あなたの周りの変化するテクノロジーを理解するために知っておくべきこと
ニューラルネットワークは、ニューロン（神経細胞）が人間でどのように働くかと同様に、情報（データ）を伝達、処理、学習するように設計された接続ユニットまたはノードのコンピュータモデルです。
人工ニューラルネットワーク
技術において、ニューラルネットワークは、後にモデル化される生物学的ニューラルネットワークと区別するために、人工ニューラルネットワーク（ANN）またはニューラルネットと呼ばれることが多い。 ANNの背後にある主な考え方は、人間の脳は存在する最も複雑でインテリジェントな「コンピュータ」であるということです。 研究者は、脳が使用する情報処理の構造とシステムに可能な限り近接してANNをモデル化することにより、人間の知能に近づいたり超えることのできるコンピュータを作成することを望んでいました。 ニューラルネットは、 人工知能 （AI）、機械学習（ML）、および深い学習における現在の進歩の重要な要素です。
ニューラルネットワークの仕組み：比較
ニューラルネットワークの仕組みと2つのタイプ（生物学的および人工的）の違いを理解するために、15階建てのオフィスビルと、建物、個々のフロア、個々のオフィスに通話をルーティングする電話回線とスイッチボードの例を使用しましょう。 私たちの15階建てオフィスビル内の個々の事務所は、ニューロン（コンピュータネットワーキングのノードまたは生物学の神経細胞）を表しています。 建物自体は、15階建てのシステム（ニューラルネットワーク）に配置された一連のオフィスを含む構造です。
この例を生物学的ニューラルネットワークに適用すると、通話を受信する交換機は建物全体のどのフロアにあるオフィスにも接続するための回線を備えています。 さらに、各オフィスには、それをあらゆるフロアの建物全体の他のすべてのオフィスに接続するラインがあります。 仮に電話が入ってきたとしたら、交換局は3階のオフィスに転送し、11階のオフィスに直接転送してから、5階のオフィスに直接転送します。 脳では、各ニューロンまたは神経細胞（オフィス）は、そのシステムまたはニューラルネットワーク（建物）内の他のニューロンに直接接続することができます。 情報（コール）は、他のニューロン（オフィス）に送信して、回答または解決（出力）が得られるまで必要な処理や学習を行うことができます。
この例をANNに適用すると、かなり複雑になります。 建物の各フロアには、同じ階にあるオフィスだけでなく、その上下の床にある交換台にも接続できる独自の交換台が必要です。 各オフィスは、同じフロアの他のオフィスとそのフロアの交換台に直接接続することができます。 すべての新しい通話は1階の交換台から開始し、通話が終了する前に15階まで番号順に各個別のフロアに転送する必要があります。 どのように動作するか見てみましょう。
1階の交換機に着信（入力）し、1階（ノード）のオフィスにコールが送られたとします。 このコールは、 1階の他のオフィス（ノード）間で直接転送され、次の階に送られます。 その後、コールは1階の配電盤に返送されなければならず、2階の配電盤に転送されます。 これらの同じ手順で一度に1つのフロアが繰り返され、1つのフロアごとにフロア15まで通話が送信されます。
ANNでは、ノード（オフィス）がレイヤー（建物の床）に配置されています。 情報（コール）は、常に入力レイヤー（1階とそのスイッチボード）から入り、次のレイヤーに移動する前に、各レイヤー（フロア）を経由して処理されなければなりません。 各レイヤー（フロア）は、その呼び出しに関する特定の詳細を処理し、その結果を呼び出しと共に次のレイヤーに送信します。 コールが出力レイヤ（ 15th floorとそのスイッチボード）に到達すると、レイヤ1〜14からの処理情報が含まれます。 第15層（フロア）のノード（オフィス）は、他のすべての層（フロア）からの入力および処理情報を使用して、回答または解決（出力）を提示する。
ニューラルネットワークと機械学習
ニューラルネットは、機械学習の分野で技術の一種です。 実際に、ニューラルネットの研究開発の進歩は、MLにおける進歩の波と流れに密接に関連しています。 ニューラルネットはデータ処理機能を拡張し、MLの計算能力を向上させ、処理できるデータの量を増やすだけでなく、より複雑なタスクを実行する能力も向上させます。
ANNの最初の文書化されたコンピュータモデルは、Walter PittsとWarren McCullochによって1943年に作成されました。 神経ネットワークと機械学習の初期の関心と研究は、最終的には遅くなり、1969年には多かれ少なかれ棚上げとなり、小さな関心が芽生えました。 時間のコンピュータは、これらの領域をさらに進めるのに十分な高速または十分に速いプロセッサを備えていないだけであり、MLおよびニューラルネットに必要な膨大な量のデータは当時利用できませんでした。
インターネットの成長と拡大に伴う時間とともにコンピューティングパワーの大幅な増加（そしてインターネットを通じた大量のデータへのアクセス）は、これらの初期の課題を解決しました。 ニューラルネットとMLは、 顔認識 、画像処理と検索、リアルタイムの言語翻訳など、私たちが毎日目にし、使用する技術において重要な役割を果たしています。
日常生活におけるニューラルネットワークの例
ANNはテクノロジー内ではかなり複雑なトピックですが、毎日私たちの生活に影響を及ぼす方法が増えているため、時間をかけて検討する価値があります。 ニューラルネットワークがさまざまな業界で現在使用されている方法の例をいくつか紹介します。
- ファイナンス：ニューラルネットは為替レートの予測に使用されます。 彼らはまた、株式市場で使用される自動取引システムの背後にある技術でも使用されています。
- 医学：ニューラルネットの画像処理能力は、早期の難解なタイプのがんをより正確にスクリーニングして検出するのに役立つ技術に貢献しています。 そのようなタイプの癌の1つは、浸潤性黒色腫であり、最も重篤かつ致死的な皮膚癌である。 それが広がる前の初期の段階でメラノーマを特定することは、このタイプの癌を有する患者にそれを打つ最良の機会を与える。
- 天気：生命を救うためには、可能な限り迅速かつ正確に潜在的に深刻で危険な気象事象を示す大気の変化を検出する能力が不可欠です。 ニューラルネットは、ハリケーンやサイクロンの早期形成を検出するだけでなく、竜巻の形成を示す風速や風向の急激な変化を検出する、衛星やレーダー画像のリアルタイム処理にも関わっています。 トルネードは、ハリケーンよりもしばしばより突然で、破壊的で致命的な、最も強力で最も危険な天気の出来事です。