Filmedy: založena nová stránka s textem „{{K rozšíření}} {{Infobox Umělá inteligence | Název = Neuronová síť | Obrázek = Artificial_neural_network.svg | Popis obrázku = Schematické znázornění umělé neuronové sítě s vstupní, skrytou a výstupní vrstvou | Obor = Umělá inteligence, Strojové učení, Hluboké učení | Definice = Výpočetní model inspirovaný strukturou a fungováním lidského mozku, skládající se z pro…“

2025-05-27T18:31:15Z

založena nová stránka s textem „{{K rozšíření}} {{Infobox Umělá inteligence | Název = Neuronová síť | Obrázek = Artificial_neural_network.svg | Popis obrázku = Schematické znázornění umělé neuronové sítě s vstupní, skrytou a výstupní vrstvou | Obor = Umělá inteligence, Strojové učení, Hluboké učení | Definice = Výpočetní model inspirovaný strukturou a fungováním lidského mozku, skládající se z pro…“

Nová stránka

{{K rozšíření}}
{{Infobox Umělá inteligence
| Název = Neuronová síť
| Obrázek = Artificial_neural_network.svg
| Popis obrázku = Schematické znázornění umělé neuronové sítě s vstupní, skrytou a výstupní vrstvou
| Obor = [[Umělá inteligence]], [[Strojové učení]], [[Hluboké učení]]
| Definice = Výpočetní [[model (AI)|model]] inspirovaný strukturou a fungováním [[lidský mozek|lidského mozku]], skládající se z propojených uzlů (neuronů) uspořádaných ve vrstvách
| Klíčové koncepty = [[Neuron (umělá inteligence)|Neuron]], [[Spojení (neuronová síť)|spojení]] (váhy), [[Aktivační funkce]], [[Vrstva (neuronová síť)|vrstva]], [[Zpětné šíření chyb|zpětné šíření chyb]]
| Funkce = Rozpoznávání vzorců, klasifikace, regrese, generování obsahu
| Typy = Feedforward, [[Konvoluční neuronová síť|konvoluční (CNN)]], [[Rekurentní neuronová síť|rekurentní (RNN)]], [[Transformer (model strojového učení)|Transformer]]
| Využití = [[Rozpoznávání obrazu|Rozpoznávání obrazu]], [[zpracování přirozeného jazyka|zpracování přirozeného jazyka]], [[rozpoznávání řeči|rozpoznávání řeči]], [[autonomní řízení]], [[medicína]]
| Význam = Základ [[hluboké učení|hlubokého učení]] a moderních průlomů v AI
| Příbuzné pojmy = [[Hluboké učení]], [[Strojové učení]], [[Umělá inteligence]], [[Algoritmus]], [[Datová věda]]
| Historie = 1943 (McCulloch-Pitts neuron), 1957 (Perceptron), 1986 (zpětné šíření chyb), boom od 2000s
}}
'''Neuronová síť''' (celým názvem '''umělá neuronová síť''', anglicky ''Artificial Neural Network'', zkráceně ''ANN'' nebo jen ''NN'') je [[výpočetní model|výpočetní model]] inspirovaný strukturou a fungováním [[lidský mozek|lidského mozku]] a [[nervová soustava|nervové soustavy]]. Jedná se o klíčovou komponentu [[hluboké učení|hlubokého učení]] a je základem většiny moderních průlomů v oblasti [[umělá inteligence|umělé inteligence]].

---
== Struktura a princip fungování ==
Základní stavební jednotkou neuronové sítě je '''[[Neuron (umělá inteligence)|umělý neuron]]''' (nebo uzel), který je volně inspirován [[biologický neuron|biologickým neuronem]]. Umělé neurony jsou uspořádány ve '''[[Vrstva (neuronová síť)|vrstvách]]''' a vzájemně propojeny.

Typická neuronová síť se skládá z minimálně tří typů vrstev:
* '''Vstupní vrstva (Input Layer):''' Přijímá syrová [[data]] (např. [[pixel|pixely]] [[obrázky|obrázku]], [[slovo|slova]] z [[text]]u, numerické hodnoty). Každý [[Neuron (umělá inteligence)|neuron]] ve vstupní vrstvě obvykle reprezentuje jednu vlastnost vstupních [[data|dat]].
* '''Skryté vrstvy (Hidden Layers):''' Jedna nebo více vrstev mezi vstupní a výstupní vrstvou. Zde probíhá většina výpočtů a učení komplexních vzorců.
* '''Výstupní vrstva (Output Layer):''' Produkuje konečný výsledek [[sítě]] (např. [[klasifikace (strojové učení)|klasifikaci]], [[regrese|regresní hodnotu]], vygenerovaný [[text]] nebo [[obrázky|obrázek]]).

=== Propojení a váhy ===
Každé [[Spojení (neuronová síť)|spojení]] mezi [[Neuron (umělá inteligence)|neurony]] má přiřazenou '''váhu''' (weight), což je [[číslo]], které určuje sílu a směr vlivu jednoho [[Neuron (umělá inteligence)|neuronu]] na druhý. Během [[trénink (strojové učení)|tréninku]] [[sítě]] se tyto váhy postupně upravují, aby [[Model (AI)|model]] dosahoval co nejpřesnějších výsledků. Každý [[Neuron (umělá inteligence)|neuron]] má také '''bias''' (práh aktivace), což je dodatečná hodnota přidaná k váženému součtu vstupů.

=== Aktivační funkce ===
V každém [[Neuron (umělá inteligence)|neuronu]] (kromě vstupní vrstvy) se vážený součet všech vstupů s přidaným biasem předává přes '''[[Aktivační funkce|aktivační funkci]]'''. Tato [[funkce]] zavádí do [[sítě]] nelinearitu, což jí umožňuje učit se složité a nelineární vztahy v [[data|datech]]. Bez [[Aktivační funkce|aktivačních funkcí]] by [[neuronová síť|neuronová síť]] byla jen složitou [[lineární regrese|lineární regresí]]. Běžné [[Aktivační funkce|aktivační funkce]] jsou [[ReLU]] (Rectified Linear Unit), [[Sigmoid]] nebo [[Softmax]].

---
== Jak se neuronová síť učí (trénink) ==
Trénink [[neuronová síť|neuronové sítě]] je iterativní proces, který zahrnuje několik kroků:

1. '''Dopředná propagace (Forward Propagation):''' Vstupní [[data]] jsou předána přes [[síť]] zleva doprava (od vstupní vrstvy přes skryté vrstvy až po výstupní vrstvu). Každý [[Neuron (umělá inteligence)|neuron]] provede výpočet (vážený součet vstupů + bias, aplikuje [[Aktivační funkce|aktivační funkci]]) a předá výsledek dalším [[Neuron (umělá inteligence)|neuronům]] v následující vrstvě. Na konci je generován výstup [[sítě]].
2. '''Výpočet ztráty (Loss Calculation):''' Výstup [[sítě]] je porovnán se skutečným (očekávaným) výstupem pomocí '''ztrátové [[funkce]]''' (loss function). Ztrátová [[funkce]] kvantifikuje chybu nebo rozdíl mezi predikcí [[sítě]] a skutečností.
3. '''Zpětná propagace (Backpropagation):''' Vypočítaná chyba je šířena zpět [[sítí]] (od výstupní vrstvy směrem ke vstupní). [[Algoritmus]] vypočítává, jak moc každý [[Parametr (strojové učení)|parametr]] (váha a bias) přispěl k celkové chybě. To se děje pomocí [[gradient (matematika)|gradientního]] sestupu.
4. '''Aktualizace vah (Weight Update):''' Váhy a bias jsou upraveny malými kroky ve směru, který minimalizuje ztrátovou [[funkce|funkci]]. Tento proces se opakuje po mnoho iterací (epoch), dokud se [[síť]] nenaučí provádět přesné [[predikce]].

---
== Typy neuronových sítí ==
Existuje mnoho architektur [[neuronová síť|neuronových sítí]], z nichž každá je optimalizována pro různé typy [[data|dat]] a úloh:

* '''Feedforward [[neuronová síť|sítě]] (FFNN) / Multilayer Perceptron (MLP):''' Nejjednodušší typ, kde [[informace]] proudí pouze jedním směrem (dopředu), bez cyklů. Základ pro mnoho aplikací.
* '''[[Konvoluční neuronová síť|Konvoluční neuronové sítě (Convolutional Neural Networks – CNNs)]]:''' Specializované pro zpracování [[obrázky|obrazových dat]]. Využívají konvoluční vrstvy pro automatickou extrakci rysů.
* '''[[Rekurentní neuronová síť|Rekurentní neuronové sítě (Recurrent Neural Networks – RNNs)]]:''' Určené pro sekvenční [[data]] (např. [[text]], [[řeč]]), protože mají vnitřní "paměť" pro informace z předchozích kroků.
* '''[[Transformer (model strojového učení)|Transformery]]:''' Moderní architektura, která využívá mechanismus [[pozornost (strojové učení)|pozornosti]] a je dominantní v [[zpracování přirozeného jazyka|NLP]] (např. [[velký jazykový model|LLM]]) a nyní i v jiných oblastech.
* '''[[Generativní adversární síť|Generativní adversární sítě (GANs)]]:''' Skládají se ze dvou spolupracujících [[sítí]] (generátor a diskriminátor) a používají se pro generování nového, realistického obsahu.
* '''[[Diferenční modely]]:''' Novější generativní modely, které se učí generovat [[data]] postupným odstraňováním [[šum (data)|šumu]].

---
== Aplikace neuronových sítí ==
Neuronové [[sítě]] jsou srdcem většiny moderních [[AI]] systémů a využívají se v:
* '''[[Rozpoznávání obrazu|Rozpoznávání obrazu]]:''' [[Rozpoznávání tváří]], [[autonomní řízení]], [[lékařská diagnostika]].
* '''[[Zpracování přirozeného jazyka|Zpracování přirozeného jazyka]] (NLP):''' [[Strojový překlad]], [[chatbot|chatboti]], generování [[text]]u, analýza sentimentu.
* '''[[Rozpoznávání řeči]]:''' Hlasoví asistenti, přepis mluveného slova.
* '''Doporučovací systémy:''' Personalizované doporučení obsahu.
* '''[[Medicína]]:''' Diagnostika nemocí, objevování [[léky|léků]].
* '''[[Finance]]:''' Detekce podvodů, algoritmické obchodování.
* '''[[Generativní umělá inteligence|Generativní AI]]:''' Tvorba uměleckých [[obrázky|obrazů]], realistických [[video|videí]] a [[hudba|hudby]].

---
== Neuronová síť pro laiky ==
Představte si, že chcete naučit [[počítač]] poznávat [[pes|psy]] na [[fotografie|fotkách]]. Jak by to udělal [[lidský mozek]]? Miliony [[neuron (umělá inteligence)|buněk]] spolupracují.

'''Neuronová síť''' je zjednodušená verze takového "mozku" pro [[počítač]]:
* '''Buňky (neurony):''' Představte si tisíce malých "buněk" uvnitř [[počítač]]e.
* '''Vrsty:''' Tyto "buňky" jsou uspořádány do vrstev. Některé jsou na začátku (''vstupní vrstva'' – sem jdou [[pixel|pixely]] z [[fotografie|fotky]]), některé uprostřed (''skryté vrstvy'' – tady probíhá to pravé myšlení) a jedna na konci (''výstupní vrstva'' – ta řekne, jestli je to [[pes]] nebo [[kočka]]).
* '''Spojení:''' Každá "buňka" je propojena s mnoha dalšími v další vrstvě. Ta propojení mají "sílu" (říkáme jí '''váha''').
* '''Učení:''' Když [[počítač]]i ukážete [[fotografie|fotku]] [[pes|psa]], [[informace]] putuje od vstupní vrstvy přes všechny vrstvy. Každá "buňka" si spočítá něco malého a předá to dál. Nakonec výstupní vrstva řekne svůj tip.
* '''Zlepšování:''' Pokud se [[počítač]] spletl (řekl [[kočka]], když to byl [[pes]]), tak se "síla" propojení (váhy) trochu upraví. Tohle se opakuje miliardkrát s miliardami [[fotografie|fotek]], dokud se [[síť]] nenaučí poznávat [[pes|psy]] (a [[kočka|kočky]]) s velkou přesností.

'''Hluboké učení''' je pak jen termín pro [[neuronová síť|neuronové sítě]] s mnoha (mnoha!) skrytými vrstvami, které jim umožňují učit se neuvěřitelně složité věci.

---
== Viz také ==
* [[Hluboké učení]]
* [[Strojové učení]]
* [[Umělá inteligence]]
* [[Neuron (umělá inteligence)]]
* [[Aktivační funkce]]
* [[Zpětné šíření chyb]]
* [[Konvoluční neuronová síť]]
* [[Rekurentní neuronová síť]]
* [[Transformer (model strojového učení)]]
* [[Generativní adversární síť]]
* [[Diferenční modely]]
* [[Velký jazykový model]]

---
== Odkazy ==
* [https://www.ibm.com/topics/neural-networks IBM – What are neural networks?] (anglicky)
* [https://www.investopedia.com/terms/n/neural-network.asp Investopedia – Neural Network] (anglicky)
* [https://www.simplilearn.com/tutorials/deep-learning-tutorial/what-is-neural-network Simplilearn – What is a Neural Network?] (anglicky)
* [https://www.wikiskripta.eu/w/Um%C4%9Bl%C3%A1_neuron_s%C3%AD%C5%A5 Wikiskripta – Umělá neuronová síť] (česky)

[[Kategorie:Neuronové sítě]]
[[Kategorie:Hluboké učení]]
[[Kategorie:Strojové učení]]
[[Kategorie:Umělá inteligence]]
[[Kategorie:Algoritmy]]
[[Kategorie:Teoretická informatika]]

Neuronová síť - Historie editací