Paul John Werbos

Werbos یک دانشمند آمریکایی علوم اجتماعی و پیشگام در یادگیری ماشین است. وی بیشتر به خاطر رساله‌ی دکتری خود در سال ۱۹۷۴ شناخته شده است که در آن برای اولین بار روند آموزش شبکه‌های عصبی مصنوعی را از طریق پس‌انتشار خطاها توصیف می‌کند. وی همچنین در شبکه‌های عصبی بازگشتی پیشگام بود. Werbos علاوه بر این، در مورد مکانیک کوانتوم و سایر زمینه‌های فیزیک مطالبی را نوشته است. او همچنین به سؤالات بزرگتری در مورد آگاهی، مبانی فیزیک و پتانسیل انسان علاقه‌مند است. 

Frank Rozenblatt

Frank Rozenblatt در ۱۱ جولای ۱۹۲۸ در نیو روشل (New Rochelle)، نیویورک به دنیا آمد. او یک روانشناس آمریکایی بود که در زمینه‌ی هوش مصنوعی بسیار برجسته است و بیشتر با پرسپترون و شبکه‌های عصبی شناخته شده است. گاهی او را پدر یادگیری عمیق می‌نامند یا حداقل به همراه Geoffery Hinton،Yann LeCun، و Yoshua Bengio یکی از پدران یادگیری عمیق محسوب می‌شود.

علایق تحقیقاتی وی به صورت استثنایی بسیار گسترده بود. در زندگی نسبتاً کوتاه و پربارش بسیار فعال بود. یکی از علاقه‌مندی‌های او به مدلهای عملکرد مغز مربوط می‌شد و در همان راستا به ساخت سخت‌افزار‌های هوشمند نیز می‌پرداخت. از طرفی به موسیقی علاقه‌ی زیادی داشت و یک نوازنده‌ی چیره دست پیانو بود. به نجوم علاقه داشت و فعالیت‌هایی در این زمینه انجام می‌داد. همچنین یک لیبرالیست بود و در فعالیت‌های سیاسی بسیار فعال. 

پدر هوش مصنوعی

امروزه هوش مصنوعی و دستاورد‌های آن چهره‌ی دنیای ما را دگرگون کرده و تاثیرگذاری و اهمیت آن در زندگی امروزه اجتناب‌ناپذیر است. مردم به صورت روزمره از محصولات و خدمات هوش مصنوعی و یادگیری عمیق بهره‌مند می‌شوند. انواع سرویس‌هایی همچون ناوبری و مسیریابی، تشخیص‌های پزشکی، پیش‌بینی بازار بورس و انواع نرم‌افزار‌هایی که در تلفن‌های هوشمند ارائه می‌شوند نمونه‌هایی از این محصولات هستند. یکی از اولین پژوهشگرانی که در زمینه‌ی شبکه‌های عصبی مصنوعی و هوش مصنوعی فعالیت می‌کرد Marvin Minsky بود. او که پدر هوش مصنوعی لقب گرفته، یک دانشمند آمریکایی در حوزه‌ی علوم شناختی و هوش مصنوعی است. به گفته‌ی Alen Kay، یکی از دانشمندان علوم کامپیوتر اهل ایالات متحده‌ی آمریکا، Minsky کمک کرد تا به کامپیوتر‌ها به عنوان چیزی فراتر از ماشین‌های سریع برای محاسبات ریاضی فکر کنیم و برای آن‌ها ماموریتی بزرگ‌تر در راستای بر عهده گرفتن برخی از وظایف مهم انسان قائل شویم.    

قضیه‌ی Kolmogorov و شبکه‌های عصبی

وقتی Minsky و Papert در سال ۱۹۶۹ کتاب معروف خود پرسپترون‌ها را نوشتند و در آن به نقد و بررس پرسپترون‌ها و نقاط ضعف و قدرت آن‌ها پرداختند نشان دادند که پرسپترون قادر به یادگیری و تخمین توابع غیر خطی نیست. اما آن‌ها این احتمال را که شبکه‌های چند لایه می‌توانند عمل‌کرد بهتری ارائه کنند باز گذاشتند. البته تقریباً بیست سال طول کشید تا کارایی شبکه‌های عصبی چندلایه اثبات شود.

مبانی نظری شبکه‌های عصبی feedforward اولین بار توسط Kolmogorov ارائه شد. او برای اولین بار نشان داد که یک تابع پیوسته از n متغیر، f(x₁, x₂, x₃,...,x_n)، می‌تواند به مجموع توابع یک متغیره نگاشت شود. Andrey Nikolaevich Kolmogorov ریاضی‌دان نابغه‌ی روسی در سال ۱۹۵۸ در یک مقاله قضیه‌ی زیر را اثبات کرد:  

داستان فراز و فرود‌های شبکه‌های عصبی

نوزاد انسان ناتوان‌ترین نوزاد در بین حیوانات است و بعد از تولد تا مدتی طولانی قادر به رفع نیاز‌های اولیه‌ی خود نیست. در بدو تولد بسیاری از مهارت‌ها و توانایی‌های بزرگ‌ترها را ندارد. مهارت‌هایی همچون راه رفتن، صحبت کردن، گرفتن و رها کردن اشیاء. نوزاد به خوبی نمی‌بیند و نمی‌شنود. حتی نسبت به خود و اندام خود آگاهی ندارد و هیچ شناختی نسبت به روز و شب ندارد. باید یاد بگیرد که هنگام خستگی بخوابد و بعد از همه‌ی این‌ها تازه با دنیایی پر از شگفتی و آموزه‌های جدید مواجه می‌شود. اما نوزاد انسان مغزی پیچیده و بسیار قدرتمند دارد که همزمان با تکامل اندام‌ها و رشد بدن تکامل می‌یابد و یاد می‌گیرد. توانایی‌ای که از انسان، آدم می‌سازد.

این موجود شگفت‌انگیز سال‌هاست که با این توانایی خود آشنا شده و از این همه پیچیدگی و عظمت شگفت‌زده است. بیش از نیم قرن است که انسان، حیران از عظمت درون خود، سعی دارد دستگاهی بسازد که بتواند گوشه‌ای از توانایی‌های مغز را تقلید کند. سیستم‌های عصبی مصنوعی امروزه به صورت گسترده در کاربردهای بسیار زیاد و متنوع مورد استفاده قرار می‌گیرند. کاربرد‌هایی مانند شناسایی دست‌خط، کمک به تشخیص‌های پزشکی، تشخیص گفتار، پردازش زبان طبیعی، بینایی ماشین، خودرو‌های خودران، پیش‌بینی بازار بورس و بسیاری دیگر.

داستان الهام گرفتن از کارکرد مغز برای ساخت شبکه‌های عصبی مصنوعی، داستانی زیبا و شگفت انگیز است. داستان نیم قرن تلاش و طی مسیری ناهموار با فراز و فرود‌های متعدد، شور و اشتیاق، دلسردی و یأس، امید و ناامیدی، برای اینکه بتوانیم به کامپیوتر‌ها یاد بدهیم که یاد بگیرند. در این نوشتار سعی بر این است که چندین دهه تلاش پژوهشگران و فراز و فرود‌ها و چالش‌های مسیر پیشرفت شبکه‌های عصبی از روز تولد تا به امروز به صورت خلاصه بیان شود.