pobierz jako PDF


Inteligentne systemy zmieniają świat

Prof. Bogdan Maciej Wilamowski, czł. zagr. PAN, Life Fellow IEEE

Auburn University, Alabama, USA

 

     Osiągnęliśmy granice zrozumienia bardzo złożonych systemów. Jednocześnie postęp technologiczny pozwala nam budować w układach krzemowych sztuczne sieci neuronowe zawierające miliony neuronów. Co więcej, ludzie nie są w stanie zrozumieć nieliniowego przetwarzania informacji w sieci zbudowanej z zaledwie kilkunastu neuronów. Dlatego aby pchnąć rozwój naszej cywilizacji do przodu powinniśmy rozglądnąć się za innym spojrzeniem na systemy złożone.

     Ciekawym przykładem jest pies. My, jako ludzie, pewnie nigdy nie będziemy w stanie zaprojektować psa z jego złożonym mózgiem i systemem nerwowym. Możemy jednak psa nauczyć wielu rzeczy. Podobnie, możemy budować układy krzemowe z milionami neuronów połączonych z losowo dobranymi wagami a następnie nauczyć taki system, aby rozwiązywał bardzo złożone problemy.

     Metody oparte o inteligencję komputerową pozwalają na skuteczniejsze rozwiązywanie złożonych problemów. Ze względu na wielowymiarowość oraz nieliniową naturę, metody algorytmiczne lub statystyczne są niewystarczające. Na szczególną uwagę zasługują metody oparte o sieci neuronowe o głębokiej architekturze. Sieci te zawierając wiele warstw ukrytych posiadają duży potencjał obliczeniowy.

     Jak wykazują badania, proces uczenia tego typu sieci jest jednak bardzo trudny i czasochłonny a to obecnie utrudnia wykorzystanie w pełni ich potencjału. Istotna jest nie tylko liczba neuronów, ale również, a może przede wszystkim, architektura. O ile jak wspomniano tradycyjne wielowarstwowe sieci neuronowe MLP o głębokiej architekturze są trudne do uczenia, to wprowadzenie dodatkowych liniowych połączeń pomiędzy warstwami neuronów BMLP powoduje, że proces uczenia staje się znacznie bardziej efektywny.

     Okazuje się też, że sposób połączenia neuronów w sieci ma fundamentalne znaczenie. Przykładowo, zastosowanie architektury FCC zamiast MLP przy zachowaniu tej samej liczby neuronów zwiększa możliwości sieci ponad stukrotnie. Istotna jest jednak nie tylko architektura, ale również algorytm uczący. Opracowany nowy algorytm NBN, który może być stosowany nie tylko do tradycyjnych sieci MLP, ale także do sieci z dowolnie połączonymi neuronami i jest około 1000 razy szybszy niż powszechnie znany algorytm EBP.