例を使って簡単な言葉でニューラルネットワークを説明していただけますか？
回答:
ニューラルネットワークは、コンピューティングシステムのクラスです。それらは、ネットワークに形成された非常に単純な処理ノードから作成されます。それらは、脳などの生体システムの働き方に触発されていますが、現時点では数桁も複雑ではありません。
これらは基本的にパターン認識システムであり、パターン認識の観点から説明できるタスクに役立つ傾向があります。それらは、既知の出力を備えたデータセットを提供することにより「トレーニング」されます。
例として、猫の写真が与えられたときに1を出力し、猫ではない写真が表示されたときに0を出力するようにネットワークをトレーニングしようとしているとします。猫の写真をたくさん実行し、正しい応答が得られるまでネットワークパラメータを調整するアルゴリズムを使用して、ネットワークをトレーニングします。パラメーターは通常、各入力のゲインと各ノードの重み、およびネットワークの実際の構造（ノードの数、レイヤーの数、相互接続）です。
猫の写真を認識することは実際には非常に複雑な問題であり、複雑なニューラルネットワーク（おそらくピクセルごとに1つのノードから開始する）が必要になります。ニューラルネットワークで実験するための通常の出発点は、AND、OR、NOTなどの単純な論理ゲートをニューラルネットとして試して実装することです。
ニューラルネットワークは、複雑な結果を得るための非常に高速な方法です。それらは動物の脳のモデルであるため、AI研究にとって非常に興味深いものです。
ニューラルネットワークの主な欠点の1つは、リバースエンジニアリングが非常に難しいことです。象の特定の画像が実際に猫であるとネットワークが決定した場合、有用な意味で「なぜ」を実際に決定することはできません。実際にできることは、ネットワークをさらにトレーニング/調整することです。
ニューラルネットワークは、自動販売機での硬貨/紙幣の認識や生産ラインでの欠陥発見など、よく制限されたタスクに使用される傾向があります。
興味のある人にとっては、おそらく最も初期のニューラルネットワーク要素の1つである「パーセプトロン」をグーグルで検索するのが最適です。
私は修士プログラムで人工知能を研究していますが、私たちはニューラルネットワークをかなり使用しています。彼らは実際に非常に便利です。
ニューラルネットの問題はその名前だと思います。これは、実際のニューラルネットワークが何であるかを混乱させ、実際に派手なタイプの機能であるときに脳のように振る舞うことを期待するため、一部の人々は自分のメリットに疑問を抱かせます。
ニューラルネットを理解する最良の方法は、名前を超えて移動することです。それを脳のモデルと考えないでください...それは...これは1960年代の意図でしたが、2011年であり、機械学習と分類のために常に使用されています。
ニューラルネットワークは、実際には単なる数学関数です。値のベクトルを入力すると、それらの値に他の値が乗算され、値または値のベクトルが出力されます。それだけです。
それらは、与えられた特徴（または入力）をその出力（分類または回帰）に近似する既知の関数がない問題領域で非常に役立ちます。一例としては、天気があります-天気には多くの特徴があります-タイプ、温度、動き、雲量、過去のイベントなど-しかし、誰が天気が今から2日後になるかを正確に計算する方法を言うことはできません。ニューラルネットワークは、機能に基づいて天気予報を概算するためにパラメーターを簡単に変更できるように構成された関数です。
それは...機能であり、「学習」に適した素晴らしい構造を持っています。過去5年間の天気データを取得します。過去5年間の毎日について、天気の機能と2日先の天気の状態を完全に把握します。ネットワークの重み（エッジに存在する乗算係数）はランダムに生成され、データは処理されます。予測ごとに、NNは誤った値を出力します。逆伝播などの計算に基づく学習アルゴリズムを使用すると、出力エラー値を使用してネットワーク内のすべての重みを更新できます。データを十分に調べた後、エラーレベルは最低点に達します（それ以上のことがありますが、ここでは説明しません-最も重要なのはフィッティングの過剰です）。目標は、エラーレベルが最適な時点で学習アルゴリズムを停止することです。その後、ネットワークは修正され、この時点で古い数式と同じように、入力値を出力値にマッピングする数学関数です。新しいデータを入力し、出力値が適切な近似値であることを信頼します。
彼らが失敗したと主張する人々に：彼らはそうではありません。多くのドメインで非常に役立ちます。研究者は遺伝子と病気の相関関係をどのように考えていると思いますか？NNは、他の学習アルゴリズムと同様に、バイオインフォマティクスなどの分野で使用されます。それらは非常に良い結果をもたらすことが示されています。NASAは現在、バッテリー寿命の予測など、宇宙ステーションのルーチンにそれらを使用しています。サポートベクターマシンなどの方が優れていると言う人もいますが、その証拠はありません。他のアルゴリズムは新しいだけです。
ニューラルネットワークは、人間の脳よりもはるかに単純であるために失敗しているという主張は、あまりにもひどいものです。つまり、ニューラルネットワークは、脳のモデル化に使用されなくなったのです。
簡単な言葉で言えば、あなたが尋ねたように、ニューラルネットワークは生物学的ニューラルネットを模倣するという失敗したアイデアです。以下の理由により、興味深い結果は決して得られず、おそらく決して得られないでしょう。
（1）チューリング完全プログラミング言語でできることと比べて単純すぎる
（2）生物学的ニューラルネットに比べて単純すぎる：NN理論が作成された時点で考えられていたよりも複雑であることが判明しました。
ニューラルネットが実際のアプリケーションで使用されるタスクで成功しているという主張は、誇張です。
投票してください。