Од најранијих дана вештачка интелигенција настоји да опонаша људски мозак, испрва се ослањајући на експертне системе, а доцније на вештачке неуронске мреже. У великој мери потоње представљају покушај опонашања „биохемијског чаврљања” у непрегледној мрежи од око стотину милијарди нерава у човековој глави.

Инжењери их виде уткане у свакојаке паметне направе и склопове или, како то учено називају, интелигентне системе, због чега су двојица овдашњих – проф. др Зоран Миљковић и др Драган Алексендрић, са Машинског факултета у Београду – одлучили да за своје студенте напишу, први у нас, универзитетски уџбеник (са збирком решених задатака), каквих има мало и у свету. Из вишегодишњег проучавања произишла су два изворна рачунарска програма с великим одјеком у међународној научној заједници.

Која сте то два рачунарска програма осмислили за подучавање вештачких неуронских мрежа? На шта сте се угледали?

Миљковић: Осмишљена су два оригинална рачунарска програма (BPnet и ART Simulator), намењена машинском учењу помоћу вештачких неуронских мрежа. Настали су програмирањем у програмском језику „визуал бејзик”, а користе се за развој и примену неуронских модела у домену интелигентног понашања техничко-технолошких система када су правила непозната и/или су неодређена и/или непотпуна, као што су машинско учење индустријског робота у баратању деловима у монтажи или опслуживању; аутономно кретање мобилног робота у испитивању технолошког окружења и остварењу претходно постављеног оперативног задатка; препознавање слова и цифара; уочавање и препознавање ликова предмета снимљених камером (CCD); утврђивање геометријске сличности машинских делова у групној технологији итд.

Какав су одјек доживели у свету?

Алексендрић: Објавили смо доста научних радова у врхунским часописима које обухвата „Индекс научних цитата”(SCI), са запаженом цитираношћу у 2009. и 2010. Позвали су нас да напишемо посебно поглавље у међународној научној монографији посвећеној интелигентним технолошким системима која је изашла у јуну. У припреми је још једно које се тиче интелигентног неуронског опонашања кочница моторних возила у другој међународној монографији.

Откуда неуронске мреже у машинству? Колико се дуго изучавају у Београду?

Миљковић: У техници, а нарочито у машинству, потребно је овладати методима и техникама заснованим на вештачкој интелигенцији које ће моћи да одговоре новим изазовима. Вештачке неуронске мреже, као део вештачке интелигенције, могу решити неке неодређене проблеме увођењем извесног степена интелигентности. Интеграција интелигентних способности у техници један је од приоритетних задатака инжењера у 21. веку. Збирка решених задатака са изводима из теорије имала је за циљ да обједини теоријске и практичне аспекте примене вештачких неуронских мрежа у решавању техничких проблема различитог степена сложености.

Шта су то неуронске мреже? У чему се разликују од природних, а у чему су им сличне? Где се најчешће данас примењују?

Алексендрић: У природи искуство мења стање живог организма тако што он следећи пут функционише боље у истоветној ситуацији. Вештачке неуронске мреже данас се користе за научна истраживања као што су пројектовање нових производа и технологија, процесирање података, моделирање рада система, управљање, препознавање ликова, планирање и дијагностика итд. У високом степену представљају поједностављен модел људског мозга, а дефинисане су као група међусобно повезаних процесуирајућих елемената (неурона) чији је начин рада сличан стварним људским неуронима. Захваљујући паралелном процесирању података, вештачке неуронске мреже су корисне за решавање проблема где не можемо да пронађемо решење увођењем унапред познатог алгоритма понашања, али можемо да нађемо доста података – примера (узорака) о природи проблема који истражујемо.

Како их учите и научите да убудуће саме уче?

Миљковић: Вештачке неуронске мреже су снажан паралелно повезани процесор који има природну способност прикупљања знања из експерименталних података и коришћење тога слично људском мозгу. Због тога је обука један од најважнијих делова осмишљавања будућег неуронског модела. Неуронска мрежа мора да научи каква је функционална веза између промене улаза и тако изазване промене излаза, а још важније је да то „учи с разумевањем”. Мора да буде обучена да пронађе или „ископа” суштински важно знање о појави или процесу.

Ко је смислио и начинио прву вештачку неуронску мрежу? Чему је служила?

Алексендрић: Изучавање људског мозга и његовог рада траје хиљадама година. Настанак вештачких неуронских мрежа везује се за 1943. и пионирски рад математичара Волтера Питса и неуропсихијатра Ворена Макалока, а не смемо занемарити ни психолога Доналда Хебса (књига „Организација понашања” 1949) који је први уочио да, уколико су два неурона у контакту активнија, синаптичка веза између њих се појачава. Другим речима, када нешто учимо кроз већи број понављања, ми ојачавамо везе у неуронским везама мозга и тиме подстичемо учење („Понављање је мајка мудрости”). Френк Розенблат, неуропсихијатар са Универзитета Корнел, 15 година после прве двојице започео је рад на „перцептрону”, што се сматра првом практичном применом или покушајем примене вештачких неуронских мрежа.

А данашња најсложенија? Колико су се научници приближили остварењу заветног циља – вештачком људскоммозгу?

Миљковић: Вештачки људски мозак је и даље тешко остварив, с обзиром на огромну тешкоћу верног представљања 100 милијарди неурона, од којих сваки успоставља око 10.000 веза са суседима. Овакав математички апарат није још направљен у вештачким условима јер има огроман број, како бисмо у техници рекли, степена слободе да научи и опише најсложеније појаве и процесе. Развој минијатурних верзија, намењених појединим специфичним наменама може се сматрати много ближим циљем. На Машинском факултету осмишљавамо динамичке неуронске моделе који описују рад сложених делова моторних возила, као што је то кочиони склоп, или аутономно кретање мобилног робота у испитивању технолошког окружења.

Може ли се вештачки дочарати тајанствено пуцкетање које опструјава живцима у мозгу? Да ли је такав научни подухват остварљив?

Алексендрић: Пуцкетање изазвано преносом електрохемијских сигнала кроз синаптичке везе у току рада људског мозга није од примарне важности за функционисање будућих вештачких неуронских модела, али би било лепо и то симулирати.