Sztuczne sieci neuronowe są uogólnionym modelem obliczeniowym wzorowanym na zachowaniu komórek nerwowych, a więc czerpią z analogii do budowy mózgu. Ta analogia nie jest jednak celem samym w sobie (poza zupełnie niezależnymi próbami budowy „sztucznego mózgu”, co nie jest przedmiotem niniejszej książki), a przeradza się w budowę obliczeniowych modeli matematycznych opartych na idei tak zwanego „uczenia maszynowego” (ang. machine learning, ML). Jaki ma to związek z zastosowaniami w naukach politycznych? Wyjaśnienie tej kwestii znajduje się na kartach książki.

Tytuł pracy pozostaje w ścisłym związku z układem jej treści. I tak, najpierw omówione zostają zagadnienia dotyczące biologicznych sieci neuronowych, następnie założenia modelu obliczeniowego, a na końcu – mowa jest o przykładowych zastosowaniach. Stąd też, w szerszej perspektywie, książka składa się z dwóch części: teoretycznej i empirycznej opartej na swego rodzaju studium przypadku (jest nim politologia).

Jest prawdopodobne, że sięgną do tej książki osoby zaintrygowane tylko jej tytułem. Takich Czytelników wypada zapewnić, że tekst skierowany jest w szczególności do tych osób, które do tej pory nie wykorzystywały w działalności naukowej omawianych podejść, a zwłaszcza jest kierowana do tych, którzy zakładają, że prawdopodobnie… nigdy ich nie wykorzystają. Przez wzgląd na nich, dołożono wszelkich starań, aby wywód – momentami nieco hermetyczny – opatrzyć odpowiednią liczbą przykładów ilustrujących intersujące nas zjawiska.

Stąd też, jeżeli szukasz odpowiedzi na pytania m.in.:
Czy sieci neuronowe znajdują zastosowania w naukach politycznych?
Czym są nauki społeczne 2.0?
Co oznacza soft computing, neurokomputing i czym jest neuromorficzny chip?
Co ma wspólnego Rembrandt z Rumelhartem i sieciami neuronowymi?
Jaki związek z sieciami neuronowymi ma logika rozmyta oraz algorytmy genetyczne?
Na czym polega doniosłość badań nad nicieniem Caenorhabditis elegans?
Dlaczego Ada Lovelace przeszła do historii i to nie tylko nauki?
Jaką ilość danych przyswajał człowiek w XV wieku, a jaką obecnie?
Ile to jest 1 yottabajt danych?
Jaka część danych w skali globalnej to dane ustrukturyzowane, a jaka – cyfrowe?
Czy obecnie jeszcze istnieją w wersji papierowej kopie zapasowe danych?
Ile danych jest potrzebnych w celu zidentyfikowania konkretnej osoby z 95% pewnością?
Czym jest kulturomika?
Czy można opatentować dane opisujące organizmy żywe?
Czym jest perceptron wielowarstwowy, metoda wstecznej propagacji błędów, deep learning, anwersalne sieci generatywne, sieci rekurencyjne, splotowe, komórkowe, LSTM, machine learning, projektowanie generatywne, text mining, sentiment analysis, przetwarzania języka naturalnego (NLP) – oraz dlaczego warto te pojęcia znać?
Na czym polega uczenie sieci neuronowych i czy można je „przeuczyć”?
Jakie są przykładowe zastosowania uczenia maszynowego i sieci neuronowych w naukach politycznych?
Czy demokracja i technologia są ze sobą sprzeczne?
– to warto sięgnąć po tę książkę!

Albert Einstein miał stwierdzić: „Wyobraźnia bez wiedzy może tworzyć rzeczy piękne. Wiedza bez wyobraźni najwyżej doskonałe. Wyobraźnia jest ważniejsza niż wiedza, bo choć wiedza wskazuje na to, co jest, wyobraźnia wskazuje na to, co będzie”. Kolejne rozdziały książki są poświęcone właśnie pewnym szczególnym aspektom tego co jest i tego – co będzie.

Książka dotyczy sztucznych sieci neuronowych, jednej z najważniejszych technologii uczenia maszynowego, ważnego działu sztucznej inteligencji, w zastosowaniu do badan politologicznych. Nie ma podobnej pozycji w języku polskim (…). Temat jest ważny i obecnie bardzo popularny ze względu na liczne inicjatywy dotyczące sztucznej inteligencji i sieci neuronowych w szczególności.