Hlboké učenie… evokuje predstavu najvyššej formy umelej inteligencie, akéhosi počítačového kúzla schopného robiť zázraky, no ktorého podstatu väčšina z nás nechápe. A to je úplne normálne! Za tým všetkým však stojí racionálne vysvetlenie. Ponorme sa do tajomného sveta tejto umelej inteligencie, ktorá sa odlišuje od všetkých ostatných…
Hlboké učenie ako poddoména strojového učenia
Predtým, než sa pozrieme pod pokrievku, sa na chvíľu vráťme k pojmu strojového učenia. Jeho princíp spočíva v tom, že algoritmus trénujeme tak, že mu poskytujeme veľké množstvo údajov, a potom mu necháme voľnú ruku, aby našiel najlepšie parametre na identifikáciu vzťahov medzi údajmi: napríklad predikciu alebo klasifikáciu v prípade učenia s učiteľom, či zoskupovanie v prípade učenia bez učiteľa. Pre každú aplikáciu existujú špecifické modely s vlastnými algoritmami.
A čo hlboké učenie? V skutočnosti ide iba o poddoménu strojového učenia! Aký je teda rozdiel? Namiesto použitia tradičných modelov vytvárame veľmi špecifickú štruktúru: umelú neurónovú sieť.
Od biologického k umelému neurónu
Umelé neuróny… Tento pojem vyvoláva množstvo predstáv a mýtov. Je však potrebné pochopiť, že spôsob, akým funguje náš mozog, inšpiroval vedcov k vývoju modelu, ktorý napodobňuje spracovanie a prenos informácií u ľudí. Ide však len o biologickú metaforu.
Táto analógia je však stále užitočná na pochopenie princípu umelého neurónu. Pozrime sa na biologický neurón. V zásade sa skladá z 3 hlavných častí: bunkového tela obsahujúceho jadro, axónu a dendritov. Nervový signál – elektrický impulz – cestuje od dendritov cez bunkové telo a axón až k nervovým zakončeniam. Ak existuje podnet, informácia sa prenesie; ak nie, nič sa nestane. Ide teda o akýsi binárny jazyk!
Ako funguje umelý neurón?
Ako to súvisí s umelým neurónom? Idea spočíva v reprodukovaní tohto princípu pomocou jednoduchej matematickej funkcie:
- Vstupy (x hodnoty) namiesto dendritov;
- Parametre uprostred, ktoré ovplyvňujú výsledok;
- Výstup (y hodnota) namiesto axónu.
Aby sme dosiahli binárny výsledok, pridávame prahovú hodnotu. Napríklad, ak je získaný súčet väčší ako stanovený prah, výstup bude 1. V opačnom prípade bude 0.
Záver: Sila neurónových sietí
Taký je princíp umelých neurónov! Aby však dosiahli ohromujúce výsledky, musia byť zostavené do sietí…
