Νευρωνικό δίκτυο - τι είναι αυτό; Ορισμός, νόημα και εύρος

2024 Συγγραφέας: Leah Sherlock | [email protected]. Τελευταία τροποποίηση: 2023-12-17 05:32

Προηγουμένως γνωστός μόνο από βιβλία επιστημονικής φαντασίας, ο όρος νευρωνικό δίκτυο τα τελευταία χρόνια έχει εισέλθει σταδιακά και ανεπαίσθητα στη δημόσια ζωή ως αναπόσπαστο μέρος των τελευταίων επιστημονικών εξελίξεων. Φυσικά, εδώ και πολύ καιρό, οι άνθρωποι που ασχολούνται με τη βιομηχανία τυχερών παιχνιδιών γνώριζαν ότι πρόκειται για ένα νευρωνικό δίκτυο. Όμως στις μέρες μας τον όρο τον βρίσκουν όλοι, είναι γνωστός και κατανοητός από τις πλατιές μάζες. Αναμφίβολα, αυτό δείχνει ότι η επιστήμη έχει πλησιάσει πιο κοντά στην πραγματική ζωή και ότι νέες ανακαλύψεις μας περιμένουν στο μέλλον. Και όμως, τι είναι ένα νευρωνικό δίκτυο; Ας προσπαθήσουμε να καταλάβουμε τη σημασία της λέξης.

Τωρινό και μέλλον

Τα παλιά χρόνια, το νευρωνικό δίκτυο, το Hort και οι διαστημικοί περιπατητές ήταν έννοιες στενά συνδεδεμένες, επειδή ήταν δυνατό να συναντηθεί κανείς με τεχνητή νοημοσύνη με ικανότητες πολύ ανώτερες από μια απλή μηχανή μόνο σε έναν φανταστικό κόσμο που αναδύεται στη φαντασία του ορισμένοι συγγραφείς. Και όμως, οι τάσεις είναι τέτοιες που πρόσφατα γύρω από ένα συνηθισμένο άτομο στην πραγματικότητα υπάρχουν όλο και περισσότερα από αυτά τα αντικείμενα που προηγουμένως αναφέρθηκαν μόνο στη λογοτεχνία επιστημονικής φαντασίας. Αυτό μας επιτρέπει να πούμε ότι ακόμη και η πιο βίαιη πτήση της φαντασίας, ίσως, αργά ή γρήγορα θα βρει το αντίστοιχο στην πραγματικότητα. Ήδη βιβλία για επιτυχίες, νευρωνικά δίκτυατώρα έχουν περισσότερα κοινά με την πραγματικότητα από ό,τι πριν από δέκα χρόνια, και ποιος ξέρει τι θα συμβεί σε μια άλλη δεκαετία;

Ένα νευρωνικό δίκτυο στη σύγχρονη πραγματικότητα είναι μια τεχνολογία που σας επιτρέπει να αναγνωρίζετε άτομα, έχοντας μόνο μια φωτογραφία στη διάθεσή σας. Η τεχνητή νοημοσύνη είναι αρκετά ικανή να οδηγεί αυτοκίνητο, μπορεί να παίξει και να κερδίσει ένα παιχνίδι πόκερ. Επιπλέον, τα νευρωνικά δίκτυα είναι νέοι τρόποι για να κάνετε επιστημονικές ανακαλύψεις, επιτρέποντάς σας να καταφύγετε σε προηγουμένως αδύνατες υπολογιστικές δυνατότητες. Αυτό δίνει μοναδικές ευκαιρίες για την κατανόηση του κόσμου σήμερα. Ωστόσο, μόνο από τις ειδήσεις που ανακοινώνουν τις τελευταίες ανακαλύψεις, σπάνια είναι σαφές τι είναι ένα νευρωνικό δίκτυο. Πρέπει αυτός ο όρος να εφαρμόζεται σε ένα πρόγραμμα, ένα μηχάνημα ή ένα σύμπλεγμα διακομιστών;

Γενική προβολή

Όπως μπορείτε να δείτε από τον ίδιο τον όρο "νευρωνικό δίκτυο" (οι φωτογραφίες που παρουσιάζονται σε αυτό το άρθρο καθιστούν επίσης δυνατή την κατανόηση αυτού) είναι μια δομή που σχεδιάστηκε κατ' αναλογία με τη λογική του ανθρώπινου εγκεφάλου. Φυσικά, η αντιγραφή μιας εντελώς βιολογικής δομής τόσο υψηλού επιπέδου πολυπλοκότητας αυτή τη στιγμή δεν φαίνεται ρεαλιστική, αλλά οι επιστήμονες έχουν ήδη καταφέρει να έρθουν αισθητά πιο κοντά στην επίλυση του προβλήματος. Ας πούμε ότι τα νευρωνικά δίκτυα που δημιουργήθηκαν πρόσφατα είναι αρκετά αποτελεσματικά. Ο Χορτ και άλλοι συγγραφείς που δημοσίευσαν φανταστικά έργα σχεδόν δεν ήξεραν τη στιγμή που έγραφαν τα έργα τους ότι η επιστήμη θα μπορούσε να προχωρήσει τόσο πολύ μέχρι φέτος.

Η ιδιαιτερότητα του ανθρώπινου εγκεφάλου είναι ότι είναι μια δομή πολυάριθμων στοιχείων, μεταξύ των οποίωνπληροφορίες μεταδίδονται συνεχώς μέσω των νευρώνων. Στην πραγματικότητα, τα νέα νευρωνικά δίκτυα είναι επίσης παρόμοιες δομές, όπου οι ηλεκτρικοί παλμοί παρέχουν την ανταλλαγή σχετικών δεδομένων. Με μια λέξη, ακριβώς όπως στον ανθρώπινο εγκέφαλο. Και όμως δεν είναι ξεκάθαρο: υπάρχει διαφορά από έναν συμβατικό υπολογιστή; Εξάλλου, το μηχάνημα, όπως γνωρίζετε, δημιουργείται επίσης από εξαρτήματα, τα δεδομένα μεταξύ των οποίων μεταφέρονται μέσω ηλεκτρικού ρεύματος. Στα βιβλία για το διάστημα, τα νευρωνικά δίκτυα, τα πάντα φαίνονται συνήθως μαγευτικά - τεράστιες ή μικροσκοπικές μηχανές, με μια ματιά στις οποίες οι χαρακτήρες καταλαβαίνουν τι έχουν να κάνουν. Αλλά στην πραγματικότητα, η κατάσταση είναι διαφορετική μέχρι στιγμής.

Πώς είναι κατασκευασμένο;

Όπως μπορείτε να δείτε από τις επιστημονικές εργασίες για τα νευρωνικά δίκτυα (οι «Spacewalkers», δυστυχώς, δεν ανήκουν σε αυτή την κατηγορία, όσο συναρπαστικοί κι αν είναι), η ιδέα στην πιο προοδευτική δομή στον τομέα του τεχνητή νοημοσύνη, στη δημιουργία μιας πολύπλοκης δομής, τα επιμέρους μέρη της οποίας είναι πολύ απλά. Στην πραγματικότητα, κάνοντας έναν παραλληλισμό με τον άνθρωπο, μπορεί κανείς να βρει μια ομοιότητα: ας πούμε, μόνο ένα μέρος του εγκεφάλου ενός θηλαστικού δεν έχει μεγάλες ικανότητες, δυνατότητες και δεν μπορεί να προσφέρει έξυπνη συμπεριφορά. Αλλά όταν πρόκειται για ένα άτομο στο σύνολό του, τότε ένα τέτοιο πλάσμα περνά ήρεμα το τεστ για το επίπεδο νοημοσύνης χωρίς ιδιαίτερα προβλήματα.

Παρά αυτές τις ομοιότητες, μια παρόμοια προσέγγιση για τη δημιουργία τεχνητής νοημοσύνης εξοστρακίστηκε πριν από μερικά χρόνια. Αυτό μπορεί να φανεί τόσο από επιστημονικές εργασίες όσο και από βιβλία επιστημονικής φαντασίας για το νευρωνικό δίκτυο («Spacewalkers» που αναφέρθηκαν παραπάνω, για παράδειγμα). Παρεμπιπτόντως, σε κάποιο βαθμό ακόμη και δηλώσειςΟ Κικέρων μπορεί να συσχετιστεί με τη σύγχρονη ιδέα των νευρωνικών δικτύων: κάποτε, μάλλον καυστικά πρότεινε στους πίθηκους να πετούν στον αέρα γράμματα γραμμένα σε μάρκες, έτσι ώστε αργά ή γρήγορα να σχηματιστεί ένα ουσιαστικό κείμενο από αυτά. Και μόνο ο 21ος αιώνας έδειξε ότι μια τέτοια κακία ήταν εντελώς αδικαιολόγητη. Το νευρωνικό δίκτυο και η επιστημονική φαντασία ακολούθησαν χωριστούς δρόμους: αν δώσεις σε έναν στρατό πιθήκων πολλά μάρκες, όχι μόνο θα δημιουργήσουν ένα κείμενο με νόημα, αλλά θα αποκτήσουν επίσης δύναμη σε όλο τον κόσμο.

Η δύναμη βρίσκεται στην ενότητα, αδελφέ

Όπως μάθαμε από πολλά πειράματα, η εκπαίδευση ενός νευρωνικού δικτύου οδηγεί στη συνέχεια στην επιτυχία όταν το ίδιο το αντικείμενο περιλαμβάνει έναν τεράστιο αριθμό στοιχείων. Όπως αστειεύονται οι επιστήμονες, στην πραγματικότητα, ένα νευρωνικό δίκτυο μπορεί να συναρμολογηθεί από οτιδήποτε, ακόμη και από κουτιά με σπίρτα, αφού η κύρια ιδέα είναι ένα σύνολο κανόνων στους οποίους υπακούει η κοινότητα που προκύπτει. Συνήθως οι κανόνες είναι αρκετά απλοί, αλλά σας επιτρέπουν να ελέγχετε τη διαδικασία επεξεργασίας δεδομένων. Σε μια τέτοια κατάσταση, ένας νευρώνας (αν και τεχνητός) δεν θα είναι καθόλου μια συσκευή, ούτε μια περίπλοκη δομή ή ένα ακατανόητο σύστημα, αλλά μάλλον απλές αριθμητικές πράξεις, που θα υλοποιούνται με ελάχιστη κατανάλωση ενέργειας. Επίσημα στην επιστήμη, οι τεχνητοί νευρώνες ονομάζονται «perceptrons». Τα νευρωνικά δίκτυα (οι «Spacefalls» το δείχνουν καλά) θα πρέπει να είναι πολύ πιο περίπλοκα κατά την άποψη ορισμένων επιστημονικών συγγραφέων, αλλά η σύγχρονη επιστήμη δείχνει ότι η απλότητα δίνει επίσης εξαιρετικά αποτελέσματα.

Η λειτουργία ενός τεχνητού νευρώνα είναι απλή: οι αριθμοί εισάγονται, η τιμή για τον καθένα υπολογίζεταιμπλοκ πληροφοριών, τα αποτελέσματα προστίθενται, η έξοδος είναι μια μονάδα ή η τιμή "-1". Ήθελε ποτέ ο αναγνώστης να είναι ανάμεσα στους πεσόντες; Τα νευρωνικά δίκτυα λειτουργούν με εντελώς διαφορετικό τρόπο στην πραγματικότητα, τουλάχιστον αυτή τη στιγμή, επομένως, όταν φαντάζεστε τον εαυτό σας σε ένα έργο φαντασίας, δεν πρέπει να το ξεχνάτε αυτό. Στην πραγματικότητα, ένας σύγχρονος άνθρωπος μπορεί να εργαστεί με τεχνητή νοημοσύνη, για παράδειγμα, ως εξής: μπορείτε να δείξετε μια εικόνα και το ηλεκτρονικό σύστημα θα απαντήσει στην ερώτηση "είτε - ή". Ας υποθέσουμε ότι ένα άτομο θέτει το σύστημα συντεταγμένων ενός σημείου και ρωτά τι απεικονίζεται - τη γη ή, ας πούμε, τον ουρανό. Μετά την ανάλυση των πληροφοριών, το σύστημα δίνει μια απάντηση - πολύ πιθανόν λανθασμένη (ανάλογα με την τελειότητα του AI).

Μπράβο

Όπως μπορείτε να δείτε από τη λογική του σύγχρονου νευρωνικού δικτύου, κάθε στοιχείο του προσπαθεί να μαντέψει τη σωστή απάντηση στην ερώτηση που τίθεται στο σύστημα. Σε αυτή την περίπτωση, υπάρχει μικρή ακρίβεια, το αποτέλεσμα είναι συγκρίσιμο με το αποτέλεσμα της ρίψης ενός νομίσματος. Αλλά η πραγματική επιστημονική εργασία ξεκινά όταν έρθει η ώρα να εκπαιδεύσουμε το νευρωνικό δίκτυο. Το διάστημα, η εξερεύνηση νέων κόσμων, η γνώση της ουσίας των φυσικών νόμων του σύμπαντός μας (τους οποίους οι σύγχρονοι επιστήμονες βασίζονται στη χρήση νευρωνικών δικτύων) θα γίνουν ανοιχτά τη στιγμή που η τεχνητή νοημοσύνη θα μάθει με πολύ μεγαλύτερη αποτελεσματικότητα και αποτελεσματικότητα από έναν άνθρωπο.

Το γεγονός είναι ότι το άτομο που κάνει μια ερώτηση στο σύστημα γνωρίζει τη σωστή απάντηση σε αυτό. Έτσι, μπορείτε να το γράψετε στα μπλοκ πληροφοριών του προγράμματος. Ένα perceptron που δίνει τη σωστή απάντηση αποκτά αξία καιεδώ αυτός που απάντησε λάθος το χάνει, λαμβάνοντας πρόστιμο. Κάθε νέος κύκλος εκκίνησης προγράμματος διαφέρει από τον προηγούμενο λόγω της αλλαγής στο επίπεδο αξίας. Επιστρέφοντας στο προηγούμενο παράδειγμα: αργά ή γρήγορα το πρόγραμμα θα μάθει να διακρίνει ξεκάθαρα τη γη από το διάστημα. Τα νευρωνικά δίκτυα μαθαίνουν όσο πιο αποτελεσματικά, τόσο πιο σωστά καταρτίζεται το πρόγραμμα σπουδών - και ο σχηματισμός του κοστίζει στους σύγχρονους επιστήμονες πολλή προσπάθεια. Ως μέρος της εργασίας που ορίστηκε νωρίτερα: εάν στο νευρωνικό δίκτυο παρέχεται άλλη φωτογραφία για ανάλυση, πιθανότατα δεν θα είναι σε θέση να την επεξεργαστεί αμέσως με ακρίβεια, αλλά, με βάση τα δεδομένα που ελήφθησαν κατά την εκπαίδευση νωρίτερα, θα καταλάβει με ακρίβεια πού η γη είναι και πού είναι τα σύννεφα, το διάστημα ή κάτι άλλο.

Εφαρμογή μιας ιδέας στην πραγματικότητα

Φυσικά, στην πραγματικότητα, τα νευρωνικά δίκτυα είναι πολύ πιο περίπλοκα από αυτά που περιγράφηκαν παραπάνω, αν και η ίδια η αρχή παραμένει η ίδια. Το κύριο καθήκον των στοιχείων από τα οποία σχηματίζεται το νευρωνικό δίκτυο είναι η συστηματοποίηση αριθμητικών πληροφοριών. Όταν συνδυάζετε μια πληθώρα στοιχείων, η εργασία γίνεται πιο περίπλοκη, καθώς οι πληροφορίες εισόδου μπορεί να μην προέρχονται από το εξωτερικό, αλλά από το perceptron, το οποίο έχει ήδη κάνει τη δουλειά του για συστηματοποίηση.

Αν επιστρέψουμε στην παραπάνω εργασία, τότε μέσα στο νευρωνικό δίκτυο μπορείτε να καταλήξετε στις ακόλουθες διεργασίες: ένας νευρώνας διακρίνει τα μπλε εικονοστοιχεία από τους άλλους, ο άλλος επεξεργάζεται τις συντεταγμένες, ο τρίτος αναλύει τα δεδομένα που λαμβάνει ο πρώτος δύο, βάσει των οποίων αποφασίζει αν η γη ή ο ουρανός βρίσκεται σε δεδομένο σημείο. Επιπλέον, η ταξινόμηση σε μπλε και άλλα εικονοστοιχεία μπορεί να ανατεθεί σε πολλούς νευρώνες ταυτόχρονα και οι πληροφορίες που λαμβάνουν μπορούν να συνοψιστούν. Εκείνα τα perceptron που θα δώσουνένα καλύτερο και πιο ακριβές αποτέλεσμα θα λάβει ένα μπόνους με τη μορφή υψηλότερης αξίας στο τέλος και τα αποτελέσματά τους θα είναι προτεραιότητα κατά την επανεπεξεργασία οποιασδήποτε εργασίας. Φυσικά, το νευρωνικό δίκτυο αποδεικνύεται εξαιρετικά ογκώδες και οι πληροφορίες που επεξεργάζονται σε αυτό θα είναι ένα αφόρητο βουνό, αλλά θα είναι δυνατό να ληφθούν υπόψη και να αναλυθούν σφάλματα και να αποφευχθούν στο μέλλον. Τα εμφυτεύματα που βασίζονται σε μεγάλο βαθμό σε νευρωνικά δίκτυα που βρίσκονται σε πολλά βιβλία επιστημονικής φαντασίας λειτουργούν με αυτόν τον τρόπο (εκτός φυσικά εάν οι συγγραφείς μπουν στον κόπο να σκεφτούν πώς λειτουργεί).

Ιστορικά ορόσημα

Μπορεί να εκπλήξει τους απλούς, αλλά τα πρώτα νευρωνικά δίκτυα εμφανίστηκαν το 1958. Αυτό οφείλεται στο γεγονός ότι η συσκευή των τεχνητών νευρώνων είναι παρόμοια με άλλα στοιχεία υπολογιστή, μεταξύ των οποίων οι πληροφορίες μεταδίδονται με τη μορφή ενός δυαδικού συστήματος αριθμών. Στα τέλη της δεκαετίας του εξήντα, εφευρέθηκε μια μηχανή, που ονομάζεται Mark I Perceptron, στην οποία εφαρμόστηκαν οι αρχές των νευρωνικών δικτύων. Αυτό σημαίνει ότι το πρώτο νευρωνικό δίκτυο εμφανίστηκε μόλις μια δεκαετία μετά την κατασκευή του πρώτου υπολογιστή.

Οι πρώτοι νευρώνες του πρώτου νευρωνικού δικτύου αποτελούνταν από αντιστάσεις, ραδιοσωλήνες (εκείνη την εποχή, ένας τέτοιος κώδικας που μπορούσαν να χρησιμοποιήσουν οι σύγχρονοι επιστήμονες δεν είχε ακόμη αναπτυχθεί). Η εργασία με ένα νευρωνικό δίκτυο ήταν καθήκον του Frank Rosenblatt, ο οποίος δημιούργησε ένα δίκτυο δύο επιπέδων. Για τη μετάδοση εξωτερικών δεδομένων στο δίκτυο χρησιμοποιήθηκε οθόνη με ανάλυση 400 pixel. Το μηχάνημα μπόρεσε σύντομα να αναγνωρίσει γεωμετρικά σχήματα. Αυτό υποδηλώνει ήδη ότι, με τη βελτίωση των τεχνικών λύσεων, τα νευρωνικά δίκτυα μπορούνμάθετε να διαβάζετε γράμματα. Και ποιος ξέρει τι άλλο;

Πρώτο νευρωνικό δίκτυο

Όπως φαίνεται από την ιστορία, ο Rosenblatt κυριολεκτικά κάηκε με τη δουλειά του, ήταν απόλυτα προσανατολισμένος σε αυτό, ήταν ειδικός στη νευροφυσιολογία. Ήταν ο συγγραφέας ενός συναρπαστικού και δημοφιλούς πανεπιστημιακού μαθήματος στο οποίο ο καθένας μπορούσε να καταλάβει πώς να εφαρμόσει τον ανθρώπινο εγκέφαλο σε μια τεχνική ενσάρκωση. Ακόμη και τότε, η επιστημονική κοινότητα ήλπιζε ότι σύντομα θα υπήρχαν πραγματικές ευκαιρίες για τη δημιουργία ευφυών ρομπότ ικανών να κινούνται, να μιλούν και να σχηματίζουν συστήματα παρόμοια με αυτά. Ποιος ξέρει, ίσως αυτά τα ρομπότ θα πήγαιναν να αποικίσουν άλλους πλανήτες;

Ο Rosentblatt ήταν ενθουσιώδης και μπορείτε να τον καταλάβετε. Οι επιστήμονες πίστευαν ότι η τεχνητή νοημοσύνη θα μπορούσε να πραγματοποιηθεί εάν η μαθηματική λογική ενσωματωνόταν πλήρως σε μια μηχανή. Σε αυτό το σημείο, το τεστ Turing υπήρχε ήδη, ο Asimov έκανε δημοφιλή την ιδέα της ρομποτικής. Η επιστημονική κοινότητα ήταν πεπεισμένη ότι η εξερεύνηση του Σύμπαντος ήταν θέμα χρόνου.

Ο σκεπτικισμός δικαιολογείται

Ήδη στη δεκαετία του εξήντα υπήρχαν επιστήμονες που μάλωναν με τον Rosenblatt και άλλα μεγάλα μυαλά που εργάζονταν πάνω στην τεχνητή νοημοσύνη. Μια αρκετά ακριβής ιδέα για τη λογική των κατασκευών τους μπορεί να ληφθεί από τις δημοσιεύσεις του Marvin Minsky, γνωστού στον τομέα του. Παρεμπιπτόντως, είναι γνωστό ότι ο Isaac Asimov και ο Stanley Kubrick μίλησαν πολύ καλά για τις ικανότητες του Minsky (ο Minsky τον βοήθησε να δουλέψει στο A Space Odyssey). Ο Μίνσκι δεν ήταν ενάντια στη δημιουργία νευρωνικών δικτύων, για τα οποίαΗ ταινία του Κιούμπρικ μαρτυρεί, και ως μέρος της επιστημονικής του καριέρας, ασχολήθηκε με τη μηχανική μάθηση στη δεκαετία του '50. Ωστόσο, ο Μίνσκι ήταν κατηγορηματικός σχετικά με τις εσφαλμένες απόψεις, επικρίνοντας τις ελπίδες για τις οποίες εκείνη τη στιγμή δεν υπήρχε ακόμα στέρεο θεμέλιο. Παρεμπιπτόντως, ο Μάρβιν από τα βιβλία του Ντάγκλας Άνταμς πήρε το όνομά του από τον Μίνσκι.

Η κριτική των νευρωνικών δικτύων και η προσέγγιση εκείνης της εποχής συστηματοποιείται στη δημοσίευση «Perceptron», με ημερομηνία 1969. Ήταν αυτό το βιβλίο που σκότωσε κυριολεκτικά το ενδιαφέρον πολλών ανθρώπων για τα νευρωνικά δίκτυα στην αρχή, επειδή ένας επιστήμονας με εξαιρετική φήμη έδειξε ξεκάθαρα ότι ο Μάρκος ο Πρώτος είχε μια σειρά από ελαττώματα. Πρώτον, η παρουσία μόνο δύο στρωμάτων ήταν σαφώς ανεπαρκής και το μηχάνημα μπορούσε να κάνει πολύ λίγα, παρά το γιγάντιο μέγεθος και την τεράστια κατανάλωση ενέργειας. Το δεύτερο σημείο κριτικής ήταν αφιερωμένο στους αλγόριθμους που ανέπτυξε η Rosenblatt για εκπαίδευση δικτύου. Σύμφωνα με τον Minsky, οι πληροφορίες σχετικά με λάθη χάθηκαν με μεγάλη πιθανότητα και το απαραίτητο επίπεδο απλά δεν έλαβε ολόκληρο τον όγκο δεδομένων για μια σωστή ανάλυση της κατάστασης.

Τα πράγματα σταμάτησαν

Παρά το γεγονός ότι η βασική ιδέα του Μίνσκι ήταν να επισημαίνει λάθη στους συναδέλφους του για να τους ενθαρρύνει να βελτιώσουν την εξέλιξη, η κατάσταση ήταν διαφορετική. Ο Ρόζενμπλατ πέθανε το 1971 και δεν υπήρχε κανείς να συνεχίσει το έργο του. Την περίοδο αυτή ξεκίνησε η εποχή των υπολογιστών και αυτός ο τομέας της τεχνολογίας προχωρούσε με τεράστια βήματα. Τα καλύτερα μυαλά στα μαθηματικά και την επιστήμη των υπολογιστών χρησιμοποιήθηκαν σε αυτόν τον τομέα και η τεχνητή νοημοσύνη φαινόταν σαν μια παράλογη σπατάλη ενέργειας και πόρων.

Τα νευρωνικά δίκτυα δεν έχουν τραβήξει την προσοχή της επιστημονικής κοινότητας για περισσότερο από μια δεκαετία. Το σημείο καμπής ήρθε όταν το cyberpunk μπήκε στη μόδα. Ήταν δυνατό να βρεθούν τύποι με τους οποίους τα σφάλματα μπορούν να υπολογιστούν με υψηλή ακρίβεια. Το 1986, το πρόβλημα που διατύπωσε ο Minsky βρήκε ήδη μια τρίτη λύση (και τα τρία αναπτύχθηκαν από ανεξάρτητες ομάδες επιστημόνων) και αυτή η ανακάλυψη ήταν που ώθησε τους λάτρεις να εξερευνήσουν ένα νέο πεδίο: η εργασία στα νευρωνικά δίκτυα έγινε ξανά ενεργή. Ωστόσο, ο όρος perceptrons αντικαταστάθηκε αθόρυβα από τη γνωστική υπολογιστική, ξεφορτώθηκε τις πειραματικές συσκευές, άρχισε να χρησιμοποιεί κωδικοποίηση, χρησιμοποιώντας τις πιο αποτελεσματικές τεχνικές προγραμματισμού. Μόλις λίγα χρόνια, και οι νευρώνες έχουν ήδη συναρμολογηθεί σε πολύπλοκες δομές που μπορούν να αντιμετωπίσουν αρκετά σοβαρά καθήκοντα. Με την πάροδο του χρόνου, ήταν δυνατόν, για παράδειγμα, να δημιουργηθούν προγράμματα για την ανάγνωση ανθρώπινου χειρογράφου. Τα πρώτα δίκτυα εμφανίστηκαν ικανά για αυτομάθηση, δηλαδή βρήκαν ανεξάρτητα τις σωστές απαντήσεις, χωρίς υπαινιγμό από το άτομο που ελέγχει τον υπολογιστή. Τα νευρωνικά δίκτυα έχουν βρει την εφαρμογή τους στην πράξη. Για παράδειγμα, σε αυτές χρησιμοποιούνται προγράμματα που προσδιορίζουν αριθμούς στις επιταγές στις τραπεζικές δομές στην Αμερική.

Μπροστά με άλματα

Στη δεκαετία του '90, κατέστη σαφές ότι ένα βασικό χαρακτηριστικό των νευρωνικών δικτύων που απαιτεί ιδιαίτερη προσοχή από τους επιστήμονες είναι η ικανότητα να εξερευνούν μια δεδομένη περιοχή αναζητώντας τη σωστή λύση χωρίς προτροπή από κάποιο άτομο. Το πρόγραμμα χρησιμοποιεί τη μέθοδο δοκιμής και σφάλματος, βάσει της οποίας δημιουργεί κανόνες συμπεριφοράς.

Αυτή η περίοδος χαρακτηρίστηκε από ένα κύμα ενδιαφέροντοςκοινό σε αυτοσχέδια ρομπότ. Οι ενθουσιώδεις σχεδιαστές από όλο τον κόσμο άρχισαν να σχεδιάζουν ενεργά τα δικά τους ρομπότ ικανά να μαθαίνουν. Το 1997, αυτό σήμανε την πρώτη πραγματικά σοβαρή επιτυχία σε παγκόσμιο επίπεδο: για πρώτη φορά, ένας υπολογιστής κέρδισε τον καλύτερο σκακιστή του κόσμου, τον Garry Kasparov. Ωστόσο, μέχρι τα τέλη της δεκαετίας του '90, οι επιστήμονες κατέληξαν στο συμπέρασμα ότι είχαν φτάσει στο ανώτατο όριο και η τεχνητή νοημοσύνη δεν μπορούσε να αναπτυχθεί περαιτέρω. Επιπλέον, ένας καλά βελτιστοποιημένος αλγόριθμος είναι πολύ πιο αποτελεσματικός από οποιοδήποτε νευρωνικό δίκτυο στην επίλυση των ίδιων προβλημάτων. Ορισμένες λειτουργίες παρέμειναν με τα νευρωνικά δίκτυα, για παράδειγμα, η αναγνώριση αρχειακών κειμένων, αλλά τίποτα πιο περίπλοκο δεν ήταν διαθέσιμο. Βασικά, όπως λένε οι σύγχρονοι επιστήμονες, υπήρχε έλλειψη τεχνικών δυνατοτήτων.

Η ώρα μας

Τα νευρωνικά δίκτυα σήμερα είναι ένας τρόπος επίλυσης των πιο περίπλοκων προβλημάτων χρησιμοποιώντας τη μέθοδο «η λύση θα βρεθεί από μόνη της». Στην πραγματικότητα, αυτό δεν συνδέεται με καμία επιστημονική επανάσταση, απλώς οι σύγχρονοι επιστήμονες, οι διαφωτιστές του κόσμου του προγραμματισμού, έχουν πρόσβαση σε μια ισχυρή τεχνική που τους επιτρέπει να κάνουν πράξη αυτό που ένας άνθρωπος θα μπορούσε να φανταστεί με γενικούς όρους πριν. Επιστρέφοντας στη φράση του Κικέρωνα για τους πιθήκους και τις μάρκες: αν αναθέσετε σε ζώα κάποιον που θα τους ανταμείψει για τη σωστή φράση, όχι μόνο θα δημιουργήσει ένα κείμενο με νόημα, αλλά θα γράψει ένα νέο "Πόλεμος και Ειρήνη" και όχι χειρότερο.

Τα νευρωνικά δίκτυα των ημερών μας βρίσκονται σε λειτουργία με τις μεγαλύτερες εταιρείες που δραστηριοποιούνται στον τομέα της πληροφορικής. Αυτά είναι πολυεπίπεδα νευρωνικά δίκτυα που υλοποιούνται μέσω ισχυρών διακομιστών,χρησιμοποιώντας τις δυνατότητες του World Wide Web, τις συστοιχίες πληροφοριών που συσσωρεύτηκαν τις τελευταίες δεκαετίες.