Анотація: Нейрокомп'ютери потрапляють в заголовки газет. Що відрізняє обробку інформації в мозку і в сучасних комп'ютерах? Символьна і образна інформація. Перспективи нейрокомпьютинга.
Ми спостерігаємо дивовижне явище: з такого безумовно порожнього, абсолютно безособового матеріалу як цифрова машина, вдалося, завдяки спеціальним програмам, сконструювати справжні особистості 
С.Лем "Non serviam"
Правий мозок любить солодке більше, ніж лівий. І де ж тут парадокс? - запитав я, намагаючись якомога непомітніше відштовхнути ліву руку, яка знову сунула мені пряник в рот. С.Лем, "Мир на Землі"
Для чого і для кого написана ця книга
У цій книзі, заснованої на курсі лекцій, прочитаному авторами в Фінансово-Аналітичному Коледжі МІФІ, ми знайомимо читача з основами нейросетевой обробки даних і прикладами типових застосувань, переважно в області фінансів і бізнесу.
Наш досвід свідчить, що головною перешкодою до широкого практичного застосування нейрокомпьютинга служить недостатнє розуміння його основ. Ця книга писалася з метою заповнити цю прогалину. Тому основна увага тут приділяється опису принципів нейромережевої обробки даних, їх потенційних можливостей і переваг, а також докладного розбору декількох конкретних застосувань. Наголос робиться на концептуальній стороні справи, а не на описі конкретних алгоритмів. Передбачається, що в разі необхідності читач зможе скористатися одним з численних комерційних нейро-емуляторів, а не візьметься програмувати нейромережі "з нуля" на С ++. Головне завдання книги - навчити читача "бачити" нейромережеві постановки завдань в його повсякденній роботі, допомогти йому автоматизувати рутинну обробку складної багатофакторної інформації за допомогою сучасного математичного апарату - штучних нейронних мереж.
Хоча ми намагалися уникати математичних викладок і, по можливості, спростити виклад, хотілося б заздалегідь попередити, що матеріал цієї книги розрахований на досить підготовленого читача - як мінімум студента старших курсів. Наш "ідеальний" читач - студент, науковець, фінансовий аналітик, консультант, брокер або просто бізнесмен, який бажає підвищити ефективність свого бізнесу шляхом більш вдумливої роботи з доступною йому інформацією.
Нейрокомп'ютери в заголовках газет
Однією з характерних рис нейрокомпьютинга є навчання на прикладах. Тому і ми почнемо з серії прикладів, які краще будь-яких описів намітять можливі області практичного застосування нейромереж та підкріплять рішучість читача зайнятися їх вивченням. Останнім часом в пресі все частіше стали з'являтися повідомлення, де так чи інакше згадуються штучні нейронні мережі. Ось тільки кілька витягів, що ілюструють можливі області застосувань нейромереж:
Автопілотіруемий гіперзвукової літак-розвідник. Названий LoFLYTE (Low-Observable Flight Test Experiment) реактивний безпілотний літак довжиною 2,5 м був розроблений для NASA і Air Force фірмою Accurate Automation Corp., Chattanooga, TN в рамках програми підтримки малого інноваційного бізнесу. Це експериментальна розробка для дослідження нових принципів пілотування, включаючи нейронні мережі, що дозволяють автопілоту навчатися, копіюючи прийоми пілотування льотчика. Згодом нейромережі переймають досвід управління, а швидкість обробки інформації дозволить швидко знаходити вихід в екстремальних і аварійних ситуаціях. LoFLYTE призначений для польотів зі швидкістю 4-5 Махов, коли швидкості реакції пілота може не вистачити для адекватного реагування на зміни режиму польоту. (Прес-реліз NASA №96-154 від 2 серпня 1996 г.)
Системи безпеки в аеропортах. Американська фірма SAIC (Science Application International Corporation) використовувала нейронні мережі в своєму проекті TNA. TNA є ящик вартістю $ 750.000, який здатний виявляти пластикову вибухівку в запакованому багажі. TNA бомбардує багаж повільними нейтронами, що викликають вторинне гамма-випромінювання, спектр якого аналізується нейронною мережею. Система виявляє вибухівку з ймовірністю вище 97% і переглядає 10 місць багажу в хвилину (для Міжнародного Аеропорту Лос-Анжелеса буде потрібно 10 таких систем загальною вартістю близько $ 8 млн). SAIC отримала контракт на розробку TNA від Федерального Управління по Авіації (FAA) в 1986 р і спочатку намагалася для класифікації спектрів реалізувати лінійно-дискримінантний метод. Такий підхід, однак, вимагав вкрай небажаною попереднього сортування багажу за габаритами. SAIC регулярно отримувала фінансування від FAA, наближався день демонстрації ... І тоді корпорація вирішила використовувати нейронні мережі. В результаті система з необхідними параметрами була доопрацьована в найкоротший термін.
Нейросети на фінансових ринках .Американський Citibank використовує нейромережеві передбачення з 1990 року. У 1992 році, за свідченням журналу The Economist, автоматичний дилинг показував прибутковість 25% річних, що набагато перевищує показники більшості брокерів. Chemical Bank використовує нейро-систему фірми Neural Data для попередньої обробки транзакцій на валютних біржах 23 країн, фільтруючи "підозрілі" операції. Fidelity of Boston використовує нейромережі при управлінні портфелями з сумарним обсягом $ 3 мільярди. Повністю автоматизовані системи ведення портфелів з використанням нейромереж застосовують, наприклад, Deere & Co - на суму $ 100 млн і LBS Capital - на суму $ 400 млн. В останньому випадку експертна система об'єднується з приблизно 900 нейросетями. Праці лише одного семінару "Штучний інтелект на Уолл-стріт" складають шість важких томів.
Розпізнавання крадених кредитних карт. У 1986 році відомий конструктор нейрокомпьютеров професор Роберт Хехт-Нільсен заснував компанію HNC. Переключившись в 1990 році з прізводства нейрокомп'ютерів на надання конкретних рішень в різних областях, HNC Software Corp. є зараз лідером на ринку контролю транзакцій по пластикових картах. Її основний продукт Falcon (Сокіл), випущений у вересні 1992 р, контролює зараз більш 220 млн карткових рахунків, виявляючи і запобігаючи в реальному часі підозрілі операції по, можливо, краденим кредитним / дебетними картками. Штучні нейромережі навчаються типовому поводженню клієнтів, розрізняючи різку зміну характеру покупок, що сигналізує про можливу крадіжку. Щорічні втрати великих банків від подібних крадіжок вимірюються десятками мільйонів доларів, і коли в 1994 р вперше за всю історію пластикових карт ці втрати пішли на спад, цей прогрес преса пов'язувала з успішним впровадженням системи Falcon. Клієнтами HNC Software є 16 з 25 найбільших в світі емітентів пластикових карт. (Прес-реліз HNC Software http://www.hnc.com )
Активна реклама в Internet .Нейросетевой продукт SelectCast фірми Aptex Software Inc. (Дочірньої фірми HNC Software Corp.) виявляє профілі інтересів користувачів Internet і пропонує їм відповідним чином відфільтровану рекламу. У липні 1997 року один з лідерів пошукового ринку Internet - Excite, Inc. ліцензувала SelectCast для використання на своїх пошукових серверах. Після установки на серверах Excite і Infoseek, нейромережева реклама охопить близько третини всіх користувачів Internet. Відповідно до проведених досліджень, встановлено, що відгук на таку активну рекламу в середньому вдвічі вище, ніж на звичайну рекламу, що розміщується в Мережі. А на окремі види реклами відгук зріс уп'ятеро. Зауважимо, що рекламний сектор Internet переживає зараз період бурхливого розвитку. Результати першого півріччя 1997 року свідчать про річному темпі зростання 250%, що в грошовому вираженні складе в 1997 році $ 400 млн. (Scientific American, Dec 1997, "On-line Advertising goes one-on-one".)
Моніторинг і персоналізована розсилка новин. Розпізнавання теми текстових повідомлень - ще один приклад успішного використання штучних нейромереж. Сервер новин Convectis (продукт все тієї ж Aptex Software Inc. http://www.aptex.com обраний в червні 1997р. лідером персоналізованої доставки новин в Internet - PointCast Inc. - для автоматичної рубрикації повідомлень за категоріями. Звіряючи значення слів з контексту, Convectis здатний в реальному масштабі часу розпізнавати тематику і рубрикованих величезні потоки текстових повідомлень, переданих по мережах Reuters, NBC, CBS і ін. Так, наприклад, інформаційне агентство Scoop, що спеціалізується на постачанні бізнес-новин та також ліцензувати Convectis в липні 1997 р., використовує понад 1600 джерел інформації. Після аналізу повідомлення Convectis генерує анотацію, список ключових слів і список рубрик, до яких відноситься дане повідомлення. Існують і інші електронні агентства новин, які використовують нейромережі для рубрикації і персоналізації інформації (див., Наприклад, http://www.wisewire-corp.com )
Наведені вище приклади свідчать про те, що нейромережева обробка даних поступово стає невід'ємною компонентою високих технологій, що визначають життя сучасного світу. На них будуть спиратися нові військові доктрини, вони контролюватимуть нашу безпеку і торгувати на електронних біржах, на них грунтуються народжуються мас-медіа в глобальній мережі Internet. Інтерфейс з цією глобальною Мережею, яка поступово перетворюється на єдиний розподілений комп'ютер, також, мабуть, буде грунтуватися на нейромережевих учнів агентах - представників користувача в Мережі.
Що ж це таке - штучні нейронні мережі? Яке відношення мають штучні нейромережі до природних? Чим відрізняється нейрокомпьютинг від звичайних методів комп'ютерного моделювання? Які його "екологічні ніші" в світі інформаційних технологій і перспективи на майбутнє? Цим питанням і буде присвячена дана, вступна лекція нашого курсу.
Для початку спробуємо описати особливості обробки інформації мозком. Подивимося, що з того, на що здатний мозок, ще здебільшого недоступно сучасним системам обробки інформації.
Що відрізняє обробку інформації в мозку і в сучасних комп'ютерах?І де ж тут парадокс?
Що ж це таке - штучні нейронні мережі?
Яке відношення мають штучні нейромережі до природних?
Чим відрізняється нейрокомпьютинг від звичайних методів комп'ютерного моделювання?
Які його "екологічні ніші" в світі інформаційних технологій і перспективи на майбутнє?