Przetworniki i układy scalone połączone w przypadkowy sposób zyskują nieoczekiwane właściwości. W amerykańskich portach lotniczych do wykrywania podejrzanych przedmiotów w bagażach pasażerów używa się sztucznych sieci neuronowych. Twórcy sieci Snoopy wyposażyli elektroniczne neurony w algorytm ułatwiający kontakt ze światem zewnętrznym i pokazywali im rzeczy, które zwykle znajdują się w bagażu, informując jednocześnie: "To jest normalne", "To jest bezpieczne".
Sztuczne neurony nauczyły się rozpoznawać, co pasażerowie mogą bez przeszkód wnieść do samolotu. Teraz nadzorują pracę urządzeń prześwietlających walizki. Gdy na monitorze pojawia się nie znany im kształt, podnoszą alarm. Co więcej - douczają się w trakcie pracy, zapamiętują, który sygnał okazał się niepotrzebny, i nie powtarzają pomyłki.
Zdolność sztucznych neuronów do zapamiętywania i uczenia się fascynuje badaczy. Nie wiadomo, jak to się dzieje, że elementy elektroniczne - przetworniki czy układy scalone - połączone nawet w przypadkowy sposób zyskują nieoczekiwane właściwości. Zaczynają się zachowywać jak żywe neurony w ludzkim mózgu. Uczą się, pamiętają, wyciągają wnioski, choć konstruktor nie wpisuje ciągu instrukcji określających, jak mają to robić, definiujących kolejne kroki działania.
Sieci wykorzystywane są wówczas, gdy nie można podać konkretnego zbioru reguł ani napisać programu, kiedy w działaniu wymagana jest raczej intuicja niż arytmetyka. W diagnostyce medycznej sztucznym komórkom dostarcza się dane dużej liczby badanych i przykłady prawidłowego postawienia diagnozy. Po przeanalizowaniu kilkuset przypadków sieć w rozróżnianiu chorób dorównuje najlepszym specjalistom. Znacznie trudniej nauczyć tej sztuki początkującego lekarza.
W warszawskim Instytucie Biocybernetyki i Inżynierii Biomedycznej PAN sieć neuropodobna uczy się rozpoznawania chorób wątroby. Zaprojektował ją prof. Leon Bobrowski, z którym współdziałają lekarze z Centrum Medycznego Kształcenia Podyplomowego i Kliniki Gastroenterologii. Neurony "karmione" są informacjami na temat konkretnych pacjentów: wynikami ba-dań, rezultatami analiz, biopsji, zdjęciami rentgenowskimi, ultrasonogramami, a także postawionymi na ich podstawie diagnozami specjalistów.
Właściwości sztucznych sieci ciągle jeszcze stanowią zagadkę. Proste elektroniczne elementy po połączeniu zdradzają pewne cechy inteligencji. Pojawianiem się nowych właściwości w układach złożonych zajmuje się m.in. nauka o sztucznej inteligencji. Sieć neuronowa zaczyna przecież istnieć bez żadnego programu ani bazy danych. Po pewnym czasie w rozwiązywaniu skomplikowanych zadań (jak przewidywanie kursów na giełdzie czy dobór materiałów do budowy pojazdów kosmicznych) staje się lepsza od człowieka. Z prymitywnych części składowych wyłania się nowa jakość.
Cybernetyka mózgu
- Sieci w dostarczonym zbiorze danych szukają analogicznych przypadków, dostrzegają różnice, przewidują ciąg dalszy wydarzeń. Ta dziedzina badań ma bogate podstawy teoretyczne i budzi ogromne zainteresowanie. Pierwsze sztuczne sieci neuronowe w celach praktycznych zaczęto konstruować pod koniec lat 80., w Polsce budujemy je od początku lat 90. - tłumaczy prof. Leszek Rutkowski z Instytutu Elektroniki i Systemów Sterowania Politechniki Częstochowskiej.
Pierwsze modele działania mózgu jako sieci, w której przebiegają operacje logiczne i następuje proces przetwarzania informacji, stworzyli ponad 60 lat temu amerykański matematyk Warren McCulloch z Massachusetts Institute of Technology w Cambridge i osiemnastoletni matematyk Walter Pitts. Próby te zainspirowały do badań nad sztuczną inteligencją takich naukowców, jak Stuart Kauffman (uczeń McCullocha zajmujący się samoorganizacją i pojawianiem się porządku w układach złożonych), Christopher Langton z Instytutu Santa Fe (uznawany za guru w dziedzinie sztucznej inteligencji) czy Doyne Farmer (fizyk z Los Alamos przekonany, że życie i inteligencja są naturalnym i nieuchronnym rezultatem ujawniających się coraz bardziej wyrafinowanych właściwości świata fizycznego).
Nie potrzebują programu
Sztuczne sieci neuronowe są jednym ze sposobów poznawania zadziwiających reguł samoorganizacji układów złożonych. Mają przy tym fascynujące zastosowania praktyczne. - Matematyczne modele neuronu mogą posłużyć do stworzenia układów elektronicznych i symulacji sieci neuronowych w komputerach - wyjaśnia prof. Ryszard Tadeusiewicz, jeden z pierwszych w Polsce cybernetyków, dziś rektor Akademii Górniczo-Hutniczej w Krakowie. - Większość firm elektronicznych oferuje układy scalone, które mogą być używane jako sztuczne neurony, a nawet fragmenty większych struktur neuropodobnych. Chip produkowany przez Intela zawiera w jednej maleńkiej kostce 128 sztucznych neuronów. Można z nich stworzyć zespół o dużej liczbie elementów przetwarzających informacje w podobny sposób, jak to robią układy biologiczne. Pierwszą sieć z elektronicznych neuronów zbudował w latach 70. w Stanach Zjednoczonych Frank Rosenblatt. Było ich 256 i zajmowały szafę wielkości połowy dużego pokoju. Po raz pierwszy zauważono wówczas, że struktury z nich tworzone nie wymagają programowania, a wiedzę zdobywają dzięki procesowi uczenia się.
Kojarzą informacje
Profesor Tadeusiewicz jest współtwórcą sztucznych sieci neuronowych, wykrywających m.in. nowotwory trzustki i patologiczne zmiany w naczyniach krwionośnych. W budowanych przez siebie układach używa nie setek, lecz tysięcy elementów. Za fascynującą cechę sztucznych neuronów uważa to, że nie tylko uczą się na konkretnych przykładach, ale także te wiadomości uogólniają. Jeśli nauczą się rozpoznawać jeden charakter pisma, zastosują tę wiedzę do rozpoznawania drugiego. Jeżeli przedstawi im się kilka sytuacji na giełdzie, które doprowadziły do krachu, sieć rozpozna podobne zdarzenia. Sieci kojarzą też informacje, z którymi się wcześniej nie spotkały. Z tego powodu zamierza się je wykorzystać do wyszukiwania informacji rozproszonych w setkach baz danych w Internecie. Ta dziedzina nauki nosi nazwę knowledge discovery. Eksperymenty z tak zwanymi sieciami skojarzeniowymi (asocjacyjnymi) prowadzone są już również w Polsce.
Zdolność sztucznych neuronów do zapamiętywania i uczenia się fascynuje badaczy. Nie wiadomo, jak to się dzieje, że elementy elektroniczne - przetworniki czy układy scalone - połączone nawet w przypadkowy sposób zyskują nieoczekiwane właściwości. Zaczynają się zachowywać jak żywe neurony w ludzkim mózgu. Uczą się, pamiętają, wyciągają wnioski, choć konstruktor nie wpisuje ciągu instrukcji określających, jak mają to robić, definiujących kolejne kroki działania.
Sieci wykorzystywane są wówczas, gdy nie można podać konkretnego zbioru reguł ani napisać programu, kiedy w działaniu wymagana jest raczej intuicja niż arytmetyka. W diagnostyce medycznej sztucznym komórkom dostarcza się dane dużej liczby badanych i przykłady prawidłowego postawienia diagnozy. Po przeanalizowaniu kilkuset przypadków sieć w rozróżnianiu chorób dorównuje najlepszym specjalistom. Znacznie trudniej nauczyć tej sztuki początkującego lekarza.
W warszawskim Instytucie Biocybernetyki i Inżynierii Biomedycznej PAN sieć neuropodobna uczy się rozpoznawania chorób wątroby. Zaprojektował ją prof. Leon Bobrowski, z którym współdziałają lekarze z Centrum Medycznego Kształcenia Podyplomowego i Kliniki Gastroenterologii. Neurony "karmione" są informacjami na temat konkretnych pacjentów: wynikami ba-dań, rezultatami analiz, biopsji, zdjęciami rentgenowskimi, ultrasonogramami, a także postawionymi na ich podstawie diagnozami specjalistów.
Właściwości sztucznych sieci ciągle jeszcze stanowią zagadkę. Proste elektroniczne elementy po połączeniu zdradzają pewne cechy inteligencji. Pojawianiem się nowych właściwości w układach złożonych zajmuje się m.in. nauka o sztucznej inteligencji. Sieć neuronowa zaczyna przecież istnieć bez żadnego programu ani bazy danych. Po pewnym czasie w rozwiązywaniu skomplikowanych zadań (jak przewidywanie kursów na giełdzie czy dobór materiałów do budowy pojazdów kosmicznych) staje się lepsza od człowieka. Z prymitywnych części składowych wyłania się nowa jakość.
Cybernetyka mózgu
- Sieci w dostarczonym zbiorze danych szukają analogicznych przypadków, dostrzegają różnice, przewidują ciąg dalszy wydarzeń. Ta dziedzina badań ma bogate podstawy teoretyczne i budzi ogromne zainteresowanie. Pierwsze sztuczne sieci neuronowe w celach praktycznych zaczęto konstruować pod koniec lat 80., w Polsce budujemy je od początku lat 90. - tłumaczy prof. Leszek Rutkowski z Instytutu Elektroniki i Systemów Sterowania Politechniki Częstochowskiej.
Pierwsze modele działania mózgu jako sieci, w której przebiegają operacje logiczne i następuje proces przetwarzania informacji, stworzyli ponad 60 lat temu amerykański matematyk Warren McCulloch z Massachusetts Institute of Technology w Cambridge i osiemnastoletni matematyk Walter Pitts. Próby te zainspirowały do badań nad sztuczną inteligencją takich naukowców, jak Stuart Kauffman (uczeń McCullocha zajmujący się samoorganizacją i pojawianiem się porządku w układach złożonych), Christopher Langton z Instytutu Santa Fe (uznawany za guru w dziedzinie sztucznej inteligencji) czy Doyne Farmer (fizyk z Los Alamos przekonany, że życie i inteligencja są naturalnym i nieuchronnym rezultatem ujawniających się coraz bardziej wyrafinowanych właściwości świata fizycznego).
Nie potrzebują programu
Sztuczne sieci neuronowe są jednym ze sposobów poznawania zadziwiających reguł samoorganizacji układów złożonych. Mają przy tym fascynujące zastosowania praktyczne. - Matematyczne modele neuronu mogą posłużyć do stworzenia układów elektronicznych i symulacji sieci neuronowych w komputerach - wyjaśnia prof. Ryszard Tadeusiewicz, jeden z pierwszych w Polsce cybernetyków, dziś rektor Akademii Górniczo-Hutniczej w Krakowie. - Większość firm elektronicznych oferuje układy scalone, które mogą być używane jako sztuczne neurony, a nawet fragmenty większych struktur neuropodobnych. Chip produkowany przez Intela zawiera w jednej maleńkiej kostce 128 sztucznych neuronów. Można z nich stworzyć zespół o dużej liczbie elementów przetwarzających informacje w podobny sposób, jak to robią układy biologiczne. Pierwszą sieć z elektronicznych neuronów zbudował w latach 70. w Stanach Zjednoczonych Frank Rosenblatt. Było ich 256 i zajmowały szafę wielkości połowy dużego pokoju. Po raz pierwszy zauważono wówczas, że struktury z nich tworzone nie wymagają programowania, a wiedzę zdobywają dzięki procesowi uczenia się.
Kojarzą informacje
Profesor Tadeusiewicz jest współtwórcą sztucznych sieci neuronowych, wykrywających m.in. nowotwory trzustki i patologiczne zmiany w naczyniach krwionośnych. W budowanych przez siebie układach używa nie setek, lecz tysięcy elementów. Za fascynującą cechę sztucznych neuronów uważa to, że nie tylko uczą się na konkretnych przykładach, ale także te wiadomości uogólniają. Jeśli nauczą się rozpoznawać jeden charakter pisma, zastosują tę wiedzę do rozpoznawania drugiego. Jeżeli przedstawi im się kilka sytuacji na giełdzie, które doprowadziły do krachu, sieć rozpozna podobne zdarzenia. Sieci kojarzą też informacje, z którymi się wcześniej nie spotkały. Z tego powodu zamierza się je wykorzystać do wyszukiwania informacji rozproszonych w setkach baz danych w Internecie. Ta dziedzina nauki nosi nazwę knowledge discovery. Eksperymenty z tak zwanymi sieciami skojarzeniowymi (asocjacyjnymi) prowadzone są już również w Polsce.
Więcej możesz przeczytać w 17/2001 wydaniu tygodnika Wprost .
Archiwalne wydania tygodnika Wprost dostępne są w specjalnej ofercie WPROST PREMIUM oraz we wszystkich e-kioskach i w aplikacjach mobilnych App Store i Google Play.