Тема 9. Сучасні напрямки розвитку нейрокомп'ютерних технологій

• Загальні задачі
• Прикладні задачі
• Обробка зображень
• Обробка сигналів
• Системи керування динамічними об'єктами
• Нейромережеві експертні системи
• Нейрочіпи і нейрокомп'ютери
• Підсумок

Детальний аналіз розробок нейрокомп'ютерів дозволив виділити основні перспективні напрямки сучасного розвитку нейрокомп'ютерних технологій: нейропакети, нейромережеві експертні системи, СУБД із включенням нейромережевих алгоритмів, обробка зображень, керування динамічними системами й обробка сигналів, керування фінансовою діяльністю, оптичні нейрокомп'ютери, віртуальна реальність. Розробками в цій області займається більш 300 закордонних компаній, причому число їх постійне збільшується. Серед них такі гіганти як Intel, IBM і Motorolla. Сьогодні спостерігається тенденція переходу від програмних реалізацій до програмно-апаратної реалізації нейромережевих алгоритмів з різким збільшенням числа розробок нейрочипів з нейромережевою архітектурою. Різко зросла кількість військових розробок, в основному скерованих на створення надшвидкісних, "розумних" суперобчислювачів.

Якщо говорити про головний перспективний напрямок - інтелектуалізації обчислювальних систем, додавання їм властивостей людського мислення і сприйняття, то тут нейрокомп'ютери - практично єдиний шлях розвитку обчислювальної техніки. Багато невдач на шляху вдосконалення штучного інтелекту протягом останніх 30 років пов'язано з тим, що для рішення важливих і складних по постановці задач вибирались обчислювальні засоби, не адекватні по можливостях розв'язуваній задачі, в основному з числа традиційних комп'ютерів. При цьому, як правило, не вирішувалась задача, а показувалась принципова можливість її рішення. Сьогодні активний розвиток комп'ютерних технологій створив об'єктивні умови для побудови обчислювальних систем, адекватних по можливостях і архітектурі практично будь-яким задачам штучного інтелекту.

У Японії з 1993 року прийнята програма "Real world computing program". Її основна мета - створення еволюціонуючої адаптивної ЕОМ. Проект розрахований на 10 років. Основою розробки є нейротехнологія, яка використовується для розпізнавання образів, обробки семантичної інформації, керування інформаційними потоками і роботами, що здатні адаптуватися до навколишнього оточення. Тільки в 1996 році було проведено біля сотні міжнародних конференцій по нейрокомп'ютерах і суміжних проблемах. Розробки нейрокомп'ютерів ведуться в багатьох країнах світу, зокрема, в Австралії створений свій зразок комерційного супернейрокомп'ютера.

Завжди звучить питання: для якого класу задач найбільш ефективне застосування того чи іншого обчислювального пристрою, побудованого по нових ознаках. Стосовно нейрокомп'ютерів відповідь на нього постійно міняється протягом уже майже 50 років.

В історії обчислювальної техніки завжди були задачі, не розв'язувані традиційними комп'ютерами з архітектурою фон Неймана і для них перехід до нейромережевих технологій характерний у випадку різкого збільшення розмірності простору або рішення необхідності різкого скорочення часу. Можна виділити три ділянки застосування нейромережевих технологій: загальна, прикладна і спеціальна.

Загальні задачі

Це задачі досить просто зводяться до обробки нейронною мережею багатовимірних векторів дійсних змінних, наприклад:

• контроль кредитних карток. Сьогодні 60% кредитних карток у США обробляються за допомогою нейромережевих технологій;
• система виявлення схованих речовин за допомогою системи на базі теплових нейронів і за допомогою нейрокомп'ютера на замовлених цифрових нейрочипах. Подібна система фірми SAIC експлуатується вже в багатьох аеропортах США при огляді багажу для виявлення наркотиків, вибухових речовин, ядерних і інших матеріалів;
• система автоматизованого контролю безпечного збереження ядерних виробів.

Прикладні задачі

Обробка зображень

Найбільш перспективними задачами обробки зображень нейрокомп'ютерами є обробка аерокосмічних зображень (стиснення із відновленням, сегментація, обробка зображень), пошук, виділення і розпізнавання на зображенні рухомих об'єктів заданої форми, обробка потоків зображень, обробка інформації у високопродуктивних сканерах.

Обробка сигналів

У першу чергу це клас задач, зв'язаних із прогнозуванням часових залежностей:

• прогнозування фінансових показників;
• прогнозування надійності електродвигунів;
• передбачення потужності АЕС і прогнозування надійності систем електроживлення на літаках;

При рішенні цих задач спостережується перехід від найпростіших регресійних і інших статистичних моделей прогнозу до істотно нелінійних адаптивних екстраполюючих фільтрів, реалізованих у вигляді складних нейронних мереж.