Soros vs. párhuzamos feldolgozás
Most, hogy átvettük a kétrétegű és a visszacsatolt idegsejt hálózatok működését, tanulási szabályait és hogy mikre képesek, meg kell alapoznunk néhány fontos gondolatot, mert a továbbiakban többször előbukkannak majd és a séta végére, a tudatosság kialakulásának megértésénél szükségünk lesz rájuk.
Az első gondolat, amire fentebb láthattunk példát, hogy egy feladatot többféle, akár teljesen eltérő alapelveken nyugvó módon is megoldhatunk, megoldhat az idegrendszer. Feladata válogatja, hogy melyik esetben melyik megközelítés a hatékonyabb.
A másik, konkrétabb gondolat, hogy a megoldásnak van egy soros és párhuzamos módja.
Mit jelent ez?
Ha felidézzük a modell örvényféreg fejezetét ott már felbukkant a két megoldás. Amikor először láttunk neki, hogy BASIC-ben klasszikus számítógépes nyelven leprogramozzuk mit is tud egy örvényféreg, a soros megoldást alkalmaztuk, a soronként megírt programot a számítógép soronként, egymás után, SOROSAN hajtotta végre. De ugye itt elvesztünk a labirintusban és felfedeztük, hogy ezt a feladatot egyszerre működő sok idegsejt hogyan képes megoldani PÁRHUZAMOSAN. Értem ez alatta, hogy az érzéksejtektől a jelek egyszerre futottak be a válaszokat kódoló sejtekhez, melyek egyszerre értékelték ki a bemeneteket és egyszerre válaszoltak, azaz a jelek párhuzamosan futottak az axonokon és párhuzamosan kerültek kiértékelésre. Ez jelentősen egyszerűbb megoldás volt és mellesleg gyorsabb is. Azt lehet mondani, hogy a modell idegsejtek számával összefüggésben gyorsul a feldolgozás.
A második - a fenti feladatban jelentősen hatékonyabban működő - megoldásunkban az érzékelő idegsejtektől időben egyszerre érkeztek a jelek a sok mozgató sejtre, ezen sejtek mindegyike egyszerre számította ki a rá érkező ingerek összegét és hogy mekkora jelet fog ő ezek alapján magából kiadni. A jelterjedés és feldolgozás tehát egymás mellett, párhuzamosan futott. Ez a párhuzamos feldolgozás, angolul a parallel processing (ismerős lehet az előző #agyséta bejegyzésekből).
A dolog hátránya azonban az, bár ott nem látszott, hogy nem lehet megkérdezni a rendszert miért csinált valamit úgy ahogy! Nincs mire rámutatni, hiszen a hálózat döntéséhez szükséges tudás a szinapszisok erősségében van egyenletesen elszórva (ugye itt is párhuzamos a rendszer, a tanuláskor és előhíváskor is párhuzamosan történnek a dolgok). Az információ ezen egyenletesen elszórt, elosztott, angolul distributed vonása meg is jelent az idegsejthálózatok működését elméleti keretbe foglaló elméletben, a fent említett PDP-ben. Jelentése Parallel Distributed Processing.
Ha a számítógépes programunk alapján viselkedő állatkánkkal nem vagyunk megelégedve akkor hosszas fejvakarás után megtalálhatjuk a kódban mit kell kijavítani, de egy párhuzamos neuronhálózatban már nehezebb rámutatni hol a rossz értékű szinapszis. Legfeljebb a hálózat újra-tanításával érhetünk el változást. Ezekkel a problémákkal szembesülnek is a Deep Learning hálózatokat használó szakemberek, akiket kuncogva egy új szakma az A-pszichológusok képviselőjének tartok.
A soros / párhuzamos kérdésben van még egy bejegyzésre való. Ezzel folytatjuk legközelebb.
Szerző: Gulyás Attila