Homepage Cyberwar Cybersecurity Cyberspace C-Spionage C-Sabotage Gefährdung Kriminalität Computer Kommunikation mod. Systeme Der Mensch Beratung Bildung Fachberichte Information Kryptologie Emission Verschlüsselung Forschung Begriffe Recht Technik Verschiedenes
Künstliche Intelligenz  Wie funktioniert das ? Anwendungsbeispiele Politik Realisierung M i l i t ä r Unternehmen  Finanzen Chancen und Risiken aus der Forschung Quo vadis
Künstliche Intelligenz

Die höhere Qualität der Problemlösung

Künstliche Intelligenz im Visier russischer Forscher: „Neue, gemischte Welt“

Weltweit erster wandelbarer Computer in China entwickelt

Warum maschinelles lernen funktioniert, große Mathematiker wissen es einfach nicht

Warum sind neuronale Netze intelligenter als üblichen Computern


Wie werden Maschinen intelligenter, wie werden wir mit ihnen umgehen?


Tainted Data Can Teach Algorithms the Wrong Lessons
Verdorbene Daten können Algorithmen die falschen Lektionen lehren


Es heißt Künstliche Intelligenz – aber was ist Intelligenz?

 

 

 

 
 
Sputniknews

Warum sind neuronale Netze intelligenter als üblichen Computern



Warum sind neuronale Netze intelligenter als üblichen Computern

Tech

Die Neuroinformatik-2017-Konferenz findet vom 2. bis 6. Oktober statt. RIA Novosti interviewt eines der wichtigsten Konferenzteilnehmer, Alexander Gorban DSc in Physik und Mathematik und Experte auf dem Gebiet der neuronalen Netze.
Die erste derartige Konferenz fand auf Initiative der drei Institutionen: nationale Forschung nuklearen Universität Mephistopheles, Kogan Research Institute for Neurokybernetik und Institut für Computational Modelling und der Sibirischen Abteilung der russischen Akademie der Wissenschaften (RAS). In diesem Jahr ist der 19. Jahrestag der Konferenz.
Alexander Gorban, DSc in Physik und Mathematik, ein Experte auf dem Gebiet der neuronalen Netzwerke in einem Interview mit RIA Novosti Korrespondent besprochen, was eigentlich neuronale Netze sind.

Alexander Gorban
Erklären Herr Gorban, könntest du, was sind neuronale Netze?
Alexander Gorban: neuronale Netzwerke sind Netzwerke, die aus einfachen miteinander verbundenen Knoten der künstlichen Neuronen bestehen. Biologischen Neuronen, die in unseren Körperngefunden werden können, sind Zellen, die speichern, übertragen und verarbeiten Informationen durch elektrische und chemische Signale.
Ein künstliches neuronales Netz entstand in einem Versuch, das Gehirn Prozesse zu verstehen und sie in Informatik.


Die Spitze des Eisbergs: neue Studie entdeckt neuronale Weg, der Juckreiz verursacht
Die Netzwerkkomplexität, Leistung, Flexibilität und andere wichtigen Eigenschaften richten sich nach Verbindungen zwischen den Neuronen. Die Neuronen in künstlichen neuronalen Netzen sind nichts als ein sehr vereinfachtes Modell des Neurons in biologische neuronale Netze gefunden. Jede dieser Neuronen ist ein einfacher Knoten, der wandelt und überträgt Signale.

Wir können sagen, es ist die Struktur ihrer Verbindungen, die die zentrale Rolle in diesem Prozess, nicht die Eigenschaften der miteinander verbundenen Knoten (Neuronen) spielt. Das ist die Idee hinter der Gründung der verschiedenen neuronalen Netze. Eine große Menge an Forschung auf Neuroinformatik wird konzentriert sich auf die Lösung der Probleme bei der Nutzung dieser Netzwerke.
Warum brauchen wir neuronale Netze, wenn wir Supercomputer haben? Haben sie irgendeine Art von Vorteil?
Alexander Gorban: gibt es sehr beliebte Vermutung von Marvin Minsky (amerikanischer Experte für künstliche Intelligenz) besagt, dass die Beschleunigung eines parallel-Prozessor als Logarithmus der Anzahl der Verarbeitungselemente erhöht. Beispielsweise ist die Beschleunigung von 100 Prozessoren nur doppelt so hoch wie die Beschleunigung von 10 Prozessoren.
PARALLELPROZESSOREN benötigen mehr Zeit, um mit einander, anstatt einfach die Informationsverarbeitung zu kommunizieren. Aber wenn du eine neuronale Netz baust um das gleiche Problem zu lösen, Sie können fast vollständig die Parallelität auszuschöpfen, und die Geschwindigkeit steigt fast proportional zur Anzahl der Prozessoren.
Ein Netz aus formalen Neuronen gebaut kann effektiv auf vielen parallelen Systemen erreichen maximale Geschwindigkeit realisiert werden. Der Hauptvorteil von neuronalen Netzwerken ist, dass sie ideal für paralleles rechnen. Es ist sehr wichtig, dass sie leicht zu lernen. Neuronale Netze lernen durch eigene "Schlussfolgerungen" anhand von Beispielen, die wir ihnen geben.
Können Sie die wichtigste Anwendung für neuronale Netze nennen?


Neuronale Netze: sie glauben an Gott und haben Babys genau wie wir
Alexander Gorban: eines der beliebtesten Gebiete für ihre Anwendung ist Mustererkennung, einschließlich der Anerkennung von menschlichen Gesichtern, Buchstaben und Zeichen, Fingerabdrücke und Diagnose von Krankheiten durch Symptome. Neuronale Netze können diese Aufgaben viel schneller als die menschlichen Sinne würde; Sie werden nicht müde; Sie nicht ablehnen, mit weniger scharfsinnig im Laufe der Zeit. Diese Netze können auch zukünftige Ereignisse, z. B. Wahlergebnisse des Gegners Verhalten und die Stabilität einer Beziehung zwischen den Eheleuten prognostiziert. Neuronale Netze sind heute einer der wichtigsten Bausteine der künstlichen Intelligenz.

Können Sie die Zukunft von neuronalen Netzen Vorhersagen?
Alexander Gorban: In naher Zukunft werden sie für vorausschauende Aktivität, Optimierung und Kontrolle in Echtzeit verwendet werden. Aber ich kann und will nicht die langfristige Zukunft vorauszusagen. Einige Möglichkeiten sind ein bisschen beängstigend.
Nach dem passieren einen bestimmten Meilenstein des neuronalen Netzentwicklung, könnten wir zum Beispiel viel zu abhängig von ihnen werden. Und bei höherer Gewalt (wohlgemerkt, ich spreche nicht über Netzwerke, die außer Kontrolle geraten, genau dieses Problem leicht behandelt werden kann), Verzicht auf neuronale Netze wird uns praktisch in Höhlenmenschen verwandeln. Wir diskutieren jetzt diese und viele andere Fragen auf der Neuroinformatik-2017-Konferenz.
  
von Taboola 

https://sputniknews.com/science/201710061057998706-russia-smart-neural-networks/