentný počítač. Zatiaľ sme od toho ešte veľmi ďaleko. Podľajednej štúdie, spojenie všetkých počítačov na internete do jednej neurónovejsiete by vytvorilo inteligenciu ekvivalentnú šesťročnému dieťaťu. Toto tvrdenieje ťažko potvrdiť, neurónové siete nás však nepochybne približujúk pochopeniu ľudskej inteligencie.

Zdroje:

Ben Krose, Patrikvan der Smagt. An Intoduction to Nerual Networks. 1996

Martin Kuba. NeurónovéSíťe. 1995

Michal Récky

Michal Récky

Bloger 
  • Počet článkov:  25
  •  | 
  • Páči sa:  0x

IT researcher zaujimajuci sa o kognitivnu psychologiu, filozofiu a historiu. Momentalne zijuci v dalekom, vecne zasnezenom Rakusku. Zoznam autorových rubrík:  SúkromnéVeda ako ju vidím jaVeda a mytológiaLen tak mimo reči

Prémioví blogeri

Martina Hilbertová

Martina Hilbertová

49 článkov
Matúš Sarvaš

Matúš Sarvaš

3 články
Milota Sidorová

Milota Sidorová

5 článkov
Juraj Hipš

Juraj Hipš

12 článkov
Yevhen Hessen

Yevhen Hessen

20 článkov
reklama
reklama
SkryťZatvoriť reklamu