O p t i o n a l : I n t r o d u c e r e i n n e u r o s t i i n t e M i r o n e s c u O l i v i e r , B 1 9 [632157]

O p t i o n a l : I n t r o d u c e r e i n n e u r o s t i i n t e   M i r o n e s c u O l i v i e r , B 1 9  
R e t e l e n e u r a l e  
C o m p a r a t i e i n t r e R e t e l e n e u r a l e s i c r e i e r u l u m a n  

R e t e l e n e u r a l e  
  sunt o ramură din știința inteligenței artificiale, un obiect de cercetare pentru                        
neuroinformatică. caracterizează ansambluri de elemente de procesare simple, puternic                  
interconectate și operând în paralel, care urmăresc să interacționeze cu mediul                      
înconjurător într-un mod asemănător creierelor biologice și care prezintă capacitatea de a                        
învăța. Ele sunt compuse din neuroni artificiali, sunt parte a inteligenței artificiale și își au,                              
concepțional, originea ca și neuronii artificiali, în biologie.  
  O rețea neuronală este modelarea matematică a procesului învățare (sau                    
memorare) al unei ființe care dispune de un minim de neuroni organizați într-un organ ce îi                                
permite coordonarea funcțiilor vitale (creier). Referitor la ființe există două mari tipuri de                          
rețele neuronale :  
● de tip Read Only – sunt transmise de la o generație la alta prin ADN – ele                                  
dezvoltându-se pe parcursul a milioane de ani și a zeci de mii de generații și care

permit indivizilor dintr-un grup să aibă anumite caracteristici unice – de exemplu                        
– capacitatea de a vorbi;  
● de tip Dinamic – se dezvoltă pe parcursul vieții unui individ prin învățare,                          
exersare și repetiție și nu se transmit genetic la următoarea generație, însă                        
modifică codul ADN al rețelelor de tip Read Only (în sensul îmbunătățirii). Aceste                          
rețele permit de exemplu rezolvarea ecuațiilor de gradul 2.  
  În ultima jumătate de secol, odată cu apariția sistemelor de calcul electronice,                        
oamenii de știință au încercat să modeleze procesul de învățare prezent la ființele                          
superioare, folosind rețelele neuronale. Acestea se doresc a fi folosite (și sunt folosite) în                            
domenii în care predictibilitatea unui eveniment sau răspunsul oportun la un eveniment nu                          
poate fi rezolvată folosind funcții matematice.  
Aparitia retelelor neurale  
  În ultimii ani s-au realizat numeroase încercari de a proiecta circuite electronice care                          
sa copieze cât mai fidel RN biologice si atributele lor. Astfel s-au dezvoltat ​ m o d e l e l e de                              
retele neuronale numite si ​ p a r a d i g m e ​ , mai mult sau mai putin asemanatoare cu retelele                          
neuronale biologice.  
  Toate RNA (Retele neurale artificiale) sunt descrise prin intermediul ecuatiilor                    
diferentiale sau cu diferente (în forma discreta). Pâna si cele mai sofisticate RNA (de                            
departe inferioare celor mai primitive forme de viata), create pentru a demonstra anumite                          
principii sau pentru aplicatii, sunt limitate si specializate. Specialistii însa considera acest                        
fapt o provocare, continuând sa descopere noi paradigme si aplicatii ale acestora.  
Algoritmi de învatare  
  În timpul perioadei de antrenare utilizând algoritmul de cu ​ î n v a t a r e s u p e r v i z a t a                      
(Supervized Learning), la intrare se aplica un stimul (pattern), rezultând un raspuns al                          
retelei, comparat cu un raspuns dorit, ideal. Daca raspunsul actual difera fata de cel ideal,                              
reteaua genereaza un semnal de eroare, care este utilizat apoi pentru a calcula ajustarea                            
ponderilor astfel încât iesirea actuala sa fie identica cu cea dorita. Cu alte cuvinte se                              
realizeaza o minimizare a erorii, daca se poate pâna la zero. Procesul de minimizare a erorii                                
necesita un circuit special, numit si ​ s u p e r v i z o r . Spre deosebire de acest tip de algoritm,                            
î n v a t a r e a n e s u p e r v i z a t a (Unsupervized Learning) nu are nevoie de circuitul de supraveghere                      
si nu exista o iesire dorita impusa a retelei. În timpul antrenarii, reteaua primeste la intrare                                
 
2

stimuli pe care îi clasifica în mod arbitrar. Daca dupa aceea apare la intrare un pattern,                                
reteaua indica prin iesirea sa carei clase apartine stimulul de la intrare. Daca aceasta nu                              
exista se creeaza o noua clasa. Desi nu este nevoie de circuit de supraveghere, pentru ca                                
învatarea nesupravegheata sa dea rezultate satisfacatoare, sunt necesare unele indicatii în                      
ceea ce priveste modul de grupare a pattern-urilor.  
  Î n v a t a r e a " î n t a r i t a " (Reinforced Learning) necesita cel putin un neuron la iesire si                        
un circuit de supraveghere care indica daca iesirea actuala este sau nu identica cu iesirea                              
dorita (raspuns binar). Circuitul de supraveghere nu prezinta retelei ietirea dorita ci ofera                          
doar o indicatie de tipul "reusit/nereusit". Deci semnalul de eroare este un semnal binar.                            
Daca indicatia supervizorului este "nereusit" reteaua îsi ajusteaza ponderile si încearca din                        
nou, pâna când obtine raspunsul corect.  
  Î n v a t a r e a c o m p e t i t i v a (Competitive Learning) este o alta forma a învatarii                    
supravegheate, totusi diferita datorita arhitecturii si modului de operare diferit. Acest tip de                          
învatare necesita mai multi neuroni în stratul de iesire. Când se aplica la intrare un stimul,                                
fiecare nod de iesire este în competitie cu ceilalti pentru a produce cel mai apropiat                              
raspuns fata de raspunsul dorit. Neuronul care reuseste acest lucru este iesirea dominanta.                          
Pentru un alt semnal de intrare, alt neuron de iesire va fi dominant s.a.m.d. Astfel, fiecare                                
nod de iesire este antrenat sa raspunda la un pattern de intrare diferit. De aceea, învatarea                                
competitiva poate fi privita ca un proces de specializare aleatoare.  
Aplicatiile retelelor neurale  
  Retelele neurale au diverse aplicatii in lumea roboticii, dar si in economie ca                          
analizatori de piata, in recunoasterea caracterelor scrise, cuvintelor rostite si chiar in                        
medicina si farmaceutica, unde s-a dovedit superior medicilor in diagnosticare sau in                        
interventii de mica chirurgie, sau unde a inceput sa ajute la descoperirea de noi compusi de                                
uz medical. De asemenea, prin compunerea mai multor retele neurale intr-una, putem                        
obtine o inteligenta artificiala superioara care intr-o zi va fi capabila nu numai sa inlocuiasca                              
fiintele umane in actul muncii, ci si in cel all creatiei.  
Domeniile în care rețelele neurale realizează modele eficiente sunt :  
● Aproximări de funcții  
● Predicții ale unor serii temporale  
● Clasificări  
● Recunoaștere de tipare  
 
3

● Recunoaștere vocală  
● Scanarea retinei  
● Învățarea ​ robotului​ care se verifică în mod constant cu un om  
 
C r e i e r u l u m a n  
 
sau ​ encefalul reprezintă partea sistemului nervos central aflată în interiorul                    
craniului. El controlează numeroase funcții ale organismului ca bătăile inimii, mersul și                        
alergarea, generarea de gânduri și emoții. La toate animalele vertebrate creierul este                        
protejat de cutia craniană, fiind căptușit cu o membrană (meninge).  
  Într-un creier uman există între 85 și 100 miliarde de neuroni, fiecare dintre ei având                              
cam 10.000 de conexiuni.  
Funcție  
Creierul funcționează ca un sistem centralizat complex la un nivel superior, ce coordonează                          
comportarea organismului în funcție de informațiile primite.  
 
4

De fapt, nu toate informațiile de la nervii periferici ajung până la scoarța cerebrală, ci                              
sunt prin împletiturile nervilor (plexuri) reținute la unii centri nervoși externi, precum                        
măduva spinării sau bulbul rahidian. Deci, la unele informații reacționăm inconștient prin                        
reflexe.  
Diferențierea structurală și funcțională a celulelor nervoase cu diferite ierarhii pe scara                        
evoluției speciilor se manifestă prin apariția inteligentei și a capacității de a învăța, prin                            
proprietățile plastice neuronale. La animalele cu un sistem nervos superior, ca și la om,                            
există acest ​ s i s t e m n e r v o s a u t o n o m ​ , care funcționează independent de sistemul nervos                      
central (din creier).  
Acest sistem nervos autonom coordonează mai rapid, ușurează activitatea                  
cerebrală, care ar fi supraîncărcat de informații, putând ajunge la blocarea activității                        
cerebrale (inhibiția corticală). Printre astfel de reflexe ale sistemului nervos vegetativ se pot                          
aminti: ​ r e s p i r a ț i a , a c t i v i t a t e a c a r d i a c ă , d i g e s t i a , e x c r e ț i a , s e t e a , c a ș i r e p r o d u c ț i a ( î n m u l ț i r e a                      
s p e c i e i ) ​ .  
Funcțiunea creierului se realizează printr-o rețea densă de neuroni – această                      
activitate a creierului se măsoară prin EEG (electro-encefalo-gramă) – care stabilesc                      
intensitatea biocurenților produși la acest nivel.  
Neuronul  
 
Neuronii comunică între ei prin sinapse. Axonul terminal al unei celule nervoase                        
intră în contact cu terminația dendritică a unui alt neuron. Neuronii precum celulele                          
Purkinje pot avea peste 1000 de ramificații dendritice, făcând conexiuni cu alte zeci de mii                              
de celule.Sinapsele pot fi excitatorii sau inhibitorii.  
  Creierul inregistreaza un eveniment intarind conexiunile intre grupruri de neuroni                    
care participa in „codificarea” experientei. Acest sablon de conexiuni constituie                    
inregistrarea evenimentului, cunoscut ca engrama. O engrama este un fel de urma lasata                          
de un excitant asupra sistemului nervos.  
  Timpul joaca un rol important in procesul memoriei. Engramele care nu le mai                          
folosim se slabesc si se incetoseaza. Experientele din trecut se sterg, unele rapid, altele                            
imperceptibil. Uitarea, desi un lucru frustrant, este importanta. Engramele care nu le                        
folosim niciodata sunt primele care se uita. Uitarea este un raspuns economic al memoriei,                            
influentat de mediul inconjurator in care traim. Insa exista si memorie pe termen lung,                            
 
5

unde pastram informatii pe care nu le uitam niciodata, de exemplu: numele propriu, anul                            
de nastere, adresa, etc. Modul cum functioneaza nu este inteles in totalitate.  
 
R e t e l e n e u r a l v s C r e i e r u l u m a n  
 
 
  Rețelele neuronale reale constau din unități complexe care pot efectua ele însele                        
calcule și funcții de memorie. Rețelele neuronale artificiale utilizează neuroni artificiali care                        
abstractizeaza informatii date. Retelele neuronale artificiale sunt adesea conectate în                    
moduri care sunt inspirate de conectivitatea neurală a creierului uman. Atat sinapsele                        
retelelor neurale artificiale cat si a celor din encefal sunt intr-o continua schimbare si                            
adaptare. Spre deosebire de retelele neurale reale, care se bazeaza pe modelul de                          
functionare ​ Hodgkin–Huxley (modelul bazat pe conductanta) sau modele                
comportamentale, neuronii artificiali sunt bazati pe modelul binar de functionare, ceea ce                        
le ofera un avantaj in programarea lor, insa performante si uz mai limitat in comparatie cu                                
functiile indeplinite de neuroni biologici din creierul uman.  
 
6

In viitor, robotii ce vor inlocui forta de munca umana vor avea programate si                            
integrate clustere de retele neurale interconectate, fiecare avand diverse micro-functii,                    
precum functii motorii, functii senzitive (decodifica senzatiile audio, video, atingerile primite                      
de la senzori) si poate chiar “functii vegetative”, simpatice si parasimpatice, intocmai ca un                            
creier uman.  
 
 
 
 
7