השראה מהמוח — אבל לא מוח
במוח שלנו יש מיליארדי תאי עצב, שכל אחד מהם מקבל אותות מתאים אחרים ומעביר אותות הלאה. מדענים קיבלו מזה רעיון: מה אם נבנה במחשב ״תאים״ פשוטים שמקבלים מספרים, מחשבים משהו ומעבירים את התוצאה הלאה?
כך נולדה הרשת העצבית המלאכותית. אבל חשוב לא להתבלבל: הנוירון המלאכותי פשוט הרבה יותר מתא עצב אמיתי, והרשת לא חושבת כמו אדם, לא מרגישה ולא מודעת לעצמה. היא נוסחה מתמטית גדולה מאוד, שההגדרות שלה נקבעו בזמן האימון. ההשראה מהמוח היא בעיקר רעיון כללי, לא העתקה.
נוירון מלאכותי ומשקלים
נוירון מלאכותי מקבל כמה מספרים, מכפיל כל אחד ב״משקל״ — מספר שקובע כמה הקלט הזה חשוב — מחבר את הכול ומחליט איזה מספר להעביר הלאה. אפשר לדמיין את זה כמו החלטה אם לצאת לשחק בחוץ: ״יש שמש״ חשוב מאוד, ״חבר מחכה״ חשוב עוד יותר, ו״יש שיעורי בית״ מוריד את הסיכוי. לכל שיקול יש משקל, והסכום קובע את ההחלטה.
ברשת עצבית יש לעתים קרובות מיליוני משקלים, ולפעמים הרבה יותר. אף אחד לא כותב אותם ביד — הם נקבעים בזמן האימון. המשקלים הם בעצם ״הזיכרון״ של מה שהרשת למדה מהנתונים.
שכבות: מפרטים קטנים לתמונה שלמה
הנוירונים מסודרים בשכבות. שכבת הקלט מקבלת את הנתונים — למשל, את הצבעים של כל הנקודות הקטנות (הפיקסלים) בתמונה. שכבת הפלט נותנת את התשובה — למשל ״חתול״ או ״כלב״. ובאמצע יש שכבות נסתרות שעושות את רוב העבודה.
ברשתות שמזהות תמונות, החוקרים גילו שהשכבות הראשונות נוטות להגיב לדברים פשוטים כמו קווים וקצוות, שכבות מאוחרות יותר לצורות כמו עיגולים ופינות, ושכבות עמוקות עוד יותר לחלקים שלמים כמו עין או אוזן. כך, שלב אחר שלב, הרשת בונה תשובה. כשיש הרבה שכבות כאלה, קוראים לזה ״למידה עמוקה״ — ״עמוקה״ בגלל מספר השכבות, לא בגלל שהרשת חושבת עמוק.
כך עובדים דברים שאתם מכירים: זיהוי פנים שפותח את הטלפון, זיהוי קול שהופך דיבור לטקסט, ותרגום של משפט משפה לשפה.
איך רשת לומדת מטעויות
בתחילת האימון המשקלים אקראיים, והרשת עונה כמעט בניחוש. מראים לה תמונה של חתול, והיא אומרת ״כלב״. עכשיו מחשבים כמה היא טעתה, ואז מזיזים מעט כל משקל בכיוון שהיה מקטין את הטעות. אחרי מיליוני דוגמאות ותיקונים זעירים, הרשת נעשית טובה יותר ויותר.
אפשר לדמיין את זה כמו מכוון רדיו ישן עם המון כפתורים: בכל פעם מסובבים כל כפתור טיפה, ומקשיבים אם הצליל נעשה ברור יותר. אף כפתור לבדו לא ״יודע״ מה זה חתול — הידע מפוזר בכל המשקלים יחד.
קופסה שקשה להציץ לתוכה
בעיה אחת של רשתות עצביות היא שקשה להסביר למה הן ענו תשובה מסוימת. כשיש מיליוני משקלים, אי אפשר פשוט לקרוא אותם ולהבין. לכן לפעמים קוראים להן ״קופסה שחורה״, וחוקרים רבים עובדים על דרכים להבין טוב יותר מה קורה בפנים.
יש גם בעיה נוספת: רשת עצבית יכולה ללמוד דפוסים לא נכונים בלי שאף אחד ישים לב. אם, למשל, בנתוני האימון כל התמונות של זאבים צולמו בשלג, הרשת עלולה ללמוד לזהות ״שלג״ במקום ״זאב״. חוקרים מגלים טעויות כאלה רק כשבודקים את הרשת בזהירות על דוגמאות שונות.
זו עוד סיבה לא לסמוך באופן עיוור על תשובה של מחשב — במיוחד בהחלטות חשובות. אדם צריך לבדוק, לשאול ולוודא.