Réseau de neurones - qu'est-ce que c'est ? Définition, sens et portée

2024 Auteur: Leah Sherlock | [email protected]. Dernière modifié: 2023-12-17 05:35

Auparavant connu uniquement dans les livres de science-fiction, le terme réseau de neurones est entré ces dernières années progressivement et imperceptiblement dans la vie publique en tant que partie intégrante des derniers développements scientifiques. Bien sûr, depuis assez longtemps, les personnes impliquées dans l'industrie du jeu savent qu'il s'agit d'un réseau de neurones. Mais de nos jours le terme est trouvé par tout le monde, il est connu et compris par les larges masses. Cela indique sans aucun doute que la science s'est rapprochée de la vie réelle et que de nouvelles percées nous attendent dans le futur. Et pourtant, qu'est-ce qu'un réseau de neurones ? Essayons de comprendre le sens du mot.

Présent et futur

À l'époque, le réseau de neurones, Hort et les marcheurs de l'espace étaient des concepts étroitement liés, car il était possible de rencontrer une intelligence artificielle aux capacités bien supérieures à une simple machine uniquement dans un monde fantastique qui surgit dans l'imagination de certains auteurs. Et pourtant, les tendances sont telles que récemment, autour d'une personne ordinaire, il y a en réalité de plus en plus de ces objets qui n'étaient auparavant mentionnés que dans la littérature de science-fiction. Cela nous permet de dire que même la plus violente envolée du fantasme, peut-être, tôt ou tard trouvera son équivalent dans la réalité. Des livres sur les hits, les réseaux de neurones déjàont maintenant plus en commun avec la réalité qu'il y a dix ans, et qui sait ce qui se passera dans une autre décennie ?

Un réseau de neurones dans les réalités modernes est une technologie qui vous permet d'identifier des personnes, n'ayant qu'une photographie à votre disposition. L'intelligence artificielle est tout à fait capable de conduire une voiture, peut jouer et gagner une partie de poker. De plus, les réseaux de neurones sont de nouvelles façons de faire des découvertes scientifiques, vous permettant de recourir à des capacités informatiques auparavant impossibles. Cela donne des chances uniques de comprendre le monde d'aujourd'hui. Cependant, seulement à partir des reportages annonçant les dernières découvertes, il est rarement clair ce qu'est un réseau de neurones. Ce terme doit-il s'appliquer à un programme, une machine ou un complexe de serveurs ?

Vue générale

Comme vous pouvez le voir à partir du terme même "réseau de neurones" (les photos présentées dans cet article permettent également de le comprendre) est une structure qui a été conçue par analogie avec la logique du cerveau humain. Bien sûr, copier une structure complètement biologique d'un niveau de complexité aussi élevé ne semble pas réaliste pour le moment, mais les scientifiques ont déjà pu sensiblement se rapprocher de la résolution du problème. Disons que les réseaux de neurones récemment créés sont assez efficaces. Hort et d'autres écrivains qui ont publié des ouvrages fantastiques savaient à peine au moment de la rédaction de leurs ouvrages que la science serait capable d'avancer si loin d'ici cette année.

La particularité du cerveau humain est qu'il est une structure de nombreux éléments, entre lesquelsl'information est constamment transmise par les neurones. En fait, les nouveaux réseaux de neurones sont également des structures similaires, où les impulsions électriques assurent l'échange de données pertinentes. En un mot, comme dans le cerveau humain. Et pourtant ce n'est pas clair: y a-t-il une différence avec un ordinateur classique ? Après tout, la machine, comme vous le savez, est également créée à partir de pièces dont les données sont transférées au moyen d'un courant électrique. Dans les livres sur l'espace, les réseaux de neurones, tout semble généralement enchanteur - des machines énormes ou minuscules, en un coup d'œil, les personnages comprennent à quoi ils ont affaire. Mais en réalité, la situation est différente jusqu'à présent.

Comment est-il construit ?

Comme vous pouvez le voir dans les articles scientifiques sur les réseaux de neurones ("Les marcheurs de l'espace", malheureusement, n'appartiennent pas à cette catégorie, aussi fascinants soient-ils), l'idée dans la structure la plus progressiste dans le domaine de l'intelligence artificielle, en créant une structure complexe, dont les parties individuelles sont très simples. En fait, en faisant un parallèle avec les humains, on peut trouver une similitude: disons, une seule partie du cerveau d'un mammifère n'a pas de grandes capacités, capacités, et ne peut pas fournir un comportement intelligent. Mais lorsqu'il s'agit d'une personne dans son ensemble, une telle créature passe calmement le test du niveau d'intelligence sans aucun problème particulier.

Malgré ces similitudes, une approche similaire de création d'intelligence artificielle a été ostracisée il y a quelques années. Cela peut être vu à la fois dans des articles scientifiques et dans des livres de science-fiction sur le réseau de neurones ("Spacewalkers" mentionné ci-dessus, par exemple). Soit dit en passant, dans une certaine mesure, même des déclarationsCicéron peut être associé à l'idée moderne des réseaux de neurones: à un moment donné, il a suggéré de manière assez caustique que les singes jettent en l'air des lettres écrites sur des jetons, de sorte que tôt ou tard un texte significatif se formerait à partir d'eux. Et seul le XXIe siècle a montré qu'une telle méchanceté était totalement injustifiée. Le réseau de neurones et la science-fiction se sont séparés: si vous donnez beaucoup de jetons à une armée de singes, ils créeront non seulement un texte significatif, mais gagneront également du pouvoir sur le monde.

La force est dans l'unité, frère

Comme nous l'ont appris de nombreuses expériences, l'entraînement d'un réseau de neurones mène alors au succès lorsque l'objet lui-même comprend un grand nombre d'éléments. Comme le plaisantent les scientifiques, en fait, un réseau neuronal peut être assemblé à partir de n'importe quoi, même à partir de boîtes d'allumettes, puisque l'idée principale est un ensemble de règles auxquelles la communauté résultante obéit. Habituellement, les règles sont assez simples, mais elles vous permettent de contrôler le processus de traitement des données. Dans une telle situation, un neurone (bien qu'artificiel) ne sera pas du tout un appareil, pas une structure complexe ou un système incompréhensible, mais plutôt de simples opérations arithmétiques, mises en œuvre avec une consommation d'énergie minimale. Officiellement en science, les neurones artificiels sont appelés "perceptrons". Les réseaux de neurones ("Spacefalls" l'illustrent bien) devraient être beaucoup plus complexes aux yeux de certains auteurs scientifiques, mais la science moderne montre que la simplicité donne aussi d'excellents résultats.

Le fonctionnement d'un neurone artificiel est simple: les nombres sont entrés, la valeur de chacun est calculéebloc d'information, les résultats sont additionnés, la sortie est une unité ou la valeur "-1". Le lecteur a-t-il jamais voulu faire partie des morts ? Les réseaux de neurones fonctionnent d'une manière complètement différente dans la réalité, du moins à l'heure actuelle, par conséquent, lorsque vous vous imaginez dans une œuvre fantastique, vous ne devez pas l'oublier. En fait, une personne moderne peut travailler avec l'intelligence artificielle, par exemple, comme ceci: vous pouvez montrer une image et le système électronique répondra à la question «soit - soit». Supposons qu'une personne définisse le système de coordonnées d'un point et demande ce qui est représenté - la terre ou, disons, le ciel. Après avoir analysé les informations, le système donne une réponse - très probablement incorrecte (selon la perfection de l'IA).

J'aime

Comme vous pouvez le voir dans la logique du réseau neuronal moderne, chaque élément de celui-ci essaie de deviner la bonne réponse à la question posée au système. Dans ce cas, il y a peu de précision, le résultat est comparable au résultat d'un lancer de pièce. Mais le vrai travail scientifique commence quand vient le temps de former le réseau de neurones. L'espace, l'exploration de nouveaux mondes, la compréhension de l'essence des lois physiques de notre univers (sur lesquelles les scientifiques modernes s'appuient à l'aide de réseaux de neurones) deviendront ouverts au moment même où l'intelligence artificielle apprendra avec une efficacité et une efficacité bien supérieures à celles d'une personne.

Le fait est que la personne qui pose une question au système connaît la bonne réponse. Ainsi, vous pouvez l'écrire dans les blocs d'information du programme. Un perceptron qui donne la bonne réponse gagne en valeur, etici, celui qui a mal répondu le perd, recevant une amende. Chaque nouveau cycle de lancement de programme diffère du précédent en raison du changement de niveau de valeur. Revenons à l'exemple précédent: tôt ou tard, le programme apprendra à distinguer clairement la terre de l'espace. Les réseaux de neurones apprennent plus efficacement, plus le programme d'étude est correctement élaboré - et sa formation coûte beaucoup d'efforts aux scientifiques modernes. Dans le cadre de la tâche définie précédemment: si le réseau de neurones reçoit une autre photo pour analyse, il ne sera probablement pas immédiatement en mesure de la traiter avec précision, mais, sur la base des données obtenues lors de la formation précédente, il déterminera avec précision où la terre est, et où sont les nuages, l'espace ou quelque chose d'autre.

Appliquer une idée à la réalité

Bien sûr, en réalité, les réseaux de neurones sont beaucoup plus compliqués que ceux décrits ci-dessus, bien que le principe lui-même reste le même. La tâche principale des éléments à partir desquels le réseau de neurones est formé est de systématiser les informations numériques. Lors de la combinaison d'une abondance d'éléments, la tâche devient plus compliquée, car les informations d'entrée peuvent ne pas provenir de l'extérieur, mais du perceptron, qui a déjà fait son travail de systématisation.

Si nous revenons à la tâche ci-dessus, alors à l'intérieur du réseau de neurones, vous pouvez proposer les processus suivants: un neurone distingue les pixels bleus des autres, l'autre traite les coordonnées, le troisième analyse les données reçues par le premier deux, sur la base desquels il décide si la terre ou le ciel est en un point donné. De plus, le tri en pixels bleus et autres peut être confié à plusieurs neurones simultanément, et les informations qu'ils reçoivent peuvent être résumées. Ces perceptrons qui donnerontun résultat meilleur et plus précis recevra un bonus sous la forme d'une valeur plus élevée à la fin, et leurs résultats seront une priorité lors du retraitement de toute tâche. Bien sûr, le réseau de neurones s'avère extrêmement volumineux et les informations qui y sont traitées seront une montagne insupportable, mais il sera possible de prendre en compte et d'analyser les erreurs et de les prévenir à l'avenir. Les implants largement basés sur des réseaux neuronaux trouvés dans de nombreux livres de science-fiction fonctionnent comme ça (à moins, bien sûr, que les auteurs prennent la peine de réfléchir à la façon dont cela fonctionne).

Jalons historiques

Cela peut surprendre le profane, mais les premiers réseaux de neurones sont apparus en 1958. Cela est dû au fait que le dispositif de neurones artificiels est similaire à d'autres éléments informatiques, entre lesquels les informations sont transmises sous la forme d'un système de nombres binaires. À la fin des années soixante, une machine a été inventée, appelée le Mark I Perceptron, dans laquelle les principes des réseaux de neurones ont été mis en œuvre. Cela signifie que le premier réseau de neurones est apparu seulement une décennie après la construction du premier ordinateur.

Les premiers neurones du premier réseau de neurones étaient constitués de résistances, de tubes radio (à cette époque, un tel code que les scientifiques modernes pourraient utiliser n'avait pas encore été développé). Travailler avec un réseau de neurones était la tâche de Frank Rosenblatt, qui a créé un réseau à deux couches. Un écran d'une résolution de 400 pixels a été utilisé pour transmettre des données externes au réseau. La machine fut bientôt capable de reconnaître des formes géométriques. Cela suggérait déjà qu'avec l'amélioration des solutions techniques, les réseaux de neurones pouvaientapprendre à lire les lettres. Et qui sait quoi d'autre ?

Premier réseau de neurones

Comme le montre l'histoire, Rosenblatt a littéralement brûlé avec son travail, il y était parfaitement orienté, il était spécialiste en neurophysiologie. Il était l'auteur d'un cours universitaire fascinant et populaire dans lequel n'importe qui pouvait comprendre comment mettre en œuvre le cerveau humain dans une incarnation technique. Même alors, la communauté scientifique espérait qu'il y aurait bientôt de réelles opportunités de former des robots intelligents capables de se déplacer, de parler et de former des systèmes similaires à eux-mêmes. Qui sait, peut-être que ces robots iraient coloniser d'autres planètes ?

Rosentblatt était un passionné, et vous pouvez le comprendre. Les scientifiques croyaient que l'intelligence artificielle pourrait être réalisée si la logique mathématique était pleinement incarnée dans une machine. À ce stade, le test de Turing existait déjà, Asimov a popularisé l'idée de la robotique. La communauté scientifique était convaincue que l'exploration de l'Univers n'était qu'une question de temps.

Scepticisme justifié

Déjà dans les années soixante, il y avait des scientifiques qui se disputaient avec Rosenblatt et d'autres grands esprits travaillant sur l'intelligence artificielle. Une idée assez précise de leur logique de fabrications peut être obtenue à partir des publications de Marvin Minsky, bien connu dans son domaine. Soit dit en passant, on sait qu'Isaac Asimov et Stanley Kubrick ont fait l'éloge des capacités de Minsky (Minsky l'a aidé à travailler sur A Space Odyssey). Minsky n'était pas contre la création de réseaux de neurones, dontLe film de Kubrick en témoigne, et dans le cadre de sa carrière scientifique, il s'est engagé dans l'apprentissage automatique dans les années cinquante. Néanmoins, Minsky était catégorique sur les opinions erronées, critiquant les espoirs pour lesquels à ce moment il n'y avait toujours pas de fondement solide. Au fait, Marvin des livres de Douglas Adams porte le nom de Minsky.

La critique des réseaux de neurones et de l'approche de l'époque est systématisée dans la publication "Perceptron", datée de 1969. C'est ce livre qui a littéralement tué dans l'œuf l'intérêt de nombreuses personnes pour les réseaux de neurones, car un scientifique d'excellente réputation a clairement montré que Mark Ier avait un certain nombre de défauts. Premièrement, la présence de seulement deux couches était clairement insuffisante et la machine pouvait faire trop peu, malgré sa taille gigantesque et sa consommation d'énergie énorme. Le deuxième point de critique a été consacré aux algorithmes développés par Rosenblatt pour l'apprentissage des réseaux. Selon Minsky, les informations sur les erreurs ont été perdues avec une forte probabilité, et la couche nécessaire n'a tout simplement pas reçu la quantité totale de données pour une analyse correcte de la situation.

Les choses se sont arrêtées

Malgré le fait que l'idée principale de Minsky était de signaler les erreurs à ses collègues afin de les stimuler à améliorer le développement, la situation était différente. Rosenblatt est mort en 1971, et il n'y avait personne pour continuer son travail. Au cours de cette période, l'ère des ordinateurs a commencé et ce domaine de la technologie avançait à pas de géant. Les meilleurs esprits en mathématiques et en informatique étaient employés dans ce secteur, et l'intelligence artificielle semblait être un gaspillage déraisonnable d'énergie et de ressources.

Les réseaux de neurones n'ont pas attiré l'attention de la communauté scientifique depuis plus d'une décennie. Le tournant est survenu lorsque le cyberpunk est devenu à la mode. Il a été possible de trouver des formules permettant de calculer les erreurs avec une grande précision. En 1986, le problème formulé par Minsky trouvait déjà une troisième solution (toutes trois ont été développées par des groupes de scientifiques indépendants), et c'est cette découverte qui a incité les passionnés à explorer un nouveau domaine: les travaux sur les réseaux de neurones sont redevenus actifs. Cependant, le terme perceptrons a été tranquillement remplacé par l'informatique cognitive, s'est débarrassé des dispositifs expérimentaux, a commencé à utiliser le codage, en utilisant les techniques de programmation les plus efficaces. Quelques années à peine, et les neurones sont déjà assemblés en structures complexes capables de faire face à des tâches assez lourdes. Au fil du temps, il a été possible, par exemple, de créer des programmes de lecture de l'écriture humaine. Les premiers réseaux semblaient capables d'auto-apprentissage, c'est-à-dire qu'ils trouvaient indépendamment les bonnes réponses, sans aucune indication de la part de la personne contrôlant l'ordinateur. Les réseaux de neurones ont trouvé leur application dans la pratique. Par exemple, c'est sur eux que les programmes qui identifient les numéros sur les chèques sont utilisés dans les structures bancaires en Amérique.

Avancer à pas de géant

Dans les années 90, il est devenu clair qu'une caractéristique clé des réseaux de neurones qui nécessite une attention particulière des scientifiques est la capacité d'explorer un domaine donné à la recherche de la bonne solution sans y être invité par une personne. Le programme utilise la méthode d'essai et d'erreur, sur la base de laquelle il crée des règles de comportement.

Cette période a été marquée par un regain d'intérêtpublic aux robots de fortune. Des concepteurs passionnés du monde entier ont commencé à concevoir activement leurs propres robots capables d'apprendre. En 1997, c'est le premier succès vraiment sérieux au niveau mondial: pour la première fois, un ordinateur bat le meilleur joueur d'échecs du monde, Garry Kasparov. Cependant, à la fin des années 90, les scientifiques sont arrivés à la conclusion qu'ils avaient atteint le plafond et que l'intelligence artificielle ne pouvait plus se développer. De plus, un algorithme bien optimisé est beaucoup plus efficace que n'importe quel réseau de neurones pour résoudre les mêmes problèmes. Certaines fonctions restaient aux réseaux de neurones, par exemple la reconnaissance de textes d'archives, mais rien de plus compliqué n'était disponible. Fondamentalement, comme le disent les scientifiques modernes, il y avait un manque de capacités techniques.

Notre temps

Les réseaux de neurones sont aujourd'hui un moyen de résoudre les problèmes les plus complexes en utilisant la méthode "la solution sera trouvée par elle-même". En fait, cela n'est lié à aucune révolution scientifique, seuls les scientifiques modernes, les sommités du monde de la programmation, ont accès à une technique puissante qui leur permet de mettre en pratique ce qu'une personne ne pouvait imaginer qu'en termes généraux auparavant. Revenons à la phrase de Cicéron sur les singes et les jetons: si vous affectez quelqu'un à des animaux qui leur donneront une récompense pour la phrase correcte, ils créeront non seulement un texte significatif, mais écriront un nouveau "Guerre et Paix", et pas pire.

Les réseaux de neurones de nos jours sont au service des plus grandes entreprises travaillant dans le domaine des technologies de l'information. Ce sont des réseaux de neurones multicouches mis en œuvre via de puissants serveurs,en utilisant les possibilités du World Wide Web, les tableaux d'informations accumulés au cours des dernières décennies.