Информационная война. Алхимия нейросетей

МЕНЮ


Искусственный интеллект
Поиск
Регистрация на сайте
Помощь проекту

ТЕМЫ


Новости ИИРазработка ИИВнедрение ИИРабота разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика

Авторизация



RSS


RSS новости


Отрекись от неверия, религии, от добра и зла,

от науки и практики, ибо за их пределами

существует значительное число ступеней совершенства.

Шейх Фарид-ад-дин Мохаммед бен Ибрахим Аттар

После того, как я начал публиковать материалы по теме технологии информационных войн, в соцсетях мне начало приходить множество вопросов и пожеланий от читателей. Реакция вполне понятна – тема новая и перспективная, тема, которую не раскрывали в полном объеме. Самый актуальный вопрос касался технологии нейросетей. Действительно, данная технология – это шаг в будущее. Сегодня мы поговорим об этой удивительной технологии.

Человеческое сознание и человеческий мозг. Святая святых. Предмет споров философов, ученых и религиозных лидеров. Сокровенная тайна, в которую боялись вторгаться до самого последнего времени. То, о чем средневековые алхимики мечтали больше, чем о философском камне.

Как работает наш мозг?

Вы знаете возможности своего мозга? Большинство нейробиологов оценивает человеческий потенциал где-то между 10 терабайтами и 100 терабайтами. Это вполне понятная для нас величина, сегодня уже можно приобрести в обычном компьютерном магазине носители, сопоставимые по характеристикам объемов памяти. Но полный возможный объем всех ресурсов человеческого мозга может доходить до 2,5 петабайт! Один терабайт равен 1000 гигабайтов или 1 миллиону мегабайт. Петабайт – это 1000 терабайтов.

Мозг человека содержит около 100 миллиардов нейронов. Каждый нейрон способен создавать около 1000 связей, представляя собой около 1000 потенциальных синапсов, которые в основном и хранят данные. Умножьте каждый из этих 100 миллиардов нейронов на 1000 связей, которые они могут создавать и у вас получится около 100 триллиона пунктов данных или 100 терабайт информации.

Мозг – очень мощная вычислительная машина, сделанная на основе совокупности медленных процессоров. У каждого нейрона есть «тактовая частота» порядка килогерца, что в миллион раз медленнее, чем гигагерц. Для сравнения, скорость процессора вашего смартфона составляет около 1 гигагерца.

Таким образом, компьютеры гораздо быстрее решают специализированные задачи, но не могут передать все разнообразие функций человеческого мозга. Каждые два года компьютеры становятся мощнее, техника очень быстро устаревает в данной отрасли. Мы сможем разработать компьютер, сравнимый по параметрам с человеческим мозгом через несколько десятилетий. Но человеческий мозг является на крайне энергоэффективным, работая на 12 ваттах. Для того, чтобы работал компьютер сопоставимой мощности, что и мозг человека, потребовался бы гигаватт энергии.

Вот мы и разобрались, примерно, с параметрами нашего мозга. А теперь давайте рассмотрим некоторые аспекты более подробно с точки зрения нашей сегодняшней темы.

Нейронные сети. Биологическая технология?

Нейронные сети – это одно из самых перспективных направлений научных исследований в области искусственного интеллекта (ИИ). Данное решение пришло в информационные технологии непосредственно из биологии и медицины. В основе этой удивительной технологии лежит стремление имитировать нервную систему человека!

Отличительная черта биологической нервной системы — способность исправлять ошибки и самообучаться. Таким образом, смоделировав работу нервной системы, на выходе возможно получить полностью самообучающуюся интеллектуальную аналитическую систему.

Биологический нейрон – это особая клетка, состоящая из ядра, тела и отростков. Клетка имеет связь с тысячами других нейронов, образуя огромную сеть. Через эту сеть проходят электрохимические импульсы. Эти импульсы приводят биологическую нейронную сеть в состояние возбуждение или спокойствия. Вы знаете тот волнующий миг, когда вы готовитесь встретить любимого человека? Вы ощущали победу в водоворотах жизни? Мы не имеем представления о духовной составляющей этих событий. Но мы знаем, что данные события порождают электрохимические импульсы в нейронной сети, которая располагается в нашей черепной коробке. Эти процессы неминуемо приведут к возбуждению этой нейросети. Как следствие, нейронная сеть в нашем мозге свое возбуждение передаст и другим органам нашего тела и приведет к повышенному сердцебиению, более частому морганию глаз, к определенным изменениям в гормональном фоне.

Немного истории

Идея использовать биологическую модель в вычислительной техники появилась достаточно давно. Она берет свое начало с появлением первых компьютеров (или ЭВМ). В конце 1940-х годов выдающийся канадский физиолог и нейропсихолог Дональд Хебб разработал идеологию нейронной сети. Именно он заложил правила обучения ЭВМ еще в те годы, когда вычислительная техника делала только первые шаги.

Дальнейшая хронология событий была следующей:

* В 1954 году происходит первое практическое использование нейронных сетей в работе ЭВМ.

* В 1958 году известный американский учёный в области психологии, нейрофизиологии и искусственного интеллекта Франк Розенблат разрабатывает алгоритм распознавания образов и математическую аннотацию к нему.

* В 1960-х годах интерес к разработке нейронных сетей угасает из-за слабых машинных мощностей того времени.

* В 1980-х годах мощности компьютеров возросли, именно в этот период появляется система с механизмом обратной связи, разрабатываются алгоритмы самообучения.

* К 2000 году машинные вычислительные мощности выросли настолько, что смогли воплотить самые смелые мечты ученых прошлого. Появляются программы распознавания голоса, компьютерного зрения и другие технологические прорывы.

Конфигурация нейронной сети

С точки зрения информационной технологии, нейрон — это вычислительная единица. Эта вычислительная единица получает информацию, производит над ней простые вычисления и передает ее дальше.

Они делятся на три основных типа: входной, скрытый и выходной. Также есть нейрон смещения и контекстный нейрон.

Высокоразвитые системы состоят из большого количества нейронов. В таком случае вводят термин слоя. Таким образом, есть входной слой, который получает информацию, n скрытых слоев (обычно их не больше 3), которые ее обрабатывают и выходной слой, который выводит результат. У каждого из нейронов есть 2 основных параметра: входные данные (input data) и выходные данные (output data). В случае входного нейрона: input=output. В остальных, в поле input попадает суммарная информация всех нейронов с предыдущего слоя, после чего, она нормализуется, с помощью функции активации (давайте просто представим ее f(x)) и попадает в поле output.

Синапс с точки зрения технологии нейронных сетей — это связь между двумя нейронами. Единственный параметр синапса — вес. Благодаря ему, входная информация изменяется, когда передается от одного нейрона к другому. Если мы имеем 3 нейрона, которые передают информацию следующему, у нас есть 3 веса, соответствующие каждому из этих нейронов. У того нейрона, у которого вес будет больше, информация будет доминирующей в следующем нейроне. Совокупность весов нейронной сети или матрица весов — это своеобразный мозг всей системы. Именно таким образом входная информация обрабатывается и превращается в результат. Во время инициализации нейронной сети веса расставляются в случайном порядке. Для решения различных задач применяются различные виды и типы нейронных сетей.

Например, одними из самых популярных типов искусственных нейронных сетей являются так называемые сверточные сети. Они применяются в распознавании визуальных образов (видео и изображения), рекомендательных системах и обработке языка. Сверточные нейронные сети хорошо масштабируются и могут использоваться для распознавания образов, какого угодно большого разрешения. В сверточных сетях используются объемные трехмерные нейроны. Внутри одного слоя нейроны связаны лишь небольшим полем, который называется рецептивным слоем. Нейроны соседних слоев связываются с помощью механизма пространственной локализации. Работу слоев обеспечивают особые нелинейные фильтры, реагирующие на все большее число пикселей.

Рекуррентные нейронные сети применяются в распознавании и обработке текстовых данных. В этих сетях соединения между нейронами образуют ориентировочный цикл. У каждого соединения есть свой вес, (приоритет), о котором мы уже говорили выше. Узлы делятся только на два типа — вводные узлы и узлы скрытые. Информация передается не только по прямой, слой за слоем, но и между самими нейронами. Отличительной особенностью рекуррентной нейронной сети является наличие «области внимания». Машине можно задать определенные фрагменты данных, требующие усиленной обработки. Эти сети идеально подходят для машинного перевода и алгоритмов поисковых систем браузеров, для голосовых помощников.

Военное применение

Использование нейрокомпьютеров в военной области вызывает огромное внимание. Нейрокомпьютеры способны выполнять сложные и очень сложные задачи, которые невозможно решить линейными вычислительными средствами. Использование нейросетевого логического базиса способно революционно увеличить эффективность работы. Это связано с повышением предметной области, за основу которой взяты, прежде всего, автоматизация исследований, разработка различных алгоритмов, создание моделей, контроль уместности моделей и активное взаимообучение по методу проб и ошибок. Как мы уже говорили в предыдущих публикациях, аналитические системы на основе нейронных сетей незаменимы при обработке больших объемов информации, собранной, в том числе, с помощью агентурной работы, контроля за Интернетом, прослушки телефонных каналов связи в автоматическом режиме.

В последние годы в развитых странах мира происходит напряженная разработка и использование нейрокомпьютерной технологии для военного применения. Лидерами данной области на сегодняшний дель являются США, Великобритания и Япония. Впервые программа подобного рода бала запущена в США в начале 90-х годов Лабораторией Линкольна Массачусетского института благодаря большому бюджету, предоставленному Министерством Обороны США.

Нейрокомпьютеры способны совершить переворот в различных областях знания, в космосе, авиации, энергетике, робототехнике, пеленгации, переработке огромных объемов информации, автоматических системах управления и коммуникации, медицине и статистике.

Очень перспективно использование нейросетей при подборе вариантов манёвра в воздушном бою на самолетах будущего, так как воздушное маневрирование включает в себя множество различных ситуации, с которыми линейные вычислительные средства не справляются. Благодаря такой системе, пилот способен выбрать наилучший манёвр из всех возможных. Нейросети обучаются так же, как и пилоты-курсанты — им предлагается огромное число возможных сценариев воздушного маневрирования, из которых нейросети выбирают наиболее подходящий. Нейрокомпьютеру не страшны перегрузки, что позволит беспилотному военному летательному аппарату выполнять самые сложные маневры, которые невозможно реализовать с живым пилотом на борту.

Область использования нейрокомпьютеров многократно увеличится. Прежде всего развитие идет, разумеется, по линии военных систем, которые требуют высокопроизводительных вычислений.. Очень перспективным, как мы уже говорили в предыдущих статьях, является использование нейросетей при создании моделей политических и общественно-социальных процессов. Таким образом Искусственный Интеллект превращает политику в точную математическую науку.

Современные тенденции развития вычислительной техники характеризуются глобальным переходом к оптическим технологиям биоэлектроники, которые основаны на сращивании искусственных элементов с живыми мозговыми клетками. Бурно развиваются так же биомолекулярные технологии, позволяющие реализовать самопрограммирование рабочих станций. Об этом мы поговорим в следующих статьях.

Танай Чолханов, специально для Ньюс Фронт


Источник: news-front.info

Комментарии: