Читайте также:
|
|
Мы давно знаем (на протяжении всей истории искусственного интеллекта) о том, что мозг функционирует совершенно не так. Во-первых, нейрон (клетка мозга) скорее похож на самодостаточную складывающую машину, чем на простой переключатель. Каждый из ваших нейронов имеет огромное количество связей (обычно от пяти до двадцати тысяч) с другими нейронами. Каждый нейрон увеличивает (суммирует) общую активность всех этих связей. Когда активность превышает определенный уровень (порог), нейрон генерирует выходной сигнал (синапс). Этот выходной сигнал является входным для множества нейронов, соединенных с данным нейроном. Они начинают действовать и могут передавать сигнал дальше.
Во-вторых, в мозге нет аналога ЦПУ. Вместо того чтобы анализировать нули и единицы, взаимосвязанная природа нейронов заставляет их действовать и воздействовать на другие, соединенные с ними нейроны. На физическом уровне в вашем мозгу происходит последовательность очень сложных взаимодействий нейронов. Следует сказать, что человеческий мозг состоит примерно из ста миллиардов нейронов. Большинство из них имеет тысячи связей друг с другом. Искусственный интеллект должен работать с количеством настолько меньшим этой цифры, что любые сравнения с человеческим мозгом более чем преждевременны.
Ранние попытки создать компьютер, который будет напоминать мозг, привели к созданию устройства, называемого перцептроном. Перцептрон, показанный на рисунке, — это вид электрической аналогии грубого образа нейрона, показанного выше. Технически — это пороговое переключательное устройство. Оно располагает большим количеством входных линий, которые суммируются, и пороговой оценкой. Если результат сложения превышает пороговую оценку, перцептрон действует и формируется единица. Если результат оказывается меньше порогового, перцептрон бездействует и формируется ноль. Программировать это устройство относительно просто (в этой области обычно используется термин «подготовка»). Каждая из входных линий обладает весом. Чтобы лучше себе это представить, подумайте об уровне громкости сигнала с каждой линии. Если перцептрон действует, когда мы этого не хотим, мы можем снизить вес входных линий (уменьшить громкость), пока не достигнем желаемого уровня. Если же прибор не действует тогда, когда нам это необходимо, мы можем повысить громкость входных линий (увеличить их вес) до желаемого показателя. Таким образом устройство будет настроено только на конкретные стандарты входа, на которые мы готовы реагировать.
К сожалению, единственный перцептрон, пусть даже и простой в подготовке, не слишком эффективен в роли компьютера. Это было доказано в 1969 году двумя видными специалистами в области искусственного интеллекта — Марвином Мински и Сеймуром Папертом. Полученные ими результаты больше чем на десятилетие оттолкнули исследователей от этой области. В середине 80-х годов возник всплеск интереса и ученые начали разрабатывать способы подготовки больших сетей перцептронов и подобных им устройств.
Проблема в использовании взвешенных методов (или методов регулирования громкости) возникла тогда, когда стали применять несколько перцептронов, объединенных в сеть. Мы перестали понимать, какая из связей нуждается в коррекции. Все перцептроны связаны и воздействуют друг на друга, поэтому определить, какую линию нужно подправить, очень нелегко.
Самое важное решение этой программы называется алгоритмом обратного распространения. Для того чтобы понять принцип этого алгоритма, рассмотрим сеть с тремя уровнями пороговых переключающих устройств (перцептроны отлично справятся с этой ролью). Один уровень — это уровень входа, затем следует скрытый уровень и уровень выхода.
Дендриты (вход) |
Электрический сигнал (выход) |
Суммирующее устройство |
Нейрон
Суммирующее Пороговое Выход устройство устройство (0 или1) Входные устройства |
Перцептрон
Дата добавления: 2015-11-30; просмотров: 32 | Нарушение авторских прав