Mạng nơ ron nhân tạo (ANN) được xác định

Mạng nơ ron nhân tạo (ANN) được xác định

Mạng nơ ron nhân tạo (ANN) là một phần của hệ thống máy tính được thiết kế để mô phỏng cách thức bộ não của con người phân tích và xử lý thông tin. Chúng là nền tảng của Trí tuệ nhân tạo (AI) và giải quyết các vấn đề có thể chứng minh là không thể hoặc khó khăn theo tiêu chuẩn của con người hoặc thống kê. ANN có khả năng tự học cho phép họ tạo ra kết quả tốt hơn khi có nhiều dữ liệu hơn.

Phá vỡ mạng lưới thần kinh nhân tạo (ANN)

Mạng nơ ron nhân tạo (ANN) đang mở đường cho các ứng dụng thay đổi cuộc sống được phát triển để sử dụng trong tất cả các lĩnh vực của nền kinh tế. Các nền tảng Trí tuệ nhân tạo (AI) được xây dựng trên ANN đang phá vỡ cách làm truyền thống. Từ việc dịch các trang web sang các ngôn ngữ khác để có một cửa hàng trợ lý ảo đặt hàng trực tuyến đến trò chuyện với các chatbot để giải quyết các vấn đề, nền tảng AI đang đơn giản hóa các giao dịch và làm cho tất cả các dịch vụ có thể truy cập được với chi phí không đáng kể.

Làm thế nào để hệ thống làm việc?

Mạng lưới thần kinh nhân tạo được xây dựng giống như bộ não của con người, với các nút nơ ron được kết nối với nhau như một trang web. Bộ não con người có hàng trăm tỷ tế bào được gọi là tế bào thần kinh. Mỗi tế bào thần kinh được tạo thành từ một cơ thể tế bào chịu trách nhiệm xử lý thông tin bằng cách mang thông tin về phía (đầu vào) và đi (đầu ra) từ não. ANN có hàng trăm hoặc hàng ngàn tế bào thần kinh nhân tạo được gọi là các đơn vị xử lý, được kết nối với nhau bởi các nút. Các đơn vị xử lý được tạo thành từ các đơn vị đầu vào và đầu ra. Các đơn vị đầu vào nhận các dạng và cấu trúc thông tin khác nhau dựa trên hệ thống trọng số bên trong và mạng lưới thần kinh cố gắng tìm hiểu về thông tin được trình bày để tạo một báo cáo đầu ra. Giống như con người cần các quy tắc và hướng dẫn để đưa ra kết quả hoặc đầu ra, ANN cũng sử dụng một bộ quy tắc học tập được gọi là backpropagation,

Một ANN ban đầu trải qua giai đoạn đào tạo trong đó nó học cách nhận ra các mẫu trong dữ liệu, cho dù là trực quan, tự nhiên hay bằng văn bản. Trong giai đoạn được giám sát này, mạng so sánh sản lượng thực tế của nó được sản xuất với ý nghĩa của nó để sản xuất, nghĩa là đầu ra mong muốn. Sự khác biệt giữa cả hai kết quả được điều chỉnh bằng cách sử dụng backpropagation. Điều này có nghĩa rằng các công trình mạng đang diễn ra ngược từ các đơn vị sản lượng cho các đơn vị đầu vào để điều chỉnh trọng lượng của các kết nối của nó giữa các đơn vị cho đến khi chênh lệch giữa kết quả thực tế và mong muốn tạo ra lỗi thấp nhất có thể.

Trong giai đoạn đào tạo và giám sát, ANN được dạy những gì cần tìm và đầu ra của nó là gì, sử dụng các loại câu hỏi Có / Không với số nhị phân. Ví dụ: một ngân hàng muốn phát hiện gian lận thẻ tín dụngđúng hạn có thể có bốn đơn vị đầu vào được cung cấp với những câu hỏi sau: (1) Giao dịch ở một quốc gia khác với quốc gia cư trú của người dùng phải không? (2) Trang web mà thẻ đang được sử dụng tại các công ty hoặc quốc gia trong danh sách theo dõi của ngân hàng? (3) Số tiền giao dịch có lớn hơn 2.000 đô la không? (4) Tên trên hóa đơn giao dịch có giống với tên của chủ thẻ không? Ngân hàng muốn các phản hồi "phát hiện gian lận" là Có Có Có Không, ở định dạng nhị phân sẽ là 1 1 1 0. Nếu đầu ra thực tế của mạng là 1 0 1 0, nó sẽ điều chỉnh kết quả của mình cho đến khi cung cấp đầu ra trùng khớp với 1 1 1 0. Sau khi đào tạo, hệ thống máy tính có thể cảnh báo ngân hàng về các giao dịch gian lận đang chờ xử lý, tiết kiệm rất nhiều tiền cho ngân hàng.

Ứng dụng thực tế

Mạng lưới thần kinh nhân tạo đã được áp dụng trong tất cả các lĩnh vực hoạt động. Các nhà cung cấp dịch vụ email sử dụng ANN để phát hiện và xóa thư rác khỏi hộp thư đến của người dùng; các nhà quản lý tài sản sử dụng nó để dự báo hướng đi của cổ phiếu công ty; Các công ty xếp hạng tín dụng sử dụng nó để cải thiện phương pháp chấm điểm tín dụng của họ; nền tảng thương mại điện tử sử dụng nó để cá nhân hóa các khuyến nghị cho đối tượng của họ; chatbot được phát triển với ANN để xử lý ngôn ngữ tự nhiên; thuật toán học sâu sử dụng ANN để dự đoán khả năng xảy ra sự kiện; và danh sách hợp nhất ANN diễn ra trên nhiều lĩnh vực, ngành công nghiệp và quốc gia.