- •Основы теории интеллектуальных систем
- •Нечеткие знания
- •Применение нечетких систем
- •Материальная база ии. Обзор суперкомпьютеров
- •1. Психофизиологический аспект:
- •Денотаты и гештальты
- •Треугольник Фреге
- •Наследование
- •Сети из знаков
- •Фреймы и семантические сети
- •Протофреймы и экзофреймы
- •Знаки-фреймы
- •Базовые процедуры знака-фрейма
- •Сети из знаков-фреймов
- •Операции на сетях из знаков-фреймов
- •Логические системы
- •1) Непротиворечивости, 2) независимости и 3) полноты.
- •Искусственные нейронные сети (инс)
- •Устойчивость к шумам входных данных
- •Адаптация к изменениям
- •Отказоустойчивость
- •Сверхвысокое быстродействие
- •Ответ инс всегда приблизительный
- •Невозможно многошаговое принятие решений
- •Неспособность решать вычислительные задачи
- •1. Единичная ступенчатая функция
- •2. Сигмоидальная функция
- •3. Гиперболический тангенс
- •Прогнозы развития ии Искусственный разум появится в мире через 20 лет
Искусственные нейронные сети (инс)
Строение биологического нейрона
Искусственный нейрон
Искусственный нейрон (Artificial neuron) — упрощенная модель модель биологического нейрона
Искусственная нейронная сеть (ИНС)
Искусственная нейронная сеть (ИНС) — совокупность взаимодействующих между собой искусственных нейронов
Почему нейросети работают (то есть могут решать задачи)?
Все нейроны работают по одному алгоритму. Другими словами внутри любого нейрона сигнал обрабатывается всегда одинаково.
Но тогда, казалось бы, нет никакого индивидуально преобразования. А значит, ответ сети всегда будет одинаковым. На самом деле, вся суть кроется в так называемых синапсах (Synapsis).
У каждого биологического нейрона тысячи входов. Каждый из них соединен с выходами других нейронов. Получается на каждый нейрон тысячи синапсов. Помножим это число на миллиарды нейронов в биологических нейросетях (в головном мозге 85 миллиардов нейронов*). Получаем огромное число синапсов**.
Суть в том, что каждый синапс индивидуален. Он может либо усиливать, либо ослаблять проходящей через него сигнал. Более того, с течением времени синапсы могут меняться, а значит будет меняться характер изменения сигнала. Если правильно подобрать параметры синапсов, то входной сигнал, после прохода через нейронную сеть, будет преобразовываться в правильный выходной сигнал.
*По оценке д.т.н., проф. А.И.Башмакова (ТУ МЭИ): 1010-1011
** и соответственно: 1022
Синапсы
Синапс (Synapsis) — место стыка выхода одного нейрона и входа другого, в котором происходит усиление или ослабление сигнала.
На рисунке цветом выделены синапсы (в центре сверху — один из синапсов в деталях). Красный цвет — главный нейрон на картинке. Желтый цвет — выходы соседних нейронов. Длинный отросток главного нейрона справа (аксон) является его выходом. Можно заметить, что конец этого отростка соединен с двумя входами другого нейрона, которого мы уже не видим.
Уровень сложности нейросетей
В искусственных нейронных сетях (ИНС) количество нейронов необходимо уменьшить, поскольку миллиарды нейронов моделировать мы не можем. Насколько сильно мы уменьшаем это количество?
Серый квадрат слева внизу — возможности обычных компьютеров (но не компьютерных реализаций нейронных сетей!). Далее идут два эллипса. Они представляют собой современные программные (а иногда и аппаратные) реализации искусственных нейронных сетей. До человека еще далеко!
Классификация проблем по сложности
А. Проблемы, которые точно известно, как решать:
решить простое уравнение
вывести на экране окно программы
распечатать документ на принтере
Б. Проблемы, которые частично известно, как решать:
прогнозирование
расчет погрешностей
приближенное решение уравнений
В. Проблемы высокой сложности, которые непонятно, как решать:
распознавание образов
распознавание речи
сложные прогнозы
Задачи, решаемые с помощью ИНС
Вот вы идете по улице. Вокруг вас много прохожих. Вы смотрите на них и моментально распознаете лица. Этот процесс не вызывает у вас никаких вопросов. Вы просто очень хорошо натренировались его совершать.
А теперь Вы поставили себе задачу — написать компьютерную программу, которая по данной картинке распознает лица. Можно даже проще. Попробуйте накидать приблизительный алгоритм распознавания лиц на бумаге. У Вас ничего не выйдет. И все потому, что Вы на бессознательном уровне распознаете лица, а бессознательное Вы контролировать не можете. Делаете, но не знаете как.
Помимо распознавания лиц существует еще много других задач, которые просто непонятно, как решать.
И тут на помощь приходят нейронные сети. Являясь моделью биологических нейросетей, они могут решать подобные задачи.
Нейронные сети применяют для решения задач, алгоритм решения которых неизвестен.
Эта способность нейросетей и сделала их такими популярными. Нейросети можно обучить играть в игры, узнавать голос, прогнозировать рост/падение цен. Их можно научить всему, что мы делаем бессознательно!
Преимущества нейронных сетей