Umelé neurónové siete (ANN) sú kusy počítačového systému navrhnutého na simuláciu spôsobu, akým ľudský mozog analyzuje a spracováva informácie. Sú základom umelej inteligencie (AI) a riešia problémy, ktoré by sa podľa ľudských alebo štatistických štandardov ukázali ako nemožné alebo ťažké. ANN majú samoučiace sa schopnosti, ktoré im umožňujú dosahovať lepšie výsledky, keď bude k dispozícii viac údajov.
Rozklad umelých neurónových sietí (ANN)
Umelé neurónové siete (ANN) pripravujú pôdu pre vývoj aplikácií, ktoré menia život, aby sa mohli používať vo všetkých odvetviach hospodárstva. Platformy umelej inteligencie (AI), ktoré sú postavené na ANN, narušujú tradičný spôsob práce. Od prekladu webových stránok do iných jazykov až po virtuálneho asistenta, ktorý objednáva potraviny online, až po konverzáciu s chatmi na vyriešenie problémov, platformy AI zjednodušujú transakcie a sprístupňujú služby všetkým za zanedbateľné náklady.
Ako systém funguje?
Umelé neurónové siete sú budované ako ľudský mozog a neurónové uzly sú vzájomne prepojené ako web. Ľudský mozog má stovky miliárd buniek nazývaných neuróny. Každý neurón je tvorený bunkovým telom, ktoré je zodpovedné za spracovanie informácií prenášaním informácií smerom k (vstupom) a preč (výstupom) z mozgu. ANN má stovky alebo tisíce umelých neurónov nazývaných spracovateľské jednotky, ktoré sú vzájomne prepojené uzlami. Tieto spracovateľské jednotky sa skladajú zo vstupných a výstupných jednotiek. Vstupné jednotky prijímajú rôzne formy a štruktúry informácií na základe vnútorného váhového systému a neurónová sieť sa pokúša dozvedieť sa o informáciách predložených na vytvorenie jednej výstupnej správy. Rovnako ako ľudia potrebujú pravidlá a pokyny, aby prišli s výsledkom alebo výstupom, ANNs tiež používa sadu učebných pravidiel nazývaných backpropagation, skratka spätného šírenia chýb, aby zdokonalil svoje výstupné výsledky.
ANN spočiatku prechádza fázou odbornej prípravy, v ktorej sa naučí rozpoznávať vzorce údajov, či už vizuálne, foneticky alebo textovo. Počas tejto kontrolovanej fázy sieť porovnáva svoj skutočný produkovaný výstup s tým, čo mala produkovať, tj požadovaný výstup. Rozdiel medzi oboma výsledkami sa upravuje pomocou spätného označovania. To znamená, že sieť pracuje späť od výstupnej jednotky k vstupným jednotkám, aby nastavila váhu svojich spojení medzi jednotkami, až kým rozdiel medzi skutočným a požadovaným výsledkom nevytvorí najmenšiu možnú chybu.
Počas školenia a supervízie sa ANN učia, čo treba hľadať a aký by mal byť výstup, s použitím typov otázok typu áno / nie s binárnymi číslami. Napríklad banka, ktorá chce včas odhaliť podvody s kreditnými kartami, môže mať tieto otázky spojené so štyrmi vstupnými jednotkami: (1) Je transakcia v inej krajine ako v krajine bydliska používateľa? (2) Je webová stránka, na ktorej sa karta používa, v spojení so spoločnosťami alebo krajinami na zozname sledovaných bánk? (3) Je suma transakcie vyššia ako 2 000 dolárov? (4) Je meno na výpise z účtu rovnaké ako meno držiteľa karty? Banka požaduje, aby odpovede „zistené podvodom“ boli áno áno áno nie, čo by v binárnom formáte bolo 1 1 1 0. Ak je skutočný výstup siete 1 0 1 0, upraví svoje výsledky, až kým neposkytne výstup, ktorý sa zhoduje s 1 1 1 0. Po školení môže počítačový systém upozorniť banku na prebiehajúce podvodné transakcie a ušetriť tak banke veľa peňazí.
Praktické aplikácie
Umelé neurónové siete sa používajú vo všetkých oblastiach činnosti. Poskytovatelia e-mailových služieb používajú ANN na zisťovanie a odstraňovanie spamu z doručenej pošty používateľa; správcovia aktív ho používajú na predpovedanie smerovania akcií spoločnosti; Ratingové spoločnosti ho používajú na zlepšenie svojich metód úverového hodnotenia; Platformy elektronického obchodu ho používajú na prispôsobenie odporúčaní publiku; chatboty sú vyvíjané s ANN na spracovanie prirodzeného jazyka; algoritmy hĺbkového učenia používajú ANN na predpovedanie pravdepodobnosti udalosti; a zoznam začleňovania ANN pokračuje vo viacerých odvetviach, odvetviach a krajinách.
