În această lucrare este studiată Inteligența artificială [1] pe bază de Rețele neuronale [2]. Inteligența artificială reprezintă o aplicație care poate învăța pentru atingerea unui scop. Rețeaua neuronală a fost inspirată din înțelegerea curentă despre funcționarea creierului. Aceasta este formată din noduri și conexiuni. Nodurile sunt organizate pe straturi, primul fiind cel de intrare a datelor, ultimul – de ieșire a datelor prelucrate. Între aceste două straturi pot fi un număr infinit de straturi, numite ascunse, care ajută la procesarea datelor. Fiecare conexiune dintre noduri are o pondere, care exprimă importanța nodului precedent pentru nodul următor. Pe lângă conexiunile dintre noduri, există o valoare, numită „bias”, ce ajustează valoarea transmisă nodului. Fiecare nod conține o funcție matematică f (x), numită funcția de activare [3] a nodului, ???? = ????????? ???????? ???? ????=0 + ????????, unde i – indexul nodului pe stratul precedent; n – numărul de noduri pe stratul precedent; xi – valoarea nodului precedent; wi – ponderea de pe conexiunea dintre nodul precedent și curent; bi – valoarea la bias conectată la nodul curent.Fig. 1. Rețea neuronală Tabel. Funcția de activare Antrenarea unei rețele neuronale reprezintă găsirea optimă a ponderilor de pe conexiuni pentru îndeplinirea sarcinii. Pentru a antrena o Rețea neuronală, se folosesc un tablou extrem de mare de date, ceea ce consumă mult timp și resurse, sau Rețeaua neuronală iterează activitatea sa de nenumărate ori, de fiecare dată modificând valorile ponderilor de pe conexiuni. Când rata de succes trece peste 90%, se poate considera că Rețeaua a fost antrenată. Succes se consideră corespunderea datelor de ieșire din Rețea cu cele așteptate.Algoritmul Genetic [4] este o metodă de antrenare a Inteligenței artificiale, în cazul unei rețele neuronale la găsirea ponderilor optime de pe conexiuni. Acest algoritm a fost inspirat din legile naturii, cel mai adaptat supraviețuiește. Individul care a trecut selecția are posibilitatea de a lăsa urmași. Urmașii primesc genele părintelui cu anumite mutații. Algoritmul constă în generarea a mai multor exemplare de indivizi controlați de rețea neuronală și selectarea unui grup după anumite criterii, în funcție de rezultatul dorit. La crearea a noi indivizi, se preia ponderea de pe conexiunile grupului selectat și se modifică într-un interval restrâns, adică au loc „mutațiile”. Procesul se repetă până când Rețeaua neuronală se va considera ca fiind antrenată. În urma efectuării studiului, a fost creat un model simplu care implementează acest algoritm. Pentru îndeplinirea acestui scop, s-au folosit motorul de joc Unity și limbajul de programare C#. Modelul creat constă în parcurgerea unui traseu, reprezentat în Figura 2, de către mașini, reprezentate în Figura 3.Fiecare mașină este controlată de o rețea neuronală reprezentată în Figura 1. Datele de intrare sunt distanțele de la individ spre pereți, determinate de 7 senzori. Datele de ieșire reprezintă două acțiuni disponibile pentru mașini, deplasarea înainte cu o anumită viteză și rotație la stânga sau la dreapta. În noduri s-a folosit funcția de activare Sigmoid, arătată în Tabel. De asemenea, mașinile au perioadă de viață. Pe parcursul traseului sunt amplasate puncte care măresc timpul de viață a mașinii. Se generează 75 de mașini. Odată ce mașina s-a lovit de perete sau dacă a expirat perioada de viață, aceasta se oprește. Mașina trebuie să se mențină mai departe de pereți și să se deplaseze cu o viteză suficientă pentru a ajunge mai departe, aceasta fiind condiția de selecție a mașinilor. Mașina care ajunge cel mai departe în cadrul unei runde este selectată pentru a lăsa urmași. Rundele se repetă până când jumătate din mașini ajung la final.