Алена
Приказчикова
Высочайшее
достижение нейтронной мегалоплазмы!
Ротор поля наподобие
дивергенции градуирует себя вдоль спины
и там, внутри, обращает материю вопроса в
спиритуальные электрические вихри, из
коих и возникает синекдоха отвечания….
А. и Б.
Стругацкие, "Сказка о тройке"
В последнее
время интерес человечества к
искусственным нейронным сетям (Artificial
Neural Network - ANN) растет в арифметической
прогрессии. За этим интересом - не только
стремление ученых и исследователей
понять принципы работы нервной системы
живого организма, но и желание
самостоятельно моделировать и
генерировать сложные процессы
обработки информации, на которые пока
способен лишь человеческий мозг.
Нейронные сети, которые не только умеют
обрабатывать данные, но еще обладают
способностью обучаться, объединяет
суперсовременная технология создания
этих самых систем – нейрокомпьютинг.
Компьютеры, разработанные на основе
этой технологии, принято называть
вычислительными системами шестого
поколения.
В настоящее время
разработка нейрокомпьютеров ведется в
большинстве экономически и промышленно
развитых стран. Нейрокомпьютеры
позволяют с высокой эффективностью
решать целый ряд "интеллектуальных"
задач: распознавание образов,
адаптивное управление, прогнозирование,
диагностика и т. д. Но это будущее
нейронных сетей и нейрокомпьютинга. А
уже сейчас нейронные сети применяются
во многих сферах деятельности человека:
в системах прогнозирования
экономической и финансовой
деятельности; системах обработки
изображений, сигналов; системах
информационной безопасности; атомной
энергетике и физике; медицине;
автоматическом управлении инженерных
систем и т. д.
Что такое нейронная сеть и ее
составляющие, как она работает
Человеческий
мозг содержит свыше триллиона элементов,
называемых нейронами, которые являются
основными составляющими нервной
системы человека. Нейроны связаны
множеством нервных нитей, называемых
синапсами. Эта биологическая сеть
отвечает за наши мысли, эмоции,
способность обучаться, а также за
сенсомоторику и многие другие
немаловажные функции человеческого
организма. Нейроны посылают друг другу
электрические импульсы - сигналы
различной силы и частоты.
Искусственные нейроны, из
комбинаций которых состоят нейронные
сети, в принципе, имитируют свойства
биологического нейрона. Однако, простая
модель искусственного нейрона
игнорирует многие свойства нейрона
биологического. Один искусственный
нейрон способен выполнять простейшие
процедуры распознавания, сложные
вычисления требуют соединений нейронов
в сети. Простейшая сеть состоит из
группы нейронов, образующих слой. Более
крупные и сложные нейронные сети
обладают, как правило, и большими
вычислительными способностями.
Естественно, многослойные сети обладают
более широкими возможностями, чем
однослойные, и в последние годы были
разработаны различные алгоритмы для их
обучения.
Несмотря на то, что
нейронаука - дисциплина отнюдь не новая,
учеными все еще не дано универсальное
определение нейронной сети. Принято
считать, что нейронная сеть – это сеть,
состоящая из нескольких простых "процессоров",
а каждый из этих "процессоров"
имеет определенное количество памяти.
Иногда их еще называют единицами,
которые связаны соединениями или
каналами связи, оперирующими
кодируемыми числовыми данными. Таким
образом, нейронная сеть может "справиться"
с любой вычислимой функцией, как и
совершенно обычный компьютер, однако, в
отличие от него, нейрокомпьютер решает
нестандартные задачи, к которым не могут
применяться жесткие правила математики.
В отличие от экспертных систем, которые
в обработке данных ориентируются на
набор правил, заложенных в их базе
данных, нейросеть проводит анализ
информации, которую она научена
распознавать.
Практическое использование
нейрокомпьютеров
Будущее
нейронных сетей и нейрокомпьютинга
огромно. Интеллектуальные задачи,
которые возможно будет решать с их
помощью – обширны, и даже воображению не
под силу справиться со всеми возможными
вариантами применения нейрокомпьютеров.
Научить вычислительную систему думать,
придать ей свойства мышления и
восприятия, доступные лишь человеку –
именно за этими направлениями развития
вычислительных систем будущее.
Теоритическое начало
нейронных сетей было впервые обозначено
в классической работе МакКаллока и
Питтса в 1943 году, где утверждалось, что
любую арифметическую или логическую
функцию можно рассчитать и применить на
практике с помощью простейшей по схеме
нейронной сети. А уже в 1958 году была
разработана нейронная сеть, названная
перцептроном и предназначенная для
классификации объектов. В 80-х годах
появились нейронные сети, названные
многослойными перцептронами, - они умеют
распознавать данные, управлять ими и
прогнозировать.
Разработками в области
нейрокомпьютерных технологий во всем
мире занимаются более 300 компаний. Среди
них такие гиганты, как Intel, DEC, IBM и Motorola.
Основными перспективными направлениями
современного развития
нейрокомпьютерных технологий являются
нейросетевые экспертные системы, СУБД с
включением нейросетевых алгоритмов,
обработка изображений, управление
динамическими системами и обработка
сигналов, управление финансовой
деятельностью, виртуальная реальность.
К примеру, сегодня 60% кредитных карточек
в США обрабатываются с помощью
технических средств на основе
нейросетевых технологий.
Идентифицирует карточки специальная
система скрытого обнаружения веществ на
базе тепловых нейронов, с помощью
нейрокомпьютера, работающего на
специальных цифровых нейрочипах.
Система, подобная описанной, - система
фирмы SAIC - эксплуатируется уже во многих
аэропортах США при досмотре багажа для
обнаружения наркотиков и взрывчатых
веществ. Обработка изображений – еще
одна сфера применения нейросетевых
технологий. С их помощью обрабатывают
аэрокосмические снимки (сжатие с
восстановлением, сегментация,
контрастирование и обработка текстур;
выделение на изображении движущихся
целей; поиск и распознавание на
изображении объектов заданной формы;
обработка потоков изображений;
обработка информации в
высокопроизводительных сканерах).
Кроме этого, с помощью
нейросетевых технологий, ученые и
специалисты уже умеют: прогнозировать
финансовые показатели; упреждать
мощности АЭС; прогнозировать надежность
систем электропитания на самолетах и
наземных объектах; обрабатывать
траекторные измерения; обрабатывать
гидролокационные сигналы (например,
распознавать тип надводной или
подводной цели, определять координаты
цели); обрабатывать сейсмические
сигналы, которые по структуре весьма
близки к гидролокационным, и многое
другое. Например, данные, обработанные
нейрокомпьютером, позволяют получить с
достаточной точностью координаты и
мощность землетрясения или ядерного
взрыва.
Одна из самых
перспективных областей применения
нейрокомпьютеров – система управления
динамическими объектами. По крайней
мере две страны - США и Финляндия - уже
ведут работы по использованию
нейрокомпьютеров для управления
химическими реакторами. В нашей стране
этим не занимались по причине
морального устаревания существующих
реакторов и нецелесообразности
совершенствования их систем управления.
Перспективной также
считается разработка нейрокомпьютера
для управления двигательной установкой
гиперзвукового самолета. Фактически
единственным вариантом реализации
высокопараллельной вычислительной
системы управления зеркалами (100-400
зеркал) адаптивного составного
телескопа сегодня является
нейрокомпьютер. Режимы управления этим
сложным объектом по критерию
обеспечения максимального высокого
качества изображения и компенсации
атмосферных возмущений может
обеспечить только мощный
нейрокомпьютер. По силам ему также
задача просчета точного маневра
истребителя. Нейрокомпьютер может
выполнять и так называемые "экспертные"
функции. Примерами реализации
конкретных нейросетевых экспертных
систем могут служить система выбора
воздушных маневров в ходе воздушного
боя и медицинская диагностическая
экспертная система для оценки состояния
летчика.
Нейросети также можно
использовать для обнаружения
компьютерных атак, их идентификации или
большей эффективности защиты
информации в Сети. В отличие от систем,
которые работают на основе заданных
правил (мы говорили об этом выше) и не
способны обнаруживать сценарии атак в
течение продолжительного периода
времени (например, печально известный
denial-of-service), нейросети анализируют
информацию, - не идентифицируют с
заложенными правилами, а согласуют с
характеристиками, которые научены
распознавать. Кроме того, нейросеть
обучается с течением времени, то есть
непосредственно при анализе данных, что
необходимо для отражения нетипичных
внешних атак на систему. Учитывая
постоянное изменение программного
обеспечения и аппаратных средств,
системы, работающие на основе правил, не
способны эффективно и своевременно
справляться с такими проблемами, тогда
как нейросеть проводит анализ событий и
активизирует защитные функции до
завершения атаки, то есть борется с
причиной, а не следствием.
Отечественные разработки в
области нейрокомпьютинга
Российские
ученые, которые занимаются разработкой
нейросетей вот уже на протяжении 30 лет,
шагнули гораздо дальше, чем их
зарубежные коллеги. Так, общие постулаты
синтеза многослойных нейронных сетей
были разработаны сотрудниками Научного
центра нейрокомпьютеров еще в конце 60-х
годов, в основном же теория нейронных
сетей и нейроматематика являются для
российской вычислительной науки
приоритетными направлениями. Однако,
несмотря на довольно значительные
успехи российских и западных ученых в
области разработки и применения
нейросетевой технологии, о которых речь
пойдет чуть ниже, все попытки
искусственно смоделировать процессы
обработки человеческим мозгом
информации пока не привели к сколь-нибудь
значимым результатам. Все дело в том, что
ни одна область человеческого мозга не
исследована учеными до конца, как,
собственно, до сих пор неясны и
механизмы процесса обработки мозгом
информации.
В 1995 году в нашей стране
была завершена разработка первого
отечественного нейрокомпьютера на
стандартной микропроцессорной
элементной базе, а сегодня проводится
разработка на базе отечественных
нейрочипов, в том числе
супернейрокомпьютера для решения задач,
связанных с системами уравнений
математической физики: аэро-, гидро-, и
газодинамики.
Нейрокомпьютинг, нейросети
- это не только фундаментально новый
научный подход к системам обработки
информации, который существенно
отличается от принципов действия
нынешних вычислительных систем, но и,
безусловно, перспективная им
альтернатива, первые шаги в направлении
создания искусственного интеллекта.
Кстати, вполне возможно, что со временем
с помощью нейронных сетей ученые
наконец-то выяснят окончательно, каким
образом человек видит, слышит, обучается
и распознает информацию. По крайней мере,
тот аспект, что искусственные нейронные
сети могут менять свое поведение в
зависимости от внешней среды, так же как
человек, равно как и способность к
самообучению и обобщение ранее
произошедших прецедентов говорит о том,
что в будущем искусственные нейронные
сети можно будет использовать там, где
поставлена на карту человеческая жизнь
или должны быть решены вопросы
необычайной важности и надежности.
При подготовке статьи были
использованы материалы сайтов:
www.orc.ru/~stasson/neurox.html
www.user.cityline.ru/~neurnews/
Источник: http://www.computery.ru/upgrade/
|