Rozum scalony

Film oraz literatura fantastyczno-naukowa przepełnione są tworami ludzkiej wyobraźni potrafiącymi, na wzór swoich konstruktorów, podejmować samodzielne decyzje. Odzwierciedla to dążenie do stworzenia sztucznej inteligencji odpowiadającej możliwościami ludzkiemu mózgowi. Ale czy to tylko fantastyka?

Wraz z postępem neurobiologii modele matematyczne opisujące działanie komórek nerwowych coraz lepiej przybliżają zjawiska zachodzące w organizmie człowieka. Rozwojowi nauki z pogranicza biologii, matematyki i informatyki, jaką bez wątpienia są sztuczne sieci neuronowe, sprzyja również szybki postęp technologiczny umożliwiający praktyczną realizację układów naśladujących naturę.

Co sprawia, że naukowcy tak chętnie sięgają po alternatywne metody przetwarzania danych, skoro przeciętny pecet stojący na naszym biurku pracuje kilka milionów razy szybciej niż komórka nerwowa? Odpowiedź jest prosta. Nawet najszybszy superkomputer nie jest w stanie konkurować choćby z kilkumiesięcznym dzieckiem w rozwiązywaniu problemów abstrakcyjnych, nie dających się przetłumaczyć na prosty, zrozumiały dla komputera algorytm. Klasyczne komputery stają się bezradne w sytuacjach awaryjnych, nie przewidzianych przez programistów, podczas gdy neurokomputer na podstawie wcześniej nabytego doświadczenia potrafi poradzić sobie z nie znanymi wcześniej problemami. Jest odporny na zniekształcenie informacji wejściowych, tak jak człowiek potrafi rozpoznać przez “trzeszczącą” linię telefoniczną głos poznanej wcześniej osoby.

Sieci neuronowe cechują się dużą odpornością na uszkodzenia. Defekt pojedynczych neuronów lub połączeń między nimi nie determinuje wadliwego działania całego układu. Podobnie jest w przypadku organizmów żywych, gdzie codzienne obumieranie komórek nerwowych nie wpływa na ogólną sprawność organizmu.

Kolejną zaletą sieci neuronowych jest jednoczesna obróbka danych w wielu komórkach. To właśnie ta cecha, a nie szybkość przetwarzania, sprawia, iż mózg jest tak wydajną strukturą.

Ponieważ cechą neuronów jest uogólnianie prezentowanych sygnałów wejściowych i próba przyporządkowania ich do zapamiętanych wcześniej wzorców, ceną, jaką trzeba zapłacić za naśladowanie natury, jest błąd, którym obarczone są rezultaty działania sieci neuronowej. Innymi słowy, neurokomputer rzadko podaje dokładne wyniki; mieszczą się one natomiast w granicach dopuszczalnego błędu, założonego w procesie uczenia sieci. Z pewnym – zazwyczaj niewielkim – prawdopodobieństwem możliwe jest też, że otrzymany rezultat będzie fałszywy.

Więcej:bezcatnews