Bugun biz neyron tarmoqlar nima ekanligini, ular qanday ishlashini va sun'iy intellektni yaratishdagi rolini aniqlashga harakat qilamiz.
Neyron tarmoqlar. Bu iborani deyarli hamma joyda eshitamiz. Bu shunday nuqtaga keladiki, siz neyron tarmoqlarni hatto muzlatgichlarda ham topasiz (bu hazil emas). Neyron tarmoqlardan mashinani o'rganish algoritmlari keng qo'llaniladi, ularni bugungi kunda nafaqat kompyuterlar va smartfonlarda, balki boshqa ko'plab elektron qurilmalarda, masalan, maishiy texnikada ham topish mumkin. Va bu neyron tarmoqlar nima ekanligini hech o'ylab ko'rganmisiz?
Xavotir olmang, bu akademik ma'ruza bo'lmaydi. Aniq fanlar sohasida bu masalani juda professional va ishonchli tarzda tushuntirib beradigan ko'plab nashrlar, shu jumladan ukrain tilida ham mavjud. Bunday nashrlar o'n yildan oshiqroqdir. Qanday qilib bu eski nashrlar hali ham dolzarb bo'lib qolishi mumkin? Gap shundaki, neyron tarmoqlarning asoslari o'zgarmagan va kontseptsiyaning o'zi - sun'iy neyronning matematik modeli - Ikkinchi Jahon urushi paytida yaratilgan.
Internet bilan bir xil, bugungi Internet birinchi elektron pochta yuborilgan vaqtga qaraganda ancha rivojlangan. Internetning asoslari, asosiy protokollari uning yaratilishining boshidanoq mavjud edi. Har bir murakkab kontseptsiya eski tuzilmalar poydevoriga qurilgan. Bizning miyamiz bilan bir xil, eng yosh miya po'stlog'i eng qadimgi evolyutsion elementsiz ishlay olmaydi: bizning sayyoramizdagi turlarning mavjudligidan ancha qadimgi vaqtlardan beri bizning boshimizda bo'lgan miya sopi.
Sizni biroz chalkashtirib yubordimmi? Shunday qilib, keling, batafsilroq tushunaylik.
Shuningdek, qiziqarli: ChatGPT: Foydalanish uchun oddiy ko'rsatmalar
Neyron tarmoqlar nima?
Tarmoq ma'lum elementlarning yig'indisidir. Bu matematika, fizika yoki texnologiyadagi eng oddiy yondashuv. Agar kompyuter tarmog'i o'zaro bog'langan kompyuterlar to'plami bo'lsa, u holda neyron tarmoq aniq neyronlar to'plamidir.
Biroq, bu elementlarni murakkabligi bo'yicha miyamiz va asab tizimimizning nerv hujayralari bilan uzoqdan solishtirish ham mumkin emas, lekin ma'lum darajada mavhumlik darajasida sun'iy neyron va biologik neyronning ba'zi xususiyatlari keng tarqalgan. Ammo shuni yodda tutish kerakki, sun'iy neyron uning biologik hamkasbiga qaraganda ancha sodda tushuncha bo'lib, biz hali ham hamma narsani bilmaymiz.
Shuningdek o'qing: ChatGPT-dan 7 ta ajoyib foydalanish
Dastlab sun'iy neyron mavjud edi
Sun'iy neyronning birinchi matematik modeli 1943 yilda (ha, bu xato emas, Ikkinchi jahon urushi paytida) ikki amerikalik olim Uorren Makkalok va Uolter Pits tomonidan ishlab chiqilgan. Ular buni miya fiziologiyasi (ushbu model yaratilgan vaqtni eslang), matematika va o'sha paytdagi yosh IT yondashuvi (boshqa narsalar qatori, Alan Tyuringning hisoblash qobiliyati nazariyasidan foydalanganlar) haqidagi asosiy bilimlarini birlashtirgan fanlararo yondashuv asosida amalga oshirishga muvaffaq bo'lishdi. ). McCulloch-Pitts sun'iy neyron modeli juda oddiy model bo'lib, u juda ko'p kirishlarga ega, bu erda kirish ma'lumotlari og'irliklar (parametrlar) orqali o'tadi, ularning qiymatlari neyronning harakatini belgilaydi. Olingan natija bitta chiqishga yuboriladi (McCulloch-Pitts neyronining diagrammasiga qarang).
Bunday daraxtga o'xshash struktura biologik neyron bilan bog'liq, chunki biologik nerv hujayralari tasvirlangan chizmalar haqida o'ylaganimizda, dendritlarning xarakterli daraxtga o'xshash tuzilishi yodga tushadi. Biroq, sun'iy neyron hech bo'lmaganda haqiqiy nerv hujayrasiga biroz yaqinroq degan xayolga berilmaslik kerak. Birinchi sun'iy neyron mualliflari bo'lgan bu ikki tadqiqotchi o'zaro bog'langan neyronlar tarmog'i yordamida har qanday hisoblash funksiyasini hisoblash mumkinligini ko'rsatishga muvaffaq bo'ldi. Biroq, eslaylikki, bu birinchi tushunchalar faqat "qog'ozda" mavjud bo'lgan va operatsion uskunalar shaklida haqiqiy talqinga ega bo'lmagan g'oyalar sifatida yaratilgan.
Shuningdek o'qing: Oddiy so'zlar bilan kvant kompyuterlari haqida
Modeldan innovatsion ilovalargacha
McCulloch va Pitts nazariy modelni ishlab chiqdilar, ammo birinchi haqiqiy neyron tarmoqni yaratish uchun o'n yildan ko'proq vaqt kutish kerak edi. Uning yaratuvchisi 1957 yilda Mark I Perceptron tarmog'ini yaratgan sun'iy intellekt tadqiqotlarining yana bir kashshofi Frank Rozenblat hisoblanadi va siz o'zingiz ko'rsatgansizki, ushbu tuzilma tufayli mashina ilgari faqat hayvonlar va odamlar ega bo'lgan qobiliyatga ega bo'lgan: bu o'rganishi mumkin. Biroq, biz hozir bilamizki, aslida, mashina o'rganishi mumkinligi haqidagi g'oyani ilgari surgan boshqa olimlar ham bor edi, shu jumladan Rosenblattgacha.
1950-yillarda kompyuter fanining ko'plab tadqiqotchilari va kashshoflari mashinani o'z-o'zidan qila olmaydigan narsani qanday qilish kerakligi g'oyasini ilgari surdilar. Misol uchun, Artur Samuel odam bilan shashka o'ynagan dasturni ishlab chiqdi, Allen Nyuell va Gerbert Saymon matematik teoremalarni mustaqil ravishda isbotlay oladigan dastur yaratdilar. Rosenblattning birinchi neyron tarmog'i yaratilishidan oldin ham, sun'iy intellekt sohasidagi tadqiqotning yana ikki kashshoflari Marvin Minski va Din Edmonds 1952 yilda, ya'ni Rosenblatt perseptroni paydo bo'lishidan oldin ham SNARC (Stokastik Neyral) nomli mashinani qurdilar. Analog mustahkamlash kalkulyatori) - ko'pchilik tomonidan birinchi stokastik neyron tarmoq kompyuteri deb hisoblangan stokastik neyron analog kalkulyatori. Shuni ta'kidlash kerakki, SNARC zamonaviy kompyuterlarga hech qanday aloqasi yo'q edi.
B-3000 bombardimonchi samolyotining 24 dan ortiq elektron naychalari va zaxira avtopilot mexanizmidan foydalangan holda kuchli mashina 40 ta neyronning ishlashini taqlid qila oldi, bu kalamushning labirintdan chiqish yo'lini qidirishini matematik taqlid qilish uchun etarli bo'ldi. . Albatta, kalamush yo'q edi, bu faqat chegirma va optimal echimni topish jarayoni edi. Bu mashina Marvin Minskining Ph.D.ning bir qismi edi.
Neyron tarmoqlar sohasidagi yana bir qiziqarli loyiha 1960 yilda Bernard Withrow tomonidan ishlab chiqilgan ADALINE tarmog'i bo'ldi. Shunday qilib, savol tug'ilishi mumkin: yarim asrdan ko'proq vaqt oldin tadqiqotchilar neyron tarmoqlarning nazariy asoslarini bilishgan va hatto bunday hisoblash tizimlarining birinchi amaliy tatbiqlarini yaratganligi sababli, nega XXI asrgacha bunchalik uzoq vaqt talab qilindi. neyron tarmoqlarga asoslangan haqiqiy echimlarni yaratasizmi? Javob bitta: hisoblash quvvati etarli emas, lekin bu yagona to'siq emas edi.
Garchi 1950 va 1960-yillarda ko'plab sun'iy intellekt kashshoflari neyron tarmoqlarning imkoniyatlaridan hayratda qolishgan va ularning ba'zilari inson miyasining mashina ekvivalentiga atigi o'n yil qolganini taxmin qilishgan. Bugungi kunda buni o'qish juda kulgili, chunki biz hali ham inson miyasining mashina ekvivalentini yaratishga yaqin kelganimiz yo'q va biz bu vazifani hal qilishdan hali ham uzoqmiz. Birinchi neyron tarmoqlarning mantig'i ham maftunkor, ham cheklanganligi tezda ma'lum bo'ldi. Sun'iy neyronlar va mashinani o'rganish algoritmlaridan foydalangan holda sun'iy intellektning birinchi ilovalari ma'lum bir tor doiradagi vazifalarni hal qilishga muvaffaq bo'ldi.
Biroq, gap kengroq bo'shliqlar va chindan ham jiddiy narsani, masalan, naqsh va tasvirni aniqlash, sinxron tarjima, nutq va qo'l yozuvini aniqlash va hokazolarni, ya'ni kompyuterlar va sun'iy intellekt bugungi kunda qila oladigan narsalarni hal qilishga kelganda, ma'lum bo'ldi. neyron tarmoqlarning birinchi ilovalari buni qila olmadi. Nega bunday? 1969 yilda perseptron mantig'ining cheklovlarini isbotlagan va faqat masshtablash hisobiga oddiy neyron tarmoqlarning imkoniyatlarini oshirish ish bermasligini ko'rsatgan Marvin Minski (ha, SNARCdan xuddi shunday) va Seymur Papertning tadqiqotlari javob berdi. Yana bitta, lekin juda muhim to'siq bor edi - o'sha paytda mavjud bo'lgan hisoblash quvvati neyron tarmoqlarni maqsadga muvofiq ishlatish uchun juda kichik edi.
Shuningdek, qiziqarli:
- Xo'sh, gapirish yoki gapirmaslik? Mask Putin bilan gaplashganini rad etadi. Ammo "lekin" bor
- Zamonaviy artilleriya Ukrainaning super qurolidir. Nega Ilon Mask bu yerda?
Neyron tarmoqlarning renessansi
1970-1980-yillarda neyron tarmoqlar deyarli unutilgan edi. O'tgan asrning oxiriga kelibgina mavjud hisoblash quvvati shunchalik katta bo'ldiki, odamlar unga qaytib, bu sohada o'z imkoniyatlarini rivojlantira boshladilar. Aynan o'sha paytda birinchi oddiy neyron tarmoqlarining cheklovlarini engib o'tishga qodir bo'lgan yangi funktsiyalar va algoritmlar paydo bo'ldi. Aynan o'sha paytda ko'p qatlamli neyron tarmoqlarni chuqur mashina o'rganish g'oyasi paydo bo'ldi. Bu qatlamlar bilan aslida nima sodir bo'ladi? Bugungi kunda bizning muhitimizda ishlaydigan deyarli barcha foydali neyron tarmoqlar ko'p qatlamli. Bizda kirish qatlami bor, uning vazifasi kirish ma'lumotlari va parametrlarini (vaznlarini) olishdir. Ushbu parametrlarning soni tarmoq tomonidan hal qilinadigan hisoblash muammosining murakkabligiga qarab o'zgaradi.
Bundan tashqari, bizda "yashirin qatlamlar" mavjud - bu erda chuqur mashinani o'rganish bilan bog'liq barcha "sehr" sodir bo'ladi. Aynan yashirin qatlamlar ushbu neyron tarmog'ining kerakli hisob-kitoblarni o'rganish va bajarish qobiliyatiga javobgardir. Va nihoyat, oxirgi element - bu chiqish qatlami, ya'ni kerakli natijani beruvchi neyron tarmoq qatlami, bu holda: tan olingan qo'l yozuvi, yuz, ovoz, matn tavsifi asosida shakllangan tasvir, tomografik tahlil natijasi. diagnostika tasviri va boshqalar.
Shuningdek o'qing: Men Bing chatbotini sinab ko'rdim va intervyu oldim
Neyron tarmoqlar qanday o'rganadi?
Ma'lumki, neyron tarmoqlardagi individual neyronlar ma'lumotni individual qiymatlar va ulanishlar bilan belgilanadigan parametrlar (og'irliklar) yordamida qayta ishlaydi. O'quv jarayonida bu og'irliklar o'zgaradi, bu esa ushbu tarmoq strukturasini kerakli natijani yaratadigan tarzda sozlash imkonini beradi. Tarmoq qanday qilib aniq o'rganadi? Ko'rinib turibdiki, uni doimiy ravishda tayyorlash kerak. Bu gapga hayron bo'lmang. Biz ham o‘rganyapmiz va bu jarayon tartibsiz emas, tartibli, deylik. Biz buni ta'lim deb ataymiz. Har qanday holatda, neyron tarmoqlarni ham o'rgatish mumkin va bu odatda tegishli tanlangan kirishlar to'plami yordamida amalga oshiriladi, bu esa tarmoqni kelajakda bajaradigan vazifalarga qandaydir tarzda tayyorlaydi. Va bularning barchasi bosqichma-bosqich takrorlanadi, ba'zida o'quv jarayoni ma'lum darajada o'quv jarayonining o'ziga o'xshaydi.
Misol uchun, agar ushbu neyron tarmoqning vazifasi yuzlarni tanib olish bo'lsa, u yuzlarni o'z ichiga olgan ko'p sonli tasvirlarda oldindan o'qitiladi. O'quv jarayonida yashirin qatlamlarning og'irliklari va parametrlari o'zgaradi. Mutaxassislar bu erda "xarajat funktsiyasini minimallashtirish" iborasini ishlatadilar. Xarajat funktsiyasi - bu berilgan neyron tarmoq qancha xato qilishini ko'rsatadigan miqdor. Trening natijasida xarajat funktsiyasini qanchalik kamaytirsak, bu neyron tarmoq haqiqiy dunyoda shunchalik yaxshi ishlaydi. Har qanday neyron tarmoqni klassik algoritm yordamida dasturlashtirilgan vazifadan ajratib turadigan eng muhim xususiyat shundaki, klassik algoritmlar holatida dasturchi dastur qanday amallarni bajarishini bosqichma-bosqich loyihalashi kerak. Neyron tarmoqlarda tarmoqning o'zi vazifalarni mustaqil ravishda to'g'ri bajarishni o'rganishga qodir. Va hech kim murakkab neyron tarmog'i o'z hisob-kitoblarini qanday bajarishini aniq bilmaydi.
Bugungi kunda neyron tarmoqlar keng tarqalgan va, ehtimol, hayratlanarli darajada, ko'pincha ma'lum bir tarmoqdagi hisoblash jarayoni qanday ishlashini tushunmasdan qo'llaniladi. Bunga hojat yo'q. Dasturchilar ma'lum turdagi ma'lumotlarni kiritish uchun tayyorlangan tayyor mashinada o'rganilgan neyron tarmoqlaridan foydalanadilar, ularni faqat o'zlariga ma'lum bo'lgan tarzda qayta ishlaydilar va kerakli natijani beradilar. Dasturchi neyron tarmoq ichida xulosa chiqarish jarayoni qanday ishlashini bilishi shart emas. Ya'ni, odam katta hajmdagi hisob-kitoblardan, ma'lumot olish usulidan va uni neyron tarmoqlar tomonidan qayta ishlashdan chetda qoladi. Insoniyatning sun'iy intellekt modellariga nisbatan ma'lum qo'rquvlari shundan. Biz shunchaki qo'rqamizki, bir kun kelib neyron tarmoq o'z oldiga ma'lum bir vazifani qo'yadi va mustaqil ravishda, odamning yordamisiz uni hal qilish yo'llarini topadi. Bu insoniyatni xavotirga soladi, mashinani o'rganish algoritmlaridan foydalanishda qo'rquv va ishonchsizlikni keltirib chiqaradi.
Ushbu utilitar yondashuv bugungi kunda keng tarqalgan. Bizda ham xuddi shunday: biz kimnidir muayyan faoliyatga qanday o‘rgatish kerakligini bilamiz va o‘quv jarayoni to‘g‘ri bajarilsa samarali bo‘lishini bilamiz. Biror kishi kerakli ko'nikmalarga ega bo'ladi. Ammo bu ta'sirga sabab bo'lgan deduksiya jarayoni uning miyasida qanday sodir bo'lishini aniq tushunamizmi? Bizda hech qanday fikr yo'q.
Olimlarning vazifasi bu muammolarni imkon qadar chuqurroq o‘rganish, kerak bo‘lganda bizga xizmat qilishi, yordam berishi, eng muhimi, tahdidga aylanib qolmasligidir. Inson sifatida biz bilmagan narsadan qo'rqamiz.
Shuningdek, qiziqarli: