Naslov
Neuronske mreže između psihologije i umjetne inteligencije
(Neural networks between psychology and artificial intelligence)

Autori
Domijan, Dražen

Vrsta, podvrsta i kategorija rada
Sažeci sa skupova, sažetak, pregledni

Izvornik
XIII. Dani psihologije u Zadru - Sažetci radova / Lacković-Grgin, Katica - Zadar : Sveučilište u Splitu, 2002

Skup
XIII. Dani psihologije u Zadru

Mjesto i datum
Zadar, Hrvatska, 23.05.2002. - 25.05.2002

Vrsta sudjelovanja
Predavanje

Vrsta recenzije
Domaća recenzija

Ključne riječi
Neuronske mreže; umjetna inteligencija; teorija adaptivne rezonance; Algoritam za prenošenje greške unatrag
(Neural networks; Artificial intelligence; Adaptive resonance theory; Error back-propagation)

Sažetak
Dvije glavne strategije u neuralnom modeliranju kognitivnih procesa su pronalaženje matematičkog opisa određenog neurofiziološkog mehanizma kojeg se nastoji povezati sa psihologijskim spoznajama ili uzimanje gotovih algoritama umjetne inteligencije i pronalaženja bioloških spoznaja koje su u skladu s njima. Prednosti i nedostaci ovih strategija ilustrirani su pomoću dvije popularne neuronske mreže, algoritam za prenošenje greške unatrag (backpropagation) i teorija adaptivne rezonance. Razmotrena je njihova psihologijska i neurobiologijska utemeljenost kao i mogućnost primjene na problemima umjetne inteligencije kao što je strojno učenje odnosno prepoznavanje uzoraka. Algoritam za prenošenje greške unatrag u prvoj fazi registrira ulazni uzorak, izračuna aktivnosti neurona u svim slojevima, zatim izračuna grešku za svaki neuron u izlaznom sloju na osnovu ispravnog odgovora kojeg daje nadglednik. U drugoj fazi se informacija o greškama prenosi natrag prema skrivenom sloju, tako da se i sinapse u tom sloju mogu uskladiti s ispravnim rješenjem. U tome je sadržan i najveći problem modela jer nema neurofizioloških podataka koji bi ukazali na mogućnost prenošenju sinaptičkih efikasnosti iz jednog sloja u drugi. Drugi problem s kojim se suočava ovaj model je retroaktivna interferencija. Katastrofalno zaboravljanje u neuralnim modelima dovelo je do formuliranja i rješavanja temeljnog problema s kojim se suočava svaki sustav sa sposobnošću učenja, a to je dilema stabilnosti i plastičnosti. Dilema je u tome kako napraviti kompromis između stabilnosti tj. očuvanja prethodno naučenih kodova, i plastičnosti tj. spremnosti da se uče novi kodovi. Grossberg smatra da se ovaj problem može riješiti ako neuralni sustav uspijeva razlikovati poznate uzorke tj. one uzorke koje je već upamtio i nepoznate uzorke, tj. one uzorke kojima još nije bio izložen. Ova spoznaja omogućila je formuliranje teorije adaptivne rezonance. Teorija se zasniva na neurofiziološkim mehanizmima kao što su lateralna inhibicija i Hebbovo pravilo za promjenu sinaptičke efikasnosti. S druge strane, algoritamska implementacija ove teorije (ART i ARTMAP) pokazuje značajne uspjehe na testovima prepoznavanja uzoraka. Predstavljene analize pokazuju da je pristup koji kreće od neurofiziologije korisniji za psihologiju jer pruža uvid u plauzibilne neuralne mehanizme inteligentnog ponašanja ali isto tako može značajno doprinjeti i umjetnoj inteligenciji.

Izvorni jezik
Hrvatski

Znanstvena područja
Psihologija

POVEZANOST RADA