Одним из ключевых понятий в исследованиях устройства человеческой памяти
является понятие ассоциации, а также связанная с ним ассоциативная
память. Что же это такое?
Как известно, более 95% информации, получаемой человеком через органы
чувств, отсеивается как ненужная и бесполезная. Но при этом, иногда,
какая-либо информация, не являющаяся существенной на данный момент,
может вызвать отклик в мозгу из-за ассоциации с каким-то моментом в
памяти — схожести погоды, запаха, да чего угодно. Именно это и
называется ассоциативная память. На первый взгляд, ценность её для
искусственного интеллекта не особо велика — придаваться воспоминаниям не
особо полезно, особенно по сравнению с другими видами деятельности. Но,
вполне возможно, для машин ассоциативная память может играть намного
большую и более полезную роль, чем для человека.
Хорошим примером работающей, и работающей довольно хорошо ассоциативной
памяти в искусственной нейронной сети, является сеть Хопфилда —
статичная сеть с определенным количеством входных и выходных данных,
число которых равно друг другу и постоянно. Причем, данные в
определенной переменной всегда имеют какой-либо смысл (например,
физический), и если во входных данных третья переменная по смысла
представляет из себя время, то третья переменная в выходных данных так
же по смыслу должна являться мерой времени. Так же, сеть Хопфилда
является бинарной — значения входов и выходов могут быть либо -1, либо
1. Так же важно учесть, что данная сеть является полно связной, то есть
каждый нейрон связан со всеми остальными.
Таким образом, сеть Хопфилда не просто использует ассоциативную память в
помощь при работе или обучении — она полностью функционирует на одних
лишь принципах ассоциативной памяти, и ничего больше. Общая постановка
задачи, решаемой при обучении сети Хопфилда, такова: есть определенное
количество эталонных образцов (векторов), хранимых в памяти. На вход
подается определенный вектор, в общем не соответствующий ни одному из
идеальных — такой вектор называется зашумленным, и сети необходимо найти
наиболее близкий к данному вектору вариант из идеальных образцов.
Именно таким образом и работает ассоциативная память — на совпадении
какого-то числа переменных, всплывает образ, в чем-то похожий на
настоящий момент. Сеть Хопфилда, хоть и не является идеальной или даже
лучшей из современных искусственных нейронных сетей, нашла свое
применение в распознавании текста и естественной речи, что говорит об
огромном потенциале ассоциативной памяти у искусственного интеллекта.
Комментариев пока нет!
Поделитесь своим мнением