Главная

Новости

Статьи и обзоры
  Горожанин
  Обнинск в Internet
  Web Design
  Hardware
  Software
  Безопасность
  Серфинг
  Игродром
  Relax
  Технологии
  Web-обзор
  Интернет-ликбез
  Опросник
  УП-Технологии
  ART.net

Ссылки

Архив

О нас

Контакты

Форумы

POPULAR.RU

Steel

Нейронные Сети в рамках концепции Вычислительного Интеллекта

В среду 5 апреля 2000г в нашем институте ИАТЭ состоялась лекция проффесора из Москвы Аверкина Алексея Николаевича на тему "Нейронные сети в рамках концепции вычислительного интеллекта".

Естественно, предназнанчалась эта лекция не только студентам фак-та "К", но и всем желающим: вход был свободным и даже пристутствовало несколько преподавателей. Как полагается, большинство студентов заблаговременно были подготовлены к этой встрече: некоторые преподаватели своим подопечным заранее прочитали вводные лекции на тему "Нейронные Сети" (НС). Однако, из-за очередной отмены электричек лектор чуть задержался: примерно на часик. Но студенты народ терпеливый (правда, периодически), и почти все дождались столичного гостя. К сожалению, в силу сжатого учебного графика ИАТЭ лекцию пришлось проводить в краткой форме и в ускоренном темпе, но свою миссию Алексей Николаевич постарался выполнить: ознакомить студентов с гибридными интеллектуальными системами, основными направлениями НС и ее приложениями. Думаю, людям, интересующимся новыми технологиями, будет любопытно узнать содержание лекции. Постараюсь рассказать это в кратце.

Первоначально в 40-х гг вычислительные системы на технологии НС не были востребованы, т.к. они значительно уступали по скорости системам Искусственного Интеллекта (ИИ), основанных на символьном исчислении. Но к 80-м гг существующие в тот период технологии ИИ подошли к пределу своих возможностей: требовались новые методы решения задач, связанных с ИИ. Как раз в этот момент и были востребованы НС. И уже в 90-х годах НС тесно сомкнулись с проблематикой ИИ.

Характерной чертой систем на НС является то, что они имеют способность к самообучению. Так как кибернетика направлена на создание устройств по образу и подобию человека, то в кибер.системах с ИИ на НС стали использовать "идею нейрона": такая система накопливает какие-то внешние раздражения, создаваемые либо обучающим средством (Super Visor), либо за счет самостоятельных действий (например, движения) кибер.системы. Когда же сумма раздражений превосходит некий пороговый уровень, то нейроны выдают соответствующие сигналы. Затем эти сигналы обрабатываются таким образом, чтобы достичь сходства с эталоннным значением. В результате этого процесса и происходит обучение системы.

Многослойные НС (несколько соединенных друг за другом однослойных НС) стали использоваться гораздо позже однослойных, т.к. ранее не было методики обучения таких сетей. Многослойные сети способны распознавать более сложные объекты, т.е. обладают более оптимальными апроксимирующими способностями, чем однослойные. Уже трех слойная НС может распознать любой образ! Если создать рекурентную НС (с обратными связями между слоями), то сеть начинает работать самостоятельно до определенного момента: пока не дойдет до какого-то состояния. Для обучения такой сети достаточно подать входный сигнал и она сама будет способна классифицировать объект, заданный этими сигналами. Таким образом, рекурентная сеть может работать в качестве классификатора входных образов.
Технология НС входит в более общую концепцию, называемую "Мягкими Вычислениями" (Soft Computing) или "Вычислительным Интеллектом" (не путать с Искуственным, основанном на классической математике, символьном вычислении и др. формальных методах), которая вобрала в себя несколько нетрадиционных методов вычислений:

1. Нейронные Сети
2. Нечеткие системы
3. Генетические алгоритмы
4. Фракталы
5. Теория Хаоса
6. Нелинейная динамика

Первые три метода - основные в Soft Computing, остальные же примкнули к этой концепции позже.

Особенность гибридных систем, основанных на Soft Computing, заключается в следующем. Они способны к самообучению даже в отсутствии человека (в отличии от систем, основанных на символьном исчислении, неспособных к самообучению вообще).

Существует ряд проблем, связанных с такими самообучающимися системами. Например, проблема поиска неисправностей в НС. Обнаружить неисправность достаточно сложно (при большом количестве нейронов это просто невозможно), т.к. точно неизвестно, как действует тот или иной нейрон. Поэтому, часто такие системы приходится представлять в виде "черного ящика". Для поддержки работы и обучения НС достаточно периодически "подкачивать" сеть информацией. Но если она сломается, то эту сеть придется обучать снова. Происходит это потому, что НС не обладают объяснительными возможностями, чтобы можно было восстановить накопленные знания (символьные же системы позволяют выполнять такие операции). Хотя, если даже из строя выйдет половина нейронов, то система все-равно будет работать, но уже хуже.

Одно из главных отличительных свойств НС - это то, что они являются универсальными апроксиматорами. Из всех методов "Мягких Вычислений" для решения подобных задач используется НС в силу удобства этого метода. Методы НС всеобъемлющи и очень широко применяется в прогнозировании. В будущем, главное найти правильное место использования нейронных технологий, чтобы этот метод был наиболее эффективным.

Сам Аверкин интересуется следующими приложениями НС:

1. Моделированием процессов тренировок человека: при помощи НС можно предсказывать поведение и состояние человеческого организма при определенных физических нагрузках. В данном случае используется способность НС к повторению действий человека, т.е. на базе НС можно создавать физическую модель человека. Аверкин А.Н. видит в данном применении НС возрождение ранней кибернетики: развитие технологий, ориентированных на человека.
2. Нечеткими системами: созданием систем управления каким-либо механическими процессами (торможение, вращение, стыковка космических кораблей и т.п.)

После лекции мы решились на то, чтобы взять у Алексея Николаевича небольшое интервью. Признаюсь, что до 5 апреля мы были плохо осведомлены с технологией НС: вводные лекции группам ВТ к сожалению не читались. Поэтому, вопросы были обобщенные. К следующему разу постараемся исправиться :)

На наши вопросы отвечали:
Аверкин Алексей Николаевич
Горбушин Николай Григорьевич

Почему вы приехали именно в Обнинск и именно в ИАТЭ?

А.Н.: Российская Ассоциация Искусственного Интеллекта (РАИИ) занимается проблематикой нейронных сетей и в нее входят более 70 филиалов по всей стране. В вашем институте находится один из таких филиалов, который возглавляет Николай Григорьевич. Таким образом, данная поездка входила в нашу программу.

Существуют ли в Обнинске организации, связанные с Нейронными Сетями, и ведутся ли какие-либо разработки в этом направлении?

А.Н.: К сожалению, я затрудняюсь ответить…
Н.Г.: В Обнинске этим занимаются как раз в ИАТЭ. Но хотелось бы несколько развить эту область, найти более широкий спектр приложений этих методов решения задач. Поэтому, мы и пригласили Алексея Николаевича, чтобы он прочитал лекцию студентам.

Имеют ли Нейронные Сети какое-то отношение к Интернету, в плане применения новых технологий в обработке данных?

А.Н.: В Интернете сейчас активно применяется идеология моногемных систем - это одно из ведущих направлений Искусственного Интеллекта, где Нейронные Сети используются как чисто вспомогательные приложения для распознавания тех или иных слов, для понимания текстов и прочее.
Н.Г.: Напрямую трудно найти конкретное применение Нейронным Сетям для решения задач, связанных с Интернетом. Но если обратиться к базам данных по каким-то проблемным областям. Например, взять базу данных International Nuclear Information System (INIS) по ядерной энергетике. То извлекая из базы данных конкретный материал в какой-то области знаний, Нейронные Сети могут активно использоваться для анализа найденных материалов и получения подсказок для принятия необходимых решений.

Финансируется ли развитие НС в России и какое внимание уделяется данной технологии?

Н.Г.: Государство навряд ли будет выделять средства непосредственно на разработку методов анализа с помощью Нейронных Сетей. Но для решения и оптимизации задач в области ядерной энергетики: использование Нейронных Сетей при эксплуатации АЭС; то здесь, я думаю, поддержка будет обеспечена. Например, если взять проблемы термоядерного синтеза то, на мой взгляд, без такой технологии уже не обойтись.
А.Н.: На самом деле, уже очень многие программы Нейро-сетей включены в мин. Обороны, мин. Экономики и мин. Науки на уровне отдельных направлений. В добавок, ведутся проекты по этим технологиям для решения самых различных задач, в том числе и в области ядерной энергетики.

Назовите ведущие страны или корпорации, серьезно занимающиеся проблемой Нейро-сетей?

А.Н.: Вообще-то говоря, их даже трудно все пречесилить: существуют, наверное, минимум по полсотни фирм в таких странах, как Америка, Япония, Италия и др., которые занимаются созданием и распространением Нейро-пакетов. Нейро-пакеты сейчас стали более или менеее классическим средством в области новых вычислительных и информационных технологий. Поэтому, очень многие фирмы, занимающиеся разработкой новых продуктов, пользуются Нейро-технологией. Купив такой комерческий продукт, вы его устанавливаете, затем обучаете и запускаете. Сами пакеты обновляются по несколько раз в год, поэтому все они достаточно современные.

И напоследок Алексей Николаевич посоветовал студентам обращать внимание именно на новые технологии. На сегодняшний момент Нейро-сети и то, о чем шла речь на лекции, как считает Аверкин А.Н., является базой для принципиально новых моделей управления сложными процессами. Ну а слушать советы или нет - это уже ваше личное дело :)

РАИИ собирается периодичеки проводить подобные лекции в нашем институте. Поэтому, Николай Григорьевич попросил нас поинтересоваться мнением студентов о том, каким темам стоит посвятить следующие доклады. Сообщайте нам свои интересы и пожелания, а провести лекцию, наверное, особого труда не составит: ведь молодежь - это будущее науки!

#6/05.04.2000