Диссертация (1138079), страница 3
Текст из файла (страница 3)
Число нейронов в головном мозге человека учёные оцениваютпримерно как 1012, а общее число связей между всеми нейронами мозгаколеблется от 1014 до 1015 [10]. Эта сложная система взаимосвязей называетсянейронными сетями и отвечает за такие феномены деятельности мозга, какпамять, абстрактное мышление, распознавание образов и другие уникальные иещё не до конца изученные способности, которые пока с трудом поддаютсяимитации в рамках создания моделей искусственного интеллекта.14Нейронные сети находятся в постоянном взаимодействии, получая ипередавая нелинейным образом информацию с помощью химико-электрическихреакций.
Причём данная система находится в постоянном динамическомразвитии, потому что в процессе функционирования мозга одни связи внутринейронных сетей распадаются, а им на смену приходят другие, более устойчивые.Другое замечательное свойства нейронных систем мозга заключается в т.н.голографическом принципе и напрямую связано с их децентрализованнойструктурой [11]. Выход из строя одного или нескольких нейронов не можеткоренным образом повлиять на общую работоспособность мозга, что, повидимому, объясняется тем, что ключевая информация не локализована на какомто конкретном участке, а распределена по всей системе. Характерный пример: кстарости здоровый человек может потерять до 30-40% нейронов, однакосохраняет основные умственные способности и память.Одним из первых, кто обратил внимание на мозг как на сложнуюдецентрализованную систему был Г.Хакен [20], который отнёс нейронные сети ксамоорганизующимся системами и обозначил их изучение в рамках синергетики,включая построение имитационных моделей, предназначенных для решенийразличных задач (искусственных нейронных сетей).Чтобы понять суть теории синергетики и самоорганизации необходимообратиться к анализу сложных динамических систем, которые присутствуютповсюду в нашем мире.
Динамическая система – это система, которая изменяетсяво времени. В своём движении подобные системы часто стремятся к равновесию –стационарному состоянию, которое также можно интерпретировать в терминахзаконов термодинамики, один из которых постулирует, что все происходящие вприроде процессы вызывают увеличение энтропии1, часто двигаясь из менеевероятного состояния к более вероятному.ОднаковXX векенаукастолкнулась с огромным количествомнеравновесных систем, которые невозможно описать в контексте линейности1Под энтропией в данном случае понимается мера рассеяния вещества в определённой среде, например, молекулгаза в комнате.15законов термодинамики [16]. Некоторые системы при определённых условияхпроизводят непропорционально большое количество энтропии. Более того, поддействием порождающей энтропию активности, сами эти системы способныэволюционировать и изменяться во времени, проявляя большую зависимость отсвоих внутренних флуктуаций и начальных условий, нежели от стороннихвоздействий.
Это и можно назвать самоорганизацией.При этом самоорганизующиеся системы встречаются не только вфизическом мире, но даже, пожалуй, чаще, в биологической среде. Помимонейронных сетей головного мозга человека в качестве примера можно привестиповедение стай и сообществ различных животных (птиц, насекомых).
Так,муравьи и термиты обладают очень низким интеллектом, но, работая вколлективе, способны решать весьма сложные задачи по строительствумуравейника, добыванию пищи и решению эволюционных задач развития [14].Аналогичные явления можно наблюдать в отношении стай птиц и косяков рыб. Вэтих сообществах при отсутствии чётко выраженного лидера каждая особьвыполняет достаточно простой набор действий, однако стая как единое целоеспособна безошибочно выполнять нужные действия (например, двигаться вопределённом направлении).Такие природные самоорганизующиеся системы обнаруживают настольковысокую эффективность в решении сложных задач, что многие учёные пытаютсястроить имитационные многоагентные модели, прежде всего, с целью разработкипродвинутыхсистемискусственногоинтеллекта.Однимизнаиболеепримечательных достижений последних лет в этой области можно назватьсоздание полноценной колонии муравьёв-роботов, способных прокладыватьоптимальный путь к источнику пищи [88].Наконец, заметим, что социальные системы, образуемые людьми и ихпостоянным взаимодействием, от краудфандинга до социальных сетей, с полнойуверенностью также можно отнести к самоорганизующимся системам [26].16Самоорганизующиеся нейронные сети также стали предметом интенсивногонаучного поиска.
Активные исследования искусственных нейронных сетейначались в 1940-х гг. В качестве пионерских работ, заложивших основыдальнейшего развития этой научной области следует упомянуть статью МакКаллока–Питса [148], классическую работу Н. Винера 1948 года по кибернетикегде[206],былатеоретическиобоснованавозможностьмоделированиябиологических процессов с помощью математики, труд Хебба [100], в которомбыла рассмотрена одна из первых моделей обучения искусственных нейронныхсетей, а также работу Розенблатта [172], где был предложен персептрон – базоваяархитектура многих искусственных нейронных сетей.В 1970-х гг. наблюдался некоторый спад активности в изученииискусственных нейронных сетей, связанный с критикой подходов Розенблатта иобщимразочарованиемучёныхотносительноневозможностисоздатьполноценную модель искусственного интеллекта на основе искусственныхнейронных сетей.
Тем не менее, уже в 1980-х гг. началось возрождение интереса ктематике искусственных нейронных сетей, связанное с работами Хопфилда,Хинтена, Сейновского и других учёных. Не последнюю роль сыграло и бурноеразвитие информационно-вычислительных технологий, открывших широкиевозможности по проектированию сложных, мощных моделей, а также с понимаемтого, что искусственные нейронные сети в силу своих свойств могут бытьиспользованы самых различных областях науки.Как было отмечено выше, самоорганизация – это одно из основныхотличительных свойств искусственных нейронных сетей.
Вместе с этим явлениесамоорганизации не уникально и может быть обнаружено в другом важном классеаналитических построений – многоагентных системах (multiagent systems).Многоагентныесистемытожеактивноиспользуютсявфинансовоммоделировании и нередко комбинируются с искусственными нейронными сетямив рамках одной модели, в частности в имитациях реального взаимодействияагентов на рынке, и поэтому для нас будет важно проследить взаимосвязь междуними.17Исследования многоагентных систем началось относительно недавно,примерно с 1980-х гг. Большое количество междисциплинарных работсвидетельствует о том, что многие процессы, протекающие в окружающем насмире,могут быть объяснены с помощью многоагентных систем. В сложныхфизико-математических моделях, прикладной биологии и социальных наукахмногоагентные системы помогают выполнить сложные расчеты, построитькомплексные аналитические модели и эффективные прогнозы.Что касается финансовой математики, то в ней многоагентные системышироко используются для построения имитационных моделей взаимодействия нафинансовых рынках и изучения результатов этих взаимодействий.
Достаточноинтересны разработки американского научного института в Санта Фе (The SantaFe Institute), где удалось сконструировать сложные модели и получить значимыерезультаты относительно взаимодействия агентов [136,138,153]. При этомисследованияимитационныхфинансовыхлабораторныхэкспериментов,ирынковпостроенныевыходятмоделизарамкииспользуютсядляпрогнозирования реальной рыночной динамики [167, 177,197].Между тем, само понятие «многоагентной системы» и «агентов»определяютсяпо-разномувразличныхработах.Восновномавторыподразумевают под многоагентной системой исключительно компьютерновычислительную систему, в которой агенты – это машины, наделённыеопределённым искусственным интеллектом [177].При этом многие исследователи признают сложность в формулированииуниверсального определения многоагентной системы.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
