컴퓨터 기술이 급속도로 발전하는 미래에는 인공지능 시대가 조용히 도래했다. 과연 기계가 인간의 뇌를 대체할 수 있을까? 일부 독자들은 인간 두뇌의 사고에는 지각 논리가 포함되기 때문에 결코 불가능하다고 말할 수도 있습니다. 실제로 신경망 알고리즘은 인간 두뇌의 사고 방식을 모방합니다. 신경망이 어떻게 "생각"하는지 알고 싶으십니까? 신경망을 활용하는 원리와 방법에 대해 간략하게 소개하겠습니다.

소위 인공지능이란 기계가 인간의 사고와 의식을 가지게 하는 것이다. 인공지능에는 행동주의, 상징주의, 연결주의라는 세 가지 주요 사고 학파가 있습니다.

행동주의는 사이버네틱스에 기반을 두고 있으며 행동을 감지하기 위한 제어 시스템을 구축하는 것에 관한 것입니다. 행동주의를 이해하는 좋은 예는 로봇이 한 발로 서서 몸의 균형을 유지하기 위해 넘어지는 방향을 감지하여 두 손의 움직임을 제어하는 ​​것입니다.

상징주의는 산술 논리와 표현을 기반으로 합니다. 문제를 풀 때는 먼저 문제를 표현으로 기술한 다음 표현을 풀어보세요. 특정 문제를 해결하는 경우 if Case와 같은 조건문과 여러 계산 공식을 사용하여 이를 설명할 수 있습니다. 이는 "전문가 시스템"과 같은 상징적 방법을 사용합니다. 상징주의는 공식으로 설명되는 인공 지능으로 컴퓨터가 합리적 사고를 할 수 있게 하는 것이라고 생각할 수 있습니다. 그러나 인간은 합리적 사고뿐만 아니라 공식으로 설명할 수 없는 지각적 사고도 갖추고 있습니다. 예를 들어, 이 글을 읽고 다음번에 "상징주의"라는 단어를 본다면 친숙함을 느끼고 이것이 인간의 직관이자 지각인 인공지능과 관련된 지식이라는 생각이 들 것이다.

연결주의는 사람들의 지각적 사고를 시뮬레이션하고 인간 두뇌의 뉴런 연결 관계를 모방하는 것입니다. 이 다이어그램은 인간 뇌의 뉴런을 보여줍니다. 왼쪽은 뉴런의 입력이고 "축삭" 부분은 뉴런의 출력입니다. 인간의 뇌는 860억 개의 뉴런이 끝과 끝으로 연결된 네트워크입니다.

신경망은 컴퓨터에 지각적 사고를 제공할 수 있습니다. 먼저 연결주의(Connectionism)에 기반한 신경망 설계 과정을 이해해 보자. 이 그림은 출생부터 24개월까지 인간의 신경망의 변화를 보여줍니다.

우리가 성장함에 따라 시각과 청각을 통해 많은 양의 데이터가 뇌에 유입되어 신경망이 연결되고 가중치가 됩니다. 변경된 이러한 뉴런 사이의 연결에서 일부 라인의 가중치가 증가하고 일부 라인의 가중치가 약해졌습니다.

컴퓨터가 지각적 사고를 가질 수 있도록 컴퓨터를 사용하여 이러한 신경망 연결을 모방해야 합니다.

먼저 데이터의 양이 많을수록 특성과 레이블 쌍을 구성하는 것이 좋습니다. 고양이를 식별하려면 다수의 고양이 사진과 이 사진의 라벨을 고양이로 지정하여 특징 라벨 쌍을 형성한 다음 신경망의 네트워크 구조를 구축하고 가중치를 최적화해야 합니다. 모델의 인식 정확도가 Requirement에 도달할 때까지 역전파를 통해 연결하고, 최적의 연결 가중치를 구하여 이 모델을 저장합니다. 마지막으로 저장된 모델을 이용해 이전에 볼 수 없었던 새로운 데이터를 입력하고 순전파(forward propagation)를 통해 확률값이 가장 큰 것이 분류 및 예측의 결과이다.

신경망 설계 과정을 체험해 볼 수 있는 예를 들어보겠습니다. 붓꽃은 개꼬리붓꽃, 잡색붓꽃, 버지니아붓꽃의 세 가지 범주로 나눌 수 있습니다. 우리는 사진을 꺼내서 컴퓨터가 그것이 어떤 유형의 홍채인지 결정하도록 해야 합니다. 사람들은 경험을 통해 규칙을 요약했습니다. 꽃의 꽃받침 길이, 꽃받침 너비, 꽃잎 길이 및 꽃잎 너비를 측정하여 붓꽃의 종류를 구별할 수 있습니다. 꽃잎 길이/꽃잎 너비 gt; 2이면 가능합니다. 이것이 최초의 종인 잡색붓꽃으로 판단됩니다. 이를 보고 붓꽃을 분류하기 위해 if, Case 등의 조건문을 사용하는 것을 생각한 독자도 있을 것입니다. 그렇습니다. 조건문은 이 정보를 바탕으로 붓꽃의 분류를 결정할 수 있는 매우 전형적인 전문가 시스템이며, 이 과정은 합리적인 계산입니다. 이러한 데이터만 있으면 조건부 판별식을 통해 붓꽃의 종류를 계산할 수 있습니다.

그러나 붓꽃 재배자들은 붓꽃을 너무 많이 보아서 어떤 꽃인지 한눈에 알 수 있고, 경험이 많을수록 식별 정확도가 높아지기 때문에 붓꽃을 식별할 때 그러한 합리적인 계산이 필요하지 않다는 것을 발견했습니다. 증가할 것이다. 이것이 우리가 이 글에서 여러분과 공유하고 싶은 직관, 지각적 사고, 신경망 방법입니다.

이 신경망 설계 과정에서는 먼저 꽃받침 길이, 꽃받침 너비, 꽃잎 길이, 꽃잎 너비, 그리고 이들이 어떤 붓꽃에 해당하는지에 대한 대량의 수집이 필요합니다. 꽃받침 길이, 꽃받침 너비, 꽃잎 길이, 꽃잎 너비를 입력 특성이라고 하며 해당 범주를 레이블이라고 합니다. 다수의 입력 특징과 레이블 쌍이 구성되어 데이터 세트를 구성한 다음 이 데이터 세트를 구축된 신경망 구조에 공급하여 네트워크가 역전파를 통해 매개변수를 최적화하여 모델을 얻습니다. 이전에 본 적이 없는 새로운 입력 기능이 신경망에 입력되면 신경망은 인식 결과를 출력합니다.

21세기 초를 바라보며 지난 10년 동안 신경망 이론의 연구 동향의 맥락에서 신경망 이론의 주요 개척 영역은 다음과 같습니다.

1. 지능과 기계의 관계 인식이 더욱 발전합니다.

인간 지능을 연구하는 것은 과학 발전에 있어서 언제나 가장 의미 있고 전례 없는 어려운 도전 과제였습니다. 인간의 뇌는 지각과 인식, 학습, 연상, 기억, 추론 등의 지능을 갖춘 우리가 아는 유일한 지능 시스템이다. 인간 지능의 본질과 연결 메커니즘을 지속적으로 탐구하고 인공 시스템을 사용하여 이를 재생산하거나 부분적으로 재생산함으로써 인간에게 더 복잡하고 창의적인 작업에 참여할 수 있는 더 많은 시간과 기회를 제공할 수 있는 다양한 지능형 기계를 만듭니다.

신경망은 수많은 처리 장치로 구성된 비선형, 적응형, 자기 조직화 시스템으로, 현대 신경과학 연구 결과를 바탕으로 제안되었으며 신경망이 처리하고 기억하는 방식을 시뮬레이션합니다. 인간의 두뇌 수준의 정보 처리 능력을 갖춘 새로운 기계를 설계합니다. 지능이론이 직면하는 주제는 유혹과 압박이 큰 '환경-문제-목적'에서 비롯되며, 연결주의에 기반한 신경망 이론과 상징주의에 기반한 인공지능 전문가 시스템을 결합하는 것이 발전 방향이 될 것이다. 진화론에 기초한 인공생명체와 진화론에 기초한 인공생명체는 동일한 전체 목표 아래 자발적이고 유기적으로 결합됩니다.

2. 신경 컴퓨팅과 진화 컴퓨팅의 주요 발전.

컴퓨팅과 알고리즘은 고대부터 인류가 매우 중시해 온 연구 분야로, 1930년대에는 기호논리학에 대한 연구가 매우 활발했다. 최근에는 신경 컴퓨팅과 진화 컴퓨팅 분야가 활발히 진행되고 있으며, 시스템 수준에서 세포 수준으로의 전환 속에서 수학적 이론적 기반이 확립되고 있습니다. 사람들이 계속해서 새로운 계산과 알고리즘을 탐구하면서 컴퓨팅 이론은 컴퓨팅 지능의 방향으로 발전하게 될 것입니다. 21세기에는 인간은 정보화 사회로 본격적으로 진입하게 되며 정보 획득, 처리 및 전송, 네트워크 등의 문제에 직면하게 될 것입니다. 라우팅 최적화 문제 및 데이터 보안 및 기밀 유지 문제 등에 대한 새로운 요구 사항이 있으며 이는 사회 운영의 최우선 순위가 될 것입니다. 따라서 신경 컴퓨팅과 진화 컴퓨팅은 고속 정보 네트워크 이론과 더욱 밀접하게 관련되어 컴퓨터 네트워크 분야에서 큰 역할을 할 것입니다. 예를 들어 대규모 컴퓨터의 자기 조직화 기능을 구현하려면 진화 컴퓨팅이 필요합니다. 네트워크.

인류의 사고방식은 선형적 사고에서 비선형적 사고로 변화하고 있습니다. 신경망은 비선형성, 비국소성, 비정상성, 비볼록성, 혼돈 등의 특징을 가지고 있습니다. 비선형 동적 시스템, 카오스 신경망 및 신경망에 대한 수학적 연구를 계산 지능 수준에서 연구하고, 추가로 적응형 웨이블릿, 비선형 신경장의 여기 패턴, 신경 그룹의 거시적 역학 등을 연구합니다. 비선형 문제에 대한 연구는 신경망 이론 발전의 가장 큰 원동력 중 하나이자, 그것이 직면한 가장 큰 도전이기 때문이다.

위 내용은 신경망에 관한 내용으로, 독자들에게 도움이 되기를 바랍니다.

위 내용은 쑤저우 항공우주정보연구소 Xie Yuhong이 제공한 것입니다.