Если их правильно учить
Создание новых нейрокомпьютеров может в ближайшее время кардинально изменить перспективы коммерческого применения этих "обучаемых" машин. Нейрокомпьютеры — специальные вычислители, имитирующие работу человеческого мозга, способны решать сложные и неформализованные задачи, например давать прогнозы курсов валют. Несколько лет назад эйфория по поводу их возможностей сменилась разочарованием, причиной которого был чрезвычайно сложный процесс их настройки ("обучения"). Однако последние сообщения о новых методах "обучения" нейрокомпьютеров могут вызвать новый рост спроса на них.
Научить можно всему
Сегодня в общих чертах известно, как работают клетки человеческого мозга — нейроны. Каждый нейрон получает несколько входных сигналов (импульсов), суммирует их и формирует единственный выходной сигнал, который, в свою очередь, попадает на вход следующего нейрона. Когда тысячи "младших" нейронов одновременно обрабатывают и передают зрительную информацию "старшему" нейрону, мы почти мгновенно узнаем на картинке зайца, птичку или "Жигули" последней модели. Системы, использующие такой способ параллельной обработки данных, получили в названии приставку "нейро-" из-за сходства с работой клеток мозга. Любой электронный процессор, формирующий выходной сигнал из нескольких входных, может называться нейроном, а несколько таких процессоров уже называют нейросетью, нейроплатой или даже нейрокомпьютером. Нейрокомпьютером могут назвать и стандартную "персоналку", на которой выполняется программа, моделирующая описанный процесс параллельной обработки данных. Заметим, что практический интерес представляют не отдельные нейроны, а так называемые нейронные сети — множество соединенных нейронов, способные очень быстро обрабатывать большие потоки информации.
Первые же эксперименты с искусственными нейросетями выявили их поразительные свойства. Оказалось, что с помощью настройки параметров нейросеть можно "научить" решать специальные задачи: например, узнавать почерк или ставить диагноз. При этом одна и та же сеть после соответствующей настройки ("обучения") может расшифровывать спутниковые фотоснимки или контролировать безопасность АЭС, прогнозировать курсы валют или находить месторождения полезных ископаемых.
Практически во всех сложных задачах, где требовались одновременная обработка большого объема информации и анализ множества признаков, нейросети показывали рекордные результаты. Даже самые мощные традиционные компьютеры не могли угнаться за ними.
Специфическое свойство нейрокомпьютеров, на котором основаны их уникальные способности,— способность к "обучению". Сам процесс "обучения" (настройки) довольно прост. Если опустить технические подробности, процедура настройки выглядит так: после каждой ошибки компьютер меняет свои параметры так, чтобы данная ошибка больше не повторялась. "Натаскивание" компьютера на правильное решение задачи может длиться месяцами, но со временем нейросеть ошибается все реже и реже. Теоретически нейрокомпьютер можно "научить" решать очень сложные задачи. "Натасканный" соответствующим образом нейрокомпьютер способен распознавать предметы (например, фальшивые купюры) и запахи, предсказывать развитие ситуаций.
Нейропакеты не оправдали доверия
Перечень применений нейрокомпьютеров может занять десятки страниц. Наиболее успешно решаются задачи распознавания объектов по изображениям. Вероятность правильного распознавания объектов на фотографиях поверхности Земли из космоса, получаемых со спутников SPOT, LANDSAT, достигает в таких системах 84% (традиционные статистические методы классификации давали весьма невысокие вероятности правильного распознавания). В США на основе нейрокомпьютера разработано устройство распознавания наземных целей с помощью локатора. Вероятность правильного распознавания им танков в группе бензовозов, грузовиков и другой военной техники составляет 86%. Другой нейрокомпьютер американской фирмы SIAC обеспечивает высокую вероятность (95%) обнаружения взрывчатых веществ на контроле багажа в аэропортах.
Наиболее перспективной с точки зрения коммерческого применения задачей для нейрокомпьютеров представлялся прогноз ситуации на финансовых рынках, в частности предсказание курса валют и ценных бумаг. "Обучение" нейросети, предназначенной для финансовых прогнозов, состоит в следующем. На основе информации о развитии событий в прошлом нейросеть настраивают так, чтобы ее "прогнозы" (в период обучения сеть "предсказывает" уже состоявшиеся события) совпадали с уже известными значениями основных финансовых показателей — курсов валют, объемов продаж. После правильного "обучения" можно ожидать, что нейросеть сможет предсказывать и будущие значения этих показателей. Для имитации работы такой нейросети разработаны программы для обычных компьютеров — так называемые нейропакеты. Работа с нейропакетом происходит в два этапа — "обучения" и собственно прогноза.
Однако оказалось, что прогнозы нейрокомпьютера не сильно отличаются от полученных традиционными методами финансового анализа. Из-за неоправдавшихся ожиданий финансисты больше вообще не хотят иметь дело с нейропакетами. (По мнению специалистов, разочарование в финансовых нейропакетах в России вызвано прежде всего неподготовленностью персонала и завышенными ожиданиями.)
Все дело в учителях
Эйфория по поводу коммерческих перспектив нейрокомпьютеров быстро прошла. Выяснилось, например, что стоит слегка изменить условия, к которым привык нейрокомпьютер, и результаты его работы могут обескуражить кого угодно. На фотографии бородатого мужчины с новым освещением нейросеть "узнает" женщину. Нечто похожее может происходить и с прогнозами валютных курсов. Стоит, например, основным участникам рынка чуть-чуть изменить свою стратегию, и нейрокомпьютер может выдать прогноз курса, от которого у любого финансиста волосы встанут дыбом.
Кроме того, для получения качественных результатов нейрокомпьютер нужно "обучать" на специально отобранных и подготовленных данных, отражающих основные закономерности в исследуемой области. Предварительная подготовка обучающих данных и выяснение ключевых закономерностей — очень трудоемкий процесс. Именно длительность процесса обучения является сегодня главным фактором, сдерживающим практическое применение нейрокомпьютеров. Большие сроки настройки компьютера для решения только одной задачи не устраивают потенциальных заказчиков, а попытки ускорить процесс обучения до сих пор не давали результатов. Поэтому недавние сообщения о разработке новых методов "обучения" нейросетей вызвали пристальное внимание специалистов и бизнесменов.
Профессор Александр Галушкин из Научного центра нейрокомпьютеров (Москва) и профессор Александр Резник из Института кибернетики (Киев) практически одновременно заявили, что им удалось добиться весьма существенного прогресса в "обучении" нейрокомпьютеров.
Профессор Резник рассказал корреспонденту Ъ, что в его лаборатории разработан новый метод, способный в сотни раз ускорить процесс "обучения" нейросети. Рекордная скорость "обучения", по словам профессора, достигнута благодаря специальной организации памяти компьютера, исключающей повторы в "обучающих" данных. Профессор Галушкин также говорит о возможности существенного улучшения результатов работы нейросети за счет специального выбора данных, используемых при "обучении". Специалистам центра, в частности, удалось увеличить эффективность "обучения" нейрокомпьютера распознаванию речи в условиях сильных шумовых помех. Возможно, мы стоим на пороге качественных изменений на рынке нейрокомпьютеров. Если в ближайшее время в результате внедрения новых научных разработок в практику качество работы нейрокомпьютеров существенно улучшится, можно ожидать быстрого расширения сферы их коммерческого применения.
ИВАН Ъ-ШВАРЦ