Sieci neuronowe równają do mózgu

[KopalniaWiedzy.pl 357]

Najnowsza generacja komputerowych sieci neuronowych rozpoznaje obrazy równie dobrze, jak robią to mózgi naczelnych. James DiCarlo, profesor neurologii z MIT-u i główny autor badań opisujących osiągnięcia sieci neuronowych, podkreśla niezwykle istotny fakt. Jako, że sieci neuronowe usiłują naśladować ludzki mózg, ostatnie osiągnięcia tych sieci oznaczają, że prace idą w dobrym kierunku, a naukowcy dość dobrze rozumieją strukturę mózgu, skoro udaje im się zbudować coś, co do dobrze naśladuje. Fakt, że modele dobrze przewidują odpowiedź neuronów i odległość pomiędzy obiektami w sieci neuronowej pokazuje, że jesteśmy w stanie modelować to, co do niedawna było dla nas tajemnicą - stwierdza uczony. Zrozumienie, w jaki sposób działa mózg, pozwoli na stworzenie sztucznej inteligencji oraz opracowanie nowych technik leczenia zaburzeń widzenia. Pierwsze sieci neuronowe zaczęto tworzyć w latach 70. ubiegłego wieku w nadziei na opracowanie systemów komputerowych zdolnych do naśladowania przebiegającego w mózgu procesu przetwarzania informacji wizualnych, rozpoznawania mowy i rozumienia języka.

Teraz naukowcy z MIT-u postanowili sprawdzić, jakie postępy poczyniła ludzkość. Najpierw zbadali, jak mózg małpy tworzy reprezentację dla widzianych przez zwierzę obiektów, a następnie porównali tę reprezentację z tworzoną przez komputerowe sieci neuronowe. Okazało się, że najlepiej sprawuje się sieć stworzona przez uczonych z New York University. Klasyfikowała ona widziane przedmioty równie skutecznie, co mózg makaka.

Do ostatniego sukcesu sieci neuronowych przyczyniły się głównie dwa czynniki. Pierwszy z nich to znaczne zwiększenie mocy obliczeniowej układów scalonych i wykorzystanie do obliczeń procesorów graficznych. Czynnik drugi to dostęp do olbrzymich zestawów danych, z których korzystają algorytmy obliczeniowe i na których sztuczne „mózgi” się uczą. Takie zestawy danych zawierają miliony fotografii, z których każda została opisana przez człowieka różnymi coraz bardziej szczegółowymi treściami. Na przykład zdjęcie psa zostaje opisane jako zwierzę, psowate, udomowiony pies, rasa psa. Początkowo sieci słabo rozpoznają obrazy, jednak w miarę uczenia się stają się coraz lepsze. Charles Cadieu z należącego do MIT-u McGovern Institute for Brain Research mówi, że specjaliści nie wiedzą dokładnie, jak działają ich sieci. Mają one wady i zalety. Z jednej strony to bardzo dobrze, że nie musimy tak naprawdę wiedzieć, w jaki sposób one działają, żeby działały. Jednak z drugiej strony, bardzo trudno jest bez tej wiedzy dokonywać analiz, by sprawdzić, co tam naprawdę się dzieje. Teraz, skoro wiemy, że działają one dobrze, musimy zrozumieć, co dzieje się wewnątrz nich.

Pomimo imponujących osiągnięć, sieci neuronowe są wciąż niezwykle prymitywne w porównaniu z tym, co stworzyła natura. Nie potrafią przetwarzać obiektów w ruchu ani obiektów trójwymiarowych.

« powrót do artykułu

[wilk 103]

A czasem także mają i takie problemy: http://techxplore.com/news/2014-12-deep-neural-networks-images.html