Et kunstigt neur alt netværk er det, der oftest menes med det neurale netværk. Det er en kompliceret serie af indbyrdes forbundne kunstige neuroner modelleret efter dem i den menneskelige hjerne og brugt i kunstig intelligens til at behandle information, lære og lave forudsigelser.
Hvordan fungerer neurale netværk?
En neuron er den menneskelige hjernes mest fundamentale celle. En menneskelig hjerne har mange milliarder neuroner, som interagerer og kommunikerer med hinanden og danner neurale netværk.
Disse neuroner modtager mange input, fra hvad vi ser og hører til hvordan vi har det til alt derimellem, og sender derefter beskeder til andre neuroner, som reagerer på skift. Fungerende neurale netværk er det, der sætter mennesker i stand til at tænke, og endnu vigtigere, lære.
Som en metode til at indtage store mængder data, behandle dem og foretage forudsigelser og beslutninger baseret på dataene, er den menneskelige hjernes neurale netværk langt den mest kraftfulde computerkraft, som mennesket kender.
PASIEKA / Getty Images
Typer af neurale netværk
Et neur alt netværk er teknisk set et biologisk begreb, mens et kunstigt neur alt netværk er den slags neurale netværk, som kunstig intelligens stoler på. Selvom ordet i sig selv er mest almindeligt brugt til at henvise til det kunstige neurale netværk, vil du ofte se folk henvise til kunstige neurale netværk som blot neurale netværk.
Naturligvis er et neur alt netværk i den menneskelige hjerne meget forskelligt fra et kunstigt konstrueret neur alt netværk. Alligevel forbliver den grundlæggende måde, de arbejder på med at behandle information og lave forudsigelser, den samme.
Mens et kunstigt neur alt netværk ikke vil være en perfekt genskabelse af et biologisk neur alt netværk, er kunstige neurale netværk baseret på og modelleret efter hjernens neurale netværk, netop på grund af disse netværks computerkraft.
Hvad bruges neurale netværk til?
Mennesker bruger biologiske neurale netværk til at behandle information, lære og lave forudsigelser, f.eks. tænke. Kunstige neurale netværk fungerer stort set på samme måde, men i mindre grad, da kunstige neurale netværk endnu ikke kan matche kompleksiteten og kraften af dem, der findes i den menneskelige hjerne.
Kunstige neurale netværk muliggør mere kompliceret, naturtro og kraftfuld kunstig intelligens gennem dyb læring, som er processen, hvor et kunstigt neur alt netværk selvstændigt lærer og træffer sine egne beslutninger.
Menneskelignende kunstig intelligens er mulig med et avanceret neur alt netværk og nok data til at træne (eller undervise) det neurale netværk. A. I., som det ser ud i film, eksisterer endnu ikke i dag, men hvis det nogensinde gør det, vil dyb læring gennem neurale netværk drive denne intelligens.
FAQ
Hvad er et dybt neur alt netværk?
Også kendt som deep learning, det er et underområde inden for maskinlæring i A. I. beskæftiger sig med algoritmer modelleret på hjernens struktur og funktion. Dybe neurale netværk er designet til at genkende numeriske mønstre og oversætte dem til data fra den virkelige verden, såsom billeder, tekst eller lyd.
Hvad er et konvolutionelt neur alt netværk?
Det er en klasse af dybe neurale algoritmer, der ofte bruges til at analysere visuelle billeder. Et foldet neur alt netværk modtager et billede og udtrækker funktioner ved hjælp af filtre og bruges hovedsageligt til billedbehandling, klassificering og segmentering.
Hvad er et tilbagevendende neur alt netværk?
Det er en type kunstigt neur alt netværk, der typisk bruges til talegenkendelse og naturlig sprogbehandling. Et tilbagevendende neur alt netværk bruger sekventielle data eller tidsseriedata til at løse almindelige tidsmæssige problemer i sprogoversættelse og talegenkendelse.
