Невронни мрежи – история, развитие и функционалност

История на изкуствения интелект

В началото бе идеята:

С настъпилото около 16в. осъзнаване, че човек е в състояние да учи множество неща интуитивно така, както боравенето с кой и да е инструмент от процеса на практиката с него, се заражда и идеята за човека като създател. Създател, който е в състояние да взаимодейства със създаденото от него поне на елементарно ниво. Така, с течение на времето се стига до там, че през 17в. да бъде създадена първата механична изчислителна машина, с която са овладяни прости математически функции като събиране, изваждане, умножение и деление. Може да Ви звучи просто – уви – до онзи исторически момент не е съществувало нищо друго в подобна съизмерима форма, което да води до логически резултати, продукт на по-предно приложени правила.

Развитие от ХХ-в. нататък:

За да бъде направена следваща стъпка по този път, на човека и технологиите това им е струвало  „само“ няколко века. Така едва през 40-те години на ХХ век за първи път бива показана нелинейността в прицеса при обработка на информация от невроните. Тогава бива представен и метода, който доказва, че изкуствените невронни мрежи умеят да „учат“ – така нареченото „правило за обучение по Хеббиан“. То се основава на непрекъснатата, повтаряща се промяна в силата на свързване на два неврона, която дава „заучен“ резултат след пресичането на определен праг.

Така, през 1956г., въпреки трудностите покрай дефинирането му, бива наложен термина „Artificial Intelligence“ (AI) или „Изкуствен интелект“ (ИИ). Все пак, заради липсата на подходящ хардуер по това време, капацитетът и практичността са много ограничени, което води и до намаляване на  интереса към невронните мрежи. Увеличаващото се теоретично и методологично развитие от 80-те години на миналия век, и бързото подобряване на производителността на хардуера, и софтуера, довеждат до по-нататъшни успехи на технологиите след края на хилядолетието, особено в областта на разпознаването на образи. Днес невронните мрежи се използват за намиране на решения на различни проблеми в науката и бизнеса. Благодарение на Интернет и софтуера с отворен код като R, Python и свободно достъпни високоразмерни библиотеки като Keras, TensorFlow и много други,  внедряването и управлението на невронни мрежи е значително улеснено. Това от своя страна води до добре диференцирани различни модели и концепции при различните видове приложения (например: RNN, LSTMs и т.н. .).

Функционалност на изкуствените невронни мрежи

В целия процес са възможни множество модификации. На тях подлежат напр. функцията за активиране (линейна или нелинейна), процеса на обучение (с и без надзор), вида и броя на връзките между невроните, учебния процес (напр. чрез модификации на силата на свързване, развитие и/или заличаване на съществуващи връзки и т.н.) и броя на скритите нива, които трябва да бъдат коригирани. Допълнително могат да бъдат вмъкнати параметри, като напр. забравяне на информация в LSTM (Long-, Short-Term Memory) за покриване на други приложения.