Sieci neuronowe są w tej chwili jedną z najprężniej rozwijających się dziedzin technologii. Powodzenie w tworzeniu cyfrowego mózgu dzięki sieciom neuronowym warunkuje, jak szybko pojawi się wśród nas pierwsza prawdziwa sztuczna inteligencja.
Sieci neuronowe to jedna z najszybciej rozwijających się obecnie dziedzin nauki. “Cyfrowy mózg” chyba najbardziej prawdopodobna droga do stworzenia sztucznej inteligencji. Swoje początki ma w latach 50., kiedy to psycholog Frank Rosenblatt zbudował perceptron, maszynę zbudowaną na podobieństwo organizmów żywych: w taki sposób, aby potrafiła się uczyć. Perceptron dzisiaj to algorytm klasyfikujący – ma za zadanie na podstawie wielu danych wyjściowych dać jedną odpowiedź. Pierwszy model tego urządzenia został nauczony kształtu pewnej figury, a następnie miał rozpoznawać na podstawie porównania z innymi grafikami, czy figury pasują do siebie. Zasada jest taka, że im więcej próbek danych otrzyma nasz algorytm, tym lepiej sieć neuronowa nauczy się rozpoznawania poprawnej odpowiedzi. Wszystko zależy od tego, co dokładnie chcemy uzyskać – jeżeli ważne są dla nas cechy, jakie sieci neuronowe mają rozwinąć, muszą podczas nauki być kontrolowane. Jeżeli nie zależy nam na tym i pragniemy, aby cyfrowy mózg samodzielnie znalazł swój schemat, wtedy nie wymaga kontroli.
Jak dziś wykorzystujemy sieci neuronowe?
W obecnej formie sieci neuronowe wykorzystywane są na przykład do znalezienia schematu sygnałów elektrycznych wysyłanych z mózgu do mięśni podczas określonych ruchów. Na Politechnice Wrocławskiej trwają badania mające na celu sterowanie robotyczną protezą przy pomocy sygnałów płynących do mięśni z mózgu. Cyfrowy mózg otrzymuje kilkaset próbek odczytów tego samego ruchu (na przykład podnoszenia szklanki z wodą i opuszczania jej) i ma za zadanie wyodrębnić to, co jest charakterystyczne dla tego ruchu.
Na takiej zasadzie działa wykorzystanie sieci neuronowych do nauki rozpoznawania twarzy. Specjaliści zajmujący się przetwarzaniem sygnałów wykorzystują je do przeprowadzania wszelkich filtracji, aproksymacji i transformacji.
Zastosowania cyfrowego mózgu
Zastosowań matematycznych jest naprawdę wiele i zalicza się do tego również wykorzystanie cyfrowego mózgu jako elementu uczącego się w sztucznej inteligencji. Sama natomiast sztuczna inteligencja dzieli się na dwa nurty – mocno od siebie różne, mimo przynależności do tej samej dziedziny technologii. Sztuczna inteligencja w pierwszym znaczeniu to hipotetyczna inteligencja odnosząca się do działań inżynieryjnych, a nie naturalnych. Drugie znaczenie odnosi się do tego, co widzimy na filmach science fiction – jest to ludzka wizja wyglądu sztucznej inteligencji, kiedy już ją stworzymy. W pierwszej wersji znajdujemy obecnie masę zastosowań, między innymi tych opisanych powyżej. Jednak znacznie ciekawszym dla ludzkości zagadnieniem jest, co się stanie, kiedy stworzymy idealny cyfrowy mózg. Prawdopodobnie nauka pójdzie mu znacznie szybciej niż dziecku, które również uczyłoby się od zera. Obawy związane z przejęciem władzy przez roboty są jednak bezpodstawne. W rzeczywistości, nawet jeśli robot otrzyma samoświadomość, będzie posiadał pewne ograniczenia nadane mu przez człowieka.
Istnieją trzy prawa określone w 1942 roku przez Isaaca Asimova, przedstawione później w fantastycznym opowiadaniu “Zabawa w berka”. Brzmią one:
– Robot nie może skrzywdzić człowieka, ani przez zaniechanie działania dopuścić, aby człowiek doznał krzywdy.
– Robot musi być posłuszny rozkazom człowieka, chyba że stoją one w sprzeczności z Pierwszym Prawem.
– Robot musi chronić samego siebie, o ile tylko nie stoi to w sprzeczności z Pierwszym lub Drugim Prawem.
Natomiast w momencie, kiedy – choćby w komputerze – powstałaby taka sztuczna, inteligentna samoświadomość, w bardzo krótkim czasie otrzymalibyśmy odpowiedzi na najbardziej nurtujące nas pytania z każdej dziedziny.
Silnikiem dla takiej inteligencji mogą być właśnie sieci neuronowe. Cyfrowy mózg znakomicie nadaje się dzięki temu, w jaki sposób się uczy; a także dzięki faktowi, że wzorowany jest na mózgu biologicznym. Zresztą jest możliwe, że nawet nie zdajemy sobie sprawy, jak wiele rzeczy tworzymy na swoje podobieństwo… co oczywiście w tym przypadku jest wielką zaletą, a w każdym razie wydaje się być.