Neurodynamika nebo neurocomputing?
Zdá se vám, že ani jednomu slovu v nadpise nerozumíte? Nezoufejte - v několika následujících odstavcích se dozvíte, co přesně znamenají.
Při tvorbě neuronových sítí se setkáváme s otázkou: je lépe napodobovat skutečné nervové sítě živých organismů, člověka nevyjímaje, nebo je lepší se pouze nechat inspirovat některými mechanismy organizace neuronových sítí živých organismů a raději se pokoušet vytvořit silný nástroj pro řešení úloh? Tyto otázky se řeší již od padesátých let. První směr se oficiálně nazývá neurodynamika (neurodynamics) a specializuje se na přesný popis pochodů v nervových buňkách a v nervových vláknech včetně modelování celého systému řízení nervových soustav. Cílem tohoto oboru není, jak si mnoho lidí s příliš bujnou fantazií myslí, vytvořit model lidského mozku. Jde zde především o poznání detailů činnosti mozku. Zdálo by se přirozené, že čím dokonaleji bude neurodynamika popisovat reálné nervové systémy, tím větší je šance použít takový systém například k inteligentnímu zpracování dat. Umělé nervy by mohly odvodit pravidla z dat a potom je použít na skutečné rozhodování. Tato cesta, jak je vidět na obrázku, je velmi trnitou cestou přes nejvyšší vrchol.
Relativně mnohem pohodlnější cestou ke stejnému cíli je uvědomění si pravidel v živém mozku experta. Pravidla si uvědomí v symbolické formě, což mu umožňuje jeho vlastní inteligence, a potom je vhodným způsobem zanese do umělého systému, například do počítače nebo jiného elektronického zařízení. Tak vznikne klasický expertní systém. Tato cesta k cíli je relativně snadnou záležitostí za předpokladu, že takového experta máme nebo že si uvědomujeme pravidla v daném oboru, ve kterém bychom experty být chtěli.
Prostřední cesta v tomto případě vypadá velmi lákavě. Je to cesta bez experta a jeho pravidel zvaná neurocomputing. Rozhodně to není snadná cesta, jinak by název tohoto článku neměl smysl. V oblasti neurocomputingu se setkáváme se zjednodušením principu chování živé neuronové sítě až k samé hranici únosnosti. Tak vzniká model neuronové sítě velmi vzdálený biologické realitě, jehož jedinou výhodou je jednoduchost a funkčnost. V oblasti neurocomputingu se chováme pragmaticky a dáváme přednost účelovému chování vzniklého systému. To pomáhá aplikovat zjednodušenou síť na řešení úloh umělé inteligence. S využitím neurocomputingu je možné realizovat expertní systémy bez objektivní potřeby formulace pravidel.
Topologie neuronových sítí
Většina článků o neuronových sítích se nevyhne definici neuronové sítě a její topologie. Pokud nějaký umělý systém nazýváme neuronovou sítí, pak jednoznačně klademe důraz na způsob propojení umělých nervových buněk, jejichž vnitřní funkce nás zajímá až v druhé řadě. Pokud bychom vyšli z obecné definice sítě, pak jde o spojení prvků v prostoru - a správce WAN, volejbalista, rybář nebo motostřelec vidí jen tu svou. Neuronová síť je spojení modelů jednotlivých neuronových buněk - neuronů v prostoru s využitím hran ohodnocených vahami, jež přenášejí informace mezi jednotlivými neurony. Zde rozlišujeme neurony vstupní, na které přichází informace z okolí, neurony výstupní, z nichž informace vycházejí do okolí a neurony skryté, které pomáhají zpracovat informaci uvnitř sítě, aniž by byl jejich výstup přímo přístupný. Výstupní a skryté neurony provádějí zpracování informace s vhodným využitím vah vstupujících signálů do příslušného neuronu.
Spojení mezi dvěma neurony má vždy svůj směr, a tak se ví, z kterého neuronu do kterého neuronu proudí informace. Přitom není vyloučeno, aby informace proudila obousměrně. Významnou vlastností spojení mezi neurony je jeho váha, která určuje schopnost a intenzitu přenášení informace mezi neurony. Váha může mít kladnou nebo zápornou polaritu, takže neurony se mohou vzájemně povzbuzovat nebo ubíjet. Uvedu ještě přesnější definici neuronové sítě pomocí pojmů z teorie grafů: Neuronová síť je orientovaný graf s ohodnocenými hranami, kde rozeznáváme uzly vstupní, výstupní a skryté, a kde hrany reprezentují tok signálu. Hrany jsou ohodnoceny parametrem zpracování signálu, který je nazýván vahou. Tolik tedy k definici.
Přitom je třeba pro potřeby tohoto článku zavést vhodné barevné značení. Vstupní neurony budou značeny červenou, výstupní neurony modrou a skryté neurony zelenou barvou. Jednotlivá spojení mezi uzly jsou značena pomocí úseček se šipkou, kde šipka znázorňuje směr toku informace. Pokud se na obrázcích vyskytují hierarchicky členěné sítě, nejsou šipky zakresleny a informace se šíří ve směru zleva doprava. Pokud by vás zajímalo, co všechno je dovoleno v obecné neuronové síti, pak nám poslouží následující obrázek. Je dovolená vzájemná výměna informací mezi neurony a cykly, což znamená že si několik neuronů může posílat informace dokolečka. Dále je možné, aby neuron posílal informaci sám sobě pro své vlastní budoucí použití. Taková obecná neuronová síť je vlastně modelem známého dialektického rčení: všechno souvisí se vším.
Existují však i jiné modely neuronových sítí, ale na ty se podíváme až příště.
