CC BY
578
ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ В УПРАВЛЕНИИ ПРЕДПРИЯТИЕМ
УДК 658
ТЕНДЕНЦИИ РАЗВИТИЯ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ
В ЦИФРОВОЙ ЭКОНОМИКЕ Д.М. Шотыло, канд. экон. наук, доцент e-mail: shotylodm@mail.ru В.Е. Крайнова, студент e-mail: shotylodm@mail.ru А.В. Скурыдин, студент e-mail: shotylodm@mail.ru Воронежский государственный технический университет
В статье рассматривается искусственная нейронная сеть и тенденции развития нейросетевых технологий в цифровой экономике. Особое внимание уделяется технологии машинного обучения. Практическая реализация функционирования искусственной нейронной сети отражена в производственной сфере, робототехнике, сфере обучения и экономической деятельности предприятий и организаций. Искусственная нейронная сеть на сегодняшний день — это одно из самых передовых направлений в области создания искусственного интеллекта. Искусственная нейронная сеть — это модель работы биологических нейронов — клеток головного мозга, которая представлена набором математических инструкций, записанных в виде программного кода. Принцип работы искусственных нейросетей построен на машинном обучении. Машинное обучение — класс методов искусственного интеллекта, характерной чертой которых является не прямое решение задачи, а обучение в процессе применения решений множества сходных задач. В дальнейшем использование технологий искусственного интеллекта в цифровой экономике будет только расширяться. Увеличивается спрос на проектировщиков автоматизированных систем и программистов высокого уровня. Эти профессии уже называют профессиями будущего
Ключевые слова: искусственная нейронная сеть, нейросетевые технологии, искусственный интеллект, машинное обучение, цифровая экономика, промышленные предприятия
TRENDS IN THE DEVELOPMENT OF ARTIFICIAL NEURAL NETWORKS
IN DIGITAL ECONOMY D.M. Shotylo, Cand. Sci. (Economy), Assistant Professor e-mail: shotylodm@mail.ru V.E. Kraynova, Student e-mail: shotylodm@mail.ru A.V. Skurydin, Student e-mail: shotylodm@mail.ru Voronezh State Technical University
The article deals with artificial neural network and trends in the development of neural network technologies in the digital economy. Special attention is paid to machine learning technology. The practical implementation of the functioning of an artificial neural network is reflected in the production sphere, robotics, training and economic activities of enterprises and organizations. Artificial neural network today is one of the most advanced areas in the field of artificial intelligence. Artificial neural network is a model of biological neurons — brain cells, which is represented by a set of mathematical instructions written in the form of a program code. The principle of artificial neural networks is based on machine learning. Machine learning is a class of artificial intelligence methods, the characteristic feature ofwhich is not a direct solution to the problem, but training in the process of applying solutions to many similar problems. In the future, the use of artificial intelligence technologies in the digital economy will only expand. The demand for designers of automated systems and high-level programmers is increasing. These professions are already called professions of the future
Key words: artificial neural network, neural network technologies, artificial intelligence, machine learning, digital economy, industrial enterprises
В последние несколько лет наблюдается повы- но применяются в самых различных научных обла-шенный интерес к нейронным сетям, которые успеш- стях - экономике, медицине, технике, геологии, физике. Нейронные сети вошли в практическое применение там, где нужно решать задачи прогнозирования, классификации или управления.
© Шотыло Д.М., Крайнова В.Е., Скурыдин А.В., 2018
На протяжении десятилетий учёные всего мира работают над созданием искусственного интеллекта, который мог бы сравниться с человеческим, а также превзойти его.
Так, одним из важнейших в истории развития искусственного интеллекта стали победы над человеком в шашки, шахматы и 16 марта 2016 г. (компьютерной программой AlphaGo, разработанной британской компанией Google DeepMind) в го - настольную игру, возникшую в Древнем Китае, в которую как считалась до этого невозможно выиграть искусственному интеллекту, т.к. одного логического мышления для выигрыша недостаточно.
Такой прорыв удалось совершить благодаря изобретению искусственной нейронной сети. Этот уникальный самообучающийся компьютерный алгоритм учёные создали по образу и подобию нейронной сети живых организмов.
Искусственная нейронная сеть на сегодняшний день - это одно из самых передовых направлений в области создания искусственного интеллекта. Джон Маккарти, американский информатик, предложен термин «искусственный интеллект» в 1956 году на конференции в Дартмутском университете. По его мнению, под интеллектом в пределах этой науки понимается только вычислительная составляющая способности достижения целей. Сегодня это универсальный термин, охватывающий все: от автоматизации роботизированного процесса до реальной робототехники. В последнее время оно приобрело известность, в частности, благодаря большим объемам данных (Big Data), а также увеличению скорости обработки данных, размера и разнообразия данных, собранных на данный момент времени. Следует отметить, что робототехника сейчас развивается экспоненциально и для неё как раз нейросетевые алгоритмы являются мощным инструментом для развития систем управления, систем распознавания образов, систем распознавания аудио и прочих информационных технологий.
Так, искусственная нейронная сеть - это модель работы биологических нейронов - клеток головного мозга, которая представлена набором математических инструкций, записанных в виде программного кода. Однако назвать нейросеть классическим алгоритмом - не совсем верно. Она устроена намного сложнее. Огромное количество процессов в ней происходит не линейно, а параллельно в один момент времени, т.е. также, как в нашем головном мозге.
В искусственной нейронной сети каждый нейрон представлен в виде процессора. В нём есть каналы для принятия и вывода сигнала. На входе каждый сигнал проходит через определённые соединения, которые имитируют синаптическую активность биологических нейронов, т.е. их способность передавать друг другу информацию. Каждый искусственный нейрон может работать только с одной единицей поступающей информации и выполняет простейшую функцию. Однако стоит их объединить в сеть, как они
уже могут справляться со сложнейшими задачами, которые не под силу обычным методам программирования.
Сегодня искусственные нейросети окружают нас повсюду. Например, когда мы пишем запрос в поисковых системах сети Интернет искусственные нейронные сети находят нам все ответы. Следует заметить, что эти вычислительные системы способны на гораздо большее, чем решать рутинные задачи.
Например, в шашках, если рассматривать дерево вариантов от начала игры до выигрыша или ничьи, существует приблизительно 1040 вариантов ходов. В шахматах - 10120 вариантов. В го вариативность дерева решений порядка 10400 вариантов развития событий. Например, для сравнения значений этих чисел отметим, что оценочное число атомов во всей вселенной приблизительно 1080. Следовательно, это говорит о достаточно большом объёме обрабатываемой информации искусственной нейросетью.
Однако главная особенность игры не в том, что просчитать все варианты игры невозможно, а в том, что для выигрыша нужно подключать интуицию, качество присущее человеку.
Принцип работы искусственных нейросетей построен на так называемом машинном обучении. Машинное обучение - класс методов искусственного интеллекта, характерной чертой которых является не прямое решение задачи, а обучение в процессе применения решений множества сходных задач. Различают два типа обучения:
- обучение по прецедентам, или индуктивное обучение, основано на выявлении эмпирических закономерностей в данных,
- дедуктивное обучение предполагает формализацию знаний экспертов и их перенос в компьютер в виде базы знаний.
Многие методы индуктивного обучения разрабатывались, как альтернатива классическим статистическим подходам и тесно связаны с методами извлечения информации (англ. information extraction) и методами интеллектуального анализа данных (data mining).
В данном случае для развития интуиции в программе AlphaGo применялись технологии машинного обучения (по прецедентам). Как и люди нейросеть обучается методом проб и ошибок. Так на основе ошибок система корректирует свою работу сама. Этот процесс выполняется до тех пор, пока нейросеть не начнёт выдавать стабильно правильный результат.
Срок обучения зависит от сложности самой задачи и объёма тех данных, которые нейросеть должна запомнить. Так, на обучение нейронной сети могут уйти месяцы. Например, программа AlphaGo, которая на самом деле состоит сразу из нескольких нейронных сетей, обучалась игре в го полгода на 50 графических процессорах, работающих параллельно или рас-пределённо, используя платформу Google Cloud, серверы которой расположены в США. Следует отме-
тить, что особенностью распределённых многопроцессорных вычислительных систем, в отличие от локальных суперкомпьютеров, является возможность неограниченного наращивания производительности за счёт масштабирования
Нейронная сеть обучалась делать предсказания следующего хода на основе большого количества сыгранных партий. В это время, как ещё одна нейросеть обучалась предполагать кто выиграет. Т.е. интеллект заключается в том, что никто не объяснял программе, как нужно правильно играть. Машина научилась делать это сама.
Основными мировыми лидерами в области нейросетевых технологий следует считать Google и её подразделения (DeepMind, AlphaGo, и Google Brain), Microsoft (Microsoft Research), IBM, Facebook (подразделение Facebook AI Research) и другие.
Так, ещё одним не менее значимым успехом в области искусственных нейронных сетей является суперкомпьютер компании IBM - Watson (назван в честь основателя IBM Томаса Дж. Уотсона).
В феврале 2011 года суперкомпьютер принял участие в телепередаче «Jeopardy!» (российский аналог - «Своя игра»). Главное достоинство Watson в том, что он понимает вопросы на естественном языке и отвечает на них, анализируя большое количество данных. Его соперниками были Брэд Раттер - обладатель самого большого выигрыша в программе, и Кен Дженнингс - рекордсмен по длительности беспроигрышной серии. Во время игры Watson не имел доступа к сети Интернет. Компьютер одержал победу, получив 1 млн. долларов, в то время, как Дженнингс и Раттер получили, соответственно, по 300 и 200 тысяч.
Производительность Watson обеспечивают 90 серверов IBM, каждый из которых оснащён четырьмя восьмиядерными процессорами. Используется самая быстрая операционная система - SUSE Enterprise Linux Server 11, а также программное обеспечение IBM DeepQA, предназначенное для поиска информации, которое включает обработку естественного языка и машинное обучение. Суммарный объём оперативной памяти - более 15 терабайт. Система имеет доступ к 200 млн. страниц структурированной и неструктурированной информации объёмом в 4 терабайта, включая полный текст Википедии и 500 гигабайт предварительно обработанной информации.
Активнее всего Watson применяется в медицине, помогая диагностировать и лечить рак. В его памяти содержится более 600 000 медицинских заключений. Также он используется в финансовой сфере, юриспруденции, гостиничном бизнесе и многих других отраслях. Кроме того, Watson способен поддержать беседу.
Компания IBM применяет разработанные технологии Watson в следующих направлениях:
- Образование. Школы в США тестируют Teacher Advisor with Watson - когнитивный инструмент, который предлагает советы по улучшению
учебных планов и персонализации программ обучения.
- Наука. Компания Johnson & Johnson использует Watson для того, чтобы анализировать научную литературу. Из большого количества материалов Watson выбирает необходимые для более быстрого и эффективного исследования.
- Безопасность труда. Производитель прокатной стали North Star BlueScope Steel собирается использовать систему Watson Internet of Things, чтобы создать решения по защите рабочих в экстремальных ситуациях. Также рабочие будут носить устройства для сбора и обработки данных. При возникновении опасных для людей условий сведения будут сразу же отправляться руководству North Star.
- Кибербезопасность. Киберпреступники взламывают информационные системы предприятий, а потом продают доступ к ним, используя возможности сети Интернет. Если в одной части земного шара произошёл сбой или мошенничество, система Watson позволит предупредить других пользователей этой системы.
- Медицина. Университет Северной Каролины и ещё 12 центров по изучению онкологических заболеваний используют Watson для анализа ДНК пациентов, чтобы затем вырабатывать персонализированные методики лечения.
Однако, учёные отмечают, до того момента, когда нейросети смогут превзойти человека во всех областях, а не только в логических играх ещё слишком далеко.
Если есть какая-то понятная конкретная задача с большим количеством данных для обучения, то в ней искусственные нейронные сети могут продемонстрировать результаты лучше человека. Как только предполагается работа в комплексных сложных задачах и возникает необходимость применения накопленного жизненного опыта для принятия решений, то тут компьютеры уступают человеку.
На сегодняшний день создать искусственный интеллект подобный человеческому разуму не представляется возможным, поскольку для этого учёным нужно разгадать все тайны мозга, а это пока науке не под силу.
Однако этих знаний достаточно для развития определённых сфер деятельности.
Например, в исследовательской и консалтинговой компании Gartner уверены, что технологии искусственного интеллекта к 2020 г. будут присутствовать почти во всех программных продуктах и сервисах, а лидеры рынка смогут получать за счет их использования до 30% дополнительной прибыли.
Согласно опросу американской корпорация, специализирующейся на разработке и поставке аппаратно-программных комплексов для обработки и анализа данных, 80% коммерческих организаций или уже используют отдельные решения на основе искусственного интеллекта или собираются это сделать в бли-
жайшее время. При этом 91% респондентов отметили существенные сложности с внедрением технологий искусственного интеллекта: отсутствие подходящей ИТ-инфраструктуры и дефицит специалистов в этой области.
В России технологии искусственного интеллекта уже внедрили: ПАО «Банк УРАЛСИБ» (анализ данных клиентов), МТС и «М.Видео» (оптимизация клиентского сервиса с выдачей персональных рекомендаций), «Альфа Страхование» (определение риска мошенничества при страховом случае), Aviasales (поиск дешевых авиабилетов) и некоторые другие, в том числе промышленные предприятия.
Например, инструменты Yandex Data Factory помогают при выплавке стали. Так, использующийся для производства стали металлический лом зачастую неоднороден по составу. Чтобы сталь соответствовала стандартам, при ее выплавке всегда нужно учитывать специфику лома и вводить специальные добавки. Этим обычно занимаются специально обученные технологи. Но, поскольку на таких производствах собирается много информации о поступающем сырье, применяемых добавках и результате, эту информацию с большей эффективностью способна обработать нейросеть. По данным Яндекса, внедрение нейросетей позволяет на 5% сократить расходы дорогих ферросплавов.
Аналогичным образом нейросеть способна помочь в переработке стекла. Использование технологий машинного обучения позволит значительно сократить издержки.
Металлургические, химические и нефтеперерабатывающие предприятия собирают и хранят терабайты информации о ходе и результатах технологических процессов. Современные алгоритмы искусственного интеллекта могут находить скрытые зависимости в собранных данных, при этом делают это лучше и быстрее человека, раскрывая нереализованный потенциал повышения операционной эффективности и помогая принимать оптимальные решения.
Рассмотрим пример работы информационной системы для непрерывных производств, в частности для дуговой сталиплавильной печи. Так работа данной системы основывается на следующем алгоритме работы:
1 сбор данных,
2 обучение и адаптация искусственного интеллекта на основе статистических моделей для конкретной печи,
3 предоставление информационной системой в режиме реального времени рекомендаций по оптимальному управлению процесса плавки и корректировка данного процесса в соответствии с достигнутыми результатами.
Таким образом, работа такой информационной системы позволяет в режиме реального времени помочь оператору оптимизировать процесс управления производством. Следует отметить, что в отличие от
человека информационная система не устаёт и предоставляет стабильные рекомендации по обеспечению производственного процесса в лучшем режиме. Кроме этого, информационная система помогает оператору печи уменьшить время работы под током на 10%, снизить себестоимость - более, чем на 3% и обеспечить стабильное качество. Как уже было отмечено выше, такие системы могут применяться в металлургическом, химическом, нефтеперерабатывающем и энергогенерирующих производствах. Для внедрения и использования информационной системы не требуется глубокая модернизация производства, что является существенным преимуществом.
Нейросетевой подход широко используется в медицине. Команда исследователей из Ноттингемско-го университета разработала четыре алгоритма машинного обучения для оценки степени риска сердечно-сосудистых заболеваний пациентов. Для обучения использовались данные 378 тыс. британских пациентов. Обученный искусственный интеллект определял риск кардиологических заболеваний эффективнее реальных врачей.
Искусственный интеллект существенно улучшил механизмы рекомендаций в онлайн-магазинах и сервисах. Алгоритмы, основанные на машинном обучении, анализируют ваше поведение на сайте и сравнивают его с миллионами других пользователей. Все для того, чтобы определить, какой продукт вы купите с наибольшей вероятностью.
В сфере сельского хозяйства в мае 2016 года компания Cognitive Technologies начала тестировать беспилотный трактор, оборудованный компьютерным зрением благодаря спутниковым датчикам. Беспилотную технику предполагается применять при сборе урожая, прополке, опрыскивании растений гербицидами и иных процессах.
Заметим, что беспилотные автомобили - концепт, над которым работает большинство крупных концернов, а также технологические компании (Google, Uber, Яндекс и другие) и стартапы, в своей работе опирается на нейросети. Искусственный интеллект отвечает за распознавание окружающих объектов - будь то другой автомобиль, пешеход или иное препятствие.
Недавний опрос IBM показал: 74% топ-менеджеров автомобильной индустрии ожидают, что умные автомобили появятся на дорогах уже к 2025 году. Такие автомобили, интегрированные в Интернет вещей, будут собирать информацию о предпочтениях пассажиров и автоматически регулировать температуру в салоне, громкость радио, положение сидений и другие параметры. Помимо пилотирования, система также будет информировать о возникающих проблемах (и даже попытается решить их сама) и ситуации на дороге.
В логистике и производственной сфере широко используются автоматические беспилотные погрузчики.
Применение искусственного интеллекта в маркетинговой деятельности позволяет собирать и быстро анализировать информацию о тысячах пользователей для продвижения товаров и услуг.
В сфере управления персоналом уже сейчас искусственный интеллект применяется для обработки резюме, проведения собеседований, а также контроля действий сотрудников для предотвращения мошенничества.
Кроме этого, машинное обучение помогает распознавать потенциальные случаи мошенничества в различных сферах жизни.
Подобный инструмент использует, например, PayPal - в рамках борьбы с отмыванием денег компания сравнивает миллионы транзакций и обнаруживает среди них подозрительные. В результате, мошеннические транзакции в PayPal составляют рекордно низкие 0,32%, тогда как стандарт в финансовом секторе -1,32%.
Работа полиции и пожарных уже сейчас предполагает применение искусственного интеллекта. Установленные, например, в Лондоне камеры не только фиксируют факт преступления, но и самостоятельно готовят документы для отправки в прокуратуру.
Применение искусственного интеллекта в образовательной отрасли позволяет автоматизировать проверку тестов, а также разрабатывать совершенные методики передачи знаний.
Например, робот Алантим - сотрудник Московского технологического института читает студентам лекции по робототехнике и проводит масштабное исследование по изучению взаимодействия людей и умных машин.
Это первый робот, которого приняли на официальную должность в институт. Разработан Алантим пермскими разработчиками из компании Promobot.
Алантим способен поддерживать осмысленную беседу, отвечать на вопросы. Робот запоминает до 1 000 лиц, использует в разговоре 400 000 речевых модулей. Максимальное время работы робота - 8 часов без подзарядки, скорость передвижения - 5 км/ч. Всю полученную информацию Алантим сохраняет и систематизирует, а потом отправляет владельцам в виде отчетов.
Ультрасовременные технические средства и автоматизация всё глубже проникают в нашу повседневную жизнь. Естественно, наше жилище не стало исключением.
Умный дом - это одно из приоритетных направлений развития Интернета вещей (IoT), в котором работает огромное количество компаний. Интеллектуальная система «Умный дом» позволяет объединить все коммуникации в одну и производить контроль и управление с помощью искусственного интеллекта,
программируемого и настраиваемого под все потребности и пожелания хозяина. Так, «Умный» дом регулирует температуру в помещении, запускает необходимую технику и выполняет еще десятки полезных функций.
Подводя итог, следует отметить, что в дальнейшем применение искусственного интеллекта будет только расширяться. Растет спрос на проектировщиков автоматизированных систем и программистов высокого уровня. Эти профессии уже называют профессиями будущего.
Однако следует отметить и проблемы с применением и внедрением искусственного интеллекта.
Применение искусственного интеллекта привело к постепенному уничтожению целого ряда профессий на рынке труда. Со временем исчезнут кассиры, водители, бухгалтеры, сметчики - эти и другие операции уже выполняются машинами. Это приведет к резкому росту безработицы, а также к повышению требований работодателей. Потребуются новые квалифицированные кадры для работы с автоматизированными системами, и это приведет к пересмотру отрасли образования. На рынке труда будут востребованы профессионалы с системным мышлением, готовые учиться новому и осваивать сложные процессы.
Литература
1. Бондарев В.Ю., Сорокин А.С., Кротова Е.Л. Искусственная нейронная сеть как средство и метод статистическогй обработки данных // Вестник УрФО. Безопасность в информационной сфере. -2016. -№ 2 (20). - С. 19-22.
2. Делегодина Л.А. Прогноз энергопотребления в АСКУЭ ННЦ искусственной нейронной сетью // Проблемы информатики. - 2012. - № 1 (13). - С. 66-72.
3. Рыков В.П. Модульный принцип обучения искусственных нейронных сетей на примере известных нейросетевых топологий // Вестник Тамбовского университета. Серия: Естественные и технические науки. - 2014. - Т. 19. № 2. С. 583-586.
4. Тихонов А.А. Большие данные и глубокое машинное обучение в искусственных нейронных сетях // Наука и образование сегодня. - 2018. - № 6 (29). - С. 35-38.
5. Туровский Я. А. Автоматизирование обучения нейрочипов / Я.А. Туровский, С.Д. Кургалин, А.А. Адаменко // Актуальные направления научных исследований века: теория и практика. - 2015. - № 5, Ч. 2(16-2). - C. 191-196.
6. Rouse M. IBM Watson supercomputer [Электронный ресурс]. - URL: https://searchenterpriseai.techtarget.com/definition/IBM-Watson-supercomputer
