Sztuczna sieć neuronowa (ANN)
Co to jest sztuczna sieć neuronowa (SSN)?
Sztuczna sieć neuronowa (SSN) to element systemu obliczeniowego zaprojektowanego do symulacji sposobu, w jaki ludzki mózg analizuje i przetwarza informacje. Jest podstawą sztucznej inteligencji (AI) i rozwiązuje problemy, które okazałyby się niemożliwe lub trudne według standardów ludzkich lub statystycznych. SSN mają możliwości samouczenia się, które umożliwiają im uzyskiwanie lepszych wyników, gdy dostępnych jest więcej danych.
Kluczowe wnioski
- Sztuczna sieć neuronowa (SSN) jest składnikiem sztucznej inteligencji, który ma na celu symulację funkcjonowania ludzkiego mózgu.
- Jednostki przetwarzania tworzą SSN, które z kolei składają się z wejść i wyjść. Dane wejściowe są tym, z czego SSN uczy się, aby wygenerować pożądany wynik.
- Propagacja wsteczna to zestaw reguł uczenia się używanych do kierowania sztucznymi sieciami neuronowymi.
- Praktyczne zastosowania SSN są bardzo szerokie i obejmują finanse, komunikację osobistą, przemysł, edukację i tak dalej.
Zrozumienie sztucznej sieci neuronowej (ANN)
Sztuczne sieci neuronowe są zbudowane jak ludzki mózg, z węzłami neuronowymi połączonymi ze sobą jak sieć. Ludzki mózg ma setki miliardów komórek zwanych neuronami. Każdy neuron składa się z ciała komórki, które jest odpowiedzialne za przetwarzanie informacji poprzez przenoszenie informacji do (wejściowych) i dalej (wyjściowych) z mózgu.
SSN ma setki lub tysiące sztucznych neuronów zwanych jednostkami przetwarzającymi, które są połączone węzłami. Te jednostki przetwarzania składają się z jednostek wejściowych i wyjściowych. Jednostki wejściowe otrzymują różne formy i struktury informacji w oparciu o wewnętrzny system ważenia, a sieć neuronowa próbuje dowiedzieć się o prezentowanych informacjach, aby wygenerować jeden raport wyjściowy. Podobnie jak ludzie potrzebują reguł i wytycznych, aby uzyskać wynik lub dane wyjściowe, SSN również używają zestawu reguł uczenia się zwanych wsteczną propagacją, skrótem oznaczającym wsteczną propagację błędu, aby udoskonalić swoje wyniki.
SSN początkowo przechodzi przez fazę treningową, w której uczy się rozpoznawać wzorce w danych, czy to wizualnie, słuchowo czy tekstowo. Podczas tej nadzorowanej fazy sieć porównuje swoją rzeczywistą produkcję z tym, co miała wyprodukować – z pożądaną wydajnością. Różnica między oboma wynikami jest korygowana za pomocą wstecznej propagacji. Oznacza to, że sieć działa wstecz, przechodząc od jednostki wyjściowej do jednostek wejściowych, aby dostosować wagę swoich połączeń między jednostkami, aż różnica między rzeczywistym a pożądanym wynikiem spowoduje najmniejszy możliwy błąd.
Na etapie szkolenia i nadzoru SSN uczy się, czego szukać i jaki powinien być wynik, używając typów pytań tak / nie z liczbami binarnymi. Na przykład bank, który chce wykryć oszustwa związane z kartami kredytowymi na czas, może mieć cztery jednostki wejściowe zawierające następujące pytania: (1) Czy transakcja jest przeprowadzana w innym kraju niż kraj zamieszkania użytkownika? (2) Czy strona internetowa, na której używana jest karta, jest powiązana z firmami lub krajami znajdującymi się na liście obserwacyjnej banku? (3) Czy kwota transakcji jest większa niż 2000 USD? (4) Czy nazwisko na rachunku transakcji jest takie samo jak nazwisko posiadacza karty?
Bank chce, aby odpowiedzi „wykryte oszustwo” były Tak Tak Tak Nie, co w formacie binarnym byłoby 1 1 1 0. Jeśli rzeczywiste wyjście sieci wynosi 1 0 1 0, koryguje swoje wyniki do momentu dostarczenia wyjścia pokrywającego się z 1 1 1 0. Po przeszkoleniu system komputerowy może zaalarmować bank o oczekujących oszukańczych transakcjach, oszczędzając bankowi dużo pieniędzy.
Praktyczne zastosowania sztucznych sieci neuronowych (SSN)
Sztuczne sieci neuronowe torują drogę dla zmieniających życie aplikacji, które mają być rozwijane do użytku we wszystkich sektorach gospodarki. Platformy sztucznej inteligencji zbudowane na SSN zaburzają tradycyjne sposoby działania. Od tłumaczenia stron internetowych na inne języki, przez wirtualnego asystenta, który zamawia zakupy online, po rozmowę z chatbotami w celu rozwiązania problemów, platformy AI upraszczają transakcje i udostępniają usługi wszystkim po znikomych kosztach.
Sztuczne sieci neuronowe zostały zastosowane we wszystkich obszarach działalności. Dostawcy usług poczty e-mail używają ANN do wykrywania i usuwania spamu ze skrzynki odbiorczej użytkownika; zarządzający aktywami używają go do prognozowania kierunku akcji spółki; firmy ratingowe wykorzystują je do ulepszania swoich metod oceny zdolności kredytowej; platformy handlu elektronicznego używają go do personalizowania rekomendacji dla swoich odbiorców; chatboty są tworzone z SSN do przetwarzania języka naturalnego; algorytmy głębokiego uczenia wykorzystują ANN do przewidywania prawdopodobieństwa wystąpienia zdarzenia; a lista włączonych SSN obejmuje wiele sektorów, branż i krajów.