НЕЙРОННЫЕ СЕТИ, ИХ ПРИМЕНЕНИЕ В НАУКЕ И МЕДИЦИНЕ

Ключевые слова: искусственная нейронная сеть (ИНС), глубокое обучение, алгоритмы

Цель статьи – анализ преимуществ над обычными алгоритмами и применение технологии искусственных нейронных сетей в сферах науки и медицины. Технология искусственного интеллекта позволяет создавать инструменты решения задач, для которых требуется применение умственных способностей человека: распознавание речи и образов, сложные логические операции, комплексная аналитика и многое другое. Одним из наиболее многообещающих направлений в сфере искусственного интеллекта являются искусственные нейронные сети (ИСН). Такая система была создана по принципу функционирования биологических нейронных сетей в организмах. Именно попытки смоделировать процессы, протекающие в нервных клетках, привели к дальнейшему созданию математической модели, а позже и программного воплощения нейронной сети. Искусственные нейронные сети представляют собой систему связанных и взаимодействующих между собой простых процессоров. Их устройство, в отличие от прочих, довольно простое — они предназначены для принятия и передачи сигналов от одних процессоров к другим. Главной особенностью этой технологии является возможность их «обучения», что и является их главным преимуществом перед обычными алгоритмами, ведь по ходу обучения сеть будет выполнять поставленную задачу всё лучше. Сутью обучения нейронных сетей является нахождение и обобщение сложных связей между входными и выходными данными, что и позволяет этим системам совершать прогнозирование и принятие различных решений. Одной из немаловажных проблем, которую решают ИНС - это упрощение многочисленных задач в сферах науки и медицины. В настоящее время объемы данных для обработки и анализа становятся всё больше и требуют больше времени от людей, работающих над ними. Именно нейронные сети могут предложить решение данной проблемы, взяв на себя задачу по анализу и прогнозированию. Далее буду представлены примеры решения различных проблем. С недавнего времени нейросети и ИИ стали незаменимыми во многих областях науки. Использование ИНС позволяет серьёзно ускорить выполнение рутинных задач и анализ массивов данных. Так, например космическое агентство NASA использовала сеть ExoMiner, чтобы обнаружить 301 новую экзопланету. Эта нейросеть была обучена анализировать массивы данных, полученных с помощью сверхчувствительного телескопа Кеплер, отличать настоящие экзопланеты от ложных, используя те же алгоритмы, что и настоящие исследователи-люди. Умение учитывать опыт прошлых открытий позволило сделать обнаружение новых космических объектов наиболее эффективным и заметно упростила задачу поиска учённым. Развитие этого направления вскоре позволит автоматизировать серьезные исследования, что значительно ускорит научный прогресс. Технология нейросетей нашла своё место и в сфере медицины, применение глубокого машинного обучения стремительно развивается из-за возросшей вычислительной мощности процессоров и возможности облачного хранения данных, благодаря чему использовать нейронные сети могут как врачи, так и их пациенты. ИСН могут помочь интерпретировать медицинские анализы патологий, кардиодиаграмм, рентгеновские снимки, а также способны диагностировать различные виды рака, переломы и поражения кожи. Более того, в скором времени нейросети смогут предложить наиболее эффективное лечение, исходя из индивидуальных особенностей каждого пациента. У больных есть возможность отслеживать собственное состояние, так, например, некоторые наручные часы и приложения для смартфонов способны анализировать и фиксировать приём лекарств, режим сна, диету, активность сердца в состоянии покоя и при нагрузке, после чего сообщить пользователю о возможных отклонениях и предложить посетить специалиста. С каждым днём нейронные сети становятся всё совершеннее, они позволяют нам сильно упростить повседневные и сложные задачи. Качество выполняемой ими работы растёт вместе с количеством данных, что открывает перед нами множество возможностей для прорывов в областях интернета, здравоохранения и робототехники, что сделает нашу жизнь неузнаваемой в будущем.