Í dag munum við reyna að komast að því hvað tauganet eru, hvernig þau virka og hvert hlutverk þeirra er við að búa til gervigreind.
Taugakerfi. Við heyrum þessa setningu nánast alls staðar. Það kemur að því að þú munt finna taugakerfi jafnvel í ísskápum (þetta er ekki grín). Taugakerfi eru mikið notuð af vélrænum reikniritum, sem í dag er ekki aðeins að finna í tölvum og snjallsímum, heldur einnig í mörgum öðrum raftækjum, til dæmis í heimilistækjum. Og hefur þú einhvern tíma velt því fyrir þér hvað þessi tauganet eru?
Engar áhyggjur, þetta verður ekki akademískur fyrirlestur. Það eru mörg rit, þar á meðal á úkraínsku, sem skýra þetta mál á mjög faglegan og áreiðanlegan hátt á sviði nákvæmra vísinda. Slík rit eru meira en tug ára gömul. Hvernig er það mögulegt að þessi gömlu rit eigi enn við? Staðreyndin er sú að grundvallaratriði tauganeta hafa ekki breyst og hugmyndin sjálf - stærðfræðilegt líkan af gervi taugafrumu - var búið til í seinni heimsstyrjöldinni.
Sama með internetið, internetið í dag er óviðjafnanlega þróaðra en þegar fyrsti tölvupósturinn var sendur. Undirstöður internetsins, grundvallarsamskiptareglur, voru til frá upphafi þess. Sérhver flókin hugmynd er byggð á grunni gamalla mannvirkja. Það er eins með heilann okkar, yngsti heilaberki getur ekki starfað án elsta þróunarþáttarins: heilastofninn, sem hefur verið í höfði okkar frá tímum miklu eldri en tilvist tegundar okkar á þessari plánetu.
Var ég að rugla þig svolítið? Svo við skulum skilja nánar.
Einnig áhugavert: ChatGPT: Einfaldar notkunarleiðbeiningar
Hvað eru tauganet?
Net er safn ákveðinna þátta. Þetta er einfaldasta aðferðin í stærðfræði, eðlisfræði eða tækni. Ef tölvunet er sett af samtengdum tölvum, þá er tauganet augljóslega sett af taugafrumum.
Hins vegar eru þessir þættir ekki einu sinni lítillega sambærilegir að margbreytileika við taugafrumur heila okkar og taugakerfis, en á ákveðnu abstraktstigi eru sumir eiginleikar gervitaugafrumu og líffræðilegrar taugafrumu algengir. En það er nauðsynlegt að muna að gervi taugafruma er miklu einfaldara hugtak en líffræðileg hliðstæða hennar, sem við vitum enn ekki allt um.
Lestu líka: 7 svalasta notkun ChatGPT
Fyrst var gervi taugafruma
Fyrsta stærðfræðilega líkanið af gervi taugafrumu var þróað árið 1943 (já, það eru ekki mistök, í seinni heimsstyrjöldinni) af tveimur bandarískum vísindamönnum, Warren McCulloch og Walter Pitts. Þeim tókst að gera þetta á grundvelli þverfaglegrar nálgunar, þar sem þeir sameina grunnþekkingu á lífeðlisfræði heilans (munið eftir þeim tíma þegar þetta líkan var búið til), stærðfræði og þá ungu upplýsingatækni nálgun (þeir notuðu m.a. kenningu Alan Turing um reiknihæfni. ). McCulloch-Pitts gervi taugafrumulíkanið er mjög einfalt líkan, það hefur mörg inntak, þar sem inntaksupplýsingarnar fara í gegnum þyngd (færibreytur), gildin sem ákvarða hegðun taugafrumunnar. Niðurstaðan sem fæst er send í einn útgang (sjá skýringarmynd af McCulloch-Pitts taugafrumu).
Slík trélík uppbygging tengist líffræðilegri taugafrumu, því þegar við hugsum um teikningar sem sýna líffræðilegar taugafrumur, þá er það einkennandi trjálík uppbygging dendrita sem kemur upp í hugann. Hins vegar ætti ekki að láta undan þeirri blekkingu að gervi taugafruma sé að minnsta kosti nokkuð nálægt alvöru taugafrumu. Þessir tveir vísindamenn, höfundar fyrstu gervi taugafrumunnar, náðu að sýna fram á að hægt er að reikna út hvaða virkni sem er með því að nota net samtengdra taugafrumna. Hins vegar skulum við muna að þessi fyrstu hugtök urðu aðeins til sem hugmyndir sem voru aðeins til „á pappír“ og höfðu ekki raunverulega túlkun í formi rekstrarbúnaðar.
Lestu líka: Um skammtatölvur í einföldum orðum
Frá fyrirmynd til nýstárlegra útfærslur
McCulloch og Pitts þróuðu fræðilegt líkan, en stofnun fyrsta alvöru taugakerfisins þurfti að bíða í meira en tíu ár. Höfundur þess er talinn vera annar brautryðjandi gervigreindarrannsókna, Frank Rosenblatt, sem árið 1957 bjó til Mark I Perceptron netið, og þú sýndir sjálfur að þökk sé þessari uppbyggingu öðlaðist vélin hæfileika sem áður var eingöngu eðlislægur dýrum og mönnum: hún getur lært. Hins vegar vitum við núna að það voru í raun og veru aðrir vísindamenn sem komu með þá hugmynd að vél gæti lært, þar á meðal fyrir Rosenblatt.
Margir vísindamenn og frumkvöðlar í tölvunarfræði á fimmta áratugnum komu með hugmyndina um hvernig á að láta vél gera það sem hún gat ekki gert á eigin spýtur. Til dæmis þróaði Arthur Samuel forrit sem spilaði tígli við mann, Allen Newell og Herbert Simon bjuggu til forrit sem gæti sjálfstætt sannað stærðfræðilegar setningar. Jafnvel áður en fyrsta tauganet Rosenblatt var stofnað, byggðu tveir aðrir frumkvöðlar rannsókna á sviði gervigreindar, Marvin Minsky og Dean Edmonds, árið 1950, það er jafnvel áður en skynjun Rosenblatts kom fram, vél sem kallast SNARC (Stochastic Neural). Analog Reinforcement Calculator) - styrking á stochastic tauga hliðrænum reiknivél, af mörgum talin vera fyrsta stochastic taugakerfistölvan. Það skal tekið fram að SNARC hafði ekkert með nútíma tölvur að gera.
Öfluga vélin, sem notar meira en 3000 rafeindaslöngur og auka sjálfstýringarbúnað frá B-24 sprengjuflugvél, gat líkt eftir virkni 40 taugafrumna, sem reyndist nægja til að líkja stærðfræðilega eftir leit rottu að útgöngu úr völundarhúsi. . Auðvitað var engin rotta til, þetta var bara ferli til að draga úr og finna bestu lausnina. Þessi bíll var hluti af doktorsprófi Marvin Minsky.
Annað áhugavert verkefni á sviði tauganeta var ADALINE netið, þróað árið 1960 af Bernard Withrow. Þannig má spyrja spurningarinnar: þar sem vísindamenn þekktu fræðilegan grunn tauganeta fyrir meira en hálfri öld og bjuggu jafnvel til fyrstu vinnuútfærslur slíkra reikniramma, hvers vegna tók það svo langan tíma, fram á 21. öld, að búa til raunverulegar lausnir byggðar á tauganetum? Svarið er eitt: ófullnægjandi tölvuorka, en það var ekki eina hindrunin.
Þrátt fyrir að á fimmta og sjöunda áratugnum hafi margir frumkvöðlar gervigreindar verið heillaðir af möguleikum tauganeta og sumir þeirra spáðu því að tæki sem samsvarar mannsheilanum væru aðeins tíu ár í burtu. Þetta er meira að segja fyndið að lesa í dag, því við höfum ekki einu sinni komist nálægt því að búa til vélarígildi mannsheilans og við erum enn langt frá því að leysa þetta verkefni. Það varð fljótt ljóst að rökfræði fyrstu tauganetanna var bæði heillandi og takmörkuð. Fyrstu útfærslur gervigreindar með gervi taugafrumum og vélrænum reikniritum gátu leyst ákveðið þröngt verkefnasvið.
Hins vegar, þegar kom að breiðari rýmum og að leysa eitthvað virkilega alvarlegt, eins og mynstur- og myndgreiningu, samtímaþýðingu, tal- og rithönd, o.s.frv., það er hluti sem tölvur og gervigreind geta þegar gert í dag, kom í ljós að fyrstu útfærslur tauganeta gátu einfaldlega ekki gert það. Hvers vegna er þetta svona? Svarið var gefið með rannsóknum Marvin Minsky (já, sá hinn sami frá SNARC) og Seymour Papert, sem árið 1969 sannaði takmarkanir skynjunarrökfræðinnar og sýndu fram á að auka getu einfaldra tauganeta eingöngu vegna mælikvarða virkar ekki. Það var enn ein, en mjög mikilvæg, hindrun - tölvukrafturinn sem var tiltækur á þeim tíma var of lítill til að taugakerfi gætu verið notuð eins og til var ætlast.
Einnig áhugavert:
- Svo, að tala eða ekki að tala? Musk neitar að hafa talað við Pútín. En það er "en"
- Nútíma stórskotalið er ofurvopn Úkraínu. Og hvers vegna er Elon Musk hér?
Endurreisn tauganeta
Á áttunda og níunda áratugnum voru taugakerfi nánast gleymd. Það var ekki fyrr en undir lok síðustu aldar sem tiltækt tölvuafl varð svo mikið að fólk fór að snúa aftur til hennar og þróa getu sína á þessu sviði. Það var þá sem nýjar aðgerðir og reiknirit komu fram sem tókst að sigrast á takmörkunum fyrstu einföldustu tauganetanna. Það var þá sem hugmyndin um djúpt vélanám á fjöllaga tauganetum vaknaði. Hvað verður eiginlega um þessi lög? Í dag eru næstum öll gagnleg tauganet sem starfa í umhverfi okkar marglaga. Við erum með inntakslag sem hefur það hlutverk að taka á móti inntaksgögnum og breytum (þyngd). Fjöldi þessara breytu er breytilegur eftir því hversu flókið reiknivandamálið á að leysa af netinu.
Að auki erum við með svokölluð „falin lög“ - þetta er þar sem allir „töfrar“ sem tengjast djúpu vélanámi gerast. Það eru huldu lögin sem bera ábyrgð á getu þessa tauganets til að læra og framkvæma nauðsynlega útreikninga. Að lokum er síðasti þátturinn úttakslagið, það er það lag tauganetsins sem gefur tilætluðum árangri, í þessu tilviki: viðurkennd rithönd, andlit, rödd, mynduð mynd byggð á textalýsingu, niðurstaða tomografískrar greiningar á greiningarmyndina og margt fleira.
Lestu líka: Ég prófaði og tók viðtal við spjallbot Bing
Hvernig læra tauganet?
Eins og við vitum nú þegar, vinna einstakar taugafrumur í tauganetum upplýsingar með hjálp stika (þyngdar), sem eru úthlutað einstökum gildum og tengingum. Þessar lóðir breytast í námsferlinu, sem gerir þér kleift að stilla uppbyggingu þessa nets á þann hátt að það skili tilætluðum árangri. Hvernig nákvæmlega lærir netið? Það er augljóst, það verður að vera stöðugt þjálfað. Ekki vera hissa á þessu orðatiltæki. Við erum líka að læra og þetta ferli er ekki óreiðukennt, heldur skipulegt, skulum við segja. Við köllum það menntun. Í öllum tilvikum er einnig hægt að þjálfa tauganet og það er venjulega gert með því að nota viðeigandi valið sett af inntakum, sem á einhvern hátt undirbýr netið fyrir þau verkefni sem það mun framkvæma í framtíðinni. Og allt er þetta endurtekið skref fyrir skref, stundum líkist námsferlið að einhverju leyti þjálfunarferlinu sjálfu.
Til dæmis, ef verkefni þessa tauganets er að þekkja andlit, er það forþjálfað á fjölda mynda sem innihalda andlit. Í lærdómsferlinu breytast þyngd og færibreytur huldu laganna. Sérfræðingar nota orðalagið „lágmörkun á kostnaðarfalli“ hér. Kostnaðarfall er magn sem segir okkur hversu mikið tiltekið tauganet gerir mistök. Því meira sem við getum lágmarkað kostnaðarvirknina vegna þjálfunar, því betur mun þetta taugakerfi skila sér í hinum raunverulega heimi. Mikilvægasti eiginleikinn sem aðgreinir hvaða tauganet sem er frá verkefni sem forritað er með klassískum reiknirit er að þegar um er að ræða klassíska reiknirit þarf forritarinn að hanna skref fyrir skref hvaða aðgerðir forritið mun framkvæma. Þegar um tauganet er að ræða er netið sjálft fært um að læra að framkvæma verkefni rétt á eigin spýtur. Og enginn veit nákvæmlega hvernig flókið tauganet framkvæmir útreikninga sína.
Í dag eru taugakerfi notuð víða og, kannski furðu, mjög oft án þess að skilja hvernig reikniferlið í tilteknu neti virkar í raun og veru. Það er engin þörf á þessu. Forritarar nota tilbúin véllærð tauganet sem eru undirbúin fyrir inntaksgögn af ákveðinni gerð, vinna úr þeim á þann hátt sem þeir þekkja og skila tilætluðum árangri. Forritari þarf ekki að vita hvernig ályktunarferlið virkar innan taugakerfis. Það er, manneskja heldur sig fjarri miklu magni útreikninga, aðferð til að afla upplýsinga og vinnslu þeirra með tauganetum. Hvaðan ákveðinn ótta mannkyns varðandi gervigreindarlíkön. Við erum einfaldlega hrædd um að einn daginn muni tauganetið setja sér ákveðið verkefni og sjálfstætt, án aðstoðar manns, finna leiðir til að leysa það. Þetta veldur mannkyninu áhyggjum, veldur ótta og vantrausti á notkun vélrænna reiknirita.
Þessi nytjaaðferð er algeng í dag. Það er eins með okkur: við vitum hvernig á að þjálfa einhvern í tiltekinni starfsemi og við vitum að þjálfunarferlið mun skila árangri ef það er gert á réttan hátt. Maður öðlast æskilega færni. En skiljum við nákvæmlega hvernig frádráttarferlið fer fram í heila hans, sem olli þessum áhrifum? Við höfum ekki hugmynd.
Verkefni vísindamanna er að rannsaka þessi vandamál eins mikið og hægt er, þannig að þau þjóni og hjálpi okkur þar sem þörf krefur og, síðast en ekki síst, verði ekki ógn. Sem manneskjur erum við hrædd við það sem við vitum ekki.
Einnig áhugavert: