Những gì bạn cần biết để hiểu công nghệ thay đổi xung quanh bạn
Mạng nơron là mô hình máy tính của các đơn vị kết nối hoặc các nút được thiết kế để truyền, xử lý và học hỏi từ thông tin (dữ liệu) theo cách tương tự như cách tế bào thần kinh (tế bào thần kinh) hoạt động ở người.
Mạng lưới thần kinh nhân tạo
Trong công nghệ, mạng thần kinh thường được gọi là mạng thần kinh nhân tạo (ANN) hoặc lưới thần kinh để phân biệt với các mạng nơron sinh học mà chúng được mô hình hóa sau đó. Ý tưởng chính đằng sau ANN là bộ não con người là "máy tính" phức tạp và thông minh nhất tồn tại. Bằng cách mô hình hóa ANN càng chặt chẽ càng tốt với cấu trúc và hệ thống xử lý thông tin được bộ não sử dụng, các nhà nghiên cứu hy vọng tạo ra các máy tính tiếp cận hoặc vượt qua trí thông minh của con người. Lưới thần kinh là một thành phần quan trọng trong những tiến bộ hiện tại trong trí tuệ nhân tạo (AI), học máy (ML) và học tập sâu .
Cách mạng nơron hoạt động: So sánh
Để hiểu cách mạng nơron hoạt động và sự khác biệt giữa hai loại (sinh học và nhân tạo), hãy sử dụng ví dụ về tòa nhà văn phòng 15 tầng và đường dây điện thoại và bảng tổng đài để thực hiện cuộc gọi trong toàn bộ tòa nhà, từng tầng riêng lẻ và văn phòng riêng lẻ. Mỗi văn phòng cá nhân trong tòa nhà văn phòng 15 tầng của chúng tôi đại diện cho một tế bào thần kinh (nút trong mạng máy tính hoặc tế bào thần kinh trong sinh học). Bản thân tòa nhà là một cấu trúc chứa một tập hợp các văn phòng được bố trí trong một hệ thống gồm 15 tầng (một mạng lưới thần kinh).
Áp dụng ví dụ cho mạng nơron sinh học, tổng đài nhận cuộc gọi có các đường kết nối tới bất kỳ văn phòng nào trên bất kỳ tầng nào trong toàn bộ tòa nhà. Ngoài ra, mỗi văn phòng có các đường kết nối với mọi văn phòng khác trong toàn bộ tòa nhà trên bất kỳ tầng nào. Hãy tưởng tượng rằng một cuộc gọi đến (đầu vào) và tổng đài chuyển nó đến một văn phòng trên tầng 3, chuyển nó trực tiếp đến một văn phòng trên tầng 11, sau đó trực tiếp chuyển nó đến một văn phòng trên tầng 5. Trong não, mỗi tế bào thần kinh hoặc tế bào thần kinh (một văn phòng) có thể kết nối trực tiếp với bất kỳ tế bào thần kinh nào khác trong hệ thống hoặc mạng thần kinh (tòa nhà). Thông tin (các cuộc gọi) có thể được truyền đến bất kỳ tế bào thần kinh khác (văn phòng) để xử lý hoặc tìm hiểu những gì cần thiết cho đến khi có một câu trả lời hoặc độ phân giải (đầu ra).
Khi chúng ta áp dụng ví dụ này cho ANN, nó sẽ phức tạp hơn một chút. Mỗi tầng của tòa nhà yêu cầu tổng đài riêng, chỉ có thể kết nối với các văn phòng trên cùng một tầng, cũng như các tổng đài trên các tầng trên và dưới nó. Mỗi văn phòng chỉ có thể kết nối trực tiếp với các văn phòng khác trên cùng một tầng và tổng đài cho tầng đó. Tất cả các cuộc gọi mới phải bắt đầu bằng tổng đài ở tầng 1 và phải được chuyển đến từng tầng riêng lẻ theo thứ tự số lên đến tầng 15 trước khi cuộc gọi kết thúc. Hãy đặt nó trong chuyển động để xem nó hoạt động như thế nào.
Hãy tưởng tượng rằng một cuộc gọi đến (đầu vào) đến tổng đài tầng 1 và được gửi đến một văn phòng trên tầng 1 (nút). Cuộc gọi sau đó được chuyển trực tiếp giữa các văn phòng khác (các nút) trên tầng 1 cho đến khi nó sẵn sàng để được gửi đến tầng tiếp theo. Sau đó, cuộc gọi phải được gửi trở lại bảng tổng đài tầng 1, sau đó chuyển nó sang tổng đài tầng 2 . Những bước tương tự này lặp lại một tầng tại một thời điểm, với cuộc gọi được gửi qua quá trình này trên mỗi tầng một chiều lên đến tầng 15.
Trong ANN, các nút (văn phòng) được sắp xếp theo các lớp (tầng của tòa nhà). Thông tin (một cuộc gọi) luôn đi vào thông qua các lớp đầu vào (tầng 1 và bảng tổng đài của nó) và phải được gửi qua và xử lý bởi mỗi lớp (sàn) trước khi nó có thể chuyển sang lớp tiếp theo. Mỗi tầng (tầng) xử lý một chi tiết cụ thể về cuộc gọi đó và gửi kết quả cùng với lời gọi đến lớp tiếp theo. Khi cuộc gọi đến tầng đầu ra (tầng 15 và tổng đài của nó), nó bao gồm thông tin xử lý từ các lớp 1-14. Các nút (văn phòng) trên tầng thứ 15 (tầng) sử dụng thông tin đầu vào và xử lý từ tất cả các tầng khác (tầng) để đưa ra câu trả lời hoặc độ phân giải (đầu ra).
Mạng nơron và học máy
Lưới thần kinh là một loại công nghệ thuộc thể loại học máy. Trong thực tế, sự tiến bộ trong nghiên cứu và phát triển của mạng thần kinh đã được kết nối chặt chẽ với các ebbs và dòng tiến bộ trong ML. Lưới thần kinh mở rộng khả năng xử lý dữ liệu và tăng sức mạnh tính toán của ML, tăng khối lượng dữ liệu có thể được xử lý mà còn khả năng thực hiện các tác vụ phức tạp hơn.
Mô hình máy tính được ghi chép đầu tiên cho ANN được tạo ra vào năm 1943 bởi Walter Pitts và Warren McCulloch. Sự quan tâm và nghiên cứu ban đầu trong mạng lưới thần kinh và việc học máy cuối cùng đã chậm lại và ít nhiều bị hoãn lại vào năm 1969, chỉ với một loạt các mối quan tâm mới mẻ. Máy tính của thời gian đơn giản là không có bộ vi xử lý đủ nhanh hoặc đủ lớn để thúc đẩy các khu vực này xa hơn, và số lượng lớn dữ liệu cần thiết cho ML và lưới thần kinh không có sẵn vào thời điểm đó.
Sự gia tăng lớn về sức mạnh tính toán theo thời gian cùng với sự tăng trưởng và mở rộng của Internet (và do đó truy cập vào một lượng lớn dữ liệu qua internet) đã giải quyết những thách thức ban đầu. Lưới thần kinh và ML bây giờ là công cụ trong công nghệ chúng ta thấy và sử dụng hàng ngày, chẳng hạn như nhận dạng khuôn mặt , xử lý hình ảnh và tìm kiếm, và dịch ngôn ngữ thời gian thực - để chỉ là một vài.
Ví dụ mạng thần kinh trong cuộc sống hàng ngày
ANN là một chủ đề khá phức tạp trong công nghệ, tuy nhiên, đáng để dành thời gian để khám phá vì số lượng ngày càng tăng mà nó tác động đến cuộc sống của chúng ta mỗi ngày. Dưới đây là một vài ví dụ khác về cách các mạng thần kinh hiện đang được sử dụng bởi các ngành khác nhau:
- Tài chính: Lưới thần kinh được sử dụng để dự đoán tỷ giá hối đoái. Chúng cũng được sử dụng trong công nghệ đằng sau các hệ thống giao dịch tự động được sử dụng trên thị trường chứng khoán.
- Y học: Khả năng xử lý hình ảnh của lưới thần kinh đã góp phần vào công nghệ giúp màn hình chính xác hơn và phát hiện sớm và khó xác định các loại ung thư. Một loại ung thư như vậy là khối u ác tính xâm lấn, dạng ung thư da nghiêm trọng và nguy hiểm nhất. Xác định khối u ác tính ở giai đoạn trước, trước khi nó lan rộng, cho bệnh nhân loại ung thư này cơ hội tốt nhất để đánh bại nó.
- Thời tiết: Khả năng phát hiện những thay đổi khí quyển cho thấy một sự kiện thời tiết nguy hiểm và nguy hiểm một cách nhanh chóng và chính xác nhất có thể là cần thiết để cứu mạng sống. Lưới thần kinh liên quan đến việc xử lý thời gian thực các hình ảnh vệ tinh và rađa không chỉ phát hiện sớm các cơn bão và lốc xoáy mà còn phát hiện những thay đổi đột ngột về tốc độ và hướng gió cho thấy một cơn lốc xoáy hình thành. Lốc xoáy là một số trong những sự kiện thời tiết mạnh nhất và nguy hiểm nhất được ghi lại - thường đột ngột hơn, phá hoại và chết người hơn so với bão.