[ Pobierz całość w formacie PDF ]
.Gdybyœmy wybierali tylko takie problemy, dla których mo¿na znaleŸæ eleganck¹ odpowiedŸ, przewa¿aj¹ca wiêkszoœæ rzeczywistych problemów pozosta³aby na zawsze nie rozwi¹zana.Sieæ neuronowaSieci neuronowe znajduj¹ obecnie imponuj¹c¹ liczbê zastosowañ.Jedna z pierwszych sieci, która trafi³a na rynek, to sieæ Wisard (Wilkie, Stonham and Aleksander's Recognition Device), któr¹ mo¿na by³o nauczyæ rozpoznawania ró¿nych obiektów -sieæ potrafi³a na przyk³ad stwierdziæ, czy jej brytyjscy twórcy uœmiechaj¹ siê, czy te¿ gniewnie siê marszcz¹.Metody rozpoznawania obrazów znajduj¹ wiele innych zastosowañ.Mog¹ s³u¿yæ do identyfikowania podwodnych celów na podstawie sygna³Ã³w sonaru, poszukiwania chorych lub rakowych komórek w up³awach z macicy oraz odczytywania rêcznie zapisanych adresów na listach.62 Airline Marketing Tactician to wielowarstwowy perceptron, s³u¿¹cy do przewidywania popytu na przeloty pasa¿erskie, a inne sieci MLP wykrywaj¹ anomalie w skurczach serca, prognozuj¹ fluktuacje kursów gie³dowych i oceniaj¹ wiarygodnoœæ kredytow¹ klientów banków, czyli decyduj¹ o tym, komu warto po¿yczyæ pieni¹dze.Jednym z najbardziej udanych zastosowañ sieci okaza³ siê system do klasyfikowania tusz wieprzowych, zaprojektowany przez duñskich uczonych.Metoda ta – autorstwa Hansa Thodberga z Duñskiego Instytutu Badañ Miêsa – jest obecnie stosowana do oceny zawartoœci miêsa i t³uszczu w ponad dwudziestu milionach tusz rocznie.63 Ka¿da tusza trafia do maszyny, gdzie dziewiêæ optycznych czujników odró¿nia bia³e sad³o od czerwonego miêsa.Na podstawie tych danych sieæ neuronowa ocenia jakoœæ tuszy; maszyna ocenia 360 tusz na godzinê z dok³adnoœci¹ do 1,5%, czyli lepsz¹ ni¿ ta, któr¹ osi¹gaj¹ normalni inspektorzy, choæ pod wzglêdem inteligencji sieæ sk³adaj¹ca siê z dwustu neuronów nie dorównuje zapewne robakom."To bardzo prosty mózg, ale zosta³ zaprojektowany tak, aby rozwi¹zywa³ akurat ten jeden problem" – powiedzia³ Thodberg.Elementy przetwarzaj¹ce informacje w sieciach neuronowych s¹ roz³o¿one i dzia³aj¹ równolegle.Ma to wa¿n¹ konsekwencjê – sieci neuronowe s¹ tolerancyjne na b³êdy: jeœli jeden z neuronów przestaje dzia³aæ (umiera, mówi¹c jêzykiem biologii), system mo¿e funkcjonowaæ dalej, nie robi¹c powa¿nych b³êdów.W miarê jak psuj¹ siê kolejne neurony, ogólna sprawnoœæ sieci stopniowo siê pogarsza.Taka odpornoœæ na uszkodzenia ma oczywiste zalety, zarówno w naturze, jak i w naszym technicznym spo³eczeñstwie.Czêsto lepiej jest skorzystaæ z niewra¿liwej na defekty maszyny z wieloma procesorami, ni¿ polegaæ na bezb³êdnym dzia³aniu jednego procesora, jak w komputerach von Neumanna.Jeœli taki procesor przestanie dzia³aæ, zawodzi ca³y system, co powoduje powa¿ne problemy, takie jak katastrofa samolotu lub b³êdy w sterowaniu satelit¹ o wartoœci miliardów dolarów.Mo¿na równie¿ ³¹czyæ idee sieci neuronowych i ewolucji darwinowskiej.Shara Amin i Jose-Luis Fernandez z British Telecommunications Laboratories w Martlesham Heath uruchomili proces ewolucyjny na samoorganizuj¹cej siê sieci, aby znaleŸæ efektywne rozwi¹zanie problemu komiwoja¿era dla 35 000 miast.64 Jest to najnowsze osi¹gniêcie w d³ugiej serii rozwi¹zañ dla coraz wiêkszej liczby miast.W 1954 roku matematycy z Rand Corporation w Kalifornii podali trasê dla 49 miast.W 1992 roku zespó³ z AT&T Bell Laboratories w New Jersey, z Uniwersytetów Rice'a, Rutgers i Bellcore zdo³ali rozwi¹zaæ problem dla 3038 miast, co wymaga³o 18 miesiêcy pracy komputera.Zespó³ angielski rozpocz¹³ od przypadkowej trasy, sk³adaj¹cej siê z sieci wirtualnych wêz³Ã³w, odpowiadaj¹cych poszczególnym przystankom, a nastêpnie "wyhodowa³" kolejne rozwi¹zania.Program dzia³a w dwóch krokach.Najpierw oblicza, jak daleko znajduje siê dany wêze³ od miasta, okreœlaj¹c przyci¹ganie grawitacyjne miêdzy nimi.Nastêpnie program przesuwa wêz³y w kierunku zgodnym z si³¹ wypadkow¹ i zastêpuje przesuniête wêz³y dwoma (lub wiêcej) innymi punktami.Proces reprodukcji zachodzi zgodnie z regu³ami biologii: nowe przystanki nie mog¹ siê mno¿yæ ju¿ w nastêpnym kroku, lecz -podobnie jak dzieci – musz¹ osi¹gn¹æ dojrza³oœæ."Jeœli pozwolê punktom na natychmiastow¹ reprodukcjê, wynik symulacji pogarsza siê o 20%" – zauwa¿y³a Shara Amin
[ Pobierz całość w formacie PDF ]