Rețelele neuronale pe înțelesul tuturor

De fiecare dată când telefonul îți recunoaște fața, când dictezi un mesaj sau când vorbești cu ChatGPT, în spate lucrează o rețea neuronală. Numele sună intimidant, ca din manualul de biologie amestecat cu cel de informatică. În realitate, ideea din spatele lor se poate explica fără nicio formulă. Ghidul acesta îți arată ce sunt rețelele neuronale, cât seamănă cu creierul, cum lucrează straturile lor și de ce au nevoie de atât de multe date.

Ce sunt rețelele neuronale și cât seamănă cu creierul?

Creierul nostru are miliarde de neuroni, celule legate între ele care își transmit semnale. Pe la mijlocul secolului trecut, cercetătorii s-au întrebat dacă nu pot imita acest principiu într-un calculator: multe unități simple, legate între ele, care împreună fac ceva complicat. Așa au apărut neuronii artificiali.

Un neuron artificial este însă mult mai simplu decât unul real. Este, de fapt, o mică socoteală: primește câteva numere, înmulțește fiecare cu o „importanță”, numită pondere, le adună și trimite mai departe rezultatul. Atât.

Aici se oprește comparația cu creierul. Rețelele neuronale nu gândesc, nu simt și nu înțeleg în sensul în care o facem noi. Împrumută doar ideea de bază: multe unități mici, legate între ele, care se ajustează prin experiență. De ce e important să nu confundăm cele două explică și ghidul despre ce este inteligența artificială.

Cum lucrează straturile unei rețele neuronale?

Neuronii artificiali sunt așezați în straturi, ca etajele unei clădiri. Informația intră pe la parter și urcă etaj cu etaj:

1. Stratul de intrare primește datele brute: de exemplu, luminozitatea fiecărui punct dintr-o poză.
2. Straturile ascunse, din mijloc, prelucrează treptat informația. Primele straturi recunosc lucruri simple, precum marginile și liniile. Cele următoare combină liniile în forme, formele în ochi sau urechi.
3. Stratul de ieșire dă răspunsul: „pisică”, cu o anumită probabilitate.

O comparație din viața obișnuită: gândește-te la o fabrică de mobilă. La primul post se taie plăcile, la al doilea se găuresc, la al treilea se asamblează, la ultimul se verifică dulapul gata. Fiecare post face ceva simplu, dar lanțul întreg produce un obiect complex.

Ce înseamnă deep learning?

Deep learning, adică „învățare profundă”, înseamnă pur și simplu rețele neuronale cu multe straturi ascunse. „Profund” se referă la numărul de etaje, nu la profunzimea gândirii.

Cu cât sunt mai multe straturi, cu atât rețeaua poate recunoaște tipare mai complicate: nu doar o pisică, ci o pisică anume, dintr-un unghi neobișnuit, pe întuneric. Modelele din spatele asistenților precum ChatGPT au foarte multe straturi și un număr uriaș de ponderi ajustate.

Cum învață o rețea neuronală și de ce are nevoie de multe date?

La început, ponderile rețelei sunt puse la întâmplare, deci răspunsurile ei sunt greșite. Apoi primește un exemplu cu răspunsul corect, de pildă o poză cu o pisică. Compară ce a zis cu ce trebuia să zică și își ajustează puțin ponderile, ca data viitoare să greșească mai puțin. Procesul se repetă de milioane de ori. Pe larg, pașii sunt explicați în ghidul despre învățarea automată explicată simplu.

De ce atât de multe exemple? Pentru că rețeaua are foarte multe ponderi de reglat și nu are „bun-simț” de la care să pornească. Un copil învață ce e un câine după câteva exemple; o rețea neuronală are nevoie de mii sau milioane. Calitatea datelor contează la fel de mult ca volumul: dacă exemplele sunt greșite sau înclinate, rețeaua învață greșeli și înclinări.

Un exemplu ipotetic: o rețea antrenată să recunoască mere doar pe poze cu mere roșii poate să nu recunoască un măr verde. Rețeaua a învățat exact ce i s-a arătat, iar merele verzi au lipsit din lecție.

Ce înseamnă toate acestea pentru tine, ca utilizator?

Înțelegerea rețelelor neuronale te ajută să folosești mai bine uneltele AI. Știi că sunt excelente la recunoașterea tiparelor și la sarcinile pe care le-au văzut de multe ori. Știi și că pot greși sigur pe ele la situații noi, pentru că nu înțeleg ce fac, ci aplică tipare învățate.

Regula practică rămâne aceeași: folosește-le cu încredere la sarcinile de zi cu zi și verifică rezultatul când miza e mare. Un exemplu concret de asistent construit pe astfel de rețele, integrat în programele de birou, găsești în ghidul despre Microsoft Copilot pe înțelesul tuturor.