6.4.A. Sieci neuronowe i inne systemy sztucznej inteligencji dla medycyny Ryszard Tadeusiewicz 1. WPROWADZENIE Sieci neuronowe s¹ nowoczesnymi systemami analizy i przetwarzania informacji, które powsta³y w wyniku modelowania matematycznego, a potem tak¿e elektro- nicznego i symulacyjnego (komputerowego) naœlado- wania (rys. 1) fragmentów systemu nerwowego, miêdzy innymi mózgu cz³owieka. Pierwsze systemy tego typu budowano g³ównie z ciekawoœci – czy da siê zamodelo- waæ coœ tak zadziwiaj¹cego jak dzia³anie myœl¹cego mózgu? Czy sztuczna struktura neuropodobna bêdzie siê mog³a uczyæ? Takie pytania stawiali sobie pierwsi badacze sieci neuronowych – i ku swojemu zdziwieniu na pytania te znajdowali pozytywne odpowiedzi! Po stwierdzeniu, ¿e modelowane pocz¹tkowo elek- tronicznie, a potem symulacyjnie (na komputerach), struktury neuropodobne potrafi¹ dzia³aæ zadziwiaj¹co podobnie do tego, jak dzia³a ¿ywy ludzki mózg, badacze pokusili siê o próbê odpowiedzi na jeszcze jedno pyta- nie. Czy taki modelowany mózg mo¿e rozwi¹zywaæ stawiane mu zadania? OdpowiedŸ przynios³a kolejne zaskoczenie, okaza³o siê bowiem, ¿e sztuczne sieci neu- ronowe nie tylko potrafi¹ rozwi¹zywaæ stawiane im za- dania, ale w dodatku robi¹ to znacznie lepiej, ni¿ inne systemy informatyczne! Uda³o siê wykazaæ, ¿e istnieje klasa zadañ informa- tycznych, przy których rozwi¹zywaniu sieci neuronowe s¹ po prostu bezkonkurencyjne (rys. 2). S¹ to g³ównie te zadania, w których wiedza posiadana explicite (to zna- czy w jawnej i uœwiadomionej postaci) przez osobê po- szukuj¹c¹ rozwi¹zania – jest niewystarczaj¹ca do tego, ¿eby te rozwi¹zania znaleŸæ. Przy ich rozwi¹zywaniu z u¿yciem sieci neuronowych wykorzystuje siê fakt, ¿e sieci neuronowe potrafi¹ siê uczyæ (rys. 3). Jak wiadomo, uczenie sieci neuronowej polega na wykonywaniu kolejno nastêpuj¹cych czynnoœci (patrz numery na rys. 3): 1. podanie na wejœcie sieci danych okreœlaj¹cych za- danie (tu – twarz do rozpoznania), 2. okreœlenie odpowiedzi przez sieæ neuronow¹, 3. sprawdzenie poprawnej odpowiedzi w zbiorze ucz¹- cym, 4. porównanie odpowiedzi sieci z odpowiedzi¹ wzor- cow¹, 5. dokonanie zmian parametrów w sieci neuronowej w taki sposób, ¿eby lepiej wykonywa³a zadanie. 178 Rys. 1. Droga od badañ mózgu poprzez biocybernetyczne mo- delowanie matematyczne i elektroniczne do sztucznych sieci neuronowych w komputerach Rys. 2. Porównanie sieci neuronowych z innymi metodami obliczeniowymi Rys. 3. Uczenie sieci neuronowej: A – nauczaj¹cy algorytm, L – zbiór elementów ucz¹cych (lekcji), N – podlegaj¹ca uczeniu sieæ neuronowa. Dalsze objaœnienia w tekœcie