در این مطلب همانطور که از عنوان انتظار می‌رود به شبکه‌های عصبی مصنوعی پرداخته شده و پیدایش، کاربرد و انواع آن‌ها مورد بررسی قرار گرفته است. در انتها نیز منابعی برای مطالعه و یادگیری بیشتر معرفی شده است.
پیدایش شبکه‌های عصبی مصنوعی
مغر انسان، به اذعان بسیاری از دانشمندان، پیچیده‌ترین سیستمی است که تا کنون در کل گیتی مشاهده شده و مورد مطالعه قرار گرفته است. اما این سیستم پیچیده نه ابعادی در حد کهشکشان دارد و نه تعداد اجزای سازنده‌اش، بیشتر از پردازنده‌های ابررایانه‌های امروزی است. پیچیدگی راز آلود این سیستم بی نظیر، به اتصال‌های فراوان موجود میان اجزای آن بازمی‌گردد. این همان چیزی است که مغز 1400 گرمی انسان را از همه سیستم‌های دیگر متمایز می کند.
فرایندهای خودآگاه و ناخودآگاهی که در حدود جغرافیایی بدن انسان رخ می‌دهند، همگی تحت مدیریت مغز هستند. برخی از این فرایندها آن‌قدر پیچیده هستند، که هیچ رایانه یا ابررایانه‌ای در جهان امکان پردازش و انجام آن را ندارد. با این حال، تحقیقات نشان می‌دهند که واحدهای سازنده مغز انسان، از نظر سرعت عملکرد، حدود یک میلیون بار کندتر از ترانزیستورهای مورد استفاده در تراشه‌های سیلیکونی CPU رایانه هستند.
سرعت و قدرت پردازش بسیار بالای مغز انسان، به ارتباط‌های بسیار انبوهی باز می‌گردد که در میان سلول‌های سازنده مغز وجود دارد و اساساً، بدون وجود این لینک‌های ارتباطی، مغز انسان هم به یک سیستم معمولی کاهش می‌یافت و قطعاً امکانات فعلی را نداشت.
گذشته از همه این‌ها، عملکرد عالی مغز در حل انواع مسائل و کارایی بالای آن، باعث شده است تا شبیه سازی مغز و قابلیت‌های آن به مهم‌ترین آرمان معماران سخت‌افزار و نرم‌افزار تبدیل شود. در واقع اگر روزی فرا برسد (که البته ظاهرا خیلی هم دور نیست) که بتوانیم رایانه‌ای در حد و اندازه‌های مغز انسان بسازیم، قطعاً یک انقلاب بزرگ در علم، صنعت و البته زندگی انسان‌ها، رخ خواهد داد.
از چند دهه گذشته که رایانه‌ها امکان پیاده‌سازی الگوریتم‌های محاسباتی را فراهم ساخته‌اند، در راستای شبیه‌سازی رفتار محاسباتی مغز انسان، کارهای پژوهشی بسیاری از سوی متخصصین علوم رایانه، مهندسین و همچنین ریاضی‌دان‌ها شروع شده است، که نتایج کار آن‌ها، در شاخه‌ای از علم هوش مصنوعی و در زیر‌شاخه هوش محاسباتی تحت عنوان موضوع «شبکه‌های عصبی مصنوعی» یا Artificial Neural Networks (به اختصار: ANNs) طبقه‌بندی شده است. در مبحث شبکه‌های عصبی مصنوعی، مدل‌های ریاضی و نرم‌افزاری متعددی با الهام گرفتن از مغز انسان پیشنهاد شده‌اند، که برای حل گستره وسیعی از مسائل علمی، مهندسی و کاربردی، در حوزه های مختلف کاربرد دارند.
کاربردهای شبکه‌های عصبی مصنوعی
امروز به قدری استفاده از سیستم‌های هوشمند و به ویژه شبکه عصبی مصنوعی گسترده شده است که می‌توان این ابزارها را در ردیف عملیات پایه ریاضی و به عنوان ابزارهای عمومی و مشترک، طبقه‌بندی کرد. چرا که کمتر رشته دانشگاهی است که نیازی به تحلیل، تصمیم‌گیری، تخمین، پیش‌بینی، طراحی و ساخت داشته باشد و در آن از موضوع شبکه‌های عصبی استفاده نشده باشد.
فهرستی که در ادامه آمده است، یک فهرست نه چندان کامل است. اما همین فهرست مختصر نیز گستردگی کاربردهای شبکه‌های عصبی مصنوعی را تا حدود زیادی به تصویر می‌کشد.
| زمینه کلی | کاربرد |
| علوم کامپیوتر | طبقه‌بندی اسناد و اطلاعات در شبکه‌های کامپیوتری و اینترنت توسعه نرم‌افزارهای نظارتی و نرم‌افزارهای آنتی‌ویروس |
| علوم فنی و مهندسی | مهندسی معکوس و مدل‌سازی سیستم‌ها پیش‌بینی مصرف بار الکتریکی عیب‌یابی سیستم‌های صنعتی و فنی طراحی انواع سیستم‌های کنترل طراحی و بهینه‌سازی سیستم‌های فنی و مهندسی تصمیم‌گیری بهینه در پروژه‌های مهندسی |
| علوم پایه و نجوم | پیش‌بینی نتایج آزمایش‌ها ارزیابی و تخمین صحت فرضیه‌ها و نظریه‌ها مدل‌سازی پدیده‌های فیزیکی پیچیده |
| علوم پزشکی | مدل‌سازی فرایندهای زیست-پزشکی تشخیص بیماری‌ها با توجه به نتایج آزمایش پزشکی و تصویر‌برداری پیش‌بینی نتایج درمان و عمل جراحی پیاده‌سازی ادوات و الگوهای درمانی اختصاصی بیمار |
| علوم تجربی و زیستی | مدل‌سازی و پیش‌بینی پدیده‌های زیستی و محیطی پیش‌بینی سری‌های زمانی با کاربرد در علوم زیست-محیطی طبقه‌بندی یافته‌های ناشی از مشاهدات تجربی شناسایی الگوهای مخفی و تکرار شونده در طبیعت |
| علوم اقتصادی و مالی | پیش‌بینی قیمت سهام و شاخص بورس طبقه‌بندی علائم و نمادهای بورس تحلیل و ارزیابی ریسک تخصیص سرمایه و اعتبار |
| علوم اجتماعی و روانشناسی | طبقه‌بندی و خوشه‌بندی افراد و گروه‌ها مدل‌سازی و پیش‌بینی رفتارهای فردی و اجتماعی |
| هنر و ادبیات | پیش‌بینی موفقیت و مقبولیت عمومی آثار هنری استخراج مولفه‌های اساسی از متون ادبی و آثار هنری طبقه‌بندی و کاوش متون ادبی |
| علوم نظامی | هدف‌گیری و تعقیب در سلاح‌های موشکی پیاده‌سازی سیستم‌های دفاعی و پدافند هوشمند پیش‌بینی رفتار نیروی مهاجم و دشمن پیاده‌سازی حملات و سیستم‌های دفاعی در جنگ الکترونیک (جنگال) |
انواع شبکه‌های عصبی مصنوعی
انواع مختلفی از مدل‌های محاسباتی تحت عنوان کلی شبکه‌های عصبی مصنوعی معرفی شده‌اند که هر یک برای دسته‌ای از کاربردها قابل استفاده هستند و در هر کدام از وجه مشخصی از قابلیت‌ها و خصوصیات مغز انسان الهام گرفته شده است.
در همه این مدل‌ها، یک ساختار ریاضی در نظر گرفته شده است که البته به صورت گرافیکی هم قابل نمایش دادن است و یک سری پارامترها و پیچ‌های تنظیم دارد. این ساختار کلی، توسط یک الگوریتم یادگیری یا تربیت (Training Algorithm) آن قدر تنظیم و بهینه می‌شود، که بتواند رفتار مناسبی را از خود نشان دهد.
نگاهی به فرایند یادگیری در مغز انسان نیز نشان می‌دهد که در واقع ما نیز در مغزمان فرایندی مشابه را تجربه می‌کنیم و همه مهارت‌ها، دانسته‌ها و خاطرات ما، در اثر تضعیف یا تقویت ارتباط میان سلول‌های عصبی مغز شکل می‌گیرند. این تقویت و تضعیف در زبان ریاضی، خود را به صورت تنظیم یک پارامتر (موسوم به وزن یا Weight) مدل‌سازی و توصیف می‌کند.
اما طرز نگاه مدل‌های مختلف شبکه‌های عصبی مصنوعی کاملا متفاوت است و هر یک، تنها بخشی از قابلیت‌های یادگیری و تطبیق مغز انسان را هدف قرار داده و تقلید کرده‌اند. در ادامه به مرور انواع مختلف شبکه‌های عصبی پرداخته‌ایم که مطالعه آن در ایجاد یک آشنایی اولیه بسیار موثر خواهد بود.
