В последние время наблюдается взрыв интереса к нейронным сетям, которые находят успешное применение в самых различных областях - бизнесе, медицине, технике, геологии, физике. На производство искусственный интеллект проник практически во все области: это и совершенствование бизнес-процессов, и оптимизация технологических и логистических процессов, прогнозирование прибыли и совершенствование механизмов продаж. На сегодняшний день нейросетевые технологии – это основное направление развития систем управления. Предприятия, активно внедряющие у себя технологии на основании использования искусственного интеллекта, быстрее реагируют на смены производственных циклов и способны выпускать более качественную и более дешевую продукцию. Применение искусственного интеллекта это будущее всех крупных промышленных компаний.
Нейросети представляют собой математическую структуру, имитирующую некоторые аспекты работы человеческого мозга и демонстрирующие такие его возможности, как способность к неформальному обучению, способность к обобщению и кластеризации неклассифицированной информации, способность самостоятельно строить прогнозы на основе уже предъявленных временных рядов [1]. Главным их отличием от других методов, например таких, как экспертные системы, является то, что нейросети в принципе не нуждаются в заранее известной модели, а строят ее сами только на основе предъявляемой информации. Именно поэтому нейронные сети и генетические алгоритмы вошли в практику всюду, где нужно решать задачи прогнозирования, классификации, управления - иными словами, в области человеческой деятельности, где есть плохо алгоритмизируемые задачи, для решения которых необходимы либо постоянная работа группы квалифицированных экспертов, либо адаптивные системы автоматизации, каковыми и являются нейронные сети [2].
Отсутствие глобального плана вычислений в нейросетях предполагает особый характер их программирования. Оно носит локальный характер: каждый нейрон изменяет свои синоптические веса в соответствии с поступающей к нему локальной информацией об эффективности работы всей сети как целого. Режим распространения такой информации по сети и соответствующей ей адаптации нейронов носит характер обучения [2]. Такой способ программирования позволяет эффективно учесть специфику требуемого от сети способа обработки данных, потому что алгоритм не задается заранее, а порождается самими данными – примерами, на которых сеть обучается.
Характерной особенностью нейросетей является их способность к обобщению и прогнозированию, позволяющая обучать сеть на ограниченном числе данных о возможных ситуациях, с которыми ей, может быть, придется столкнуться в процессе функционирования. Еще одной общей чертой строения нейросетей является единый принцип обучения – минимизация эмпирической ошибки многомерной аппроксимации. Функция ошибки, оценивающая данную конфигурацию сети, задается извне – в зависимости от того, какую цель преследует обучение и зависит от начальных условий. В процессе настройки сеть модифицирует свою конфигурацию – состояние всех своих синоптических весов – таким образом, чтобы минимизировать эту ошибку. В итоге, в процессе обучения сеть все лучше справляется с возложенной на нее задачей [3].
К актуальным задачам, решаемым с использованием нейросетевых методов, относятся: компьютерное распознавание изображений, использование самообучающихся программ в настольных играх, видеоиграх или физических симуляторах; создание и обработка числовых массивов и баз данных; получение необходимых прогнозов состояния и поведения различных технологических систем [3].
Интересный пример использования нейронных сетей представила американская компания OpenAI [4] . Компания, одним из основателей которой был Илон Маск, с 2015 года занимается разработкой технологий на основе машинного обучения. В 2016 году компания выпустила бета-версию OpenAI Gym - платформу для разработки алгоритмов обучения с подкреплением. В 2017 году на ежегодном чемпионате The International в Сиэтле бот компании одержал победу в игре один на один с лучшими профессиональными игроками в Dota2. А уже в 2019 году боты от OpenAI выиграли в командном режиме best-of-three серию у чемпионов The International 2018 и The International 2019 профессиональной киберспортивной команды OG. Причем необходимо особо отметить, что Dota2 — игра, которая требует умения стратегически мыслить и не только продумывать собственные действия, но и предугадывать действия соперника.
Применение нейросетевых технологий наглядно демонстрирует значительный потенциал использования систем искусственного интеллекта в разных областях человеческой деятельности. Полученные результаты дают возможность создавать системы с искусственным интеллектом; мобильные приложения с использованием нейросетей; системы видео и аудио контроля; программы аналитики бизнеса и производства, что позволяет корпорациям, их применяющим, более эффективно использовать имеющиеся ресурсы, снижать себестоимость производимой продукции, увеличивать получаемую от реализации прибыль, а так же завоевывать новые рынки сбыта путем улучшения качества производимых изделий.
Библиографический список
1. Теория и практика нейросетевых технологий. / С.В. Ковалевский, В.Б. Гитис, Е.В. Мишура и др. / под общей редакцией С.В. Ковалевского. – Краматорск: ДГМА, 2000. – 62 с.
2. Барский, А. Б. Логические нейронные сети: Учебное пособие / А. Б. Барский. — М.: БИНОМ. ЛЗ, ИНТУИТ.РУ, 2012. — 352 c.
3. Галушкин, А. И. Нейронные сети: основы теории / А. И. Галушкин. — М.: ГЛТ, 2012. — 496 c.
4. OpenAI [Электронный ресурс]: Википедия. Свободная энциклопедия. – Режим доступа: https:// https://ru.wikipedia.org/wiki/OpenAI (дата обращения: 01.03.2021).
