Grundläggande AI-begrepp

Neuronnät

Engelsk term
Neural network
Svensk term
Neuronnät, även neuralt nätverk.

Vad är Neuronnät?

Ett neuronnät är en datormodell inspirerad av den mänskliga hjärnans struktur. Det består av sammankopplade noder, liknande nervceller, ordnade i lager. Informationen går in i det första lagret, bearbetas lager för lager och kommer ut som ett svar i det sista. Varje koppling har en styrka, och under träningen justeras styrkorna steg för steg tills nätet oftare svarar rätt.

Ett litet neuronnät i fyra lager: en bild av en katt går in i indatalagret, passerar två dolda lager av sammankopplade noder och kommer ut som ordet katt i utdatalagret.
Förenklad bild. Riktiga nät har ofta många fler lager och miljontals kopplingar, och varje koppling har en styrka som justeras under träningen.

Trots namnet är ett neuronnät ingen hjärna. Det är matematik, en mängd siffror som räknas om, utan tankar eller förståelse. Eftersom kunskapen ligger utspridd i alla kopplingsstyrkor är det dessutom svårt att se varför nätet svarar som det gör. Det kan ha rätt utan att någon kan peka på skälet, och fel på sätt som är svåra att förutse, så man prövar nätet på nya exempel i stället för att läsa det inifrån. Mer träning gör inte heller automatiskt nätet bättre. Det beror på att datan är bra och varierad, och tränas nätet för länge på samma data kan det bli sämre på nya fall.

Du möter neuronnät varje dag: när mobilen känner igen ditt ansikte och låser upp sig, när röstassistenten förstår vad du säger, och när ChatGPT eller Claude svarar på en fråga. ChatGPT och Claude bygger på mycket stora neuronnät.

Ursprung och källa

Warren McCulloch & Walter Pitts, 1943

Se även

Läs mer