Amikor egy okostelefonnal készített fotót szerkesztünk, mesterséges ideghálók segítik a munkánkat. Akármennyire furcsán hangzik, jelenleg ezek az emberi agyról mintázott hálózatok a mesterséges intelligencia leghatékonyabb gyakorlati alkalmazásai közé tartoznak, az MI-alkalmazások közül, az üzleti döntéshozástól termékek ajánlásáig, elsősorban velük oldunk meg való világbeli problémákat.

Manapság már sokszáz mesterséges idegháló dolgozik különböző területeken. Funkciójuk, felépítésük, bonyolultsági szintjük alapján többféleképpen csoportosítók, az utóbbi években, a gépi tanulás gyors fejlődésével a mély hálózatok kerültek előtérbe, velük érhetők el kiemelkedő eredmények. Mindegyikük képes tanulni, ám tanulási képességeik mértéke eltérő. Az alábbiakban a leggyakoribb típusaikat tekintjük át.

Az első és a legegyszerűbb gépi idegháló a klasszikus perceptron volt, Frank Rosenblatt fejlesztette 1958-ban. Eredetileg gépnek, semmint szoftvernek szánták, a koraiakat speciális hardveren, például a képfelismerésre kitalált Mark 1-en működtették. Az ígéretes kezdeményezésről azonban kiderült, hogy nem praktikus, nem tanítható be sokféle mintázat felismerésére.

Egy hagyományos perceptron, az idegsejt matematikai modellje egyetlen sejtrétegéből áll, az egynél több, manapság általában jóval több rejtett rétegből felépülők már mély ideghálók, ezeket módosítják, fejlesztik területspecifikus problémák megoldására. A súlyozott és összeadott bemeneti értékek kimenetét aktivációs függvénnyel határozzák meg. Az esetleges hibák az ismert bemenetekre adott kimenetek alapján, statisztikai módszerrel, bemenetek súlyozásával korrigálhatók. Az információ balról jobbra vándorol, innen az előrecsatolt idegháló elnevezés. Ezeknek a hálózatoknak nincs memóriájuk, így a tanításuk is bonyolultabb. Egy másik csoporttal, a visszacsatolt ideghálóknál, a neuronok viszont már figyelembe veszik a korábbi bemeneti értékeket.

A bonyolult problémák kezelésére használt moduláris ideghálók különféle, egymástól függetlenül működő hálózatokból állnak össze. Mindegyik egyedi bemenettel dolgozik, a közös kimenethez szükséges részfeladatokat old meg, de egy-egy részfeladattal akár több modul is megbirkózhat, sőt, a modulok különféle módszerekkel a teljes feladattal is próbálkozhatnak. A kimenet az együttműködés és/vagy a versengés eredménye.

A legismertebb és a gépi látásban az embernél is jobb eredmények elérésére képes, a többi típustól jócskán, például a réteg háromdimenziós, szélesség, magasság és mélység szerinti elrendezésében különböző hálózatok az elsősorban képfeldolgozásra használt konvolúciós ideghálók (CNN), amelyek video- és hangadatokat is kezelnek. (A konvolúció átlagolás, az átlag általánosítása.)

Egy-egy réteg idegsejtjei a következő réteg összes neuronja helyett annak csak egy kis területéhez kapcsolódnak. A hálózat a bemeneti adatot nem egészében értelmezi, részleteket szkennel le helyette. Jellemzőket derít fel, osztályoz. Átlagolással, összevonással, tömörítéssel jut el például egy macska speciális jegyeinek felismeréséhez, majd a jellemzők alapján az osztályozáshoz, azaz a kép értelmezéséhez.

Képfeldolgozásnál szintén fontosak az „önmagukat kódoló” (autoencoder) hálók: a bemenetet tömörítve, tehát a legfontosabb jegyekre összpontosítva tárolják, amelyek a kimenetben hangsúlyosabbak lesznek.

A például képalkotásra használt és a jövő gépi kreativitásában valószínűleg fontos szerepet játszó generatív ellenséges hálózatok (GAN) két, egymással versengő hálóból, generátorból és megkülönböztetőből állnak; közösen próbálnak élethű képeket, hangokat stb. létrehozni. A generátor megtanulja utánozni például a képen lévő arcot, a megkülönböztető, összehasonlítja az újat az eredetivel, majd visszajelez, mire a generátor korrigál, és az iterációk a hitelesnek tűnő végeredményig folytatódnak.

Frissítve: 2023. november 27.