ข่ายงานประสาทเทียม
จากวิกิพีเดีย สารานุกรมเสรี
| ปัญญาประดิษฐ์ |
| GOFAI |
|---|
| การค้นหาในปริภูมิสถานะ |
| การวางแผนอัตโนมัติ |
| การค้นหาเชิงการจัด |
| ระบบผู้เชี่ยวชาญ |
| การแทนความรู้ |
| ระบบอิงความรู้ |
| Connectionism |
| ข่ายงานประสาทเทียม |
| ชีวิตประดิษฐ์ |
| ปัญญาประดิษฐ์แบบกระจาย |
| การเขียนโปรแกรมเชิงพันธุกรรม |
| ขั้นตอนวิธีเชิงพันธุกรรม |
| ปัญญากลุ่ม |
| Artificial beings |
| Bayesian methods |
| เครือข่ายแบบเบย์ |
| การเรียนรู้ของเครื่อง |
| การรู้จำแบบ |
| ระบบฟัซซี |
| ตรรกศาสตร์คลุมเครือ |
| ฟัซซีอิเล็กทรอนิกส์ |
| Philosophy |
| ปัญญาประดิษฐ์แบบเข้ม |
| สำนึกประดิษฐ์ |
| การทดสอบทัวริง |
ข่ายงานประสาทเทียม (Artificial neural network) หรือที่มักจะเรียกสั้นๆ ว่า ข่ายงานประสาท (neural network หรือ neural net) คือ โมเดลทางคณิตศาสตร์สำหรับประมวลผลสารสนเทศด้วยการคำนวณแบบคอนเนคชันนิสต์ (connectionist) แนวคิดเริ่มต้นของเทคนิคนี้ได้มาจากการศึกษาข่ายงานไฟฟ้าชีวภาพ (bioelectric network) ในสมอง ซึ่งประกอบด้วย เซลล์ประสาท หรือ นิวรอน (neurons) และ จุดประสานประสาท (synapses) ตามโมเดลนี้ ข่ายงานประสาทเกิดจากการเชื่อมต่อระหว่างเซลล์ประสาท จนเป็นเครือข่ายที่ทำงานร่วมกัน
ดูเพิ่มเติม: ข่ายงานประสาทชีวภาพ (biological neural network)
[แก้] โครงสร้าง
นักวิจัยส่วนใหญ่ในปัจจุบันเห็นตรงกันว่าข่ายงานประสาทเทียมมีโครงสร้างแตกต่างจากข่ายงานในสมอง แต่ก็ยังเหมือนสมอง ในแง่ที่ว่าข่ายงานประสาทเทียม คือการรวมกลุ่มแบบขนานของหน่วยประมวลผลย่อยๆ และการเชื่อมต่อนี้เป็นส่วนสำคัญที่ทำให้เกิดสติปัญญาของข่ายงาน เมื่อพิจารณาขนาดแล้ว สมองมีขนาดใหญ่กว่าข่ายงานประสาทเทียมอย่างมาก รวมทั้งเซลล์ประสาทยังมีความซับซ้อนกว่าหน่วยย่อยของข่ายงาน อย่างไรก็ดีหน้าที่สำคัญของสมอง เช่นการเรียนรู้ ยังคงสามารถถูกจำลองขึ้นอย่างง่ายด้วยข่ายงานประสาทนี้
[แก้] โมเดล
ข่ายงานประสาทแบบป้อนไปหน้า (feedforward) ประกอบด้วยเซตของบัพ (node) ซึ่งอาจจะถูกกำหนดให้เป็นบัพอินพุต (input nodes) บัพเอาท์พุต (output nodes) หรือ บัพอยู่ระหว่างกลางซึ่งเรียกว่า บัพฮินเดน (hidden nodes) มีการเชื่อมต่อระหว่างบัพ (หรือนิวรอน) โดยกำหนดค่าน้ำหนัก (weight) กำกับอยู่ที่เส้นเชื่อมทุกเส้น เมื่อข่ายงานเริ่มทำงาน จะมีการกำหนดค่าให้แก่บัพอินพุต โดยค่าเหล่านี้ อาจจะได้มาจากการกำหนดโดยมนุษย์ จากเซนเซอร์ที่วัดค่าต่างๆ หรือผลจากโปรแกรมอื่นๆ จากนั้นบัพอินพุต จะส่งค่าที่ได้รับ ไปตามเส้นเชื่อมขาออก โดยที่ค่าที่ส่งออกไปจะถูกคูณกับค่าน้ำหนักของเส้นเชื่อม บัพในชั้นถัดไปจะรับค่า ซึ่งเป็นผลรวมจากบัพต่างๆ แล้วจึงคำนวณผลอย่างง่าย โดยทั่วไปจะใช้ฟังก์ชันซิกมอยด์ (sigmoid function) แล้วส่งค่าไปยังชั้นถัดไป การคำนวณเช่นนี้จะเกิดขึ้นไปเรื่อยๆ ทีละชั้น จนถึงบัพเอาท์พุต โดยในยุคแรก (ราว ค.ศ. 1970) จำนวนชั้นจะถูกกำหนดไว้เป็นค่าคงที่ แต่ในปัจจุบันมีการนำขั้นตอนวิธีเชิงพันธุกรรม มาช่วยออกแบบโครงสร้างของข่ายงาน ดู นิวโรอีโวลูชัน (Neuroevolution)
