Uveďte si stručně v bodech základní linii vývoje umělých neuronových sítí. V roce 1943 vytvořili Warren McCulloch a Walter Pitts jednoduchý matematický model neuronu, který představoval teoretický model části nervové soustavy – biologického neuronu. Nepředpokládali, že se jejich návrhuplatní v praxi, nicméně model se stal předmětem zkoumání a rozvoje řady dalších badatelů. V jejich modelu měl každý neuron několik vstupů a jeden výstup. Vstupy byly rozděleny na excitační a inhibiční a model akceptoval pouze m binárních vstupů a jeden výstup. Prováděl tedy vyčíslení funkce z Princip byl takový, že když převáží na vstupu excitační buzení nad inhibičním, je excitován i výstup neuronu. V opačném případě neuron excitován nebude a na výstupu neuronu tedy bude 0. Vstupní synapse nebyly nijak váhovány, sloužily pouze pro přenos hodnoty.

Obr. 2. Model neuronu dle McCulloch-Pittse

V roce 1949 definoval Donald Hebb opět na základě biologické analogie a studia podmíněných reflexů pravidlo, které umožňovalo učit neuron změnou vah jeho vstupů. Vycházel z předpokladu, že pokud je neuron excitován korektně, pak se posílí spoje, které k excitaci vedly. Naopak, pokud je neuron excitován nesprávně, pak je třeba tyto spoje oslabit.

V roce 1957 zobecnil Frank Rosenblatt McCulloch-Pittsův neuron a představil umělou neuronovou síť, perceptron. Tato síť sloužila k rozpoznávání znaků promítaných na plátno a opět byla inspirována biologií – tedy objevem světločivých buněk na sítnici oka a způsobem přenosu signálu do CNS. Architektura Rosenblattova perceptronu je na následujícícm obrázku.

Obr. 3. Rosenblattův perceptron

V roce 1960 Bernard Widrow představil další zobecnění základního neuronu, adaptivní lineární element (ADALINE). Provedl zobecnění na reálné vstupní hodnoty a představil nové učící pravidlo neuronu.

V roce 1969 došlo ke krizi vývoje v oblasti umělých neuronových sítí, kdy významná osoba umělé inteligence Marvin Minsky poněkud účelově zdiskreditoval koncept umělých neuronových sítí. Využil k tomu tzv. XOR problém, kdy jednovrstvá neuronová síť není schopna logickou funkci XOR vyčíslit. Konstatoval, že řešením je použití více vrstev neuronové sítě, nicméně není formalizován žádný algoritmu, který by umožnil takové sítě učit. Chybně předpokládal, že učící algoritmus nebude možné vzhledem ke komplikovanosti struktury sítě nalézt. Jeho závěry vedly k přesměrování grantových prostředků do jiných oblastí umělé inteligence koncept umělých neuronových sítí tak čekala stagnace. Nicméně v roce 1986 skupina badatelů odvodila algoritmu, kterým lze vícevrstvé sítě učit na principu zpětného šíření chyby - Backpropagation. Toto zjištění překonalo problém XOR a vedlo k intenzivnímu zájmu o oblast neuronových sítí, která trvá dodnes.

vytvořil Institut biostatistiky a analýz Lékařské fakulty Masarykovy univerzity