Neuraal netwerk

Een neuraal netwerk is een computersysteem voor kunstmatige intelligentie dat is gemodelleerd naar de werking van het menselijk brein. Het gebruikt lagen met onderling verbonden knooppunten als kunstmatige neuronen om gegevens te verwerken en een bepaald probleem op te lossen. Het systeem leert na verloop van tijd door de verbindingen tussen neuronen en de functies die elk neuron uitvoert, aan te passen.

AI-ontwikkelaars gebruiken kunstmatige neurale netwerken om kunstmatige intelligentie algoritmen te trainen voor verschillende taken. Neurale netwerken voor computervisie leren afbeeldingen te analyseren om objecten te herkennen. Hierdoor kunnen ze snel gezichten identificeren, afbeeldingen labelen en helpen bij het modereren van inhoud. Ze leren spraakherkenning uit te voeren om gesprekken te transcriberen en ondertiteling aan video's toe te voegen. Neurale netwerken kunnen ook natuurlijke taalverwerking leren om geschreven taal te analyseren, documenten te ordenen, samenvattingen van artikelen te genereren en te functioneren als chatbots.

Zo werken neurale netwerken

Elk knooppunt in een neuraal netwerk bevat een wiskundige functie. Knooppunten zijn verdeeld over verschillende lagen: een invoerlaag, verschillende tussenliggende lagen en een uitvoerlaag. Elk knooppunt is verbonden met een willekeurig aantal knooppunten in de lagen erboven en eronder. Een knooppunt ontvangt invoer van knooppunten op een lager niveau, kent aan elke invoer een gewichtswaarde toe en voert een berekening uit op de gecombineerde waarden. Als het resultaat een vooraf bepaalde drempelwaarde bereikt, geeft het knooppunt het door aan het volgende niveau. Dit proces wordt herhaald totdat het neurale netwerk de uiteindelijke waarde doorgeeft aan de uitvoerlaag.

Tijdens de eerste fase, de fase van het "trainen", geven ontwikkelaars neurale netwerken verschillende gegevensverzamelingen. Als het doel bijvoorbeeld is om gezichten te herkennen, kunnen de gegevens foto's van verschillende mensen zijn. De eerste paar keer dat het systeem de gegevens analyseert, is de uitvoer mogelijk niet nauwkeurig. Bij volgende analyses "leert" het systeem echter door de gewichts- en drempelwaarden voor elk knooppunt te wijzigen. Het neurale netwerk is succesvol getraind zodra het voortdurend nauwkeurige resultaten oplevert voor de trainingsgegevens.