むンテリゞェンス2をきっかけに

䞀郚の人々は、自分の考えを信じおいるが、偏芋を䞊べ替えるだけだず信じおいたす。

ずいぶん前に、ニュヌロンモデリングテクニックの進化に関するレビュヌ蚘事を曞いお、このケヌスを攟棄したした。 この説明には、ニュヌロンに興味のあるすべおの人にずっお叀くおよく知られおいる方法が含たれおいたす。゜連厩壊前に発行された教科曞の抂芁を埗たず蚀えたす。 興味のある人がhabrahabr.ru/post/101020にアクセスできる堎合は、叀いレビュヌを参照しおください。 珟圚、私の芳点から、魅力的で最新のモデリング手法に関するいく぀かの資料を収集しおいたす。これらは、構造化されたレビュヌずいう圢で蚀及するに倀したす。 ここでは、ほずんどの人にずっお、それがどのように機胜し、どのように適甚されるのかではなく、なぜそれを䜿甚するのかを知る方が興味深いずいう単玔な理由で、これらのメ゜ッドに぀いお説明したす。 テキストの量が倧幅に枛少し、関心が高たり、これらの方法が実際にどのように機胜するか、誰もが自分で芋぀けるこずができたす。

準備をしなさい。



ミニバッチにおける非同期分垃確率的募配降䞋

ロシア語は豊かで衚珟力豊かです。 しかし、すでに十分ではありたせんでした。

巧劙な蚀葉のひどく䞍可解なヒヌプ。 この方法はhabrahabr.ru/post/146077の蚘事で説明されおおり、それほど恐ろしいものではありたせんでした。 そこで圌は非同期募配降䞋法非同期SGDず呌ばれたした。 私はそれを理解しようずし、英語名「非同期SGD」にしがみ぀いた。



最初に蚀及する䟡倀があるのは、募配降䞋法そのものです。 これは、局所的な最小たたは最倧関数を芋぀ける方法です。 塔があったら、ここで䜕が議論されおいるかに぀いお挠然ず理解しおいるはずです。 䞀般に、それは最適化アルゎリズムずしお䜿甚され、ニュヌラルネットワヌクを䜿甚する堎合は、冷静に機械孊習アルゎリズムず呌びたす。



ここで、「確率的」ずいう蚀葉を远加したす。 なぜこれがメ゜ッドに必芁なのですか これの甚途は䜕ですか セット党䜓を䞀床に䜿甚する他の方法ずは異なり、この方法は䞀床にトレヌニングセットから1぀の䟋を䜿甚するだけです。 ポむントは、埅機にうんざりしおいる堎合は、远加のトレヌニング甚のデヌタを远加したり、トレヌニングを停止したりでき、デヌタの凊理枈み郚分のトレヌニング結果を衚瀺したいずいうこずです。



これら2぀の通垞および確率的募配降䞋法の間には、「ミニバッチ」ず呌ばれる劥協点がありたす。 この堎合、トレヌニングサンプルの小さなパックが䜿甚されたす。 ネットワヌク䞊の耇数のコンピュヌタヌ間でコンピュヌティングを分散するのに最適なのは、この小さなバッチ方匏です。



非同期および分散に぀いお-分散非同期デヌタ凊理非同期ピアツヌピアを䜿甚したす。 この堎合、耇数のミニバッチがピアツヌピアネットワヌクのコンピュヌタヌで同時に凊理され、利甚可胜なノヌドの任意の数ず組み合わせでトレヌニングを継続できたす。 すべおのコンピュヌタヌが最埌のバッチ蚈算を完了しお䞀般モデルを曎新するのを誰も埅っおいたせん。 バッチごずに、朜圚的に異なり、原則ずしお、叀いモデルパラメヌタヌが䜿甚されたす。 これが䞻な䞻な欠点です。 利点は、最適化に関䞎するすべおのマシンが垞に蚈算で忙しく、トレヌニングプロセス䞭にマシンを远加したりオフにしたりできるこずです。 欠点は、デヌタの均䞀性により、モデルがずにかく収束する最適化、トレヌニング枈みずいう事実によっお盞殺されたす。 私は、この声明を蚌明する䜜品に行くこずを敢えおしたせんでした。 ピアツヌピアネットワヌクで非同期の "デヌタマむニング"メ゜ッドの原理を単に説明するリンクのみを共有できたす。 誰かがそれを必芁ずしおいるかもしれたせんが、これはそれ自䜓が興味深いです。 これで、スヌパヌコンピュヌタヌは䞍芁になり、ネットワヌク䞊の友人が必芁になりたす。

http://www.inf.u-szeged.hu/~ormandi/presentations/europar2011.pdf



スパヌス分散ビュヌ

人工知胜が存圚する堎合、人工の鈍さも存圚する必芁がありたす。

倖囜語では、「スパヌス分散衚珟」のように聞こえたす。



この方法の䞻なポむントは、生物孊的ニュヌラルネットワヌクの特性を匷打するこずです。 倧脳皮質のニュヌロンは非垞に緊密に盞互接続されおいたすが、倚数の抑制性抑制性ニュヌロンは、䞀床にすべおのニュヌロンのごく䞀郚のみがアクティブになるこずを保蚌し、通垞は互いにかなり離れおいたす。 ぀たり、情報は垞に、利甚可胜なすべおのニュヌロンのうち少数のアクティブなニュヌロンのみによっお脳に提瀺されたす。 このタむプの情報のコヌディングは、「たばらな分散衚珟」ず呌ばれたす。



たた、ここでhabrahabr.ru/post/134950を読む、スパヌスオヌト゚ンコヌダスパヌスオヌト゚ンコヌダメ゜ッドもありたすが、その意味は同じであり、生物孊的ニュヌラルネットワヌクの特性を匷打するだけです。



メ゜ッドに戻りたしょう。 「スパヌス」は、わずかな割合の局ニュヌロンのみが同時にアクティブにできるずいう芁件です。 どっちにしおもいいよ 基本的な原則は、゚ンコヌダヌおよびスパヌス衚珟ず同じたたです。 䞻なこずは、次のレむダヌの入力デヌタの次元が削枛され、デヌタが圧瞮されるこずです。これは、ネットワヌクが隠れた関係、特城の盞関関係、および䞀般にデヌタの䞀般的な構造を芋぀ける必芁があるためです。



「分散」は、ニュヌラルネットワヌクのレむダヌ内の䜕かを衚すために、ニュヌロンがそのレむダヌ党䜓に散圚しおいる間、そのごくわずかな割合のニュヌロンの掻性化が必芁であるずいう芁件でもありたす。 過剰なサむレントニュヌロンも䞍良です。 レむダヌ内の十分な数のアクティブなニュヌロンは、非垞に隠された関係ず盞関を芋぀けるずきに些现なパタヌンを回避できたす。 もちろん、単䞀のニュヌロンの掻動は䜕かを意味し、「祖母のニュヌロン」に぀いお芚えおいたすが、掻動は他の倚くのニュヌロンのコンテキストでのみ解釈されるべきです。 単䞀のアクティビティは、レむダヌの階局を䞊昇したせん。 実際、最埌の局のニュヌロンの掻動は、ニュヌラルネットワヌクの受容野を通しお䞖界の写真を提瀺したす。



結論ずしお、このようなニュヌラルネットワヌクでの情報の衚瀺は、悪名高い「祖母のニュヌロン」の圢成に぀ながるだけだず蚀えたす。 内容がわからない堎合は、写真を芋おください。この画像は、蚘事habrahabr.ru/post/153945の猫の顔認識に関䞎しおいるニュヌロンの最倧刺激に察応しおいたす。 玔粋な「猫の顔のコンセプト」。







たたは、同時刻49:15から5分間の同志Anokhinのパフォヌマンスを芋おください 。 圌の蚀葉に基づいお、あなたの脳には垂民サヌシャ・グレむの抂念に責任があるニュヌロンがあるず䞻匵するこずができたす。



局所受容野

十分なものはないので、どこかでそれを嫌う人がいたす。

これは、ニュヌラルネットワヌクのモデリングにおける適切なルヌルです。 䜿甚する方法ずニュヌロンのモデルに応じお、さたざたなバンを入手できたす。 リストしたくはありたせん。䞀蚀だけ。 ロヌカル受容フィヌルドは私たちのすべおです。



もちろん、この方法の最倧の利点は、均䞀な入力デヌタで埗られるこずに蚀及する䟡倀がありたす。 簡単な䟋は芖芚デヌタです。 スパヌス衚珟の方法を䜿甚しお、このようなデヌタの第1局のニュヌロンは、異なる角床で茪郭の同じ基本芁玠を認識するこずを孊習したす。これは、脳生物孊ず非垞によく関連しおいたす。







タむプによる暹状突起の分離

誘惑に屈する。 そしお、圌は繰り返されないかもしれたせん。

タむプによる暹状突起の分離は、ニュヌロンのモデリングにおける顕著な革新であり、実隓の無限の可胜性を開きたす。 この原則は、西偎ずわが囜の䞡方でニュヌロンのモデリングの新しいトレンドになり぀぀ありたすが、この解決策に至った道は異なりたす。 西掋では、圌らはこの原理の生物孊的基瀎を匕き出そうずしおいるが、今では圌らは、新皮質の第4局のニュヌロンが他の局や脳の他の郚分からシナプスを取り、现胞の䜓に近い暹状突起に到達させ、局内で互いに離れた暹状突起を通しおのみ通信するず蚀っおいる。



たた、そのような根拠を拒吊したせんが、さらに、圌らは単䞀のニュヌロンの興奮の総和の仮説を批刀したす。



次に、開かれたモデリングの可胜性に移りたす。 ニュヌロンの応答にさたざたな皮類の暹状突起からの信号ぞのさたざたなルヌルを割り圓お、暹状突起のあるタむプから別のタむプぞの遷移に関するルヌルを蚭定できたす。 圓然、さたざたなタむプの導入は、ニュヌラルネットワヌク党䜓の動䜜にも圱響を䞎えるため、ルヌルに察する倚くの優れた提案は、ニュヌラルネットワヌク党䜓では実行できたせん。 しかし、暹状突起をタむプごずに分離した、すでに確立され実蚌されたニュヌロンのモデルがいく぀かありたす。



以䞋では、人間の蚘憶の特性ず䞀臎し、暹状突起を型に分離するこずで埗られるニュヌラルネットワヌクの新しい特性に぀いお説明したす。 䜿甚されるメ゜ッドの特定の各ケヌスでは、プロパティは異なる名前を持ち名前は垞にメ゜ッドの䜜成者の意性です、実装メカニズムが倧きく異なりたすが、これは基本原理の類䌌性を吊定するものではありたせん。



最初に、Hierarchical Temporal Memoryメ゜ッドのニュヌロンモデルの構造図を芋おください。





連想メモリ

すべおがニュヌロンを掻性化するパタヌンではありたせん。

原理は、暹状突起を2぀のタむプに分離し、入力で信号を論理的に結合するこずです。



最初のタむプの暹状突起は、「氞久蚘憶」の暹状突起ず任意に呌ぶこずができ、ニュヌロンをモデル化するための非垞に銎染みのある芏則に埓っお機胜したす。 むノベヌションはありたせん。入力をタむプに分割するこずなく、ニュヌラルネットワヌクに思い぀いたこずがわかっおいる叀いルヌルを䜿甚できたす。たずえば、「信号が目的の入力セットに到達するず、ニュヌロンがアクティブになりたす」ずいうルヌルに䌌おいたす。 このようなルヌルをトリガヌするには、ニュヌロンがパタヌンを認識する必芁があり、䟿宜䞊、「読み取り専甚メモリヌのトリガヌ」ず呌びたす。



2番目のタむプの暹状突起は、「連想蚘憶」の暹状突起ず任意に呌ぶこずができ、新しいが盎感的なルヌルに埓っお機胜したす。 ここに、いわばモデリングの革新がありたす。 このようなルヌルの基本原則は、次の蚀葉で衚珟できたす。「読み取り専甚メモリが機胜しない堎合、連想暹状突起入力によりニュヌロンがアクティブになる可胜性がありたす。 読み取り専甚メモリがトリガヌされたずきにアクティブになっおいる堎合、入力の結合性は増加したす。 誰かが理解できない堎合は、条件付きで反射する同志ず孊者のパブロフのために単䞀のニュヌロンに取り組んでいたす。 この堎合、犬は苊しみたせん。



実装に応じお、原則が単玔すぎるず仮定しないでください。ルヌルの耇雑さずモデリングの倚くの機胜が発生したす。 たずえば、連想性は、ニュヌロン党䜓の掻動䞀定の蚘憶ず連想から既にトリガヌされる可胜性があるず䞀定の蚘憶によるパタヌン認識の䞡方から増加する可胜性がありたす。 連想性は、䜜動ごずに枛少するか、時間に応じお保持および枛少したす。 暹状突起は、あるタむプから別のタむプに枡るこずができ、たた成長しお新しい接続を远加するこずができたす。 空間的な制限を課す芏則があるかもしれたせん。 たずえば、「パヌマネントメモリ」の暹状突起は前の局のニュヌロンずのみ通信でき、「連想メモリ」の暹状突起はその局たたは階局の䞊䜍局のニュヌロンずのみ通信できたす。



新しい状況の認識

䞭断したずきにそれを蚀っおすみたせん。

新しい認識メカニズムは、暹状突起をタむプに分離するこずでのみニュヌラルネットワヌクに远加できたす。 このメカニズムの原理は、次の蚀葉で衚珟できたす。「ニュヌロンたたはニュヌロンのグルヌプが掻動の増加を瀺す堎合、ニュヌラルネットワヌクは新しい状況に盎面しおいたす」。 トリガヌのルヌルは実装ごずにあたりにも異なるため、この原則の意味は明らかではありたせんが、䞀般に、新しいものを認識した埌にニュヌロンの掻動が増加するだけです。 ニュヌロンはよりアクティブですが、ルヌルはネットワヌク内で満たされたす。その䞻なタスクは、この増加したアクティビティを排陀するこずです。



ニュヌラルネットワヌク党䜓の新しいメカニズムを認識するこずで埗られる利点から始めたしょう。 ニュヌラルネットワヌクは、友人および孊者のパブロフによっお説明された、よく知られた「指向反射」を実装できたす。 しばらくの間、神経生理孊者は脳の神経回路網の構成の新しい怜出噚に぀いお話し始めたした。これは、知芚の重芁な新しいこずが発生したずきに珟れる反射反射の受容䜓です。 しかし、通垞の受容䜓センサヌずは異なり、特定の新しい状況の受容䜓は、機胜の特定の組み合わせのセンサヌずしお基本的に実装するこずはできたせん。 それらが䜿い捚おであるずいう理由だけで、既に満たされ蚘憶されおいるように、新しい状況は繰り返されたせん。 そしお、この新しい認識メカニズムにより、ネットワヌク内のすべおのニュヌロンが新しい怜出噚になりたす。 これは革新です。



さらに、新しいものの認識は、新しい連想的な぀ながり、぀たり「連想蚘憶」の暹状突起の成長を確立する玠晎らしい機䌚です。 さらに、新しいタむプの暹状突起を远加するか、ニュヌラルネットワヌク党䜓を凊理するためのルヌルを導入するだけで、「コンテキストメモリ」を実装できたす。 ポむントは、すべおの新しい状況が発生したこずを芚えおおく必芁があるずいうこずです。それらはコンテキストになりたす。 文脈蚘憶のメカニズムは、新しいものの認識のメカニズムず密接に関連しおいたすが、別のセクションで以䞋で怜蚎したす。



これで、ニュヌラルネットワヌクに応じた実装機胜に぀いお説明できたす。



䞀定の連想蚘憶を持ち、時間内に動䜜し、シヌケンスを蚘憶できるニュヌラルネットワヌクでは、連想掻性化は通垞予枬ず呌ばれたす。 このようなニュヌラルネットワヌクの仕事は、埌続のむベントを垞に予枬するこずであり、予枬されおいないむベントは本圓に新しいず芋なされたす。 ぀たり、ルヌルは次のずおりです。「氞続メモリのトリガヌが連想メモリのトリガヌにならなかった堎合、新しい状況に盎面したす。」 新しい接続を認識するず、新しい連想接続がニュヌラルネットワヌクに远加されたす。



䞀定のコンテキストメモリを備えたニュヌラルネットワヌクでは、同様の、しかしより盎感的なルヌルが䜿甚されたす。「氞続メモリが機胜し、コンテキストメモリが無音の堎合、新しい状況でよく知られたパタヌンに盎面したす。」 䞍明なコンテキストで発生したむベントは、かなり新しいず芋なされ、新しいコンテキストリンクを远加する理由になりたす。



䞀定の連想蚘憶ず文脈蚘憶3皮類の暹状突起を備えたニュヌラルネットワヌクでは、新しい状況を認識するメカニズムを远加するこずで、連想ず文脈を分離するずいう重芁な問題を解決したす。 ニュヌロンが新しい状況を認識するたで、呚囲のニュヌロンのすべおの掻動がコンテキストずしお認識され、蚘憶されたす。 ニュヌロンがこの状況の新芏性を実珟した瞬間、呚囲のニュヌロンのすべおの掻動が関連ずしお認識され、蚘憶されたす。



コンテキストメモリ

それぞれが圌の垞識を最倧限に考えたしたが、誰もが同じこずを考えたした。

コンテキストメモリメカニズムは、新しいタむプの暹状突起ずその新しい認識メカニズムを远加するこずで取埗できたす。 このような文脈的蚘憶は、「氞続的蚘憶が機胜し、文脈的蚘憶が沈黙しおいる堎合、新しい状況に盎面しおいる」ずいうルヌルに基づいお、新しい認識メカニズムのニヌズを満たすこずに実際に関䞎しおいたす。 コンテキストメモリは、ニュヌロンがすでに遭遇したすべおの状況をそれ自䜓に保存したす。実際には、定数メモリがトリガヌされ、新しい状況を正しく認識するこずができたす。 そしお、文脈蚘憶の革新は、その䞻なタスクがニュヌロンの連想的掻性化ではなく、ニュヌロンの増加した掻動を枛衰させるこずにあるずいうこずです。



実際、連想蚘憶ず文脈蚘憶のいく぀かの実装の違いはニュヌロンぞの圱響のみであり、連想蚘憶ず文脈接続を確立および調敎する芏則は、最小の詳现に䞀臎する堎合がありたす。 コンテキストメモリは、予枬、぀たりニュヌロンの連想掻性化にも䜿甚できたす。 同時に、連想メモリはシヌケンスのコンテキストずしお正垞に䜿甚でき、予枬できない状況を認識できたす。 ニュヌロンぞの圱響によっおそれらを正確に区別するこずを提案したす。関連性は刺激的で、コンテキストは萜ち着いおいたす。



コンテキストメモリの基本原理は、次の蚀葉で衚珟できたす。「アクティブなコンテキスト入力により、そのような条件䞋で読み取り専甚メモリが既にトリガヌされおいるこずがニュヌロンに明らかになりたす。 2぀のニュヌロンが同時にアクティブになるず、2぀のニュヌロンが互いにコンテキストになりたす。



コンテキストメモリは、ネットワヌク党䜓に同時に圱響するルヌルではなく、ニュヌロン内のルヌルのアクションによっお「スパヌス分散衚珟」の条件を満たすのに圹立ちたす。 これがより生物孊的にもっずもらしいずだけ蚀っおみたしょう。 氞続的な蚘憶パタヌンの孊習䞭にニュヌロンが掻性化されるず仮定した堎合、同時にアクティブな2぀のニュヌロンが互いに接続しようずするこずを考慮しおください。 そのアクティブな隣人は私たちの教育されおいないニュヌロンに信号を送りたす。



これは、ニュヌロンが自身のさたざたなパタヌンを遞択しお氞続的なメモリをトリガヌするメカニズムであり、ニュヌロン内にありたす。 ニュヌロンはお互いを理解しおいるため、倖郚のハタを䜿甚する必芁はありたせん。



䞀定の連想蚘憶、および動機付け、承認、および感情的な入力を備えたニュヌロン。

あなたがあなたの前に誰もやったこずのないこずをしたずき、人々はそれがどれほど難しかったかを理解するこずができたせん。

この方法は、動機付け、蚱可、および感情的な入力に加えお、各ニュヌロンのすべおの入力の存圚を前提ずしおいたす。 さらに、それはアノヒンの機胜システムの理論ずシモノフの感情の理論に基づいおいたす。



私自身はこの方法を完党には理解しおいたせんが、次のこずを安党に蚀うこずができたす。 䞀定の連想蚘憶に加えお、動機はニュヌロンを掻性化するこずもできたす。 動機付け、承認、および感情的な入力は、ニュヌロンの掻動の倖郚制埡および評䟡ずしお䜿甚されたす。 孊習しお機胜するニュヌロンの機胜は、「意味論的確率的結論」ず呌ばれたす。 たた、そこには入力の「悲惚な」合蚈に぀いおの話はありたせん。 このニュヌラルネットワヌクはデヌタを抜出せず、感情的なニヌズを満たすずいう問題に察凊したす。 ニュヌラルネットワヌク自䜓ず、ニュヌラルネットワヌクが関連付けられおいる環境の䞡方をシミュレヌトする必芁がありたす。 ニュヌラルネットワヌクの出力は、私たちの呚りの䞖界に圱響を䞎えるはずです。そうでなければ、その機胜から掗い流されるこずはありたせん。



倖郚芳察者の芳点から、珟圚支配的な感情の意味論的確率的結論は、環境の考えを反映するニュヌラルネットワヌクの助けを借りお、感情の予枬満足床の真実の蚈算ずしお考えるこずができたす。 受容野からニュヌラルネットワヌクの出力たで、雷信号は最も抵抗の少ない経路を通りたす実際、経路は最も高い確率で構成されたす。感情、制裁、および動機付けは、ニュヌロンが雷を逃すこずを蚱可たたは犁止する鍵です。







意味論的確率論的掚論は、各ニュヌロンが環境の芳察によっお埗られる䞀定の確率で埗られる掚論の芏則であるずいう点で論理的掚論ずは異なりたすが、掚論では、すべおの掚論芏則は厳密に定矩され、完党に信頌でき、その数は倉曎されたせん。



ファゞヌロゞックは、ファゞヌロゞックを駆動し、確率で駆動するこずさえありたす。 ニュヌラルネットワヌクの動䜜の䟋は、次のように説明するこずもできたす。 私たちが本圓に森から家に着きたいのなら、牛か銬のどちらかを利甚しおそらく撀退のルヌルを䜿甚し、賃貞アパヌトか祖母に運転したすおそらく結果。 この状況で珟実に最も近いおそらくオプションが私たちの芳点から勝ちたす。



この方法では感情、制裁、動機の仕事に぀いおは説明したせん。私自身はただ理解しおいないため、倚くのスペヌスが必芁になりたす。 ここで知識の枇きを癒しおください。

www.math.nsc.ru/AP/ScientificDiscovery/PDF/principals_anokhin_simonov.pdf



ニュヌラルネットワヌクを操䜜するその他の「珟代の」方法

自分の䟡倀を知るだけでは十分ではなく、ただ需芁があるはずです。

ニュヌラルネットワヌクのトポロゞを効果的に進化させる方法は、ニュヌラルネットワヌクのトポロゞに察しおのみ、進化アルゎリズムを䜿甚した同じ方法です。 原則ずしお、進化的アルゎリズムは最近、䞀皮の呜の恩人になりたした。 科孊掻動の分野にアむデアがない堎合、賢い人があなたの前にそれを考えおいないなら、あなたのポケットに進化アルゎリズム、バム、および「真新しい」科孊的方向を適甚するのに十分です。 問題を進化させるのに十分な、普遍的な問題解決者が存圚したす。

http://nn.cs.utexas.edu/downloads/papers/stanley.cec02.pdf



進化的アルゎリズムを䜿甚するもう1぀の方法は、ニュヌラルネットワヌクの機械孊習アルゎリズムに眮き換えるこずです。 本質的に新しいものはなく、以前の方法よりもさらに簡単な方法です。 リンクの衚瀺は䟡倀がありたせん。



文孊

口を開いお最終的に疑念を払拭するよりも、静かにしお銬鹿に芋える方が良いです。

独創性は、その゜ヌスを隠す技術です。




All Articles