Neuroverkot, ihmiskunnan toiset aivot

03.06.2019

Neuroverkot, ihmiskunnan toiset aivot

Aivomme joutuvat suorittamaan erilaisia oppimis- ja tunnistustehtäviä jo ensimmäisistä elinkuukausista asti. Siihen aivomme on rakennettu, tiedon käsittelyyn ja sen hyödyntämiseen. Aivot ovatkin siinä todella tehokkaita; yhden päivän aikana työmuistin käsittelyn läpikäy valtava määrä tietoa. Jo vuosituhansien ajan ihmiskunta on hyödyntänyt loistavaa tiedonkäsittely- ja oppimiskykyä hyväkseen valitessaaan esimerkiksi saalistuspaikkoja.

Aivoilla on myös toinen loistava ominaisuus. Ne nimittäin tunnistavat esimerkiksi ilmiöitä ja esineitä aiemmin oppimamme perusteella.

Otetaanpa esimerkiksi vaikkapa kissa. Tunnistat, että kissa on kissa. Aivosi huomaavat ehkä, että sillä on neljä jalkaa tai että sillä on turkki tai häntä. Nämä ovat vain pieni osa lukemattomista määristä vaiheita, jotka aivot käyvät läpi saapuakseen johtopäätökseen, että kissa on tosiaankin kissa.

Nykyään tätä prosessia voidaan mallintaa ja jäljitellä neuroverkoksi kutsutun keksinnön avulla. Neuroverkot ovat jäljitelmä ihmisen aivoista ja ne perustuvat hermosolujen toimintaan. Vaikka neuroverkot perustuvat yksittäisten “solujen” kommunikointiin keskenään, luonnollisia hermoverkkoja ei pyritä jäljentämään tarkasti.

Kuva: Google kuvahaku

Kuva esittää niin kutsuttua kolmekerroksista hermoverkkoa, ja siihen kuuluu syöttökerroksen lisäksi piilokerroksia sekä ulostulokerroksia. Syöttökerrosta ei huomioida verkon luvussa. Verkon idea on hyvin yksinkertainen: sisään syötetään dataa ja tulokset tulevat toisesta päästä. Tulokseen pääseminen on kuitenkin hieman monimutkaisempaa. Jokainen kuvan pallo esittää yhtä verkon yksikköä, siis “solua”.

Solujen lisäksi verkossa on synapseja, eli solujen välisiä sidoksia. Verkko antaa synapsille erilaisia painoarvoja informaation osuvuuden perusteella. Verkon periaate ei ole, että jokainen yksikkö välähtää samaan aikaan. Silloin tuloksena olisi pelkkää epäselvää datamössöä. Välähdykselle on aina annettu jokin tietty arvo, joka täytyy ylittää että välähdys tapahtuu ja tieto välittyy eteenpäin. Tässä sidosten tärkeydet tulevat mukaan. Jos tieto vastaa haluttua arvoa, sidos vahvistaa tietoa eli kertoo sitä positiivisella luvulla ja viesti kulkee eteenpäin. Jos taas tieto ei ole halutunlaista, sidos kertoo sitä negatiivisella luvulla, eikä se sytytä seuraavaa yksikköä.

Keinotekoiset neuroverkot ovat myös siinä mielessä uudenlainen robottien laji, että niille ei tarvitse kädestä pitäen sanoa mitä sen kuuluu tehdä. Sen sijaan niitä täytyy opettaa. Jos yhdelle neuroverkolle näyttää kuvan tuhannesta koirasta ja tuhannesta kissasta, se osaa hyvin todennäköisesti vastaisuudessakin erottaa koiran ja kissan. Opettamiseenkin liittyy kuitenkin tiettyjä haasteita. Jonkun täytyy ohjata neuroverkon tuloksia oikeaan suuntaan. Ihminenkin kohtaa tällaisia haasteita esimerkiksi uuden harrastuksen aloittamisen kohdalla. Jos aloittaa pelaamaan tennistä, aluksi ei varmasti osaa edes pidellä mailaa oikealla otteella. Ohjauksella ja harjoittelulla ote ja lyönti saadaan kuitenkin halutunlaisiksi. Sama pätee hermoverkoille. Aivan kuin sidoksille, tuloksellekin annetaan jokin arvo. Mitä lähemmäs verkko pääsee tulosta, sitä paremmin se on suoriutunut tehtävästä.

Aivojen toiminnan simulointi ei sinänsä ole aivan hirveän tuore keksintö ainakaan yhden ihmisen näkökulmasta katsottuna. Ensimmäistä kertaa ihmisen aivotoimintaa simuloitiin 1940-luvun lopulla. Teknologia oli kuitenkin aivan lapsenkengissään, ja ennen Frank Rosenblattin kehittämää perseptronia ja 1970-luvulla keksittyä vastarinta-algoritmia. Ennen tätä neuroverkot eivät pystyneet prosessoimaan jos-niin-algoritmeja (jos pitkät viikset, kissa). Nykyään tosin pyritään ohjaamaan verkkoja tunnistamaan asioita epälineaarisesti esimerkiksi näyttämällä kuvia eri-ikäisistä eläimistä.

Nyt kun näitä kehittyneitä verkkoja on, niin mihin niitä oikein voidaan käyttää? Vastaus ei ole helppo, sillä nykyään neuroverkoilla voidaan muuttaa paljon asioita autonomisiksi. Paras esimerkki tästä voisi olla tehtaan tuotantolinjan valvominen ilman ihmisen toimintaa. Neuroverkolle opetetaan miltä valmis ja virheetön tuote näyttää syöttämällä sille paljon kuvamateriaalia valmiista tuotteesta. Sitten jokainen valmis tuote kulkisi verkon seulan läpi. Jos verkko huomaisi virheen valmiissa tuotteessa, se joko voisi ilmoittaa asiasta ihmiselle tai poistaa tuotteen linjalta ilman ihmisen apua. Tämä on varsin suppea, mutta toimiva esimerkki neuroverkkojen hyödyllisyydestä. Suosittuja neuroverkkojen sovelluksia ovat muun muassa automaattiset salausjärjestelmät, kasvojentunnistusalgoritmit, itseohjautuvat autot, lista jatkuu. Tulevaisuudessa niitä voidaan todennäköisesti käyttää enemmän markkinoinnissa, lääketieteessä sekä finanssiasioissa.

Ylipäätään neuroverkot ovat tulleet jäädäkseen. Ihmisillä on vielä löydettävänään leijonanosa neuroverkkojen potentiaalista ja sovellusmahdollisuuksista. Ne ovat todellakin hyvin kiinteä osa ihmiskunnan tulevaisuutta, ja todennäköisesti ovat perusta suurelle osalle seuraavan sadan vuoden tilastotieteellisistä löydöistä. Ei silti kannata jättää ajattelua pelkästään koneilla vaan hyödyntää maailman tehokkainta neuroverkkoa, siis omia aivoja.Teksti: Rami LahtinenLähteet:

https://blog.statsbot.co/neural-networks-for-beginners-d99f2235efca

https://en.wikipedia.org/wiki/Artificial_neural_network

https://skymind.ai/wiki/neural-network

Robotiikan oppimiskeskus

Lummetie 4

01300 Vantaa

Projektisuunnittelija: Tuulia Kuismin,
0405487832, tuulia.kuismin@vantaa.fi