Motivácia

Jeden z najznámejších citátov od Charles Farrar Browne hovorí: "Priemerný učiteľ rozpráva, lepší vysvetľuje, výborný ilustruje na (praktických) príkladoch a najlepší učiteľ inšpiruje (motivuje)".

Asi každý dnes pozná aspoň jeden konverzačný robot (chatbot), napr.: ChatGPT, Bing Chat, Google Bard, Perplexity, Claude 2, Llama 2 alebo iný. Veľká časť laickej verejnosti stotožňuje umelú inteligenciu s týmito nástrojmi. Ich jadrom je neurónová sieť, ktorá môže byť definovaná ako určitý matematický model simulujúci činnosť ľudského mozgu. Táto stránka sa nezaoberá týmito nástrojmi, ale možnosťami využitia neurónových sietí pri riešení technických problémov. 

Pre pochopenie aplikácie neurónových sietí pri riešení praktických problémov je potrebné začať zdanlivo nesúvisiacou problematikou. Dve veličiny môžu medzi sebou vykazovať funkčnú alebo štatistickú závislosť. Funkčná závislosť znamená, že zmena hodnoty jednej veličiny vyvolá presne definovanú zmenu druhej veličiny (napr. nárast alebo pokles jednosmerného elektrického napätia v obvode zapríčiní zmenu elektrického prúdu podľa Ohmovho zákona). Štatistická závislosť znamená, že nejaká veličina závisí od jednej alebo viacerých iných veličín, pričom táto závislosť nie je funkčná. Jednoduchým príkladom je závislosť hmotnosti ľudí od ich výšky. Štatisticky ľudia s vyššou výškou majú aj vyššiu hmotnosť alebo závislosť výšky príjmu od vzdelania, opäť štatisticky platí, že ľudia s vysokoškolským vzdelaním majú vyšší príjem ako ľudia so stredoškolským vzdelaním. A nakoniec máme prípady, keď vieme, že určitá veličiny závisí od veľkého množstva faktorov, ale nevieme od ktorého do akej miery. Napr. dnes vieme, že na vznik určitej choroby (napr. rakoviny) má okrem iného vplyv: expozícia určitými chemickými látkami, fajčenie (prísne vzaté, aj fajčenie je expozícia organizmu chemickým látkam obsiahnutým v tabakovom dyme), nedostatok spánku, stres, genetická predispozícia, nevyvážená strava atď. Nepoznáme však presné "príspevky" uvedených faktorov. A neurónová sieť je presne ten nástroj, ktorý umožňuje odhaliť príspevok jednotlivých faktorov. Postup a aj jeho riziká budú ilustrované na konkrétnom príklade s matematickým kyvadlom (matematické kyvadlo je problém, ktorý vieme exaktne riešiť aj bez neurónovej siete - na porovnaní riešení je však možné veľmi dobre ilustrovať princíp neurónovej siete a jej silné a slabé stránky). Podobne vieme využiť neurónovú sieť aj na riešenie problémov, ktoré dnes nevieme riešiť inak alebo presnejšie.   

Praktický príklad: matematické kyvadlo

Z fyziky zo strednej školy vieme, že perióda kmitu matematického kyvadla sa rovná súčinu 2π a odmocniny z pomeru dĺžky vlákna (m) k tiažovému zrýchleniu na povrchu Zeme (9,81 m/s2). Poďme si však na chvíľu predstaviť, že tento vzťah nepoznáme a na jeho riešenie ideme využiť neurónovú sieť. V tomto prípade najskôr musíme odhadnúť faktory, od ktorých bude doba kmitu závisieť. Ak by sme túto problematiku nepoznali, mohli by sme za tieto faktory zvoliť: dĺžka vlákna, hmotnosť závažia a veľkosť počiatočnej výchylky. Urobili by sme približne tisíc pokusov (pri rôznej dĺžke vlákna, hmotnosti závažia a veľkosti počiatočnej výchylky) pre ktoré by sme zmerali dobu kmitu. Takúto usporiadanú štvoricu údajov by sme použili na natrénovanie neurónovej siete. Výsledkom by bol model, ktorý by dokázal veľmi presne predikovať dobu kmitu z týchto údajov. Bližšou analýzou modelu by sme mohli zistiť, že doba kmitu závisí len od dĺžky vlákna (hmotnosť závažia aj počiatočná výchylka nemajú na výslednú hodnotu vplyv). Veľkou výhodou tohto riešenia je, že ak by sme pri malom % meraní spravili chybu, táto chyba by sa do výsledného modelu premietla len nepatrne. Toto riešenie by však malo aj jednu nevýhodu alebo slabú stránku. Viete akú? Skúste porozmýšľať a pre overenie kliknite sem. 

Neurónové siete môžu byť rovnako využívané na tvorbu digitálneho dvojčaťa. Tento portál je určený najmä pre aplikáciu umelej inteligencie a neurónových sietí pri riešení krízových situácií preto je problematika digitálneho dvojčaťa ilustrovaná len krátky videom.