СМИ

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.

ИНФОРМАЦИОННАЯ ВОЙНА. DEEP WEB

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

ИНФОРМАЦИОННАЯ ВОЙНА. СИНТЕЗ ТЕХНОЛОГИЙ

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.

ИНФОРМАЦИОННАЯ ВОЙНА. СИНТЕЗ ТЕХНОЛОГИЙ

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.

ИНФОФОРМАЦИОННАЯ ВОЙНА. ТОТАЛЬНЫЙ КОНТРОЛЬ

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