Итак, ответим на наш главный вопрос:
Как это сделать чтобы машина стала думать как человек практически?
В физике хорошо известен резонанс. Всем известный механический резонанс – это когда рухнул всем известный американский мост из-за совпадения частоты собственных колебаний с частотой вынужденонных из-за ветра колебаний моста. Амплитуда колебаний вырос до того, что мост сильно туда и сюда «плясал» и рухнул. Но этот резонанс вызван внешним влиянием ветра. Но еще бывает резонанс, который вызывается изменением внутренних параметров системы – это параметрический резонанс. Например, при раскачивании качелей, человек то приседает, то встает. Он искусственно изменяет центр тяжести системы, тем самым увеличивая амплитуду колебаний до максимума. Подобный резонанс существует и в электрической колебательной цепи, состоящей из конденсатора и катушки индуктивности. Меняя расстояние между обкладками конденсатора, мы меняем параметр системы и поэтому меняем амплитуду колебания, доводя его до резонансного. Подобную картину должны мы иметь и в машине – ведь в конечном итоге машина работает на электричестве. Не только питает ее энергией электричество, но все элементы ЭВМ, эти диоды и триоды – все они основаны на нашем знании электричества и электромагнитных полей.
Конечно, в нашем изложении уже не обойтись без нейронных сетей машин, потому что это сегодня именно они заменяют эти электрические элементы из диодов и триодов. По этим сетям, подобно как по проводу, текут разные электрические токи, создавая еще вокруг себя магнитные поля. Что же представляют собой эти искусственные нейроны машин. Они подобны человеческим нейронам в мозге человека – передают всякие электрические сигналы друг другу. Наши чувства осязания и восприятия, наши мысли и переживания функционируют на этих электрических сигналах. По большому счету они есть электрические сигналы. Функционируют, но это не есть пока сознание. Сознание – это больше, чем просто электрические токи в твоих нейронах. Сознание – это только твоя событийность Вселенной в твоем наблюдении. Параметр твоей системы так хорошо изменился, что появился резонанс в нейронной сети – ты начал воспринимать себя как событие бесконечной Вселенной с ее бесконечностью разных задач для тебя. Если все явления Вселенной строго детерминированы в строгих рамках причинно-следственных связей, то Ты – человек вне этих рамок и ты – свободен в принятии решений. Вот почему разумная жизнь во Вселенной – это событие, а все остальное просто явления природы. Конечно, решая столетиями свои жизненные задачи, не могла не появиться у человека мораль. Не убивай, не кради, не лжесвидетельствуй, не будь врагом человеку – это мораль цивилизации. Просто так она не появилась и на ней мы принимаем решения. Это подобно в некотором роде машинному обучению. Что касается задач каких-то «жестких» вычислений, то мы это делаем с машиной одинаково, даже она быстрее. Правда существуют задачи «мягких» вычислений – soft computing– здесь конечно без теории нечетких множеств Заде не обойтись. Эти задачи решаются в нечетких условиях, когда, например, нужно парковать машину. Повторим, что человек здесь намного лучше справляется, чем машина. Он свободно ежесекундно принимает решение, чего не дано машине.
Итак, что такое нейрон и нейронная сеть из известных работ ученых. Отметим, что очень трудно найти статьи, которые четко и поэтапно расписывали бы алгоритм работы нейронных сетей. С помощью языка программирования Java, на платформе Android происходит реализация нейронных сетей. Статья из интернета https://habr.com/ru/post/312450/ достаточно хорошо объясняет нейронные сети и в ней огромное количество информации с разных иностранных порталов. В мире машинного обучения первым делом есть хорошо известная нейросеть, решающая проблему исключающего или(XOR). Здесь нейронная сеть берет на вход два числа и должна на выходе дать другое число — ответ. В нашей задаче есть вышеприведенная нами формула из предыдущей части этой нашей статьи (часть1). Кому интересно может посмотреть там эту формулу и ее вывод.
Итак, нейронная сеть возьмет на вход два числа для a и даст в ответ другое число для R . Почему два числа, потому что происходит их сравнение в условии a→0. Теперь о самих нейронных сетях.
Что такое нейронная сеть?
Нейронная сеть — это последовательность нейронов, соединенных между собой синапсами. Структура нейронной сети пришла в мир программирования прямиком из биологии. Благодаря такой структуре, машина обретает способность анализировать и даже запоминать различную информацию. Нейронные сети также способны не только анализировать входящую информацию, но и воспроизводить ее из своей памяти. Другими словами, нейросеть это машинная интерпретация мозга человека, в котором находятся миллионы нейронов передающих информацию в виде электрических импульсов импульсов.
Для чего нужны нейронные сети?
Нейронные сети используются для решения сложных задач, которые требуют аналитических вычислений подобных тем, что делает человеческий мозг. Самыми распространенными применениями нейронных сетей является:
Классификация — распределение данных по параметрам. Например, в нашей задаче на вход дается набор значений а для формулы и нужно решить, когда приближается резонанс R→∞. Эту работу может сделать нейронная сеть, анализируя такую информацию как: что есть конечное и что есть бесконечное.
Распознавание — в настоящее время, самое широкое применение нейронных сетей. Используется в Google, когда вы ищете фото. В нашем случае с помощью программы Java мы будем искать нужный образ бесконечности.
Что такое нейрон?
Нейрон — это вычислительная единица, которая получает информацию, производит над ней простые вычисления и передает ее дальше. Они делятся на три основных типа: входной (синий), скрытый (красный) и выходной (зеленый). Также есть нейрон смещения и контекстный нейрон о которых мы поговорим в следующей статье. В том случае, когда нейросеть состоит из большого количества нейронов, вводят термин слоя.
Важно помнить, что нейроны оперируют числами в диапазоне: [0,1] или
[-1,1]. Этим диапазонам можно сопоставить функцию принадлежности из теории нечетких множеств Лютфи Заде. 0 – это «нет», 1 – это «да» в бинарной логике.
А как же обрабатывать числа, которые выходят из данного диапазона? На данном этапе, самый простой ответ — это разделить 1 на это число. Этот процесс называется нормализацией, и он очень часто используется в нейронных сетях.
Что такое синапс?
Синапс это связь между двумя нейронами. У синапсов есть один параметр — вес. Благодаря ему, входная информация изменяется, когда передается от одного нейрона к другому. Допустим, есть 3 нейрона, которые передают информацию следующему. Тогда у нас есть 3 веса, соответствующие каждому из этих нейронов. У того нейрона, у которого вес будет больше, та информация и будет доминирующей в следующем нейроне (пример — смешение цветов). На самом деле, совокупность весов нейронной сети или матрица весов — это своеобразный мозг всей системы. Именно благодаря этим весам, входная информация обрабатывается и превращается в результат.
Как работает нейронная сеть:
Дадим на вход 1 – есть сигнал и 0 – нет сигнала . Пусть w1=0.4 и w2 = 0.7 Входные данные нейрона Н1 будут следующими: 1*0.4+0*0.7=0.4. Теперь когда у нас есть входные данные, мы можем получить выходные данные. Затем мы передаем их дальше по нейронным слоям. И так, мы повторяем для всех слоев, пока не дойдем до выходного нейрона.
Естественный и искусственный нейрон
Это естественный нейрон:
Искусственный нейрон имеет похожую структуру. Он состоит из ядра(единицы обработки), несколько дендритов(аналогично входам), и одного аксона(аналогично выходу), как показано на следующей картинке:
Соединения между нейронами формируют так называемую нейронную сеть, аналогично синапсам в естественной структуре.
Нейрон как сборщик сигналов во входах(inputs) и в выходе(output), что вызывает сигнал будет передавать их другим нейронам. Таким образом, можно определить искусственную нейронную структуру, как показано на следующем рисунке:
Не напоминает вам это электрическую схему с параллельным соединением элементов тока, а сопротивление их своего рода веса или функции принадлежности из ТНМ Заде. Конечно нейронная структура не так проста – не всегда нейроны передают сигналы другим нейроны.
В нейронах есть пороговый потенциал, когда он достигается, включается аксон и сигнал передается другим нейронам. Не напоминает вам это действие электрического реле?
В нейронных сетях, синапсы представляют собой соединения между нейронами и имеют возможность усиливать или смягчать нейронные сигналы, например, перемножать сигналы, таким образом улучшать их. Не напоминает вам это действие транзисторов, усиливающих сигнал?
Итак, путем модификации нейронных сетей (электрической схемы), нейронные весы (сопротивления, емкость, индуктивность) могут повлиять на нейронный вывод(output), следовательно нейронная активация может быть зависима от ввода и от весов. При условии, что inputs идут от других нейронов или от внешнего мира, весы (параметры электрической схемы) считаются установленными нейронными соединениями между нейронами. Таким образом, весы являются внутренними параметрами для нейронных сетей, мы можем считать их как знания нейронных сетей, предоставленные изменения весов будут изменять возможности нейронных сетей и поэтому — действия. Важный действие здесь — смещение. Смещая параметр нейронной сети (электрической схемы) мы будем ее учить, но уже не программами и алгоритмами, а выводить ее на новый уровень знания. На этом рисунке дана схема контролируемого машинного обучения. Параметры нейронной сети неизменны. Если машина дает ошибку, она начинает процесс решения заново – так она учится.
Так учится и человек, но только с той разницей, что мозг его все время совершенствуются – происходят многочисленные изменения его параметров, приводящим к параметрическим резонансам, которые для самого человека и есть его собственные мысли.
Понравилась статья, не забудьте подписаться...Спасибо...