شبکه عصبی مصنوعی ساختاری است که به‌طور بسیار ساده از مغز الهام گرفته شده. از تعدادی «نورون» مصنوعی ساخته می‌شود که در لایه‌ها کنار هم قرار می‌گیرند و هر کدام اعدادی را دریافت، با هم ترکیب و به لایه‌ی بعد منتقل می‌کنند.

ساختار کلی#

  • لایه‌ی ورودی: داده‌ی خام را می‌گیرد، مثل پیکسل‌های یک عکس.
  • لایه‌های میانی: الگوها را پیدا و ترکیب می‌کنند.
  • لایه‌ی خروجی: نتیجه را می‌دهد، مثلاً «گربه با احتمال ۹۰ درصد».

هر اتصال بین نورون‌ها یک «وزن» دارد، یعنی عددی که میزان اهمیت آن اتصال را نشان می‌دهد. این وزن‌ها همان چیزهایی هستند که در آموزش تنظیم می‌شوند.

آموزش چطور انجام می‌شود#

مدل ابتدا با وزن‌های تصادفی حدس می‌زند. حدسش را با جواب درست مقایسه می‌کنیم، میزان خطا را حساب می‌کنیم و وزن‌ها را کمی در جهتی تغییر می‌دهیم که خطا کمتر شود. این کار میلیون‌ها بار تکرار می‌شود تا مدل دقیق شود.

مثال#

مثل دانش‌آموزی که با حل هزاران تمرین، کم‌کم شهود پیدا می‌کند: هیچ‌کس فرمول کامل به او نداده، اما با دیدن نمونه‌ها و اصلاح اشتباه‌ها بهتر می‌شود.

کجا استفاده می‌شود#

تشخیص تصویر، ترجمه، تشخیص گفتار، پیش‌بینی و تقریباً همه‌ی مدل‌های هوش مصنوعی مولد بر پایه‌ی شبکه‌های عصبی ساخته شده‌اند.

اشتباه رایج#

شبکه عصبی مصنوعی کپی مغز نیست؛ فقط یک ایده‌ی ریاضی الهام‌گرفته از آن است و بسیار ساده‌تر عمل می‌کند.