7 fakta menarik tentang rangkaian neural
Hampir semua chatbot, aplikasi terjemahan dan pengecaman wajah hari ini dibina menggunakan rangkaian neural.
Teknologi ini ialah asas kepada apa yang kita panggil pembelajaran mendalam atau "deep learning".
Namun, perjalanan rangkaian neural bukan bermula semalam. Ia melalui zaman kegemilangan, kejatuhan dan kebangkitan semula. Berikut tujuh fakta menarik yang wajar anda tahu.
1. Idea asalnya diilhamkan oleh otak manusia
Rangkaian neural ialah model komputer yang terdiri daripada banyak unit kecil yang saling bersambung, meniru cara sel saraf dalam otak berhubung.
Setiap sambungan mempunyai "berat" yang diubah sedikit demi sedikit ketika model belajar daripada data. Daripada proses inilah komputer mula mengenal corak.
2. Perceptron belajar membezakan kad pada tahun 1958
Pada Julai 1958, Frank Rosenblatt, penyelidik di Cornell Aeronautical Laboratory, memperkenalkan perceptron. Ia didemonstrasikan oleh Pejabat Penyelidikan Tentera Laut Amerika Syarikat.
Ia dijalankan pada komputer IBM 704 yang memenuhi sebuah bilik. Selepas 50 percubaan, mesin itu belajar membezakan kad tebuk yang bertanda di sebelah kiri dengan yang bertanda di sebelah kanan.
3. Media ketika itu sangat teruja
Akhbar The New York Times melaporkan peranti baharu Tentera Laut itu sebagai mesin yang "belajar dengan melakukan". Majalah The New Yorker pula menggelarnya saingan serius pertama kepada otak manusia.
Mesin Mark I Perceptron yang dibina kemudiannya kini disimpan di Smithsonian Institution.
4. Sebuah buku hampir "membunuh" bidang ini
Pada 1969, Marvin Minsky dan Seymour Papert menerbitkan buku berjudul "Perceptrons" yang mengkritik kelemahan kerja Rosenblatt.
Menurut Universiti Cornell, buku itu dikaitkan dengan kemerosotan minat terhadap rangkaian neural. Dana kerajaan untuk penyelidikan AI juga berkurangan dalam tempoh yang dikenali sebagai "musim sejuk AI".
5. Kaedah "backpropagation" membuka jalan baharu pada 1986
Pada 1986, Geoffrey Hinton bersama David Rumelhart dan Ronald Williams menerbitkan kertas kajian penting tentang backpropagation.
Kaedah ini membolehkan rangkaian neural berlapis belajar sendiri cara mewakili data. Ia masih menjadi teknik utama untuk melatih model AI moden.
6. Tahun 2012 menjadi titik perubahan besar
Pada 2012, Hinton dan dua pelajarnya, Alex Krizhevsky dan Ilya Sutskever, menambah baik rangkaian neural konvolusi. Mereka hampir mengurangkan separuh kadar ralat dalam pertandingan pengecaman objek ImageNet.
Kejayaan ini menarik perhatian industri teknologi. Selepas itu, pembelajaran mendalam berkembang pesat dalam pengecaman suara, terjemahan dan imej perubatan.
7. Perintisnya menang Anugerah Turing dan Hadiah Nobel
Anugerah Turing 2018, yang sering digelar "Hadiah Nobel bidang pengkomputeran", diberikan kepada Yoshua Bengio, Geoffrey Hinton dan Yann LeCun. Hadiahnya bernilai AS$1 juta.
Pada 2024, Hinton dan John Hopfield pula berkongsi Hadiah Nobel Fizik. Mereka diiktiraf atas penemuan asas yang membolehkan pembelajaran mesin menggunakan rangkaian neural buatan.
Hopfield mencipta rangkaian Hopfield pada 1982, yang boleh menyimpan dan membina semula corak. Hinton pula membangunkan mesin Boltzmann berasaskan idea fizik statistik.
Rumusan
Rangkaian neural bermula sebagai idea sederhana yang meniru otak, pernah dipandang sepi, kemudian bangkit menjadi enjin utama AI hari ini.
Apabila anda berbual dengan chatbot AI selepas ini, ingatlah bahawa ia berdiri di atas lebih 60 tahun kajian para saintis.
Sumber: