W ostatnich latach temat sieci neuronowych w obszarze IT oraz zagadnienia sztucznej inteligencji stał się bardzo popularny. Sieci neuronowe nie są nowym pojęciem, ponieważ były popularne już w latach 70-tych XXw. Ich prawdziwy rozwój nastąpił jednak już w XXI wieku ze względu na ogromny postęp w świecie technologii oraz zakres stosowanych innowacji w wielu obszarach życia człowieka. Sieci neuronowe są jednym z obszarów, z których składa się sztuczna inteligencja (AI). Zainteresowanie sieciami neuronowymi stale rośnie niejako wymuszając dzięki temu ich ciągły rozwój i udoskonalanie.


Charakterystyka


Chcąc opisać sposób działania sieci neuronowych warto odwołać się (w pewnym uproszczeniu) do sposobu działania systemu nerwowego człowieka. Charakterystyka działania ma działać tak jak system biologiczny. Pomimo ogromnego postępu i stosowania innowacyjnych rozwiązań dzisiejsze sieci nie są w stanie działać na równi tak jak ludzki mózg, natomiast można prognozować, że w mniej lub bardziej odległej przyszłości taki poziom zaawansowania będą w stanie osiągnąć. Sieci neuronowe oparte są na strukturach matematycznych, które za pomocą dedykowanych algorytmów oraz elementów przetwarzających (sztuczne neurony) wykonują przedstawione przed nimi operacje.


Budowa sieci neuronowych i sposób działania


Sieć neuronowa składa się z określonej liczby neuronów. Najprostszą siecią neuronową jest percepton, który składa się wyłącznie z jednego sztucznego neuronu. Do takiego perceptonu dociera pewna liczba danych wejściowych. Dane te mają przypisane wagi, które określają jak duży wpływ na końcowy wynik ma konkretny parametr. Tak przygotowany zestaw danych trafia do bloku sumującego. Blok sumujący to po prostu wzór, czyli algorytm przygotowany przez programistów. Suma wszystkich wejść daje określony wynik, które w dzisiejszych zaawansowanych rodzajach sztucznych neuronów dają odpowiedź w formie liczby rzeczywistej. Efektem obliczeń jest konkretny wynik, który informuje o podjęciu rodzaju decyzji, który była przedmiotem obliczeń.


Schemat budowy neuronu

Zastosowanie sieci neuronowych


Wraz z rozwojem zagadnienia sztucznej inteligencji rozwijają się także same sieci neuronowe. Niewątpliwą zaletą sieci jest to, że mają szerokie pole do zastosowania, a także posiadają nieograniczone możliwości do dalszego rozwoju. Kolejnym atutem sieci neuronowych jest to, że doskonale radzą sobie w pracy z ogromnymi zbiorami danych, gdzie człowiek nie radzi sobie w sposób efektywny. Mało tego, są w stanie dostosować się do pojawiających się nowych zmiennych, z którymi zwykłe programy dostępne na rynku sobie nie radzą. Polem do rozwoju jest umiejętność pracy sieci na podstawie danych uszkodzonych lub dostępnych we fragmentach. Tworzy to sytuację, którą można porównać np. do rozwiązania równań z wieloma niewiadomymi, którą sieć sama rozwiązuje. Sieci neuronowe są one wykorzystywane w coraz większej liczbie obszarów życia, a przede wszystkim w finansach, medycynie czy technologii. Sieci neuronowe będą się pojawiać sukcesywnie w obszarach, które wymagają działań związanych z przewidywaniem, klasyfikowaniem oraz sterowaniem. Wszędzie tam gdzie potrzebne są rozwiązania oparte na tworzeniu scenariuszy lub  podejmowaniu decyzji na bazie wielu zmiennych znajdą swoje zastosowanie.


Źródła:

  • businessinsider.com.pl/technologie/czym-sa-sieci-neuronowe/pwtfrsy
  • galaxy.uci.agh.edu.pl/~vlsi/AI/wstep/
  • pclab.pl/art71255-2.html