МОСКВА, 3 окт — РИА Новости, Ольга Коленцова. 2-6 октября проходит конференция "Нейроинформатика-2017". Впервые она состоялась по инициативе трех институтов: НИЯУ "МИФИ", научно-исследовательского института нейрокибернетики им. А.Б. Когана и Института Вычислительного Моделирования Сибирского отделения РАН. В этом году конференции исполняется 19 лет.
Корреспондент РИА Новости пообщался с Александром Горбанем, доктором физико-математических наук, специалистом в области нейронных сетей и одним из основных участников конференции.
— Александр Николаевич, расскажите, что такое нейронные сети?
— Нейронными называются сети, состоящие из связанных между собой простых элементов искусственных нейронов. В нашем организме так называются клетки, которые хранят, передают и обрабатывают информацию с помощью электрических и химических сигналов. Искусственная нейросеть построена в попытках расшифровать механизмы мозга и поставить их на службу информатике. Сложность, гибкость функционирования и другие важнейшие качества сетей определяются связями между нейронами. В искусственном виде они являются очень упрощенными моделями реальных. Каждый из них представляется как простой элемент, служащий для передачи сигнала. Можно сказать, что главную роль играет именно структура связей, а не свойства связанных элементов (нейронов). Именно эта идея лежит в основе создания различных нейросетей. А большая часть работ по нейроинформатике посвящена решению задач с помощью таких сетей.
— Зачем нужны нейронные сети, когда есть сверхмощные компьютеры? У них есть преимущество?
— Хорошо известна гипотеза Марвина Минского (американского ученого в области искусственного интеллекта) о том, что реальная производительность параллельной системы растет как логарифм их количества. Например, производительность системы из 100 процессоров выше производительности 10-процессорной системы всего вдвое. Процессоры дольше стоят в очереди на вычисление, чем собственно занимаются им. Однако если вы сконструировали для решения задачи нейронную сеть, то параллелизм может быть использован практически полностью — и производительность растет почти пропорционально числу нейронов в сети. Сеть из формальных нейронов может быть эффективно, с максимальной производительностью реализована на многих параллельных системах. Главное преимущество нейронных сетей в том, что они хорошо приспособлены для параллельных вычислений. И, конечно, важно, что они обучаемы. Нейросеть делает "свои" выводы на основе примеров, которые мы предоставляем ей для изучения.
— Перечислите, пожалуйста, наиболее важные области их использования.
— Одно из самых известных и популярных применений — распознавание образов: человеческих лиц, букв и иероглифов, отпечатков пальцев, заболеваний по симптомам. Нейронные сети делают это значительно быстрее и успешнее, чем человеческие органы чувств, они не устают, их восприятие "не замыливается". Также они могут прогнозировать события, например, результаты выборов, поведение противника, устойчивость супружеских отношений. На данный момент нейросети являются одной из основных баз, на которых может быть построен искусственный интеллект.
— Какой прогноз Вы дадите будущему нейронных сетей?
— Если говорить о ближайшем будущем, они "найдут работу" в прогнозировании, оптимизации, управлении в реальном времени. Заглядывать в далекое будущее я не могу и просто не решаюсь. Некоторые перспективы немного пугают. Например, после некоторой точки развития нейросетей мы можем стать слишком зависимыми от них. А в случае форс-мажора (заметьте, я не говорю о выходе из-под контроля, этот вопрос как раз решается легко) и отказа от нейросетей мы превратимся практически в пещерных людей. Эти и другие проблемы мы обсуждаем на конференции "Нейроинформатика-2017".
