Skrzynka niemagiczna
Głębokie sieci neuronowe. Uczą się jak człowiek, tylko lepiej i dokładniej
Choć dr hab. inż. Żaneta Świderska-Chadaj została wyróżniona za talent w programowaniu algorytmów i projektowaniu sztucznych sieci neuronowych, nie była cudownym dzieckiem piszącym w języku C++. Owszem, grała w „Simsy” i korzystała z prehistorycznego komunikatora internetowego Gadu-Gadu. – Ale z programowaniem zetknęłam się dopiero na studiach. I byłam zaskoczona jego prostotą: zestaw logicznych zdań, które sprawiają, że maszyna wykonuje nasze polecenia. Pewnie nie dowiedziałabym się tego, gdyby nie to, że nie dostałam się na medycynę.
Żal po karierze lekarza kurowała Świderska-Chadaj na studiach pokrewnych – z inżynierii biomedycznej. Na tyle skutecznie, że z czasem porzuciła myśl o pierwotnych planach. Przetwarzała i interpretowała dane: sygnały EKG oraz obrazy z rezonansu magnetycznego i z tomografii komputerowej. Widziała człowieka, ale nie wprost, tylko przez pryzmat nieoczywistych przejawów aktywności jego organizmu. – I przy tej okazji odkryłam, że znacznie łatwiej niż wkuwać anatomię przychodzi mi uczyć się zjawisk poddających się logice. Zostałam więc na studiach politechnicznych.
Tam też zetknęła się z sieciami neuronowymi, których wszechstronność ujęła ją na tyle, że poświęciła im pracę doktorską. Zastosowała je do wyszukiwania zmian nowotworowych w obrazach tkanki mózgu. Sieci takie są bytami programistycznymi – zbiorami algorytmów projektowanych na wzór biologicznych. Klasyczne zbudowane są z kilku warstw sztucznych neuronów, wystarczających do przetwarzania sygnału lub danych obrazowych. – Ale są też sieci nowsze, zwane głębokimi, o znacznie większej liczbie warstw i parametrów.
Szukanie inspiracji
Sieci same w sobie są tabula rasa. Zadań, które mają wykonywać – na przykład rozpoznawania obrazów – trzeba je nauczyć.