VI Международная студенческая научная конференция Студенческий научный форум - 2014

В статье рассматриваются принципы организации искусственных нейронных сетей, методики обучения. Дается ответ на вопрос, что делает искусственные нейронные сети интеллектуальными и проводятся параллели между обучением человека и обучением искусственной нейронной сети. Приводятся примеры применения аппарата нейросетевого анализа.

В настоящее время одним из востребованных направлений исследований в области искусственного интеллекта являются нейронные сети. Подобные исследования основаны на попытках воспроизвести нервную систему человека с целью моделирования работы головного мозга. В этой статье мы постараемся дать ответ на вопрос о том, почему нейронные сети стали одним из наиболее приоритетных направлений исследований, объясним, что делает нейронные сети «интеллектуальными», насколько глубок их интеллект и предпримем попытку заглянуть в будущее этой области.

Задача изучения работы головного мозга с давних времен привлекала ученых самых разных областей научного знания. История попыток создания искусственного разума насчитывает около 700 лет. Первая попытка создания машины, имитирующей человеческий разум, связана с именем испанского изобретателя – Раймунда Луллия (1235–1315 гг.). Луллий сконструировал машину, состоявшую из системы кругов, имевших возможность вращаться. Каждый круг был поделен на секторы различных цветов, помеченные латинскими буквами. Круги соединялись друг с другом, что позволяло получить различные сочетания символов и цветов – «формулу истины». [1]

Идею о том, что мыслительная деятельность отдельно взятого человека представляет собой результат взаимодействия нейронов головного мозга, выдвинули А.Бэйн и У.Джеймс уже в 1890 году. Первое время изучались исключительно связи между биологическими нейронами посредством выявления закономерностей между реакциями организма на внешние воздействия. Однако, уже в 1943 году Мак-Каллок и Питтс реализовали модель нейронной сети на компьютере, основываясь на математических алгоритмах. Это событие означало разделение всех исследований в данной области на две ветви – исследование биологических нейронных сетей и исследования искусственных нейронных сетей, то есть моделей.

Таким образом, произошло выделение искусственного интеллекта в самостоятельное научное направление. Сам термин «искусственный интеллект» был предложен в 1956 г. на семинаре с аналогичным названием в Станфордском университете (США).

Важным событием в истории искусственного интеллекта является создание персептрона Розенблаттом в 1950х годах. Персептрон стал одной из первых моделей нейронных сетей, а «Марк-1», первая ЭВМ, реализующая персептрон – первым в мире нейрокомпьютером. Несмотря на свою простоту, персептрон способен обучаться и решать довольно сложные задачи.

Наука «о создании искусственного разума» не могла не привлечь внимание философов. Появление первых интеллектуальных систем затронуло фундаментальные вопросы о человеке и знании, о мироустройстве. Философия искусственного интеллекта задаётся вопросами о «мышлении машин» и рассматривает, например, такие вопросы, как «Может ли машина действовать разумно?», «Может ли она решать проблемы, которые человек решает с помощью размышлений?», «Одинакова ли природа человеческого и искусственного интеллекта?», «Является ли в своей основе человеческий мозг компьютером?» и так далее. Разумеется, ответы на эти вопросы варьируются в зависимости от трактовки терминов «искусственный интеллект», «машина», «разум».

Стоит отметить, что перед учеными, разрабатывавшими концепцию искусственных нейронных сетей, стояла непростая задача, так как сведения о принципах функционирования и об устройстве головного мозга были скудны. Это было связано с отсутствием эффективных методик функциональной диагностикой мозговой активности, которые появились сравнительно недавно. Тем не менее, модель искусственной нейронной сети была создана, основываясь на максимально упрощенных знаниях о биологическом аналоге [2].

Итак, что же такое нейронная сеть и в чем причины ее «разумности»? Постараемся найти ответ на этот вопрос.

Как отмечено ранее, для создания модели нейронной сети были использованы максимально упрощенные сведения о биологических нейронных сетях. Нервная клетка, со всем многообразием ее структур, была представлена в виде электронного объекта, нейрона, выполнявшего простейшие совокупности операций. В случае биологической нейронной сети наблюдается бесчисленное множество связей между нейронами при помощи отростков – аксонов и синапсов, причем степень важности сигнала, получаемого нейроном, определяется синапсом. Такое устройство было перенесено на модель. В искусственной нейронной сети все нейроны соединены между собой аксонами и синапсами. По аксонам передаются сигналы, а синапсы умножают полученный сигнал на величину (вес), соответствующую именно этой связи.

Нейронная сеть – это совокупность нейронов, связанных между собой аксонами и объединенных в слои.

Рисунок 1. Простейшая нейронная сеть.

Если бы мы рассматривали биологические нейронные сети, то не нашли бы в них явно выраженных слоев. Однако для удобства в искусственных нейронных сетях выделяют три типа слоев – входной слой (нейроны, отвечающие за получение данных), скрытый слой (нейроны, обрабатывающие поступающую информацию) и выходной слой.

Проанализировав базовые принципы организации искусственных нейронных сетей, можно сделать вывод, что они обладают максимально упрощенной структурой биологических сетей. В таком случае, что определяет их исключительные способности? Почему мы можем говорить о нейронных сетях как о частном случае искусственного интеллекта?

Ответ на данный вопрос заключается не в принципе организации искусственных нейронных сетей, а в принципах их функционирования и обучения.

При рождении у детей практически отсутствует электрическая активность головного мозга, что подтверждается многочисленными исследованиями электроэнцефалографии. На данном этапе реакции на внешние раздражители являются рефлекторными. Однако уже через несколько дней электрическая активность нарастает, ребенок начинает развиваться и обучаться взаимодействию с окружающим миром. Ребенок начинает запоминать образы, ощущение – формируются связи между нейронами, определяются степени важности сигналов, определяемые синапсами и так далее. Приблизительно к 18-19-ти годам формируется устойчивая картина электрической активности, которая мало изменяется в дальнейшем.

Аналогичный процесс наблюдается при обучении искусственных нейронных сетей. Различают два вида обучения искусственных нейронных сетей – обучение с учителем и обучение без учителя. В случае модели, связи между нейронами уже установлены, поэтому в процессе обучения происходит подстройка весов. В конечном итоге «внутри» нейронной сети работает достаточно простая математика – в алгоритмах обучения встречаются лишь операции сложения и умножения.

При обучении нейронной сети с учителем используются пары множеств – выходных и входных значений. То есть, мы знаем, какой отклик должна выработать сеть на поданный образ, но не знаем, как именно она это делает. Точнее – общий механизм – это настройка весов таким образом, чтобы после преобразования входного сигнала с их использованием получался требуемый выходной сигнал. Данный метод широко применяется в решении задач распознавания.

Рассмотрим в качестве примера процесс решения задачи распознавания речи нейронной сетью. В этом случае на вход нейронной сети подается вектор, содержащий результаты преобразования Фурье для оцифрованного сигнала, а на выходе ожидается код (индекс) произнесенного слова. Для решения такой задачи можно применить нейронную сеть, состоящую всего лишь из 4-5ти слоев, в каждом слое которой содержится до N нейронов, где N – количество анализируемых частотных составляющих. При таком количестве нейронов использование нейронной сети будет предпочтительнее с точки зрения распределения программных и аппаратных ресурсов, чем известные методы, основанные на вычислении коэффициентов (например, коэффициентов линейного предсказания), поскольку алгоритмы обучения и передача сигналов от одного слоя к другому производится путем линейных операций, что увеличивает быстродействие программы в целом. Практические результаты показывают, что коэффициент распознавания (процент распознанных слов от общего числа тестов), составляет от 92% до 98% в зависимости от топологии сети.

При решении задачи прогнозирования ситуации на финансовых рынках нейронные сети могут быть использованы для расчета коэффициентов линейного предсказания. В таком случае нейронная сеть обучается на статистических данных, полученных за прошлые временные отсчеты. Количество элементов в обучающей выборке влияет на точность прогноза.

Однако существует второй вариант обучения – обучение без учителя, которое представляет наибольший интерес для ученых. Этот метод предполагает подачу на вход сети только последовательности входных данных без какой-либо информации о требуемых или ожидаемых выходных сигналах. Оказывается, что спроектированная соответствующим образом нейронная сеть может самостоятельно (на основе одних лишь наблюдений входных данных) строить осмысленный алгоритм своего функционирования [3].

В этом и состоит интеллектуальность нейронной сети. Самообучение нейронной сети аналогично человеческому мышлению – тоже обладает способность спонтанно классифицировать встречаемые объекты и явления, а после формирования понятий распознавать соответствующие образы по их принадлежности к одному из ранее выделенных классов. Но значит ли это, что нейронные сети обладают сознанием?

Для ответа на данный вопрос требуется, прежде всего, определить, что же такое сознание. Однако, эта задача нетривиальна – до сих пор нет точного определения термина «сознание». Дэвид Чалмерс описывает сознание как самую обычную и в то же время самую таинственную вещь в мире. В своей книге «Сознающий ум в поисках фундаментальной теории» автор дает следующую трактовку термина «сознательный опыт»: «При восприятии, мышлении и действии запускается целый рой казуальных и информационных процессов, но обычно они не протекают в темноте. Тут есть и какой-то внутренний аспект, что-то, выражающее то, каково это – быть когнитивным агентом. Этот внутренний аспект и есть сознательный опыт» [6].

Поскольку искусственные нейронные сети лишь механически выполняют математические операции, к ним не может быть применимо суждение о сознании. С другой стороны, мы ведем речь о математических моделях головного мозга человека, причем сильно упрощенных моделях, как показано ранее в этой статье. Отсюда возникает разумный вопрос – если предположить, что мы способны создать искусственную нейронную сеть, полностью повторяющую как структуру, так и механизмы, задействанные в работе головного мозга человека, то может ли быть применим термин сознания к этой новой сети?

На наш взгляд, это вполне возможно. Человечество до сих пор полностью не познало возможности, принципы функционирования и устройство головного мозга. Следовательно, мы не располагаем доказательствами того, что «сознание» не есть результат какого – либо процесса, протекающего в головном мозге или не есть такой процесс. Поэтому на данном этапе развития как теории сознания, так и нейрофизиологических дисциплин, однозначного ответа на этот вопрос дать нельзя.

Из сказанного выше можно сделать вывод о том, что те нейронные сети, которые человечество способно спроектировать на данном этапе развития науки и техники, не позволяют говорить о наличии у них сознания, несмотря на наличие своеобразного мышления. Нейронные сети сегодняшнего дня представляют собой мощный инструмент обработки данных, способный анализировать данные быстрее, чем известные линейные алгоритмы.

Стоит особо отметить тот факт, что нейронные сети достаточно просты в реализации и, действительно, реализовать простейшую нейронную сеть может каждый, знающий хотя бы один язык программирования. Вместе с тем, нейросетевой анализ дает значительные преимущества в анализе данных, особенно в условии многократного увеличения количества информации, требующей обработки. Нейронные сети, по сравнению с другими алгоритмами анализа данных, требуют меньших вычислительных затрат, так как используют простейшие линейные операции. Эти факты определяют причины актуальности исследований в области нейросетевого анализа.

Эксперименты по моделированию деятельности головного мозга человека на основе нейронных сетей зависят от доступных вычислительных мощностей. На данный момент исследователи способны построить нейронную сеть, состоящую из 1% нейронов, содержащихся в головном мозге. Несмотря на ограничения в аппаратных ресурсах, данная область науки движется вперед, что в будущем даст возможность исследовать такие тяжелые заболевания головного мозга человека, как эпилепсия. Как отмечено ранее, развитие человека подобно обучению нейронной сети, что может быть полезно при исследованиях головного мозга и патологий его развития. Однако модель нейронной сети основана на упрощенном видении биологической нейронной сети, что может стать препятствием на пути анализа человеческого сознания. В то же время, при наличии должных вычислительных мощностей и усовершенствовании знаний об устройстве головного мозга человека, в будущем может стать возможным выделение новой, уточненной модели.

Таким образом, искусственная нейронная сеть представляет собой набор относительно простых компонент, связанных между собой. Несмотря на это, искусственные нейронные сети обладают интеллектом, то есть умеют решать задачи, для которых не существует точных алгоритмов решения. Феномен самообучения сети проводит параллель с человеческим мышлением и может быть применен в таких условиях, когда выходные данные неизвестны. Однако, существующие нейронные сети не обладают сознанием и разумом.

Нейросетевой анализ является мощным методом анализа данных, особенно в условии многократного увеличения количества информации, требующей обработки. Моделирование работы нейронных сетей с большим количеством нейронов позволяет исследователям из области медицины предпринимать попытки изучение процессов, протекающих в отдельных участках головного мозга. При современных тенденциях к усовершенствованию вычислительной техники и, как следствие, увеличению вычислительных мощностей, в будущем ученые смогут оперировать большим количеством нейронов, а при достижении значительных результатов в изучении принципов работы головного мозга человека – перейти к более совершенной модели нейронной сети. Вполне возможным представляется сценарий, в котором более совершенные нейронные сети окажутся способными к сознанию. «Признав удивительный факт порождения мозгом сознания, мы не испытаем нового удивления, обнаружив, что вычисление могло бы порождать сознание» [7].

Список литературы

1. Леготкин В.А. Искусственный интеллект: история и некоторые философские аспекты // Университетские исследования. 2011. М – 2011.

2. Там же С. 5.

3. Элементарное введение в технологию нейронных сетей с примерами программ/ Тадеусевич Р., Боровик Б., Гончаж Т., Леппер Б./Перевод с польск. И.Д. Рудинского. – М.: Горячая линия – Телеком, 2011.

4. Черниговская Т.В. Человеческое в человеке: сознание и нейронная сеть// Проблема сознания в философии и науке. М – 2009.

5. Рамачандран В. «Мозг рассказывает. Что делает нас людьми» /Пер. с англ. Е. Чепель / Под научной редакцией к. психол. н. К. Шипковой. М.: Карьера Пресс, 2012.

6. Чалмерс Дэвид. Сознающий ум в поисках фундаментальной теории.- М.: УРСС, 2013

7. Там же С. 254.

Код для цитирования: Скопировать