В данной статье происходит ознакомление с нейронными сетями, как одним из направлений развития искусственного интеллекта в экономике.
In this article, acquaintance with neural networks as one of the directions of the development of artificial intelligence in the economy takes place.
Вначале для каждого из нас нужно хотя бы общее представление почему обычный нейрон мозговой коры со всеми его дендритами, аксонами, телом нейрона, нейромедиаторами, рецепторами, синапсами, коих кстати насчитывается около десяти тысяч только на одном нейроне и еще десятками других элементов, можно взять и приравнять вот к этому:
D
Это формальная модель искусственного нейрона предложенного Маккаллоком Питтсом на основе которой строятся современные искусственные нейросети. И чем же наш мозг с его биологическими нейросетями похож на вот эту модель искусственной (рис.1). Если взглянуть на неё, то в неё что-то входит и что-то выходит, в принципе от этого можно начать разговор. Вот вы читаете этот доклад и незаметно для вас внутри мозговой коры происходят электрохимические процессы.
Возьмем один из ваших 86 миллиардов нейронов, где по ветвящимся дендритным веточкам поступает информация о читаемом докладе, когда с дендритных веточек, я уточняю, с разных дендритных веточек, передается импульс на нейрон, если импульс достаточен для преодоления порога возбуждения нейрона, то сигнал передается дальше по аксону в дендритную веточку следующего нейрона. Место соединения аксона одного нейрона и дендрита другого называется синапсом, там и происходит вся магия. И в какой-то момент, получив и прогнав достаточно признаков по своей биологической сети, вы решаете читать доклад дальше или нет.
И так, есть входы дендриты, выходы аксоны, места соединения синапсы, сам нейрон и его порог возбуждения, который определяет реагировать нейрону на поступающий сигнал или продолжать спать. Если порок преодолен импульс подается на аксон для соединения с дендритом другого нейрона в синапсе и так далее. То, что я сейчас написал про биологическое строение нейрона это упрощенный в несколько сотен раз вариант, да я опустил всякие нейромедиаторы, мембранный потенциал, ионные обмены и много чего ещё, но лишь для того, чтобы перейти к классической модели искусственного нейрона.
Если говорить обобщенно, то нейросеть это такие вычислительные системы, которые позволяют дать наиболее точный ответ по заданным условиям. Чтобы работа искусственной нейросети была понятнее, давайте разберём кирпич за кирпичиком и вернёмся к искусственной модели, где также есть свои дендриты или входной слой, на него поступают признаки в чистом виде и они передаются дальше, есть нейроны или иными словами сумматор, по сути это такая коробка которая суммирует сигналы от предыдущего слоя и если полученная сумма отвечает порогу возбуждения нейрона, то сигнал отправляется через аксон дальше или в нашем примере на выходной слой (рис.2), то есть выдаётся решение.
Сумматор соответствует простой кусочно-линейной функции, где решение выдаётся из двух радикальных плоскостей, либо ноль, либо один, а теперь давайте посмотрим на примере как это работает.
Сделаем нейросеть которая подскажет нам стоит ли пойти на выступление комика. Для начала обозначим признаки которые нам важны у комика. Это интеллект, потому что нам наскучили шутки нижи пояса, ну и давайте добавим юмор, так как любая информация которая разбавляется юмором усваивается легко и непринужденно. И так на входной слой у нас подаются признаки интеллекта т юмора и вот тут возникает проблема максимализма. Понятно, что пойдём на концерт, если автор обременён интеллектом и при этом умудряется отлично шутить - это один. И мы не пойдём если он будет обратно противоположен - это ноль. Но как быть, если выступающий заставляет задуматься, но в его выступлениях нет ни капли юмора и наоборот.
Понятно, что для каждого из нас что-то будет важнее, поэтому мы можем определить уровень важности для каждого признака, иными словами - вес. Это как у человека только я не про вес тела, а про вес внимания. Когда говорят в одно ухо влетело, а в другое вылетело, это значит, что он присвоил низкий уровень важности для поступающей информации или по-другому выставил слабый вес на входящие сигналы. В искусственных нейросетях работает это простым умножением. Значение интеллекта умножается на вес и до сумматора доходит так называемое взвешенное значение.
Может возникнуть в каком виде подаются данные интеллекта и юмора. В нейросетях это числовые значения. Под интеллектом мы возьмём уровень IQ, который может достигать до 200 единиц, а юмор будем оценивать по своей 10 бальной шкале. Можно заметить, что числа совершенно не равны, поэтому применяется нормализация входных данных. Иными словами привидение значений с разными пределами к общему. Это особенно необходимо, если в вашей нейросети есть килограммы, цвета, геометрические фигуры и тому подобное.
В последние несколько лет в экономике многих стран, наблюдается увеличение количества финансовых кризисов и рост их масштабов. Рыночные потрясения конца ХХ - начала XXI вв., которые принесли только американским инвесторам убытки в десятки трлн. дол., свидетельствуют о том, что существующие теории финансового анализа и прогнозирования развития финансово-экономических систем себя практически исчерпали. Поэтому в современных условиях нужно существенное переосмысление используемых методов экономико-математического моделирования.
Ежегодно в экономике увеличивается количество поступаемой информации и быстрота её трансформации. Обрабатывать и управлять таким количеством данных с помощью человеческого интеллекта является неэффективным способом, а применение классических вычислений становится тяжелым делом. Именно поэтому человек нуждается в современных информационных технологиях. Чтобы фирма могла работать более эффективно, создается множество статистических методов и моделей, а также специализированные программные обеспечения. Тем не менее, у большинства методов есть один недостаток — линейность, иными словами возможность показать большинство процессов линейной зависимостью, а также однозначность стационарного решения в системе линейных уравнений, что делает ее мало корректной.
Искусственную нейронную сеть уместно использовать для решения трудно формализованных задач, то есть тех, которые требуют больших вычислений. К данным задачам можно отнести:
Прогнозирование. Это класс экономических задач, которые можно решить, с помощью искусственные нейронные сети. Примерами могут служить:
Другим видом проблем, для решения которых можно будет воспользоваться искусственной нейронной сетью, является классификация объектов экономического анализа. К примеру, классификация клиентов по степени риска предоставления им займа.
Интерес людей к эксплуатации искусственных нейронных сетей в экономике увеличивается все время. Нейронные сети смогли проявить себя в определении большинства прикладных финансово-экономических задач. Они остаются необходимыми при качественной обработке большого потока данных, без чего очень тяжело, а иногда даже невозможно правильно понять положение на рынке и сделать правильный ход. Всё это говорит нам о надобности последующего исследования, роста и внедрения аппарата искусственного интеллекта в действительности.
Уже в наши дни искусственный интеллект может написать статью. С невообразимой точностью описывать, что он видит на картинке и даже писать музыку. Если вернуться на несколько лет назад в прошлое и рассказать о современных достижениях нейронных сетей, вряд ли бы кто-то поверил услышанному. При всем том, это уже действительность, которая наступила. И все написанное выше лишь небольшая часть идеи областей, в которых себя находят нейронные сети. При помощи нейронных сетей сейчас происходит тотальный прорыв в медицине, чего только стоит распознавание болезней по виду сетчатки глаза. Так же в скором времени ожидается сильное развитие банковской сферы.
С помощью нейронных сетей с 2010 года объем ежегодных инвестиций в сферу искусственных нейронных сетей увеличился в 16 раз, но это только начало. Если взглянуть на сумму всех стартапов, которые развиваются в данной области, то становится не по себе, так как их уже тысячи. И по прогнозам аналитиков сотни из них будут оцениваться в сумму больше миллиарда долларов уже через несколько лет. Если взять только один рынок по распознаванию лиц, то уже сегодня его цена превышает сумму в три миллиарда долларов. И это только одно направление нейронных сетей. Причем, его самый начальный этап зарождения.
Аналитики прогнозируют, что в следующие 5 – 15 лет произойдет крайне серьезная революция. На самом деле, она уже идет. IT-гиганты стали скупать AI-стартапы. Фирмы ощущают наступление серьезных перемен, они знают, что если не сейчас, то будет уже поздно. Но, а человечество сейчас, будет жить в очень необыкновенное время.