Vijf gidsen door de geschiedenis van neurale netwerken
Het neuron vóór het leren
Een vast drempelneuron vertaalt neurale activiteit naar logische bewerkingen en laat zien hoe eenvoudige beslissingen samen berekeningen vormen.
Ontdek McCulloch en Pitts
Het neuron dat leerde
Rosenblatt voegt aanpasbare gewichten toe, zodat voorbeelden een beslissingsgrens kunnen verplaatsen.
Ontdek de perceptron
De fout die terug door het netwerk ging
Backpropagation verdeelt het foutsignaal over verborgen lagen, zodat het netwerk bruikbare interne representaties kan leren.
Ontdek backpropagation
De wereld leren herkennen, laag voor laag
Dankzij diepere netwerken, meer data en meer rekenkracht werd representatieleren praktisch toepasbaar.
Ontdek deep learning
Hoe elk token relevante context vindt
Met self-attention haalt iedere positie relevante informatie uit de context. Zo effende de Transformer de weg voor moderne taalmodellen.
Ontdek attentionDe conceptuele rode draad
Moderne AI bouwt voort op oudere ideeën.
Logica leverde de bouwstenen. Leren maakte ze aanpasbaar. Backpropagation verdeelde het foutsignaal. Diepe netwerken bouwden abstracte representaties op. Attention selecteerde relevante context.
-
LogicaVerander neuraal vuren in een regel.
-
CorrectieVerplaats de gewichten na een fout.
-
InvloedVertel elke verborgen verbinding hoe die bijdroeg.
-
HiërarchieBouw bruikbare kenmerken op over veel lagen.
-
ContextLaat elke positie de benodigde informatie verzamelen.