 |
Тема 9. Современные направления развития нейрокомпьютерных технологий
Детальный анализ разработок нейрокомпьютеров позволяет выделить
основные перспективные направления современного развития нейрокомпьютерных
технологий: нейропакети, нейросетевые экспертные системы, СУБД с
включением нейросетевых алгоритмов, обработка изображений, управление
динамическими системами и обработка сигналов, управление финансовой
деятельностью, оптические нейрокомпьютеры, виртуальная реальность.
Разработками в этой области занимается более 300 заграничных компаний,
причем число их постоянно увеличивается. Среди них такие гиганты,
как Intel, IBM и Motorolla. Сегодня наблюдается тенденция перехода
от программных реализаций к программно-аппаратной реализации нейросетевых
алгоритмов с резким увеличением числа разработок нейрочипів с нейросетевой
архитектурой. Резко выросло количество военных разработок, в основном
направленных на создание сверхскоростных, "умных" супервычислителей.
Если говорить про основное направление - интеллектуализацию вычислительных
систем, придание им свойств человеческого мышления и восприятия,
то здесь нейрокомпьютеры - практически единственный путь развития
вычислительной техники. Большинство неудач на пути усовершенствования
искусственного интеллекта на протяжении последних 30 лет связано
с тем, что для решения важных и сложных по постановке задач выбирались
вычислительные средства, не адекватные по возможностям решаемой
задаче, в основном из числа традиционных компьютеров. При этом,
как правило, не решалась задача, а показывалась принципиальная возможность
ее решения. Сегодня активное развитие компьютерных технологий создал
объективные условия для построения вычислительных систем, адекватных
по возможностям и архитектуре практически любым задачам искусственного
интеллекта.
В Японии с 1993 года принята программа "Real world computing
program". Ее основная цель - создание эволюционирующей адаптивной
ЭВМ. Проект рассчитан на 10 лет. Основой разработки является нейротехнология,
которая используется для распознавания образов, обработки семантической
информации, управления информационными потоками и роботами, способных
адаптироваться к окружающей среде. Только в 1996 году было проведено
около сотни международных конференций по нейрокомпьютерам и смежным
проблемам. Разработки нейрокомпьютеров ведутся в многих странах
мира, в частности, в Австрали создан образец коммерческого супернейрокомпьютера.
Для какого класса задач эффективно применение вычислительного устройства,
построенного по новой технологии? Относительно нейрокомпьютеров
ответ на этот вопрос постоянно меняется на протяжении 50 лет.
В истории вычислительной техники всегда были задачи, не решаемые
традиционными компьютерами с архитектурой фон Неймана и для них
переход к нейросетевым технологиям закономерен в случае увеличения
размерности пространства или сокращения времени обработки. Можно
выделить три участка применения нейросетевым технологий: общий,
прикладной и специальный.
Общие задачи
Эти задачи сводятся к обработке нейронною сетью многомерных массивов
переменных, например:
- контроль кредитных карточек. Сегодня 60% кредитных карточек
в США обрабатываются с помощью нейросетевых технологий;
- система выявления скрытых веществ с помощью системы на базе
тепловых нейронов и с помощью нейрокомпьютера на заказанных цифровых
нейрочипах. Подобная система фирмы SAIC эксплуатируется во многих
аэропортах США при обзоре багажа для выявления наркотиков, взрывных
веществ, ядерных и других материалов;
- система автоматизированного контроля безопасного сохранения
ядерных изделий.
Прикладные задачи
Обработка изображений
Перспективными задачами обработки изображений нейрокомпьютеров
является обработка аэрокосмических изображений (сжатие с восстановлением,
сегментация, обработка изображений), поиск, выделение и распознавание
на изображении подвижных объектов заданной формы, обработка потоков
изображений, обработка информации в высокопроизводительных сканерах.
Обработка сигналов
В первую очередь это класс задач, связанный с прогнозированием
временных зависимостей:
- прогнозирование финансовых показателей;
- прогнозирование надежности электродвигателей;
- предвидение мощности АЭС и прогнозирование надежности систем
электропитания на самолетах;
При решении этих задач наблюдается переход от простейших регрессионных
и других статистических моделей прогноза до нелинейных адаптивных
экстраполирующих фильтров, реализованных в виде сложных нейронных
сетей.
Системы управления динамическими объектами
Это одна из самых перспективных, областей применения нейрокомпьютеров.
В США и Финляндия ведут работы по использованию нейрокомпьютеров
для управления химическими реакторами. В странах СНГ этим не занимались,
в частности, через моральное устарение существующих реакторов и
нецелесообразность усовершенствования их систем управления.
Перспективной считается разработка нейрокомпьютера для управления
подвижной установкой гиперзвукового самолета. Актуальной для решения
с помощью нейрокомпьютера является задача обучения нейронной сети
изготовлению точного маневра истребителя, задача управления роботами:
прямая, обратная кинематическая и динамическая задачи, планирование
маршрута движения работа. Переход к нейрокомпьютерам связан в первую
очередь с ограниченностью объемов размещения вычислительных систем,
а также с необходимостью реализации эффективного управления в реальном
масштабе времени.
Нейросетевые экспертные системы
Необходимость реализации экспертных систем с алгоритмом нейросетей
возникает при значительном увеличении числа правил и выводов. 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.
Нейрочипы и нейрокомпьютеры
Главным результатом разработки нейросетевых алгоритмов решения
задачи является возможность создания архитектуры нейрочипа, адекватной
решаемой задаче. Для реализации нейросетевых алгоритмов с использованием
универсальных микропроцессорных средств эффективней создать архитектуру,
ориентированную на выполнение нейросетевых операций, чем использовать
стандартные алгоритмы, ориентированные на модификацию решения задачи.
В отличие от других направлений развития сверхпродуктивной вычислительной
техники, нейрокомпьютеры дают возможность вести разработки с использованием
имеющегося потенциала электронной промышленности. Необходимо отметить
ряд важных особенностей данных работ:
- это направление разрешает создавать уникальные суперкомпьютеры
на имеющейся элементной базе;
- разработки нейрочипов и нейрокомпьютеров характеризуются переходом
от цифровой обработки до аналого-цифровой и аналоговой;
- нейросетевые архитектуры по сравнению с другими приводят к активизации
использования новых технологических направлений реализации: нейросистемы
на пластмассе, оптоэлектронные и оптические нейрокомпьютеры, молекулярные
нейрокомпьютеры и нанонейроэлементы; возникает потребность в универсализации
САПР нейрочипов.
- создание технологии систем на пластмассе и нанотехнологии может
привести к появлению новых сверхпараллельных архитектур. Начиная
с нанонейроэлементов, мы вплотную подходим к принципиально новым
архитектурным элементам, образующие сверхпараллельные высокопроизводительные
вычислительные системы.
Вывод
Нейрокомпьютеры являются перспективным направлением развития современной
высокопроизводительной вычислительной техники, а теория нейронных
сетей и нейроматематика представляют собой приоритетные направления
вычислительной науки, и при соответствующей поддержке интенсивно
развиваются.
Основой активного развития нейрокомпьютеров является принципиальное
отличие нейросетевым алгоритмов решения задач от однопроцессорных
и малопроцессорних.
Нейрокомпьютеры является предметом исследований сразу нескольких
дисциплин, поэтому единственное определение нейрокомпьютера можно
дать только с учетом разных точек зрения, адекватных разным направлениям
науки.
Математическая статистика
Нейрокомпьютеры - это системы, разрешающие сформировать описание
характеристик случайных процессов и совокупности случайных процессов,
имеющих сложные, многомодальные или неизвестные функции распределения.
Математическая логика и теория автоматов
Нейрокомпьютеры - это системы, в которых алгоритм решения задачи
представлен логической сетью элементов отдельного вида - нейронов,
с полным отказом от булевских элементов типа И, ИЛИ, НЕТ, вследствии
этого введены специфические связи между элементами, которые являются
предметом отдельного рассмотрения.
Теория управления
В качестве объекта управления выбирается хорошо формализованный
объект - многослойная нейронная сеть, а динамический процесс ее
настраивания представляет процесс решения задачи. При этом практически
весь аппарат синтеза адаптивных систем управления переносится на
нейронную сеть, как отдельный вид объекта управления.
Вычислительная математика
Нейрокомпьютеры реализуют алгоритмы решения задач, представленные
в виде нейронных сетей. Это ограничение позволяет разрабатывать
алгоритмы, потенциально более параллельные, чем другая их физическая
реализация. Множество нейросетевых алгоритмов решения задач составляет
перспективный раздел вычислительной математики, условно названный
нейроматематикой.
Вычислительная техника
Нейрокомпьютер - это вычислительная система, в которой реализованы
два принципиальных технических решения:
- упрощенный до уровня нейрона процессорный элемент однородной
структуры и сложные связи между элементами;
- программирование вычислительной структуры перенесено на изменение
весовых коэффициентов связей между процессорными элементами.
Общее определение нейрокомпьютера может быть представлено в следующем
виде.
Нейрокомпьютер - это вычислительная система с архитектурой
аппаратного и программного обеспечения, адекватного выполнению алгоритмов,
представленных в нейросетевом логическом базисе.
- Нейрокомпьютеры дают стандартный способ решения многих нестандартных
задач. И неважно, что специализированная машина лучше решает один
класс задач. Важнее, что один нейрокомпьютер решит и эту задачу,
и вторую, и третью и не надо каждый раз проектировать специализированную
ЭВМ, нейрокомпьютер сделает все сам и почти не хуже.
- Вместо программирования обучение. Нейрокомпьютер учится, нужно
лишь формировать обучающие множества. Работа программиста заменяется
новой работой учителя. Лучше это ли хуже? Ни то, ни другое. Программист
указывает машине все детали работы, учитель создает обучающую
среду, к которой приспосабливается нейрокомпьютер. Появляются
новые возможности для работы.
- Нейрокомпьютеры эффективны там, где нужен аналог человеческой
интуиции, в частности, для распознавания образов, чтения рукописных
текстов, подготовки аналитических прогнозов, перевода с одного
языка на другой и т.п. Именно для таких задач обычно трудно составить
явный алгоритм.
- Нейронные сети позволяют создавать эффективное программное и
математическое обеспечения для компьютеров с высокой степенью
распараллеливания обработки.
- Нейрокомпьютеры "демократичны", как текстовые процессоры,
поэтому с ними может работать любой, даже неопытный пользователь.
|
