ข้อความทั่วไปที่ว่าโครงข่ายประสาทเทียมนั้นได้รับแรงบันดาลใจจากโครงสร้างของสมองนั้นเป็นเพียงบางส่วนเท่านั้น
มันเป็นความจริงที่ Norbert Wiener, Claude Shannon, John von Neuman และคนอื่น ๆ เริ่มต้นเส้นทางสู่การปฏิบัติ AI โดยการพัฒนาสิ่งที่พวกเขาเรียกว่าสมองอิเล็กทรอนิกส์ มันก็เป็นความจริง
- เครือข่ายประดิษฐ์มีหน้าที่เรียกว่าการเปิดใช้งาน
- มีสายในความสัมพันธ์แบบหลายต่อหลายอย่างเช่นเซลล์ประสาทชีวภาพและ
- ถูกออกแบบมาเพื่อเรียนรู้พฤติกรรมที่ดีที่สุด
แต่นั่นคือขอบเขตของความคล้ายคลึงกัน เซลล์ในเครือข่ายประดิษฐ์เช่น MLPs (multilayer perceptrons) หรือ RNN (เครือข่ายประสาทซ้ำ) ไม่เหมือนเซลล์ในเครือข่ายสมอง
Perceptron ซึ่งเป็นซอฟแวร์ตัวแรกที่ถูกสอดเข้าไปในอาร์เรย์ของสิ่งต่าง ๆ ที่เปิดใช้งานนั้นไม่ใช่เซลล์ประสาท มันเป็นการประยุกต์ใช้ข้อเสนอแนะพื้นฐานที่เกี่ยวข้องกับการไล่ระดับสีซึ่งมีการใช้งานทั่วไปในด้านวิศวกรรมนับตั้งแต่ผู้ว่าการแรงเหวี่ยงของ James Watt เป็นแบบจำลองทางคณิตศาสตร์โดย Gauss การประมาณแบบต่อเนื่องซึ่งเป็นหลักการที่ใช้กันมานานหลายศตวรรษได้ถูกนำมาใช้เพื่อปรับปรุงเมทริกซ์การลดทอนแบบค่อยเป็นค่อยไป เมทริกซ์ถูกคูณด้วยเวกเตอร์ที่ป้อนอาร์เรย์ของฟังก์ชันการเปิดใช้งานที่เหมือนกันเพื่อสร้างเอาต์พุต แค่นั้นแหละ.
การฉายภาพในมิติที่สองไปยังโทโพโลยีแบบหลายชั้นทำได้โดยการตระหนักว่ายาโคเบียนสามารถใช้ในการสร้างสัญญาณที่ถูกต้องซึ่งเมื่อกระจายเป็นผลป้อนกลับเชิงลบกับชั้นอย่างเหมาะสมสามารถปรับเมทริกซ์การลดทอนของลำดับ perceptrons และเครือข่ายโดยรวมจะบรรจบกับพฤติกรรมที่น่าพอใจ ในลำดับของ perceptrons แต่ละองค์ประกอบเรียกว่าเลเยอร์ กลไกความคิดเห็นตอนนี้เรียกว่าการเผยแพร่กลับ
คณิตศาสตร์ที่ใช้ในการแก้ไขเครือข่ายเรียกว่าการไล่ระดับสีเพราะมันเป็นเหมือนชายตาบอดที่ขาดน้ำโดยใช้การไล่ระดับสีของภูมิประเทศเพื่อหาน้ำและปัญหาของการทำเช่นนั้นก็เหมือนกัน เขาอาจพบว่ามีจุดต่ำสุดในท้องถิ่น (จุดต่ำ) ก่อนที่เขาจะพบน้ำจืดและมาบรรจบกับความตายมากกว่าที่จะชุ่มชื้น
โทโพโลยีที่ใหม่กว่าคือการเพิ่มของงานสังสรรที่มีอยู่แล้วที่ใช้ในการคืนค่ารูปภาพดิจิทัลการเรียงลำดับจดหมายและแอปพลิเคชั่นกราฟิกเพื่อสร้างตระกูลทอพอโลยีของ CNN และการใช้งานอย่างชาญฉลาด ตระกูลของทอพอโลยี GAN
Deep เป็นคำพ้องความหมายสำหรับบริบท AI ส่วนใหญ่ บางครั้งมันมีความซับซ้อนในระดับสูงกว่าโทโพโลยี (เหนือผลิตภัณฑ์เวกเตอร์ - เมทริกซ์การเปิดใช้งานและการโน้มน้าวใจ)
การวิจัยเชิงรุกยังคงดำเนินต่อไปโดยผู้ที่ตระหนักถึงความแตกต่างของเครือข่ายลึกเหล่านี้จากสิ่งที่นักวิทยาศาสตร์ทางประสาทได้ค้นพบเมื่อหลายสิบปีก่อนในเนื้อเยื่อสมองของสัตว์เลี้ยงลูกด้วยนม และมีความแตกต่างมากขึ้นที่ถูกค้นพบในวันนี้เนื่องจากวงจรการเรียนรู้และเคมีประสาทในสมองถูกตรวจสอบจากมุมมองจีโนม
- Neural plasticity ... การเปลี่ยนแปลงโครงสร้างของวงจรเนื่องจากการเติบโตของ dendrite และสัจพจน์ความตายการเปลี่ยนเส้นทางและการแปรเปลี่ยนอื่น ๆ
- ความซับซ้อนของทอพอโลยี ... สัจพจน์จำนวนมากไขว้เขวโดยไม่ต้องมีการโต้ตอบและจงใจป้องกันจากการพูดคุยข้าม (พูดคุยอิสระ) เป็นไปได้มากที่สุดเพราะมันจะเสียเปรียบที่จะให้พวกเขาเชื่อมต่อ[note 1]
- การส่งสัญญาณทางเคมี ... สมองของสัตว์เลี้ยงลูกด้วยนมมีสารสื่อประสาทหลายชนิดและสารควบคุมระบบประสาทที่มีผลต่อภูมิภาคในวงจร[หมายเหตุ 2]
- Organelles ... เซลล์ที่มีชีวิตมีโครงสร้างย่อยมากมายและเป็นที่รู้จักกันว่าหลายประเภทมีความสัมพันธ์ที่ซับซ้อนกับการส่งสัญญาณในเซลล์ประสาท
- รูปแบบที่แตกต่างกันอย่างสิ้นเชิงของการเปิดใช้งาน ... การเปิดใช้งานในมุ้งประสาทเทียมที่พบเป็นเพียงฟังก์ชั่นที่มีสเกลาลำดับสำหรับทั้งช่วงและโดเมน ... เซลล์ประสาททำงานเลี้ยงลูกด้วยนมเป็นหน้าที่ของทั้งความกว้างและความใกล้ชิดชั่วคราวญาติของสัญญาณขาเข้า[หมายเหตุ 3]
[1] โทโพโลยีเป็นทั้งส่วนย่อยของสถาปัตยกรรม (ในด้านการออกแบบอาคาร, การจัดสรรเครือข่าย, การวิเคราะห์ WWW และเครือข่ายความหมาย) แต่ในเวลาเดียวกันทอพอโลยีเป็นมากกว่าสถาปัตยกรรมที่ศูนย์กลางที่รุนแรงของ AI ทั้งสอง คณิตศาสตร์และการเกิดขึ้นจริงที่มีประสิทธิภาพในระบบควบคุม
[2] บทบาทของวิชาเคมีอาจมีความสำคัญต่อการเรียนรู้พฤติกรรมทางสังคมและการเจริญพันธุ์ที่สัมพันธ์กับการเผยแพร่ข้อมูลดีเอ็นเอการเชื่อมโยงในรูปแบบที่ซับซ้อนการเรียนรู้ในระดับของระบบนิเวศและสมอง นอกจากนี้การเรียนระยะยาวและระยะสั้นยังแบ่งการเรียนรู้ของสมองออกเป็นสองความสามารถที่แตกต่างเช่นกัน
[3] ผลกระทบของจังหวะเวลาของสัญญาณขาเข้าต่อการกระตุ้นเซลล์ประสาททางชีวภาพนั้นมีความเข้าใจในระดับหนึ่ง แต่มันอาจส่งผลกระทบมากกว่าการส่งออกของเซลล์ประสาท มันอาจส่งผลกระทบต่อความสมบูรณ์และเคมีเช่นกันและออร์แกเนลล์อาจมีบทบาทต่อสิ่งนั้น
สรุป
สิ่งที่ห้องสมุดเรียนรู้ของเครื่องทำนั้นเลียนแบบสมองมนุษย์มากเท่ากับตุ๊กตาบาร์บี้และเคนจำลองคู่แท้
อย่างไรก็ตามสิ่งที่น่าทึ่งเกิดขึ้นในด้านการเรียนรู้อย่างลึกล้ำและมันจะไม่แปลกใจเลยถ้ายานพาหนะของตนเองกลายเป็นอิสระอย่างเต็มที่ในช่วงชีวิตของเรา ฉันจะไม่แนะนำให้นักเรียนคนใดเป็นผู้พัฒนา คอมพิวเตอร์อาจจะเขียนโค้ดได้ดีกว่ามนุษย์และมีขนาดของคำสั่งเร็วกว่าและอาจจะเร็ว ๆ นี้ งานบางอย่างไม่ได้เป็นสิ่งที่ชีววิทยาได้พัฒนาและคอมพิวเตอร์สามารถเกินขีดความสามารถของมนุษย์หลังจากการวิจัยเพียงไม่กี่ทศวรรษในที่สุดก็เกินประสิทธิภาพของมนุษย์โดยคำสั่งขนาดใหญ่
