Опубликован: 25.12.2006 | Доступ: свободный | Студентов: 1823 / 347 | Оценка: 4.43 / 4.13 | Длительность: 15:29:00
Специальности: Программист, Экономист
Лекция 1:

Введение. Компьютеры и Мозг

Лекция 1: 12345 || Лекция 2 >
Аннотация: Нейрокомпьютеры попадают в заголовки газет. Что отличает обработку информации в мозге и в современных компьютерах? Символьная и образная информация. Перспективы нейрокомпьютинга.

Мы наблюдаем удивительное явление: из такого безусловно пустого, абсолютно безличного материала как цифровая машина, удалось, благодаря специальным программам, сконструировать настоящие личности \dots С.Лем " Non serviam"

Правый мозг любит сладкое больше, чем левый. И где же тут парадокс? - спросил я, стараясь как можно незаметнее оттолкнуть левую руку, которая опять совала мне пряник в рот. С.Лем, "Мир на Земле"

Для чего и для кого написана эта книга

В этой книге, основанной на курсе лекций, прочитанном авторами в Финансово-Аналитическом Колледже МИФИ, мы знакомим читателя с основами нейросетевой обработки данных и примерами типовых применений, преимущественно в области финансов и бизнеса.

Наш опыт свидетельствует, что главным препятствием к широкому практическому применению нейрокомпьютинга служит недостаточное понимание его основ. Эта книга писалась с целью восполнить этот пробел. Поэтому основное внимание здесь уделяется описанию принципов нейросетевой обработки данных, их потенциальных возможностей и преимуществ, а также подробному разбору нескольких конкретных применений. Упор делается на концептуальной стороне дела, а не на описании конкретных алгоритмов. Предполагается, что в случае необходимости читатель сможет воспользоваться одним из многочисленных коммерческих нейро-эмуляторов, а не возьмется программировать нейросети "с нуля" на С++. Главная задача книги - научить читателя "видеть" нейросетевые постановки задач в его повседневной работе, помочь ему автоматизировать рутинную обработку сложной многофакторной информации с помощью современного математического аппарата - искусственных нейронных сетей.

Хотя мы старались избегать математических выкладок и, по возможности, упростить изложение, хотелось бы заранее предупредить, что материал этой книги рассчитан на достаточно подготовленного читателя - как минимум студента старших курсов. Наш "идеальный" читатель - студент, научный работник, финансовый аналитик, консультант, брокер или просто бизнесмен, желающий повысить эффективность своего бизнеса путем более вдумчивой работы с доступной ему информацией.

Нейрокомпьютеры в заголовках газет

Одной из характерных черт нейрокомпьютинга является обучение на примерах. Поэтому и мы начнем с серии примеров, которые лучше любых описаний наметят возможные области практических приложений нейросетей и подкрепят решимость читателя заняться их изучением. В последнее время в прессе все чаще стали мелькать сообщения, где так или иначе упоминаются искусственные нейронные сети. Вот только несколько выдержек, иллюстрирующих возможные области применений нейросетей:

Автопилотируемый гиперзвуковой самолет-разведчик. Названный LoFLYTE (Low-Observable Flight Test Experiment) реактивный беспилотный самолет длиной 2,5 м был разработан для NASA и Air Force фирмой Accurate Automation Corp., Chattanooga, TN в рамках программы поддержки малого инновационного бизнеса. Это экспериментальная разработка для исследования новых принципов пилотирования, включая нейронные сети, позволяющие автопилоту обучаться, копируя приемы пилотирования летчика. Со временем нейросети перенимают опыт управления, а скорость обработки информации позволит быстро находить выход в экстремальных и аварийных ситуациях. LoFLYTE предназначен для полетов со скоростью 4-5 Махов, когда скорости реакции пилота может не хватить для адекватного реагирования на изменения режима полета. (Пресс-релиз NASA №96-154 от 2 августа 1996 г. )

Системы безопасности в аэропортах. Американская фирма SAIC (Science Application International Corporation) использовала нейронные сети в своем проекте TNA. TNA представляет собой ящик стоимостью $750.000, который способен обнаруживать пластиковую взрывчатку в запакованном багаже. TNA бомбардирует багаж медленными нейтронами, вызывающими вторичное гамма-излучение, спектр которого анализируется нейронной сетью. Система обнаруживает взрывчатку с вероятностью выше 97% и просматривает 10 мест багажа в минуту (для Международного Аэропорта Лос-Анжелеса потребуется 10 таких систем общей стоимостью около $8 млн). SAIC получила контракт на разработку TNA от Федерального Управления по Авиации (FAA) в 1986 г и вначале пыталась для классификации спектров реализовать линейно-дискриминантный метод. Такой подход, однако, требовал крайне нежелательной предварительной сортировки багажа по габаритам. SAIC регулярно получала финансирование от FAA, близился день демонстрации … И тогда корпорация решила использовать нейронные сети. В итоге система с требуемыми параметрами была доработана в кратчайший срок.

Нейросети на финансовых рынках.Американский Citibank использует нейросетевые предсказания с 1990 года. В 1992 году, по свидетельству журнала The Economist, автоматический дилинг показывал доходность 25% годовых, что намного превышает показатели большинства брокеров. Chemical Bank использует нейро-систему фирмы Neural Data для предварительной обработки транзакций на валютных биржах 23 стран, фильтруя "подозрительные" сделки. Fidelity of Boston использует нейросети при управлении портфелями с суммарным объемом $3 миллиарда. Полностью автоматизированные системы ведения портфелей с использованием нейросетей применяют, например, Deere & Co - на сумму $100 млн и LBS Capital - на сумму $400 млн. В последнем случае экспертная система объединяется с примерно 900 нейросетями. Труды лишь одного семинара "Искусственный интеллект на Уолл-стрит" составляют шесть увесистых томов.

Распознавание краденных кредитных карт. В 1986 году известный конструктор нейрокомпьютеров профессор Роберт Хехт-Нильсен основал компанию HNC. Переключившись в 1990 году с призводства нейрокомпьютеров на предоставление конкретных решений в различных областях, HNC Software Corp. является сейчас лидером на рынке контроля транзакций по пластиковым картам. Ее основной продукт Falcon (Сокол), выпущенный в сентябре 1992 г., контролирует сейчас более 220 млн карточных счетов, выявляя и предотвращая в реальном времени подозрительные сделки по, возможно, краденным кредитным/дебетным картам. Искусственные нейросети обучаются типичному поведению клиентов, различая резкую смену характера покупок, сигнализирующую о возможной краже. Ежегодные потери крупных банков от подобных краж измеряются десятками миллионов долларов, и когда в 1994 г. впервые за всю историю пластиковых карт эти потери пошли на убыль, этот прогресс пресса связывала с успешным внедрением системы Falcon. Клиентами HNC Software являются 16 из 25 крупнейших в мире эмитентов пластиковых карт. (Пресс-релиз HNC Software http://www.hnc.com)

Активная реклама в Internet.Нейросетевой продукт SelectCast фирмы Aptex Software Inc. (дочерней фирмы HNC Software Corp.) выявляет профили интересов пользователей Internet и предлагает им соответствующим образом отфильтрованную рекламу. В июле 1997 года один из лидеров поискового рынка Internet - Excite, Inc. лицензировала SelectCast для использования на своих поисковых серверах. После установки на серверах Excite и Infoseek, нейросетевая реклама охватит около трети всех пользователей Internet. Согласно проведенным исследованиям, установлено, что отклик на такую активную рекламу в среднем вдвое выше, чем на обычную рекламу, размещаемую в Сети. А на отдельные виды рекламы отклик возрос впятеро. Заметим, что рекламный сектор Internet переживает сейчас период бурного развития. Результаты первого полугодия 1997 года свидетельствуют о годовом темпе роста 250%, что в денежном выражении составит в 1997 году $400 млн. (Scientific American, Dec 1997, "On-line Advertising goes one-on-one".)

Мониторинг и персонализированная рассылка новостей. Распознавание темы текстовых сообщений - другой пример успешного использования искусственных нейросетей. Сервер новостей Convectis (продукт все той же Aptex Software Inc. http://www.aptex.com выбран в июне 1997г. лидером персонализированной доставки новостей в Internet - PointCast Inc. - для автоматической рубрикации сообщений по категориям. Сверяя значения слов по контексту, Convectis способен в реальном масштабе времени распознавать тематику и рубрицировать огромные потоки текстовых сообщений, передаваемых по сетям Reuters, NBC, CBS и др. Так, например, информационное агентство Scoop, специализирующееся на поставке бизнес-новостей и также лицензировавшее Convectis в июле 1997г., использует свыше 1600 источников информации. После анализа сообщения Convectis генерирует аннотацию, список ключевых слов и список рубрик, к которым относится данное сообщение. Существуют и другие электронные агентства новостей, использующие нейросети для рубрикации и персонализации информации (см., например, http://www.wisewire-corp.com)

Приведенные выше примеры свидетельствуют о том, что нейросетевая обработка данных постепенно становится неотъемлемой компонентой высоких технологий, определяющих жизнь современного мира. На них будут опираться новые военные доктрины, они будут контролировать нашу безопасность и торговать на электронных биржах, на них основываются нарождающиеся масс-медиа в глобальной сети Internet. Интерфейс с этой глобальной Сетью, постепенно превращающейся в единый распределенный компьютер, также, по-видимому, будет основываться на нейросетевых обучаемых агентах - представителях пользователя в Сети.

Что же это такое - искусственные нейронные сети? Какое отношение имеют искусственные нейросети к естественным? Чем отличается нейрокомпьютинг от обычных методов компьютерного моделирования? Каковы его "экологические ниши" в мире информационных технологий и перспективы на будущее? Этим вопросам и будет посвящена данная, вводная, лекция нашего курса.

Для начала попробуем описать особенности обработки информации мозгом. Посмотрим, что из того, на что способен мозг, еще по большей части недоступно современным системам обработки информации.

Лекция 1: 12345 || Лекция 2 >