Tiny Tech

تاریخچه شبکه های عصبی – بخش اول

تاریخچه شبکه های عصبی مصنوعی پر از افراد خلاقی از رشته های مختلف عملی است که هر یک از آن ها چندین دهه برای توسعه مفاهیمی که ما در حال حاضر آن ها را در اختیار داریم ، تلاش کرده اند.

این تاریخچه توسط مولفان زیادی به رشته تخریر در آمده است.

یکی از کتب جالب در این زمینه کتاب محاسبات عصبی : مبنای پژوهش ها (Neural Calculations: Foundation of Research) نوشته جان اندرسون و ادوارد روزنفلد می باشد.

این دو نفر مجموعه ای از ۴۳ مقاله در ارتباط با تاریخچه شبکه های عصبی مصنوعی را جمع آوری و در قالب یک کتاب نوشته اند.

برای پیشرفت در فناوری دو عنصر لازم و ضروری می باشند: مفهوم و پیاده سازی .

در درجه اول باید مفهوم هر فناوری مشخص شود.

مفهوم یعنی نحوه ی فکر کردن یک موضوع و ایجاد یک دیدگاه جدید می باشد.

مفهوم می تواند شامل یک ایده ساده باشد و یا ممکن است خاص تر بوده و شامل یم  توصیف ریاضی باشد.

برای روشن تر شدن این مطلب توجه شما را به تاریخچه شناخت قلب انسان جلب می کنیم.

به قلب انسان برای سال ها به عنوان مرکز روح ویا یک منبع گرمایی نگاه می شد.

در قرن هفدهم و با اغاز آزمایشات پزشکی نگاه به قلب عوض شد و عملکرد |مپ مانند آن کشف گردید و از آن پس آزمایشاتی برای مطالعه نحوه عملکرد آن آغاز شد.

این آزمایشات دیدگاه بشر را درر مورد نحوه گردش خون بدن تحول اساسی ساخت.

همانطور که ملاحظه می کنید بدون شناخت مفهوم پمپ فهمیدن نحوه عملکرد قلب بسیار دور از ذهن می باشد.

مفاهیم و ریاضیات ضمیمه شده به آن ها تنهایی برای رشد یک فناوری کافی نیستند و نیاز به راهی برای پیاده سازی سیستم می باشد.

به عنوان مثال ریاضیات مورد نیاز برای بازسازی تصاویر پرتونگاری امراض سالهاست که در دسترس می باشد اما عملیاتی کردن این روش ها نیازمند کامپیوتر های بسیار سریع و پیاده سازی الگوریتم های کارا می باشد.

تاریخچه شبکه های عصبی با گذر از هر دو مرحله ابداع مفهوم و پیاده سازی شکل گرفته است.

برخی از فعالیت های اولیه در زمینه شبکه های عصبی در اواخر قرن نوزدهم و اوایل قرن بیستم به وقوع پیوستند.

این فعالیت ها در زمینه های مختلف علمی نظیر فیزیک ، روانشناسی و فیزیولوژی اعصاب و توسط دانشمندانی نظیر هرمان وان هلمولتز ، ارنست ماخ و ایوان پاولوف صورت گرفته است.

در این فعالیت های اولیه تئوری های یادگیری ، بینایی و شرطی سازی قوت یافتند و البته صحبتی در مورد مدل های ریاضی عملیات های عصبی در بین نبود.

نگاه مدرن در شبکه های عصبی در دهه ۱۹۴۰ و با شروع بخ کار وارن مک کالچ و والتر پیتز آغاز شد.

آن ها نشان دادند که شبکه ای از نرون های عصبی دارای قابلیت محاسبه هر تابع ریاضی و یا منطقی می باشد.

فعالیت آن ها در این زمینه را می توان به عنوان مبدا علم شبکه های عصبی مصنوعی در نظر گرفت.

راه مک کلاچ و پیتز توسط دونالد هب ادامه یافت.

او مکانیسمی برای یادگیری در نرون های عصبی زنده پیشنهاد کرد.

اولین کاربرد علمی شبکه های عصبی زنده در اواخر دهه ۱۹۵۰ شکل گرفت.

در این سال ها شبکه های عصبی پرسپترون و قواعد یادگیری آن توسط فرانک روزنبلات ابداع شد.

روزنبلات و همکاران او صمن ساخت یک شبکه پرسپترون ثابت کردند که این شبکه ها دارای توانایی تشخیص الگو می باشند.

این موفقیت ها منجر به بوجود آمدن علاقه حبه تحقیق در این زمینه در بین محققان شد.

متاسفانه شبکه های عصبی پرسپترون تنها قابلیت حل مجموعه محدودی از مسائل را دارا بودند.

در همان زمان برنارد ویدرو و تد هوف یک الگریتم یادگیری جدید را مطرح ساختند و از آن برای آموزش یک شبکه عصبی خطی انطباقی استفاده نمودند.

طرح ان ها از نظر ساختار قابلیت تشابه زیادی با پرسپترون روزنبلات داشت .

قواعد یادگیری ویدرو – هوف امروزه نیز دارای کاربرد زیادی می باشند.