პერცეპტრონი: როგორ მუშაობს ხელოვნური ინტელექტის უმარტივესი „ტვინი“?

პერცეპტრონი არის ყველაზე მცირე ზომის „ტვინი“, რომლის აგებაც ტექნოლოგიურად შესაძლებელია. მისი მოქმედების პრინციპი მარტივია: სისტემაში შედის ერთი მონაცემი, ხოლო გამოსავალში ვიღებთ „დიახ“ ან „არა“ ტიპის პასუხს. მიუხედავად სიმარტივისა, ეს კონცეფცია ნებისმიერი თანამედროვე ნეირონული ქსელის ქვაკუთხედია.

რა არის პერცეპტრონი?

1958 წელს მკვლევარმა ფრენკ როზენბლატმა შექმნა მანქანა, რომელსაც პერცეპტრონი უწოდა. ის შთაგონებული იყო ადამიანის ტვინის უჯრედით — ნეირონით. ნეირონი იღებს სიგნალებს და თუ ისინი საკმარისად ძლიერია, „იფრქვევა“ — ანუ აგზავნის იმპულსს. მათემატიკურად ეს პროცესი ასე გამოიყურება: შეყვანილი მონაცემი (x) მრავლდება წონაზე (w) და ემატება ბიასი (b).

წარმოიდგინეთ ადამიანი, რომელიც სამსახურის შეთავაზებას განიხილავს. ის არ იღებს გადაწყვეტილებას მონეტის აგდებით; ის აწონ-დაწონის ფაქტორებს. თითოეულ ფაქტორს ის ანიჭებს მნიშვნელობას (წონას) და თუ ჯამური შედეგი გარკვეულ ზღვარს გადააჭარბებს, პასუხი დადებითია.

როგორ სწავლობს მანქანა?

როდესაც პერცეპტრონი მუშაობას იწყებს, მისი წონა და ბიასი შემთხვევითი რიცხვებია. შესაბამისად, თავდაპირველად ის ცდება. სწორედ აქ იწყება „სწავლა“: როდესაც მანქანა შეცდომას უშვებს, ჩვენ ვარეგულირებთ წონებსა და ბიასს, რათა მომავალში პასუხი უფრო ზუსტი იყოს. ამ პროცესს „ეპოქა“ ეწოდება, ხოლო შესწორების სიდიდეს — „სწავლის ტემპი“.

რატომ არის ბიასი აუცილებელი?

ბიასის გარეშე, გადაწყვეტილების მიმღები ხაზი ყოველთვის ნულზეა მიჯაჭვული. მაგალითად, თუ გვინდა გამოვთვალოთ, ჩააბარა თუ არა სტუდენტმა გამოცდა (სადაც 50 ქულაა ზღვარი), ბიასის გარეშე მანქანა ვერასდროს ისწავლის 50-ქულიანი ზღვარის დადგენას. ბიასი სისტემას აძლევს საშუალებას, გადააადგილოს „გადაწყვეტილების საზღვარი“ საჭირო ადგილას.

მონაცემების ნორმალიზება

მნიშვნელოვანია მონაცემების მასშტაბირება. თუ შეყვანილი მონაცემები ძალიან განსხვავებული მასშტაბისაა (მაგალითად, ხელფასი ათასებში და ქალაქის იდენტიფიკატორი 0 ან 1), დიდმა რიცხვებმა შეიძლება დაფაროს მნიშვნელოვანი ფაქტორები. ნორმალიზება — მონაცემების მცირე, მოწესრიგებულ დიაპაზონში მოქცევა — პროცესს უფრო სტაბილურს და სწრაფს ხდის.

საბოლოო ჯამში, პერცეპტრონი არის ნეირონული ქსელის აგურები. როდესაც ბევრ ასეთ „აგურს“ ერთმანეთზე დავაწყობთ, ვიღებთ სისტემას, რომელსაც შეუძლია რთული ფორმებისა და შაბლონების ამოცნობა.