Przejdź do treści
PL

Lekcja 4 z 8 · 6 min · +100 XP

Co to jest sieć neuronowa?

Sieć neuronowa to rodzaj modelu AI zbudowany z warstw prostych jednostek połączonych regulowanymi liczbami, czyli wagami. Dane wejściowe, np. piksele zdjęcia, przechodzą przez warstwy i stają się przypuszczeniem. Podczas trenowania sieć porównuje każde przypuszczenie z poprawną odpowiedzią i lekko przestawia miliony wag, aż jej odpowiedzi stają się wiarygodne.

▶ Wypróbuj

Dlaczego to ważne

Za odblokowaniem twarzą, tłumaczeniem i chatbotami stoi ten sam pomysł: warstwy prostych jednostek, których siłę połączeń stroi informacja zwrotna, a nie ręczne programowanie.

W 6 minut nauczysz się

  • Sieć neuronowa to warstwy prostych jednostek połączonych regulowanymi wagami.
  • Trenowanie to: zgadnij, porównaj z poprawną odpowiedzią, przestaw wagi, powtórz.
  • Jej wiedza jest rozłożona na wiele liczb, więc trudno wyjaśnić jej powody.

Co przećwiczysz

  1. Części sieci

    Dotknij każdej karty, by zobaczyć, jak działa.

    ⚪ Neuron (jednostka)
    Maleńki kalkulator. Sumuje przychodzące liczby, każdą pomnożoną przez wagę, i przekazuje wynik dalej. Dużo prostszy niż komórka mózgu.
    🎛️ Waga
    Pokrętło na każdym połączeniu, które ustala, jak mocno jedna jednostka wpływa na następną. Duża sieć ma ich miliony albo miliardy.
    🥞 Warstwy
    Jednostki są ułożone w warstwy. Pierwsze wychwytują proste rzeczy, np. krawędzie, kolejne łączą je w kształty, a potem w „to jest 7”.
    📣 Informacja zwrotna
    Po każdym przypuszczeniu sieć mierzy, jak bardzo się pomyliła, i wylicza, które pokrętła i w którą stronę przestawić, by mylić się trochę mniej.

  2. Jedna runda trenowania

    Sieć uczy się czytać odręcznie pisane cyfry. Ułóż jedną rundę trenowania w kolejności.

    1. Przychodzi opisany przykład: zdjęcie odręcznej siódemki
    2. Piksele przepływają przez warstwy
    3. Sieć zgaduje: „chyba 1”
    4. Przypuszczenie zostaje porównane z etykietą „7”
    5. Każda waga zostaje lekko przestawiona, by zmniejszyć błąd
    6. Powtórka z kolejnym przykładem, wiele tysięcy razy

  3. Sprawdź swój model

    1. Kto ustawia miliony wag w wytrenowanej sieci?

      • Proces trenowania, ucząc się z informacji zwrotnej (Odpowiedź)
      • Programiści wpisują każdą wartość ręcznie

    2. Czy sztuczna sieć neuronowa to kopia ludzkiego mózgu?

      • Nie, jest nim luźno zainspirowana i dużo prostsza (Odpowiedź)
      • Tak, działa dokładnie jak prawdziwe neurony

    3. Noor pyta: „Dlaczego sieć uznała tego kota za psa?”. Czemu trudno na to odpowiedzieć?

      • Powód jest rozłożony na miliony wag (Odpowiedź)
      • Sieć celowo ukrywa swoje powody

Zapamiętaj

Sieć neuronowa uczy się, zgadując, dostając informację zwrotną i przestawiając wagi, raz za razem.

Sieć neuronowa uczy się, zgadując, dostając poprawki i lekko kręcąc pokrętłami, miliony razy.

Najważniejsze fakty

  • Psycholog Frank Rosenblatt opisał w 1958 r. perceptron, wczesny uczący się sztuczny neuron. · Źródło: F. Rosenblatt, The Perceptron, Psychological Review, 1958
  • Artykuł w „Nature” z 1986 r. pokazał, jak sieci wielowarstwowe mogą się uczyć, przekazując błąd wstecz i przestawiając wagi. Ta metoda, propagacja wsteczna, jest kluczowa do dziś. · Źródło: Rumelhart, Hinton & Williams, Learning representations by back-propagating errors, Nature, 1986
  • Nagrodę Nobla z fizyki 2024 dostali John Hopfield i Geoffrey Hinton za podstawowe odkrycia i wynalazki, które umożliwiają uczenie maszynowe ze sztucznymi sieciami neuronowymi. · Źródło: Królewska Szwedzka Akademia Nauk, Nagroda Nobla z fizyki 2024
  • Mózg dorosłego człowieka ma około 86 mld neuronów. Każdy to żywa komórka, dużo bardziej złożona niż jednostka sztucznej sieci. · Źródło: Azevedo et al., Journal of Comparative Neurology, 2009

Aktualizacja:

Częste pytania

Jak uczy się sieć neuronowa?

Zgaduje, mierzy, jak daleko jej odpowiedź jest od poprawnej, i lekko przestawia wagi, by zmniejszyć błąd. Powtarzanie tego na wielu przykładach stopniowo sprawia, że jej odpowiedzi stają się trafne.

Co to jest uczenie głębokie?

Uczenie głębokie (deep learning) to uczenie maszynowe z sieciami neuronowymi, które mają wiele warstw. Dodatkowe warstwy pozwalają sieci budować złożone wzorce z prostych.

Czy sieci neuronowe działają jak ludzki mózg?

Nie. Są luźno zainspirowane komórkami mózgu, ale każda sztuczna jednostka to proste obliczenie, a sieci uczą się zupełnie inaczej niż ludzie.

Do czego używa się sieci neuronowych?

Do rozpoznawania twarzy i mowy, tłumaczenia języków, polecania filmów, wyszukiwania wzorców w badaniach obrazowych w medycynie oraz w chatbotach i generatorach obrazów.

Powiązane pojęcia