Zalety i wady sieci neuronowej

Jednym zdaniem...

... suma zalet przewyższa sumę wad (bo inaczej nie było by warto zajmować się SSN).

Zalety

Nie będę tu powtarzał poprzedniego rozdziału - tam wymieniłem zadania, które SSN rozwiązuje znacznie lepiej, niż zwykły algorytm. Wspomnę natomiast jedną z najważniejszych zalet SSN z punktu widzenia programisty. Otóż SSN nie wymagają programowania! Wystarczy stworzyć sieć, a ona uczy się sama. Rola programisty ogranicza się do zaprojektowania takiej struktury sieci, która najlepiej będzie nadawała się do rozwiązania danego problemu, a następnie do umiejętnego pokierowania procesem uczenia sieci. Z czymś Ci się to kojarzy? Oczywiście - analogicznie jest w przypadku każdego z nas. Aby być w jakiejś dziedzinie fachowcem, trzeba po pierwsze mieć wrodzone uzdolnienia w danej dziedzinie (odpowiednią strukturę własnej sieci neuronowej, jaką jest mózg), a po drugie - mieć dobrego nauczyciela. W trakcie nauki odkryjesz jeszcze wiele analogii w działaniu mózgu i jego modelu, którym jest SSN.

Inna zaleta: jak pewnie wiecie, w zwykłym programie najmniejszy błąd może doprowadzić do wadliwego działania systemu, utraty danych, oraz do innych nieszczęść. Sieć neuronowa natomiast nawet w przypadku poważnego uszkodzenia działa nadal, jak gdyby nigdy nic! Oczywiście do pewnego stopnia. I znowu analogia: nasz mózg działa nadal po wypadku, w którym odniesie niewielki uszczerbek, działa pomimo niszczenia neuronów przez alkohol lub proces starzenia, działa długo bez "awarii", choć jego struktura wciąż jest naruszana. Dopiero po przekroczeniu pewnego progu uszkodzeń mózg odmawia posłuszeństwa. Stąd choroba Alzheimera, dalsze stopnie choroby alkoholowej, psychozy ponarkotykowe i podobne przypadłości.

Kolejną ważną zaletą SSN jest zdolność uogólniania zdobytej wiedzy. Znaczy to dokładnie tyle, że jeśli sieć nauczy się, powiedzmy, rozpoznawać kolory: czerwony i żółty, to rozpozna również różowy i bladożółty, czyli kolory podobne do znanych.

Wymienione zalety to oczywiście tylko część tego, czym SSN może nam zaimponować. Inne plusy sieci będzie można wyczytać pomiędzy wierszami w dalszej części wykładów. Aby jednak sprawiedliwości stało się zadość, trzeba wspomnieć, że SSN mają także...

Wady

Nie ma rzeczy doskonałych. Sieci neuronowe nie przydadzą się przede wszystkim tam, gdzie potrzeba jasnych i precyzyjnych wyników - czyli przy rozmaitych skomplikowanych obliczeniach, obsłudze kont bankowych, itp. Wynika to z faktu, iż SSN jest odbiciem ludzkiego mózgu, ten zaś nie jest przystosowany do precyzyjnego operowania liczbami. Kiedy opisujemy kogoś, nie mówimy, że ma 188.34 cm wzrostu, tylko że jest wysoki. I to nie tyle dlatego, że dokładność tej informacji jest wystarczająca, lecz dlatego, że bez odpowiedniej aparatury pomiarowej (jak choćby metr krawiecki J) nasz mózg nie jest w stanie precyzyjnie ocenić pewnych wielkości. SSN zatem operuje tzw. pojęciami rozmytymi: wysoki, niski, duży, mały, średni, jasny... Często jeśli oczekujemy od sieci odpowiedzi "tak" lub "nie", ona odpowie: "raczej tak", lub: "chyba nie"... Ta ostatnia skłonność sieci może być zarówno wadą, jak i zaletą - zależy, jak na to patrzeć.

SSN nie zdaje egzaminu także wtedy, gdy specyfika problemu wymaga zastosowania wieloetapowego rozumowania. Kiedy trzeba mozolnie dochodzić do pewnych wniosków na podstawie efektów wcześniejszego rozumowania, a z tych wniosków wyciągać kolejne - sieć "odpada". Ona "woli" rozwiązać zadanie na raz, w jednym kroku. Jeśli nawet pojawiają się jakieś wnioski pośrednie, to i tak nie ma do nich dostępu. Ta ostatnia cecha może się wydać dziwna komuś, kto oswoił się już z myślą, że SSN symuluje działanie mózgu. Przecież człowiek rozumuje krok po kroku, z jednych wniosków wyciągając następne. To fakt, ale rozumowanie można podzielić na pojedyncze etapy, w których działamy "na raz". Mamy jakieś dane i wyciągamy z nich wniosek. Ten wniosek posłuży do wyciągnięcia następnego, również w takim jednorazowym procesie. Takiemu modelowi rozumowania odpowiadałby raczej cały zespół różnych sieci neuronowych, i to niekoniecznie połączonych liniowo. Dane z wyjścia pewnej sieci mogłyby trafiać na wejście to tej, to innej sieci. Każda z nich zaś, powtarzam, działa jednoetapowo.

Podsumowanie

Kończymy wiadomości ogólne o SSN. Wiemy już, że symulują one pracę mózgu, że mogą wyręczać klasyczne algorytmy w pewnych zadaniach, choć w innych radzą sobie gorzej. Generalnie, są to takie systemy "z ludzką twarzą". "Myślą" podobnymi kategoriami, jak my, są dość odporne na uszkodzenia, potrafią się uczyć... Zapowiada się chyba ciekawie. Zapraszam zatem zaciekawionych do rozdziału opisującego strukturę SSN.

Naciśnij strzałkę aby wrócić do spisu treści.