Ce înseamnă Rețea neuronală
O rețea neuronală artificială este un tip de model de AI inspirat, foarte vag, de creier. Este formată din unități simple de calcul, numite neuroni artificiali, organizate în straturi și conectate între ele. Fiecare conexiune are o pondere, un număr care arată cât de mult contează semnalul transmis.
Ideea vine din 1943, când Warren McCulloch și Walter Pitts au propus un model matematic al neuronului. În 1958, Frank Rosenblatt a construit perceptronul, una dintre primele rețele care învățau din exemple. Rețelele moderne au de la câteva mii până la sute de miliarde de ponderi.
Inspirația biologică este mai mult o metaforă: o rețea neuronală este, de fapt, o funcție matematică foarte mare, care transformă numerele de la intrare în numere la ieșire.
Cum funcționează
O rețea are un strat de intrare (care primește datele, de exemplu pixelii unei imagini), unul sau mai multe straturi ascunse și un strat de ieșire (care dă răspunsul, de exemplu „pisică: 92%”). Fiecare neuron primește valori de la stratul anterior, le înmulțește cu ponderile, le adună și trimite rezultatul mai departe.
La început, ponderile sunt aleatoare și răspunsurile sunt greșite. În timpul antrenării, rețeaua compară răspunsul ei cu cel corect, calculează cât a greșit și ajustează puțin fiecare pondere, prin metode numite backpropagation și gradient descent. După milioane de astfel de corecturi, răspunsurile devin bune.
Pe înțelesul tuturor
Imaginează-ți o masă de mixaj cu mii de butoane. La început, sunetul e haotic. Un tehnician ascultă, compară cu melodia dorită și rotește puțin fiecare buton în direcția bună. Repetând de foarte multe ori, ajunge la sunetul corect. Butoanele sunt ponderile, iar tehnicianul este algoritmul de antrenare.
Exemplu
Aplicațiile care recunosc o plantă dintr-o fotografie folosesc o rețea neuronală antrenată pe milioane de imagini cu plante etichetate. Pixelii pozei tale intră în rețea, trec prin zeci de straturi, iar la ieșire primești cele mai probabile specii, fiecare cu un procent de încredere.
De reținut
- O rețea neuronală este o funcție matematică formată din neuroni artificiali conectați prin ponderi.
- Învață ajustându-și ponderile pe baza greșelilor pe care le face.
- Seamănă cu creierul doar ca idee generală, nu ca mod real de funcționare.
Nu confunda
- Rețea neuronală vs. creier: neuronii biologici sunt mult mai complecși, iar creierul nu învață prin backpropagation. Comparația ajută la înțelegere, dar nu trebuie luată literal.
- Rețea neuronală vs. deep learning: deep learning înseamnă rețele neuronale cu multe straturi. O rețea cu un singur strat ascuns nu este considerată „profundă”.
Termeni înrudiți
- Neuron artificial: Cea mai mică unitate de calcul dintr-o rețea neuronală: adună intrările ponderate și decide ce valoare transmite mai departe.
- Deep learning (învățare profundă): Tip de machine learning bazat pe rețele neuronale cu multe straturi; stă în spatele chatboților, traducerilor și recunoașterii imaginilor.
- Strat (layer): Un nivel dintr-o rețea neuronală: un grup de neuroni care primesc datele de la nivelul anterior, le transformă și le dau mai departe.
- Parametri (ponderi): Numerele învățate de un model în timpul antrenării, în care este stocat tot ce „știe” acesta; modelele mari au miliarde.
- Backpropagation: Metoda prin care o rețea neuronală află cât a contribuit fiecare pondere la eroare, ca să știe cum să le corecteze.
- Funcție de activare: Regula matematică prin care un neuron artificial decide ce valoare trimite mai departe, permițând rețelei să învețe tipare complexe.