При рассмотрении этапов развития искусственного интеллекта нельзя не рассмотреть одну важную технологию, которая называется «нейросетевая технология». Нейро (греч. neuron – нерв) - это первая составная часть сложных слов, указывающая на отношение их к нервной системе. Данная технология не была привязана в своем развитии к какому-либо этапу, а создавалась (и создается) параллельно развитию искусственного интеллекта.
Достаточно часто на практике приходится сталкиваться со следующей задачей: есть таблица данных (результаты измерений, социологических опросов или обследований больных). Необходимо определить: каким закономерностям подчиняются данные в таблице. Следует заметить, что характерный размер таблицы – порядка ста признаков и порядка нескольких сотен или тысяч объектов. Ручной анализ таких объемов информации фактически невозможен.
Первым шагом в решении данной задачи является группировка (кластеризация, классификация) объектов в группы (кластеры, классы) «близких» объектов. Далее исследуются вопросы того, что общего между объектами одной группы, и что отличает их от других групп.
Под близостью объектов можно понимать множество разных отношений близости. К сожалению, вид близости и число классов приходится определять исследователю, хотя и существует ряд методов, помогающих ему в этом.
Для решения подобных задач и предназначены нейронные сети (НС), использующие нейросетевые технологии.
Актуальность исследований в нейронных сетях подтверждается массой различных применений НС, а именно:
· автоматизация процессов распознавания образов,
· адаптивное управление,
· аппроксимация функционалов,
· прогнозирование,
· создание экспертных систем,
· организация ассоциативной памяти и многие другие приложения.
· С помощью НС можно, например,:
· предсказывать показатели биржевого рынка,
· выполнять распознавание оптических или звуковых сигналов,
· создавать самообучающиеся системы, способные управлять автомашиной при парковке
· синтезировать речь по тексту и т. д.
Суть нейросетевой технологии заключается в поиске решения, основанном на «генетическом» развитии объектов, которые называются «нейроны».
Схематично нейросетевую технологию можно представить следующим образом (см. рис. 76):
Рис. 76. Иллюстрация нейросетевой технологии
Суть нейросетевой технологии состоит в следующем:
- имеется некоторое количество нейронов (элементов объектов), которые пребываю в определенном состоянии;
- имеется ряд других объектов, которые связаны с базовыми. Эти объекты также описываются некоторым количеством нейронов (элементов объектов), которые тоже могут принимать определенные состояния;
- все объекты некоторым образом связаны друг с другом по определенным математическим правилам, которые позволяют изменять состояние элемента объекта в соответствии с некоторыми состояниями родительских объектов;
- имеется некоторый набор математических моделей, состоящих из математических и логических формул;
- на первом этапе базовым нейронам устанавливается некоторые состояния;
- в первый шаг выполняются некоторые формулы, которые изменяют состояния дочерних нейронов. Причем количество дочерних нейронов независимо от количества родительских;
- дальнейшие шаги технологии выполняются аналогично предыдущему до момента пока не будет получено некоторое количество конечных решений.
Стоит отметить, что в процессе выполнения решения задачи могут быть сформированы новые нейроны и скорректированы формулы изменения состояния нейронов. Эта возможность позволяет сети нейронов самообучаться, в результате чего можно получить новые знания о предметной области на основании уже имеющихся данных.