Bu həftənin sualı süni neyron şəbəkələri ilə bağlıdır. Müəyyən bir tapşırığı həyata keçirmək üçün birbaşa olaraq onu həll etmək üçün lazım olan hesablamalara yox, öyrənmə prosesinə fokuslanan müasir süni neyron şəbəkələri (SNN) ənənəvi, konkret hesablamalara, qaydalara əsaslanan sistemlərin yaxşı edə bilmədiyi şeyləri, məsələn, şəkillərin içindəki obyektlərin sinifləndirilməsi, insan nitqinin tanınması kimi tapşırıqları çox uğurla həyata keçirməyi öyrənə bilir. SNN-lərin “qidalandığı” data artdıqca, yeni öyrənmə alqoritmləri, şəbəkə quruluşları icad olunduqca, kompüterlərin hesablama gücü artdıqca daha qəliz tapşırıqları da yerinə yetirmək (məsələn, avtomobillərin özünüidarəsi) mümkün hala gəlir. Buna baxmayaraq, SNN hələ də ən bəsit canlıların belə həyata keçirə bildikləri bəzi şeyləri (məsələn, müstəqil şəkildə kompleks mühitdə naviqasiya) etməkdə çətinlik çəkir və ya etmək üçün canlılardan qat-qat daha artıq “təcrübə” və ya “öyrənmə” tələb edir. Bu isə öz növbəsində SNN-lər və canlı sinir sistemlərin eyni tapşırıqları həll etmək üçün istifadə etdikləri yollar arasındakı fərqlərin nələr olduğu sualını daha da qabardır. Bu həftənin sualı da məhz bu mövzudadır: Bu iki sistem arasındakı fərqlər nələrdir? Bu fərqlər sözügedən sistemlərin performansındakı fərqləri necə izah edə bilər?
Müasir süni neyron şəbəkələri ilə işləyən sistemlərin işləyişi oxşar tapşırıqları yerinə yetirə bilən canlı sistemlərindən necə fərqlənir?
One thought on “Müasir süni neyron şəbəkələri ilə işləyən sistemlərin işləyişi oxşar tapşırıqları yerinə yetirə bilən canlı sistemlərindən necə fərqlənir?”