8 نوفمبر 2017، في مركز المؤتمرات الوطني ببكين AI WORLD المؤتمر العالمي حول الذكاء الاصطناعي 2017 فتح تذكرة! التذاكر في وقت مبكر الطيور الاندفاع تذاكر 50 من العد التنازلي ثلاثة أيام مفتوحة انتزاع . أتذكر في العام الماضي، وتذكرة من الصعب AI WORLD 2016 الكبرى ذلك؟ هذا العام، قمنا بدعوة ذهب البارد رفرفة سيد "والد اللاعب Tuomas إلى الموقع، وجوجل، ومايكروسوفت، والأمازون، BAT، ويطير السمع، الحضور Jingdong هواوي وغيرها من الشركات وأكدت الضيوف في الوزن الثقيل.

يمكن اعتبار التعلم باعتباره دلالة كبيرة على حياة ذكية. تعلم الآلة الآن لديها القدرة على التركيز على التعلم من البيانات وخلصت إلى أنه من أجل أداء المهام المعقدة، مثل الكائن لم يسبق له مثيل التصنيف.

تعلم الآلة والتعلم البشري لديه أوجه الشبه والاختلاف الهامة. من خلال مقارنة والمتناقضة المخابرات البيولوجي والاصطناعي لمعرفة كيف يمكننا بناء هيكل أفضل.

يتحدث من الخلايا العصبية

في الشبكة العصبية البيولوجية، اشتقاق التعلم من العديد من الاتصالات بين الخلايا العصبية في الدماغ. بعد الدماغ حفزت اتصال جديد بين الخلايا العصبية والتكوين. وتشمل هذه التغييرات تظهر اتصال جديد لتعزيز الاتصالات الموجودة وإزالة لا تستخدم تلك الاتصالات. على سبيل المثال، لتكرار المهمة في كثير من الأحيان معين، يرتبط بقوة أكبر مع هذه المهمة الوصلات العصبية، في نهاية المطاف نحن نعتقد أن هذه المهمة المستفادة.

توصيف الخلايا العصبية باستخدام الذاكرة والإدراك في مرحلة ما قبل تأسيس (ما قبل التأسيس) للتعامل مع حافزا جديدا. كل التحفيز يمكن أن تجعل سيتم تفعيل مجموعة من الخلايا العصبية في العملية المعرفية، ولذلك هناك العديد والعديد من الخلايا العصبية.

هذا التصميم الرائع مستوحاة أيضا من الناحية البيولوجية الباحث الذكاء الاصطناعي، تم تصميم الشبكة العصبية الاصطناعية (ANN) لمحاكاة هذا السلوك في المجرد، ولكن حجم وشكل لتكون أصغر وأبسط من ذلك بكثير.

ما هو الشبكات العصبية الاصطناعية (ANN)؟

ANN مترابطة من قبل عناصر التكوين العصبي، وهذه الأعصاب تستقبل مجموعة من المدخلات ومجموعة من الأوزان اتصال من مجموعة الوزن، وبعض العمليات الحسابية، ونتيجة لذلك مجموعة من الخلايا العصبية البيولوجية المشبك مماثلة "نشطة" كما تم إخراجه. عادة ما تتألف ANN من مئات الآلاف من الخلايا العصبية، ولكن البيولوجية مليارات الشبكة العصبية في الدماغ البشري من الخلايا العصبية.

من المستوى المرتفع نسبيا للعرض، الشبكة العصبية الاصطناعية تتكون من أربعة أجزاء:

• الخلايا العصبية

• طوبولوجيا، أي طريق الاتصال بين الخلايا العصبية

• الوزن

• خوارزمية التعلم

بين الدماغ البشري والشبكات العصبية البيولوجية والشبكة العصبية الاصطناعية التي أعرب عنها في البرمجيات، والتي لديها أربعة فروق ذات دلالة إحصائية كبيرة.

في الشكل أدناه، ونحن نرى الخلايا العصبية البيولوجية. المحاور (أكسون) المسؤولة عن إخراج المعلومات من النواة إلى الخلايا العصبية الأخرى، التشعبات (التغصنات) هي المسؤولة عن تلقي المعلومات من الخلايا العصبية الأخرى، وإشارة الكهروكيميائية من الخلايا العصبية (المشابك) مجمعة في النواة. إذا بلمرة الإشارة الكهربائية تجاوزت عتبة متشابك، فإنه سيتم تشكيل نبضة الكهروكيميائية نشر نزولا على طول محور عصبي إلى التشعبات العصبية الأخرى.

يظهر الشكل التالي افتراض معقول أن طوبولوجيا الخلايا العصبية في الدماغ البشري. كما يمكن أن يرى، ويتضمن هذا الهيكل إمكانات كبيرة لجعل الدورة الدموية ونشر المعلومات.

التعلم في الشبكة العصبية البيولوجية: تتميز صقل المستمدة الحالة الأولية الموجودة من وراثيا

في الدماغ البشري مثل الشبكات العصبية البيولوجية، ويتميز التعلم عن طريق تعديلات طفيفة لتنفيذ القائمة، وتشكيلها (التكوين) قبل البدء في أي دراسة يحتوي بالفعل على المعلومات الهامة. قوة العلاقة بين الخلايا العصبية أو الأوزان لا تبدأ بطريقة عشوائية، تتصل بنية، أي هيكل الشبكة ليست عشوائية. ويستمد هذا الحالة الأولية من وراثيا، وتطور من قبل المنتج.

مع مرور الوقت، وهيكل الشبكة وعن طريق ضبط الأوزان لمعرفة كيفية تنفيذ وظائف جديدة. في الواقع، مع توصيف الأولي (التمثيل الأولي) هي مفيدة لإنجاز المهام، وهناك أدلة تدعم هذا. وقد أظهرت الدراسات أن شهر الرضع بعمر يمكن أن يتعلم التعرف على الفرق بين الغرباء وأولياء الأمور من خلال مواجهة. وبعبارة أخرى، فإن المفهوم الإنساني "وجها" في جزء كبير من التراث والديهم.

وبما أن الطفل ينمو تدريجيا وتتطور، من خلال مرحلة الطفولة والمراهقة والبلوغ، وحتى في التقاعد، وسوف نرى والتعرف على اصدقاء جدد، وتعلم ما تبدو عليه كل يوم. وهذا هو إلى الدماغ لإجراء تغييرات طفيفة في الشبكة العصبية لتحقيقه.

تنطبق نفس الظاهرة لمهام أخرى، بما في ذلك المهام التصور السلبي، من التعرف على الأشياء النوعي للصوت كما وضع صوت للتعامل معها، والعمل بنشاط على تنفيذ المهام، مثل الألعاب الرياضية والحديث. وتعلمت هذه المهارات تدريجيا، تلك تتقلص أيضا إلى تحسين تكيفهم. الموافق طوبولوجيا الدقيق لهذه الظاهرة، التي هي وظيفة من العصبية نوع التدريب شبكة البيولوجي من التحفيز. والمثال الشهير هو دراسة الحرمان أحادي الحائز على جائزة نوبل ديفيد Hubel والقيادة تورستن فيزل. أجبرت شملت الدراسة خلال تنمية عيون الحيوان أغلقت لمدة شهرين لمراقبة التغيرات في القشرة البصرية الأولية.

وأظهرت النتائج أن كلتا العينين وعادة ما تكون الخلايا المدخلات تصبح استجابة لاستكمال رد فعل لا تولد إشارة. لذلك، تغيرت الخلايا الحيوانية في الدماغ والعينين. تمتد هذه الظاهرة أيضا إلى البشر. على سبيل المثال، الإدراك البصري من الاختبارات النفسية تظهر أنه بالمقارنة مع الأشخاص الذين يعيشون في المناطق الريفية، والناس الذين يعيشون في المدن يميلون إلى أن يكونوا أكثر حساسية (الناس الذين يعيشون في المناطق الريفية أكثر حساسية لالتدرج ملمس ناعم) من الخطوط المتوازية والزوايا الحادة، ومن المرجح أن تكون المدينة الطريق، هياكل موازية ونوافذ ناطحات السحاب الناجمة عن الإفراط.

الاصطناعي التعلم الشبكة العصبية: من نقطة الصفر، والحالة الأولية عشوائية

والشبكات العصبية البيولوجية، الشبكة العصبية الاصطناعية (ANN) عادة ما تبدأ تدريب من الصفر، والمواد باستخدام طوبولوجيا الموجودة لمشكلة معينة. حاليا، لا يغير هيكل الشبكة مع مرور الوقت، ويتم تهيئة أوزان الشبكة عن طريق خوارزمية الأمثل عشوائية وضبط المدخلات تعيينها إلى تحفيز وظيفة الانتاج المطلوب ممكن.

ومع ذلك، ANN يمكن أيضا تتميز الإيجاد التعلم القائم، وهي عملية تسمى التشذيب. ويشمل صقل أيضا استخدام تعديل معدل التعلم البطيء نسبيا مسبقا الوزن الثقيل شبكة التدريب طوبولوجيا، والسماح للشبكة لأداء جيدا على بيانات جديدة للتدريب.

يمكننا أيضا نسخ جهد ANN، ولكن لجعل والإنسان الدماغ يستغرق بعض الوقت.

سواء تبدأ من الصفر أو صقل معالجة التدريب يتم تحديث الأوزان عن طريق نقل البيانات في الشبكة العصبية

نتائج القياس، وتعديل وزن يبدأ. هذه هي الطريقة العملية برمتها الشبكات العصبية الاصطناعية "تعلم". يتم تغيير الأوزان تدريجيا في الاتجاه المطلوب لتحسين أداء هذه المهمة إلى أقصى حد، على سبيل المثال، إلى تحديد دقيق لاتجاه عينات المدخلات القصوى. ويمكن تشبيه عملية التعلم الشبكة العصبية الاصطناعية في محاولة لمعرفة لتحديد الأشياء اليومية للطفل. بعد فشل المحاولة، وردود الفعل على دقة الإجابات، والطفل محاولة اتجاه مختلف مرة أخرى من أجل الحصول على الإجابة الصحيحة.

يتم تنفيذ التعلم ANN عند نفس المهمة. مرة واحدة في عملية التعلم كاملة، يمكن ANN استخدام التمثيل مشكلة السابق للرد على عملية التعلم حافزا جديدا لم يسبق عرضة للخطر. مع طفل البشري، ANN خلال الاتصال عن العديد من مشاكل مماثلة، اسمحوا لي أن نفعل ما هو أفضل. للطفل البشري، وكلما زاد عدد من التدريبات، وأسرع يمكنك التعامل مع مشاكل جديدة، لأن الوصلات العصبية المتعلقة دماغ الطفل تصبح أكثر وضوحا. وANN مشابه لتوزيعها على نطاق واسع على أوسع نطاق ممكن لتحفيز توزيع المهام ذات الصلة، وتعلم في نفس التوزيع لم تكن على اتصال في الاستجابة للمؤثرات جديدة.

لمزيد من الاتصالات على أفضل: الأبيض مقابل البجعة السوداء البجعة

والمزيد من الفرص نحن البشر تعلم في التنمية الطويلة الأجل، للأطفال، ويتعرضون إلى العالم الحقيقي، وأنها ستكون قادرة على التعلم بشكل أفضل، حتى لو كان هذا التعلم هو مؤلم أحيانا. في الواقع، عندما حان الوقت لمعرفة الألم، الألم نفسه الكثير من آليات التغذية المرتدة. وبالمثل، لصقل التدريب أو أي نوع من الشبكات العصبية، سوف يتعرض ANN لمجموعة متنوعة من المحفزات في مجال معين مهم جدا، وهذا يضمن أن النموذج الخاص بك وسوف لا يصلح من خلال نوع معين من التحفيز.

بواسطة يمثل حافزا إضافيا فئة معينة، يمكن للشبكة تصنيف أفضل حافز أو مفهوم الجيل الجديد. وهذا ينطبق على الشبكات العصبية البيولوجية والشبكة العصبية الاصطناعية، على الرغم من أن الشبكات العصبية البيولوجية القيام بعمل أفضل في التعميم. وهذا صحيح، في جزء منه لأنهم يتعرضون لأكثر من أنواع البيانات والنماذج، ويرجع ذلك جزئيا إلى طبولوجيا البيولوجية وخوارزميات التعلم أكثر تقدما، وفي جزء كبير منه بسبب الداروينية.

مثال على هذا التأكيد، من نسيم طالب طور "نظرية البجعة السوداء". مصطلح يأتي من القرن 16 لندن، و "الحس السليم"، وكان يعتقد أن جميع البجع الأبيض، لأنه لا يوجد سجل لأي سوان لون آخر. لذلك، بالنسبة لهم، يجب أن يكون البجع الأبيض من أجل أن تصنف على أنها بجعة. المستكشف الهولندي ويلمنجتون دي فليمينغ (ويليم دى فلامينغ) وبعد ذلك رأيت البجعة السوداء في غرب أستراليا، تغير هذا التصنيف الأصيل.

مفهوم هنا هو أن إذا كان الشخص من الصغيرة الى الكبيرة لترى سوى البجعة البيضاء، وهذا هو القول، يتم تدريب الشبكة العصبية للشخص فقط على "كل البجع بيضاء"، والتوزيع، وهذه المرة تظهر له "الأسود سوان "، وقال انه لن تكون قادرة على تصنيفها كما بجعة، بجعة لأنه لم يسبق له مثيل . إذا رأيت شخص من الصغيرة الى بجعة كبيرة يأتي في اثنين من الألوان، فهو أكثر ملاءمة لتصنيف جميع أنواع البجع، لأنه يتم تدريب الشبكة العصبية البيولوجية على أكبر نوع التوزيع بجعة، وتشمل هذه التوزيعات أكثر المزيد من المعرفة، يمكن للناس معرفة المزيد عن البجع الملكية قد يحتوي.

التعميم أو قدرة التجريد من المستفادة من معرفة سابقة، هي ميزة مفيدة جدا، ويمكن حل المشاكل بسرعة عبر مناطق مختلفة من تعديل الوزن طفيف خلال. هذا هو برنامج الشبكة العصبية للتعلم التنقل والقدرة على التكيف مع حل المشكلة.

في الواقع، ليس لدينا سبب لإعادة العديد من الخلايا العصبية في هذه النقطة، في المتوسط من المتزلجين العاديين الذين التزلج لأول مرة الشريحة بشكل أسرع. ويتم تدريب الشبكات العصبية الاصطناعية للكشف عن الكائنات في الجزء الخلفي من التشذيب، وأنها يمكن أن تستخدم أيضا للتعرف على الوجوه، غالبا ما تكون أفضل من الحلول الأداء من الصفر تدريبهم على نفس مجموعة البيانات التعرف على الوجوه.

رجل مقابل آلة

وينبغي أن يكون واضحا أن الشبكة العصبية الاصطناعية اليوم لا تزال في مهدها. على الرغم من تشابه في الهيكل لمفهوم الوزن المناسب، الخلايا العصبية (وحدات وظيفية)، والتعلم طوبولوجيا وخوارزميات التعلم، فإنها لا يمكن تقليد قدرة الإنسان على التعامل مع أنواع عديدة من المهام المعقدة. أنها طوبولوجيا أن تكون أبسط من ذلك بكثير، فهي أوامر من حجم خوارزميات التعلم أصغر حجما وأكثر ساذجة. وبالإضافة إلى ذلك، فإنها لا يمكن أن يتم تدريب العديد من المهام غير المتجانسة.

ونحن نواصل بناء ANN لحل مشاكل مثل الكشف عن أنواع غير معروفة من قبل البرمجيات الخبيثة، وسوف نستمر في فهم كيفية عمل الدماغ البشري لإكمال المهمة. أو فئات معينة من المهام، ANN يمكن أن يكون في الواقع أفضل من دقة وسرعة المحللين البشري. عمل الدماغ المحتملين نشر في الآلاف من ثانية، وبسرعة أكبر كمية ANN من تصنيف البيانات.

لمهام أخرى، ونقاط القوة ANN تكمل وتعزز قدرة حتى أقوى من العقل البشري، وأتمتة سير العمل على نطاق واسع. في المستقبل القريب، وسوف تبدأ ANN لأداء المهام الإضافية الجيران أو حتى مستوى فوق طاقة البشر، فإنها قد تكون أكثر مماثلة لالشبكات العصبية البيولوجية في الرياضيات والهندسة المعمارية.

الرابط الأصلي: الشبكي: //news.sophos.com/en-us/2017/09/21/man-vs-machine-comparing-artificial-and-biological-neural-networks/

[اضغط لقراءة أو كنس شراء الأصلي "تذكرة في وقت مبكر الطيور"]