Использование компьютеров в бизнесе и финансовом анализе имеет давние традиции. Персонализация компьютера раздвинула границы применения современных информационных технологий и сложных методов анализа данных. Работа в любой сфере бизнеса уже не мыслится без использования ПК, интуитивного графического интерфейса MS Windows и специального программного окружения. Последние достижения в области вычислительной техники быстро становятся настольным инструментом в работе менеджера, бухгалтера, секретаря-референта. Интерес со стороны делового мира к использованию современных методов информационного анализа и прогноза закономерно привел к появлению на рынке программных услуг большого числа ПО как специального, так и общего назначения.
Нейронные сети
Искусственные нейронные сети (нейросети) были придуманы уже давно, в начале 50-х годов, в связи с интенсивным изучением нейробиологами процессов обработки информации в живой природе. Их прототипом можно считать мозг человека. Однако несовершенство методов исследования мозга, отсутствие развитой математической теории и, самое главное, критическое отношение маститых ученых поубавило энтузиазм и пыл исследователей и, как следствие, привело к снижению инвестиций в изучение нейросетей. На долгое время нейросети ушли в тень, ими занимались лишь узкие специалисты в области информатики и искусственного интеллекта. К счастью, усилия небольшой группы ученых оказались успешными, и последовал взрыв интереса к использованию нейросетей в различных прикладных сферах деятельности человека.
Под искусственной нейронной сетью обычно понимают связную параллельную сеть простых адаптивных элементов, которая взаимодействует с окружающим миром по аналогии с биологической нервной системой. На определенные раздражители вырабатываются индивидуальные комплексы условных реакций нейросети. Огромным достоинством любой нейросети является ее обучаемость. Созданная нейросеть не требует программирования, поскольку сама обучается решению задач. Другое ее большое достоинство - толерантность по отношению к ошибкам. Ошибка не приводит к отказу нейросети, а лишь снижает качество обработки информации. Однако тут не следует забывать: чему научишь, то и получишь. Поэтому вопрос обучения нейросети для любого аспекта ее использования имеет определяющее значение.
Консалтинг имеет место быть и в России
Последнее обстоятельство не должно смущать вас, если вы решили, что нейросеть - необходимый инструмент в организации вашего бизнеса. В настоящее время в России уже существует несколько компаний и физических лиц, которые оказывают консультационные услуги по использованию нейросетей в различных сферах экономической и финансовой деятельности. Квалифицированные специалисты обеспечат вас всей нужной и ненужной информацией, а также предложат целый спектр коммерческих нейропакетов.
Когда можно использовать нейросети
Применение нейросети для решения какой-либо задачи возможно при следующих условиях:
- известно, что эта задача решается людьми (независимо от того, построена ли модель для ее решения);
- могут быть представлены примеры решения задачи;
- имеется взаимосвязь между входными и выходными данными, т. е. изменения на входе влияют на результат на выходе.
Если эти три момента присутствуют, то задача может быть решена с помощью нейросети.
Применение нейросетей предпочтительнее при решении задач, для которых еще не существует строго формализованных алгоритмов, или когда использование алгоритма ведет к большим затратам времени. Особенно хороши нейросети для задач с неполной или плохо определенной информацией.
Где нейросети уже успешно работают
Различные нейропакеты помогают успешно решать такие задачи, как оценка рейтинга ценных бумаг (нейропакет S&PCBRS); контроль валютных операций в двадцати трех странах мира (Inspector); анализ займов, кредитное планирование и прогноз экономической активности (Nexpert Object); формирование портфеля ценных бумаг (Open Interface); оценка кредитных займов, прогноз курсов валют, анализ биржевой и рыночной активности, прогноз экономических и биржевых индексов (BrainMaker); биржевые прогнозы, проверка подлинности кредитных карт (HNC). Помимо анализа финансовой деятельности нейросети успешно справляются с идентификацией непривычных для людей образов, распознаванием речи (Avalanche), синтезом речи и текста (Back propagation), управлением роботом (Cerebellatron), идентификация написанных от руки символов (Неокогнитрон, Япония) и др.
Лирическое отступление
Прежде чем перейти к обсуждению возможностей взаимодействия других систем обработки информации с нейросетями, следует обратить внимание на особенности информационных потоков, характерных для деловой жизни России сегодня. Во-первых, это огромные объемы экономической, финансовой и деловой информации, которая стала доступна через глобальные коммуникационные сети практически любому человеку, имеющему компьютер и телефон. Эта информация подвергается предварительной обработке и размещается в информационных системах для дальнейшего использования. Во-вторых, интенсивно развивающееся правовое и социальное обеспечение бизнеса. Эти факторы обусловливают быструю смену информационной ситуации в области обеспечения бизнеса. Становится необходимо постоянно пересматривать логическую структуру баз данных информационных систем (ИС) в соответствии с возникающими изменениями в предметной области. Для этого обычно предлагают использовать технику реинжиниринга.
Быстро меняющиеся экономические параметры и факторы в условиях плохо определенной, нечеткой ситуации должны своевременно отражаться в ИС и обеспечивать компетентное принятие решений. Занимаясь своим делом и находясь далеко от “кухни” законодательного формирования экономической ситуации, бывает нелегко уловить зарождающиеся тенденции в экономической жизни и своевременно принять правильные решения. Таким образом, огромный объем информационных массивов и быстро меняющаяся информационная ситуация создает необходимые предпосылки использования нейросетей для анализа экономических данных и обеспечения принятия решений.
Нейросети и информационные системы
К традиционным системам обработки информации можно отнести:
- распределенные системы баз данных на основе архитектуры клиент-сервер;
- экспертные системы и базы знаний для различных областей бизнеса;
- телекоммуникационные системы обмена информацией и системы, основанные на использовании нечеткой логики.
Какова взаимосвязь нейросетей и уже существующих традиционных систем обработки информации для обеспечения бизнеса?
Базы данных
Базы данных на основе архитектуры клиент-сервер предназначены для работы в вычислительных сетях компьютеров, расположенных в офисе фирмы и ее филиалах. Использование концепции баз данных обеспечивает решение информационных задач в условиях хорошо структурированной информации, когда данные известны и строго определены. Любое изменение в характере и составе данных обычно приводит к перепроектированию и реорганизации базы данных. Несмотря на RAD-технологии (средства быстрой разработки программных приложений на основе объектно-ориентированного программирования) и CASE-средства (для анализа предметной области и проектирования баз данных в информационных системах с использованием репозитория и автоматизированной реорганизации) при создании распределенных ИС, для решения плохо формализованных задач с нечетко определенными взаимосвязями между данными такие системы работают неудовлетворительно.
В подобных случаях нейросети могут быть использованы для предварительного анализа и отбора информации и, что очень важно, для анализа имеющихся в ИС данных. Современные нейропакеты, например BrainMaker, имеют встроенные возможности для доступа к файлам некоторых типов баз данных и таблицам Excel, а пакет FuzzyCalc непосредственно работает с таблицами Excel. Таким образом, совместное использование нейросетей с такими современными распределенными СУБД, как Oracle, Informix, Sybase, Microsoft SQL Server, SQLBase, и является весьма перспективным направлением в создании гибких информационных систем обеспечения бизнеса.
Экспертные системы
Работы в области искусственного интеллекта потребовали использования метаданных (знания о природе знаний и данных) и логического вывода в ИС. Это привело к созданию и внедрению экспертных систем (моделирующих работу эксперта предметной области) и баз знаний в различных областях экономической и управленческой деятельности. Экономический эффект от использования этих систем иногда покрывает расходы на их создание. Приобретение знаний и формирование правил для экспертных систем являются и по сей день очень дорогостоящим процессом. По оценкам специалистов, стоимость генерации одной единицы знаний оценивается в 100 - 200 долл. В свое время была специально разработана оболочка экспертной системы SLEUTH (на основе правил продукций) для автоматизации приобретения знаний.
Использование нейросетей в интеллектуальных системах для автоматизации приобретения знаний - одно из самых перспективных направлений работы. Одним из первых таких нейропакетов стал Brain State in a Box, предназначенный для извлечения знаний из баз данных. Другое направление, в настоящее время интенсивно развивающееся - это использование самообучаемости нейросети для автоматизированного формирования правил продукций в системах вывода экспертных систем. В качестве примера можно привести работы над созданием механизма формального вывода, основанного на базе знаний, построенной в виде нейросети - MACIE.
Нечеткая логика
Системы с использованием нечеткой логики специально были разработаны для решения плохо определенных задач и задач с неполной и недостоверной информацией. Слияние экспертных систем с системами нечеткого вывода привело к созданию нового класса нечетких экспертных систем. Недавние исследования показали, что сочетание нейросетей и систем нечеткой логики позволяют решить на компьютере широкий класс задач, который разработчики-практики зачастую старались обойти стороной. В настоящее время на рынке программных продуктов доступен нейросетевой пакет CubiCalc, имеющий инструментарий для обработки нечеткой информации при решении конкретных задач.
Глобальные информационные системы
Для обработки и анализа информации, получаемой по глобальным телекоммуникационным системам, нейросети являются чуть ли не единственным инструментом. Для представления информации в таких глобальных системах свойственна неоднородность, неструктурированность и нечеткость, а в случае доступа к базам данных - наличие большого числа форматов представления структурированных данных. Нейросети свободны от каких-либо определенных форматов данных. Единственным требованием для представления данных в нейросети является возможность выразить их в виде вектора входных параметров и соответственно вектора выходных параметров. При этом вовсе не нужно знать точно характер закономерностей, связывающих входные и выходные параметры. Определение этих закономерностей происходит в процессе обучения сети.
Особенности применения нейросетей
Зависимость функционирования нейросетей от процесса обучения порождает несколько особенностей их использования. Во-первых, это неограниченный спектр задач, который может быть решен с их помощью. Хорошо, что при этом вам не нужно знать, существует ли формальный алгоритм решения задачи или нет. Важно иметь набор правильных решений, удовлетворяющий требуемой точности. Можно использовать очень модную сейчас идею применения двух нейросетей. Одна обучается на правильных решениях, а другая - на неправильных. В результате вы получаете два решения задачи: как следует поступить и как не нужно поступать.
Вторая особенность, связанная с обучаемостью нейросети, - это индивидуальность обученной сети. Несмотря на то что один и тот же нейропакет может быть использован разными людьми (а в США, например, нейропакет BrainMaker продан в количестве 17 000 экземпляров), вы можете быть уверены в том, что обученная вами нейросеть сохранит свою неповторимость. Это дает определенную гарантию безопасности решений, принимаемых с помощью нейросети.
К третьей особенности обучаемости нейросети следует отнести зависимость качества работы нейросети от подобранных вами примеров решения задачи. Подбор примеров должен осуществляться самым тщательным образом. Хотя, если у вас есть время, вы можете поэкспериментировать с данными. Но в любом случае, приобретая нейропакет, вы должны быть уверены в том, что специалисты помогут вам обучиться с ним работать. Это сэкономит ваше время и деньги.
Четвертый важный момент, связанный с обучаемостью нейросетей, это возможность ее переобучения в процессе эксплуатации. Это позволяет своевременно отражать в нейросети текущие изменения в информационной ситуации, которые присущи вашей предметной области. Вы можете учесть новые факторы и избавиться от несущественных.
Таким образом, использование нейросетей позволяет быстро и своевременно учитывать динамику взаимодействия различных экономических и финансовых факторов, присущих вашей деловой активности.
Доступные в России нейропакеты
В заключение хотелось бы остановиться на проблеме выбора подходящего нейропакета и коротко описать набор нейропакетов, доступных на российском рынке в настоящее время. Нейропакет BrainMaker (фирмы California Scientific Software) является пакетом широкого назначения, предназначенным для профессиональных пользователей (BrainMaker Pro), неподготовленных пользователей и студентов (BrainMaker Student). Нейропакет N-Net (фирмы HI Ware) представляет собой комплексный интегрированный нейропакет, пригодный для решения большого числа задач. Экспертные системы на основе нейросетей можно создавать с помощью Nexpert Object (Neuron Data). Специально для работы с финансовыми данными предназначен нейропакет Nestor DLS (фирмы Nestor). Для разработки приложений с использованием нечеткой логики предназначен нейропакет CubiCalc (корпорации HyperLogic). На мировом рынке над созданием коммерческих нейропакетов работают в настоящее время более 100 фирм и компаний, в основном в США, Европе и Японии.
В России также проводятся интенсивные исследования по созданию нейропакетов. Так, в одном из вузов Москвы разработали некоммерческий пакет, функционирующий с использованием переменного числа базовых адаптивных элементов, что дает заметный выигрыш в использовании памяти и сокращает время обучения нейросети. Такой подход сейчас практически не применяется в коммерческих продуктах, но является очень перспективным. 4
К Владимиру Туманову можно обратиться по адресу E-mail: tve@icp.ac.ru.
Владимир Туманов
