НЕЙРОННЫЕ СЕТИ НА ПОРОГЕ БУДУЩЕГО Ковалев Е.А

УДК 1573.6:0077:612.821.8
НЕЙРОННЫЕ СЕТИ НА ПОРОГЕ БУДУЩЕГО
Ковалев Е.А.
(СКГУ им. М. Козыбаева)
Введение
С каждым днём темп, задаваемый жизнью, растёт всё больше и больше. В связи с
этим возрастает ответственность за принятие различных решений. Даже небольшие
знания о том, что может произойти завтра, дают значительные результаты уже сегодня.
Некоторые люди имеют способности предсказать развитие событий, опираясь на
собственный опыт или делая логические выводы на основе знаний и при помощи
известных, выведенных законов. Но не все области знаний достаточно формализованы,
чтобы иметь возможность использовать средства логики и строить модели. Порой
факты таковы, что связь, их объединяющую, найти невозможно, и невозможно
уверенно говорить о предстоящих событиях, и достаточно часто встречаются ситуации,
когда очевидные факты не могут позволить сделать очевидных выводов. В таких
случаях на помощь могут прийти только иные методы. На сегодня широкое развитие
получила область знаний, называемая «Искусственный интеллект», и одно из её
мощнейших средств — искусственные нейронные сети.
Искусственные нейронные сети позволяют в различной степени смоделировать
деятельность мозга человека. При этом часто результаты поражают своей
эффективностью. И если обычный мозг не может справиться с решением проблемы, то
искусственная нейронная сеть в силу того, что моделируется какая та одна конкретная
способность мозга, предназначенная для решения частной задачи, справляется с
проблемой за мгновения.
Цель данных исследований
заключается в создании экспертной системы
прогнозирования в пространстве признаков ситуации. Данная система имеет цель
давать прогнозы в недостаточно формализованных областях, таких, как психология,
педагогика и другие социальные науки. Также целью изучения нейронной системы
является создание удобного в использовании, комфортного программного продукта,
позволяющего делать прогнозы в своей области даже людям, которые впервые
встречаются с проблемой прогнозирования. И, наконец, главной целью этой системы
является проверка и утверждение возможностей искусственных нейронных сетей в
решении задачи прогнозирования в малоформализованных областях знания.
Искусственные нейронные сети
Базовым компонентом данной темы являются искусственные нейронные сети,
которые представляют собой устройства параллельных вычислений, состоящие из
множества взаимодействующих простых процессоров. Такие процессоры обычно
исключительно просты, особенно в сравнении с процессорами, используемыми в
персональных компьютерах. Каждый процессор подобной сети имеет дело только с
сигналами, которые он периодически получает, и сигналами, которые он периодически
посылает другим процессорам, и, тем не менее, будучи соединенными в достаточно
гртт. г- уппявгтарл/гкт\,1 ичяимппейгттшем тякие локально поосгые шхшессооы
дальнейшее их развитие. Однако, в сравнении с человеческим мозгом, искусственные
нейронные сети сегодня представляют собой весьма упрощенные абстракции.
Большинство исследований, в том числе и данное, выполняется с использованием
программного моделирования на обычном компьютере. Программное моделирование
обеспечивает достаточно дешевую и гибкую среду для поиска и проверки
исследовательских идей, а для многих реальных приложений такое моделирование
оказывается вполне адекватным и достаточным. Хотя решение на основе нейронной
сети может выглядеть и вести себя как обычное программное обеспечение, они
различны в принципе, поскольку большинство реализаций на основе нейронных сетей
"обучается", а не программируется: сеть учится выполнять задачу, а не
программируется непосредственно. В большинстве случаев нейронные сети
используются тогда, когда невозможно написать подходящую программу, или по
причине того, что найденное нейронной сетью решение оказывается более
совершенным. Например, будучи преподавателем университета, вы можете из своего
опыта прекрасно знать, какие факторы влияют на успеваемость студентов, но при этом
часто имеются такие особенности, которые будет весьма трудно объяснить
программисту. Деканат факультета может пожелать иметь "предсказателя
успеваемости студентов на основе нейронной сети", обученного на множестве
примеров реального поведения студентов и преподавателей тому, какие факторы
влияют на успеваемость, и тому, какую относительную важность имеет каждый из этчх
факторов. Но здесь более важным оказывается то, что решение на основе нейронной
сети является более гибким, поскольку соответствующая система может в дальнейшем
совершенствовать точность предсказаний по мере накопления ею опыта и
адаптироваться к происходящим в учебном процессе изменениям.
Применение нейронных сетей
Искусственные нейронные сети прочно вошли в нашу жизнь и в настоящее время
широко используются при решении самых разных задач и активно применяются там,
где обычные алгоритмические решения оказываются неэффективными или вовсе
невозможными. В числе задач, решение которых доверяют искусственным нейронным
сетям, можно назвать следующие: выявление фальшивых кредитных карточек,
прогнозирование изменений на фондовой бирже, составление кредитных планов,
оптическое распознавание символов, профилактика и диагностика заболеваний
человека, наблюдение за техническим состоянием машин и механизмов,
автоматическое управление движением автомобиля, принятие решений при посадке
поврежденного летательного аппарата и т. д. Самым ярким примером использования
нейронных сетей является разработка российской фирмы ABBYY — FineReader —
система распознавания символов. Дальнейшие успехи в разработке искусственных
нейронных сетей будут зависеть от дальнейшего понимания принципов работы
человеческого мозга, но здесь имеется и обратная связь: искусственные нейронные сети
являются одним из средств, с помощью которых совершенствуется наше представление
о процессах, происходящих в нервной системе человека, выступая в качестве моделей
соответствующих процессов.
Основные компоненты нейронной сети
Нейронная сеть является совокупностью элементов, соединенных некоторым
образом так, чтобы между ними обеспечивалось взаимодействие. Эти элементы,
называемые также нейронами или узлами, представляют собой простые процессоры,
вычислительные возможности которых обычно ограничиваются некоторым правилом
комбинирования входных сигналов и правилом активизации, позволяющим вычислить
выходной сигнал по совокупности входных сигналов. Выходной сигнал элемента
может посылаться другим элементам по взвешенным связям, с каждой из которых
221
связан весовой коэффициент или вес. В зависимости от значения весового
коэффициента передаваемый сигнал или усиливается, или подавляется. Элемент
нейронной сети схематически показан на следующем рисунке.
Элемент
Ис ходящие евяз и ,
задающие сигналы
для других элементов
Один из самых привлекательных аспектов использования нейронных сетей
заключается в том, что, хотя элементы такой сети имеют очень ограниченные
вычислительные возможности, вся сеть в целом, объединяя большое число таких
элементов, оказывается способной выполнять довольно сложные задачи.
Перспективы
В настоящее время искусственные нейронные сети являются важным
расширением понятия вычисления. Они уже позволили справиться с рядом непростых
проблем и обещают создание новых программ и устройств, способных решать задачи,
которые пока под силу только человеку. Современные нейрокомпьютеры используются
в основном в программных продуктах и поэтому редко задействуют свой потенциал
«параллелизма». Эпоха настоящих параллельных нейровычислений начнется с
появлением на рынке большого числа аппаратных реализаций — специализированных
нейрочипов и плат расширений, предназначенных для обработки речи, видео,
статических изображений и других типов образной информации.
Со временем должна появиться и бытовая техника, подстраивающаяся под своего
владельца, предвестником которой можно считать нейросетевой блок адаптивного
управления в новом пылесосе фирмы Samsung. Системы безопасности будут узнавать
своих хозяев по голосу, внешнему виду и ряду других уникальных характеристик.
Получат развитие и системы жизнеобеспечения «умных» электронных домов, которые
станут еще более адаптивными и обучаемыми. На производстве и в различных
промышленных системах интеллектуальные нейросетевые контроллеры смогут
распознавать потенциально опасные ситуации, уведомлять о них людей и принимать
адекватные и, что самое главное, своевременные меры. Потоки данных в
вычислительных сетях и сетях сотовой связи тоже будут оптимизироваться с помощью
нейротехнологий.
Переход к транзисторам, а затем к интегральным схемам делал компьютеры все
более дешевыми и доступными. Они перестали использоваться как простые
вычислители, им стали поручать более интеллектуальные задачи: работу с
документами, обработку и анализ данных. Соответственно развивался и интерфейс
взаимодействия пользователей и компьютеров, который с момента появления первых
ЭВМ был узким местом этих устройств, существенно снижающим эффективность
работы с ними. Компьютеры не могли читать, понимать речь, распознавать другую
образную информацию: их основным языком были буквы и цифры. Поэтому сначала
человеку пришлось учить язык компьютера и программировать в двоичных и
машинных кодах, но впоследствии компьютер начал учить язык человека. Тумблерыпереключатели, а затем командная строка превратились в графические интуитивно
понятные интерфейсы, а теперь уже речь идет о системах, которые будут в состоянии
общаться с человеком на одном языке. Скорее всего, эта задача будет возложена на
будущие операционные системы, которые станут заниматься не только распознаванием
222
образов, но и интеллектуальной фильтрацией и поиском информации с учетом
интересов пользователя. И, конечно, для решения этих задач будут использоваться
нейронные сети, реализованные программно или аппаратно.
Другой областью применения нейронных сетей является их использование в
специализированных программных агентах — в роботах, предназначенных для
обработки информации, а не для физической работы. Интеллектуальные помощники
должны облегчать пользователям работу с информацией и общение с компьютером. Их
отличительной чертой будет стремление как можно лучше понять, что от них
требуется, за счет наблюдения и анализа поведения своего хозяина, стараясь
обнаружить в этом поведении некоторые закономерности и своевременно предложить
свои услуги для выполнения определенных операций, например для фильтрации
новостных сообщений, с советами по разрешению возникшей проблемы или для
резервного копирования документов, над которыми пользователь работает. Именно
поэтому нейронные сети, способные обобщать данные и находить в них
закономерности, являются естественным компонентом подобных программных
агентов.
Но все это, естественно, дело отдаленного будущего. Сегодня же нейронные сети
используются для работы в относительно узких областях, и неизвестно, доверят ли им
когда-нибудь решение вопросов, которые требуют понимания социального контекста.
Между тем нейронные сети уверенно продолжают проникать в нашу жизнь, и
примеров тому немало. Чего только стоит развлекательный робот AIBO — электронная
самообучающаяся собака с элементами искусственного интеллекта, выпускаемая Sony.
Ну что, вы готовы к встрече с будущим?
Литература:
1.
2.
3.
4.
Девятников В.В. Системы искусственного интеллекта, М.: Издательство МГТУ им. Н.Э:
Баумана, 2001 .-265с.
Амамия М., Танака Ю. Архитектура ЭВМ и искусственный интеллект. М: Мир, 1993.-464с.
Уоссерман Ф. Нейрокомпьютерная техника: теория и практика. М.: Мир, 1992.-387с.
Назаров А .В ., Лоскутов А.И. Нейросетевые алгоритмы прогнозирования и оптимизации
систем.- СПб.: Наука и техника, 2003.-384с.
223