Искусственный интеллект

-
Нейробионическое направление. 
Нейронные модели не только повторяют функции мозга, но и способны 
выполнять функции, имеющие свою собственную ценность. Поэтому 
возникли и остаются в настоящее время две взаимно обогащающие друг друга 
цели нейронного моделирования: первая - понять функционирование нервной 
системы человека на уровне физиологии и психологии и вторая - создать 
вычислительные системы (искусственные нейронные сети), выполняющие 
функции, сходные с функциями мозга [7].
Именно эта последняя цель и находится в центре внимания для нас.

---

Еще в 1949 г. была создана модель человеческого обучения - модель Д. Хэбба 
[7].
Он предложил закон обучения, явившийся стартовой точкой для алгоритмов 
обучения искусственных нейронных сетей.
В пятидесятые и шестидесятые годы группа исследователей создала первые 
искусственные нейронные сети. Выполненные первоначально как 
электронные сети, они были позднее перенесены в более гибкую среду 
компьютерного моделирования.
Идея нейрокомпьютера появилась практически одновременно с зарождением 
последовательных фоннейманских ЭВМ [7]. Ключевая работа Мак Каллока и 
Питтса по нейро-вычислениями (Mc Culloch and Pitts,1943) появилась в 1943 
году на два года раньше знаменитой докладной записки фон Неймана о 
принципах организации вычислений в последовательных универсальных 
ЭВМ. Они предложили схему компьютера, основанного на аналогии с работой 
человеческого мозга, и создали упрощенную модель нервной клетки - нейрон.
Первый экспериментальный нейрокомпьютер Snark был построен Марвином 
Минским в 1951 году, но первый успех нейрокомпьютинга связывают с
разработкой персептрона (от английского perception - восприятие) 
американцем Френком Розенблаттом [7]. Это была одна из первых моделей 
нейронных сетей, которая вызвала большой интерес из-за своей способности 
обучаться распознаванию простых образов. Персептрон состоял из бинарных 
нейроподобных элементов и имел простую топологию, что позволило 
достаточно полно проанализировать ее работу и создать многочисленные 
физические реализации.
Широкий интерес научной общественности к нейросетям начался в начале 
восмидесятых годов после теоретических работ физика Хопфилда
(Hopfield, 1982,1984) [7].
Практическое применение нейросетей началось после публикации 
Румельхартом метода обучения многослойного персептрона, названного ими 
методом обратного распространения ошибки. Таким образом, ограничения 
персептронов, доказательства которых представили Минский и Пейперт, 
оказались преодолимыми.
Удельная стоимость современных нейровычислений на порядок ниже, чем у 
традиционных компьютеров, а быстродействие - в сотни раз выше. Системы 
нейронной обработки можно классифицировать следующим образом

---

Реально нейрокомпьютеры используются в специализированных системах, 
где требуется обучать и постоянно переобучать сотни нейросетей, 
объединенные в единые информационные комплексы, или в системах 
реального времени, где скорость обработки данных критична (например, при 
обработке экспериментов на современных ускорителях элементарных частиц 
используют нейрокомпьютер CNAPS с производительностью 1010 и каждый 
процессор состоит из 512 нейронов).
Доступность и возросшие вычислительные возможности современных 
компьютеров 
привели 
к 
широкому 
распространению 
программ, 
использующих принципы нейросетевой обработки данных, но исполняемых 
на последовательных компьютерах. Этот подход не использует параллелизм, 
но ориентируется исключительно на способность нейросетей решать 
неформализованные задачи и реализуется нейроэмуляторами.
Нейропакеты общего назначения - законченные независимые программные 
продукты, предназначенные для широкого класса задач
(например, статистической обработке данных)[7].
Коммерческие пакеты (Brain Maker Professional, Neuro Forecaster, Jopa -
IQ300) имеют собственный встроенный блок предобработки данных, хотя 
иногда для этой цели удобнее использовать стандартные электронные 
таблицы. Так, нейропродукты группы ФИАН встраиваются непосредственно 
в Microsoft Exel в качестве специализированной функции обработки данных.