Sot do të përpiqemi të kuptojmë se çfarë janë rrjetet nervore, si funksionojnë dhe cili është roli i tyre në krijimin e inteligjencës artificiale.
Rrjetet nervore. Këtë frazë e dëgjojmë pothuajse kudo. Vjen deri aty sa rrjetet nervore do t'i gjeni edhe në frigoriferë (kjo nuk është shaka). Rrjetet nervore përdoren gjerësisht nga algoritmet e mësimit të makinerive, të cilat sot mund të gjenden jo vetëm në kompjuterë dhe telefona inteligjentë, por edhe në shumë pajisje të tjera elektronike, për shembull, në pajisjet shtëpiake. Dhe a keni menduar ndonjëherë se çfarë janë këto rrjete nervore?
Mos u shqetësoni, ky nuk do të jetë një leksion akademik. Ka shumë botime, përfshirë në gjuhën ukrainase, të cilat shpjegojnë në mënyrë shumë profesionale dhe të besueshme këtë çështje në fushën e shkencave ekzakte. Publikime të tilla janë më shumë se një duzinë vjet të vjetra. Si është e mundur që këto botime të vjetra janë ende aktuale? Fakti është se bazat e rrjeteve nervore nuk kanë ndryshuar, dhe vetë koncepti - një model matematikor i një neuroni artificial - u krijua gjatë Luftës së Dytë Botërore.
E njëjta gjë me internetin, interneti i sotëm është pakrahasueshëm më i avancuar se kur u dërgua emaili i parë. Themelet e internetit, protokollet themelore, ekzistuan që në fillimet e krijimit të tij. Çdo koncept kompleks është ndërtuar mbi themelet e strukturave të vjetra. E njëjta gjë me trurin tonë, korteksi cerebral më i ri nuk është në gjendje të funksionojë pa elementin më të vjetër evolucionar: trungun e trurit, i cili ka qenë në kokën tonë që prej kohësh shumë më i vjetër se ekzistenca e specieve tona në këtë planet.
Ju ngatërrova pak? Pra, le të kuptojmë më në detaje.
Gjithashtu interesante: ChatGPT: Udhëzime të thjeshta për përdorim
Çfarë janë rrjetet nervore?
Një rrjet është një koleksion i elementeve të caktuara. Kjo është qasja më e thjeshtë në matematikë, fizikë ose teknologji. Nëse një rrjet kompjuterik është një grup kompjuterash të ndërlidhur, atëherë një rrjet nervor është padyshim një grup neuronesh.
Megjithatë, këta elementë nuk janë as nga larg të krahasueshëm për nga kompleksiteti me qelizat nervore të trurit dhe sistemit tonë nervor, por në një nivel të caktuar abstraksioni, disa tipare të një neuroni artificial dhe një neuroni biologjik janë të zakonshme. Por është e nevojshme të mbani mend se një neuron artificial është një koncept shumë më i thjeshtë se homologu i tij biologjik, për të cilin ne ende nuk dimë gjithçka.
Lexoni gjithashtu: 7 Përdorimet më interesante të ChatGPT
Së pari ishte një neuron artificial
Modeli i parë matematikor i një neuroni artificial u zhvillua në vitin 1943 (po, nuk është gabim, gjatë Luftës së Dytë Botërore) nga dy shkencëtarë amerikanë, Warren McCulloch dhe Walter Pitts. Ata arritën ta bëjnë këtë në bazë të një qasjeje ndërdisiplinore, duke kombinuar njohuritë themelore të fiziologjisë së trurit (kujtoni kohën kur u krijua ky model), matematikën dhe qasjen e atëhershme të re të IT (ata përdorën, ndër të tjera, teorinë e llogaritshmërisë së Alan Turing-ut. ). Modeli i neuronit artificial McCulloch-Pitts është një model shumë i thjeshtë, ai ka shumë hyrje, ku informacioni i hyrjes kalon nëpër peshat (parametrat), vlerat e të cilave përcaktojnë sjelljen e neuronit. Rezultati që rezulton dërgohet në një dalje të vetme (shih diagramin e neuronit McCulloch-Pitts).
Një strukturë e tillë e ngjashme me pemën lidhet me një neuron biologjik, sepse kur mendojmë për vizatime që përshkruajnë qelizat nervore biologjike, është struktura karakteristike e dendriteve në formë peme që na vjen në mendje. Sidoqoftë, nuk duhet t'i nënshtrohet iluzionit se një neuron artificial është të paktën disi afër një qelize nervore të vërtetë. Këta dy studiues, autorët e neuronit të parë artificial, arritën të demonstrojnë se çdo funksion i llogaritshëm mund të llogaritet duke përdorur një rrjet neuronesh të ndërlidhur. Megjithatë, le të kujtojmë se këto koncepte të para u krijuan vetëm si ide që ekzistonin vetëm "në letër" dhe nuk kishin një interpretim real në formën e pajisjeve operative.
Lexoni gjithashtu: Rreth kompjuterëve kuantikë me fjalë të thjeshta
Nga modeli tek zbatimet inovative
McCulloch dhe Pitts zhvilluan një model teorik, por krijimi i rrjetit të parë nervor të vërtetë duhej të priste më shumë se dhjetë vjet. Krijuesi i saj konsiderohet të jetë një tjetër pionier i kërkimit të inteligjencës artificiale, Frank Rosenblatt, i cili në vitin 1957 krijoi rrjetin Mark I Perceptron dhe ju vetë treguat se falë kësaj strukture, makina fitoi një aftësi që më parë ishte e natyrshme vetëm për kafshët dhe njerëzit: mund të mësojnë. Megjithatë, ne tani e dimë se ka pasur, në fakt, shkencëtarë të tjerë që dolën me idenë se një makinë mund të mësonte, përfshirë para Rosenblatt.
Shumë studiues dhe pionierë të shkencës kompjuterike në vitet 1950 dolën me idenë se si ta bënin një makinë të bënte atë që nuk mund ta bënte vetë. Për shembull, Arthur Samuel zhvilloi një program që luante damë me një njeri, Allen Newell dhe Herbert Simon krijuan një program që mund të provonte në mënyrë të pavarur teoremat matematikore. Edhe para krijimit të rrjetit të parë nervor të Rosenblatt, dy pionierë të tjerë të kërkimit në fushën e inteligjencës artificiale, Marvin Minsky dhe Dean Edmonds, në vitin 1952, pra edhe para shfaqjes së perceptronit të Rosenblatt, ndërtuan një makinë të quajtur SNARC (Stochastic Neural Llogaritësi i përforcimit analog) - përforcim stokastik i kalkulatorit analog nervor, i konsideruar nga shumë si kompjuteri i parë i rrjetit nervor stokastik. Duhet të theksohet se SNARC nuk kishte asnjë lidhje me kompjuterët modernë.
Makina e fuqishme, duke përdorur më shumë se 3000 tuba elektronikë dhe një mekanizëm rezervë autopilot nga një bombardues B-24, ishte në gjendje të simulonte funksionimin e 40 neuroneve, të cilat doli të ishin të mjaftueshme për të simuluar matematikisht kërkimin e një miu për një dalje nga një labirint. . Sigurisht, nuk kishte miu, ishte thjesht një proces i zbritjes dhe gjetjes së zgjidhjes optimale. Kjo makinë ishte pjesë e doktoraturës së Marvin Minsky.
Një tjetër projekt interesant në fushën e rrjeteve nervore ishte rrjeti ADALINE, i zhvilluar në vitin 1960 nga Bernard Withrow. Kështu, mund të shtrohet pyetja: meqenëse më shumë se gjysmë shekulli më parë studiuesit i njihnin themelet teorike të rrjeteve nervore dhe madje krijuan implementimet e para të punës të kornizave të tilla llogaritëse, pse u desh kaq shumë kohë, deri në shekullin e 21-të, krijoni zgjidhje reale bazuar në rrjetet nervore? Përgjigja është një: fuqia e pamjaftueshme llogaritëse, por nuk ishte pengesa e vetme.
Edhe pse në vitet 1950 dhe 1960, shumë pionierë të AI ishin të magjepsur nga mundësitë e rrjeteve nervore dhe disa prej tyre parashikuan se një makinë ekuivalente e trurit të njeriut ishte vetëm dhjetë vjet larg. Kjo është edhe qesharake të lexosh sot, sepse ende nuk i kemi afruar krijimit të një makine ekuivalente të trurit të njeriut dhe jemi ende larg zgjidhjes së kësaj detyre. U bë shpejt e qartë se logjika e rrjeteve të para nervore ishte magjepsëse dhe e kufizuar. Zbatimet e para të AI duke përdorur neurone artificiale dhe algoritme të mësimit të makinerive ishin në gjendje të zgjidhnin një gamë të caktuar të ngushtë detyrash.
Megjithatë, kur bëhej fjalë për hapësira më të gjera dhe për të zgjidhur diçka vërtet serioze, si njohja e modeleve dhe imazheve, përkthimi i njëkohshëm, njohja e të folurit dhe shkrimit të dorës, etj., domethënë gjërat që kompjuterët dhe AI tashmë mund të bëjnë sot, doli se implementimet e para të rrjeteve nervore thjesht nuk ishin në gjendje ta bënin këtë. Pse është kështu? Përgjigjja u dha nga hulumtimi i Marvin Minsky (po, i njëjti nga SNARC) dhe Seymour Papert, të cilët në vitin 1969 vërtetuan kufizimet e logjikës së perceptronit dhe treguan se rritja e aftësive të rrjeteve të thjeshta nervore vetëm për shkak të shkallëzimit nuk funksionon. Kishte një pengesë tjetër, por shumë të rëndësishme - fuqia informatike e disponueshme në atë kohë ishte shumë e vogël për rrjetet nervore për t'u përdorur siç synohej.
Gjithashtu interesante:
- Pra, të flasësh apo të mos flasësh? Musk mohon të ketë folur me Putinin. Por ka një "por"
- Artileria moderne është super arma e Ukrainës. Dhe pse është Elon Musk këtu?
Rilindja e rrjeteve nervore
Në vitet 1970 dhe 1980, rrjetet nervore praktikisht u harruan. Vetëm në fund të shekullit të kaluar fuqia informatike e disponueshme u bë aq e madhe sa njerëzit filluan t'i kthehen asaj dhe të zhvillojnë aftësitë e tyre në këtë fushë. Pikërisht atëherë u shfaqën funksione dhe algoritme të reja, të afta për të kapërcyer kufizimet e rrjeteve të para nervore më të thjeshta. Ishte atëherë që lindi ideja e mësimit të thellë të makinerive të rrjeteve nervore me shumë shtresa. Çfarë ndodh në të vërtetë me këto shtresa? Sot, pothuajse të gjitha rrjetet nervore të dobishme që veprojnë në mjedisin tonë janë me shumë shtresa. Ne kemi një shtresë hyrëse, detyra e së cilës është të marrë të dhëna hyrëse dhe parametra (pesha). Numri i këtyre parametrave ndryshon në varësi të kompleksitetit të problemit llogaritës që do të zgjidhet nga rrjeti.
Përveç kësaj, ne kemi të ashtuquajturat "shtresa të fshehura" - këtu ndodh e gjithë "magjia" e lidhur me mësimin e thellë të makinerive. Janë shtresat e fshehura ato që janë përgjegjëse për aftësinë e këtij rrjeti nervor për të mësuar dhe kryer llogaritjet e nevojshme. Së fundi, elementi i fundit është shtresa dalëse, pra shtresa e rrjetit nervor që jep rezultatin e dëshiruar, në këtë rast: njohja e shkrimit të dorës, fytyra, zëri, imazhi i formuar në bazë të përshkrimit tekstual, rezultati i analizës tomografike të imazhin diagnostik dhe shumë më tepër.
Lexoni gjithashtu: Kam testuar dhe intervistuar chatbot-in e Bing
Si mësojnë rrjetet nervore?
Siç e dimë tashmë, neuronet individuale në rrjetet nervore përpunojnë informacionin me ndihmën e parametrave (peshave), të cilave u caktohen vlera dhe lidhje individuale. Këto pesha ndryshojnë gjatë procesit mësimor, gjë që ju lejon të rregulloni strukturën e këtij rrjeti në atë mënyrë që të gjenerojë rezultatin e dëshiruar. Si mëson saktësisht rrjeti? Është e qartë, duhet të trajnohet vazhdimisht. Mos u habisni nga kjo thënie. Edhe ne po mësojmë dhe ky proces nuk është kaotik, por i rregullt, le të themi. Ne e quajmë arsim. Në çdo rast, rrjetet nervore gjithashtu mund të trajnohen, dhe kjo zakonisht bëhet duke përdorur një grup inputesh të zgjedhura siç duhet, të cilat në njëfarë mënyre përgatit rrjetin për detyrat që do të kryejë në të ardhmen. Dhe e gjithë kjo përsëritet hap pas hapi, ndonjëherë procesi i të mësuarit në një farë mase i ngjan vetë procesit të trajnimit.
Për shembull, nëse detyra e këtij rrjeti nervor është të njohë fytyrat, ai është i trajnuar paraprakisht në një numër të madh imazhesh që përmbajnë fytyra. Në procesin e të mësuarit, peshat dhe parametrat e shtresave të fshehura ndryshojnë. Ekspertët përdorin këtu shprehjen "minimizimi i funksionit të kostos". Një funksion i kostos është një sasi që na tregon se sa shumë gabime një rrjet nervor i caktuar. Sa më shumë të mund të minimizojmë funksionin e kostos si rezultat i trajnimit, aq më mirë do të funksionojë ky rrjet nervor në botën reale. Tipari më i rëndësishëm që dallon çdo rrjet nervor nga një detyrë e programuar duke përdorur një algoritëm klasik është se, në rastin e algoritmeve klasike, programuesi duhet të hartojë hap pas hapi se çfarë veprimesh do të kryejë programi. Në rastin e rrjeteve nervore, vetë rrjeti është i aftë të mësojë të kryejë detyrat në mënyrë korrekte vetë. Dhe askush nuk e di saktësisht se si një rrjet nervor kompleks i kryen llogaritjet e tij.
Sot, rrjetet nervore përdoren gjerësisht dhe, ndoshta çuditërisht, shumë shpesh pa kuptuar se si funksionon në të vërtetë procesi llogaritës në një rrjet të caktuar. Nuk ka nevojë për këtë. Programuesit përdorin rrjete nervore të gatshme të mësuara nga makina që përgatiten për të dhëna hyrëse të një lloji të caktuar, i përpunojnë ato në një mënyrë të njohur vetëm për ta dhe prodhojnë rezultatin e dëshiruar. Një programues nuk ka nevojë të dijë se si funksionon procesi i konkluzionit brenda një rrjeti nervor. Kjo do të thotë, një person mbetet i përmbajtur nga një vëllim i madh llogaritjesh, një metodë e marrjes së informacionit dhe përpunimit të tij nga rrjetet nervore. Nga rrjedhin disa frikëra të njerëzimit në lidhje me modelet e inteligjencës artificiale. Thjesht kemi frikë se një ditë rrjeti nervor do t'i vendosë vetes një detyrë të caktuar dhe në mënyrë të pavarur, pa ndihmën e një personi, do të gjejë mënyra për ta zgjidhur atë. Kjo shqetëson njerëzimin, shkakton frikë dhe mosbesim në përdorimin e algoritmeve të mësimit të makinerive.
Kjo qasje utilitare është e zakonshme sot. Është e njëjta gjë me ne: ne dimë të trajnojmë dikë në një aktivitet të caktuar dhe e dimë se procesi i trajnimit do të jetë efektiv nëse bëhet në mënyrë korrekte. Një person do të fitojë aftësitë e dëshiruara. Por a e kuptojmë saktësisht se si zhvillohet procesi i deduksionit në trurin e tij, i cili shkaktoi këtë efekt? Nuk kemi asnjë ide.
Detyra e shkencëtarëve është t'i studiojnë sa më shumë këto probleme, në mënyrë që ato të na shërbejnë dhe të na ndihmojnë aty ku është e nevojshme dhe, më e rëndësishmja, të mos bëhen kërcënim. Si njerëz, ne kemi frikë nga ajo që nuk e dimë.
Gjithashtu interesante: