Статья только в электронной версии журнала
ПК ЗА РАБОТОЙ
Питер Коффи
В любом виде человеческой деятельности уровень производительности сразу поднимается после перехода от педантичного освоения деталей к работе с целостными образами. В наши дни этот качественный скачок произошел наконец в такой значимой сфере, как вычисления для бизнеса.
Питер Коффи
Распознавание образов является мощным средством повышения производительности труда человека независимо от того, идет ли речь о вождении автомобиля или об игре в шахматы.Если учащийся автошколы чувствует себя подавленным из-за обилия деталей, то у опытного водителя зрительное и слуховое восприятие и так называемое “чувство дороги” интегрируются в единый образ, и это позволяет ему ехать быстрее при меньшей затрате сознательных усилий.
Новичок в шахматах видит на доске отдельные фигуры, мастер же всю позицию как целое. Опытный игрок легче запоминает расположение фигур - но только в том случае, если речь идет о реальных игровых позициях: запоминание произвольных расстановок для него не менее сложно, чем для любого другого. Это доказывает, что память как таковую шахматы не развивают. Зато шахматист видит цель и пути движения к ней - так же, как мы распознаем в печатном тексте сразу целое слово, а не складываем его из отдельных букв.
Подобными же путями можно добиться повышения производительности наших компьютерных систем и сетей - используя ориентированные на распознавание образов диагностические средства. Такое ПО строится на основе модели нейронной сети, выражающей наше нынешнее понимание процессов, происходящих в человеческом мозгу.
Как правило, эти инструментальные средства представляют собой не физические соединения, а абстрактные сети отношений. Конечно, можно создать и “аппаратную” нейронную сеть, что позволит повысить скорость счета, - но только после того, как решаемая ею задача будет хорошо освоена, а сеть оптимизирована для нее, точно так же, как программные решения заменяются аппаратными в тех случаях, когда это имеет экономический смысл.
В то же время наиболее полно главные преимущества нейронных сетей проявляются в ситуациях, требующих постоянного изменения решаемых задач, - а именно с этим приходится сталкиваться сегодня большинству создателей корпоративных систем ИТ.
Нейронные сети позволяют обнаружить новые образы путем анализа данных вместо того, чтобы сравнивать их с уже известными наборами правил.
В одном из наших номеров мы уже рассказывали о том, как фирма Computer Associates применила нейронные агенты (neugent) к анализу неисправностей серверов. На наших настольных машинах установлено антивирусное ПО корпорации IBM, основанное на технологии нейронных сетей. Благодаря этому сканер приобрел чувствительность не к отдельным вирусным штаммам, а к целым семействам вредоносного кода.
Помимо систем, предназначенных для “внутреннего потребления” отрасли информационных технологий, можно упомянуть о применении распознавания образов для оценки деловой ситуации, в которой приходится работать компании, по таким материалам, как публикация новостей и рекламных объявлений.
Агентства, предоставляющие услуги по связям с общественностью, вроде фирмы Medialink Worldwide, внедряют все больше технических приемов в свои методы “работы с доской, а не с отдельными фигурами” - в приложении этой концепции к продуктам и отраслям производства.
В феврале Medialink объявила о покупке эксклюзивной лицензии на использование во всем мире технологии InfoTrend, запатентованной Дэвидом Фаном из Университета штата Миннесота. “Аналитики "обучают" эту технологию "вычитыванию" проблем и информации, имеющих значение для отрасли, в которой специализируется тот или иной клиент”, - говорится в отчете этой компании, содержащей оценку InfoTrend.
Для распознавания образов требуются огромные вычислительные ресурсы. Подобные системы будут выглядеть настоящими динозаврами в современном мире ИТ. Мы все привыкли к принципу обработки данных за один проход - такая потребность диктуется тем, что в ограниченном объеме оперативной памяти невозможно удержать их целиком. Подход, основанный на восприятии всей картины в целом, дает четкое представление о том, чем принцип ускорения работы старых систем отличается от создания совершенно новых - таких, которые будут работать еще намного быстрее.
Пишите мне по адресу: peter_coffee@zd.com.
