Журнал "Системы Безопасности" № 4‘2023

Ц И Ф Р О В А Я Т Р А Н С Ф О Р М А Ц И Я , A I , I o T 122 Н аши естественные мозги очень экономичны и очень эффективны. При энергопотребле- нии в 40 Вт они в реальном времени способны решать 10 000-мерные задачи. Это патолого- анатомический факт, у каждого из нас есть пирамидальные естественные нейроны с 10 000 входов. При этом качество принимае- мых нами решений много выше, чем у совре- менных многослойных сетей искусственных нейронов. Глубокое обучение сетей, состоящих из сотен слоев искусственных нейронов, выпол- няется на миллионах примеров образов реаль- ных лиц людей. Полное обучение длится несколько месяцев, даже если привлекать к вычислениям огромные вычислительные мощ- ности облачных сервисов. При таком обучении новорожденный ребенок должен узнавать мать только через несколько месяцев. Это сомни- тельно. Скорее всего, современные алгоритмы глубо- кого обучения – это эволюционный тупик. Человека или животное съедят хищники еще до окончания их глубокого обучения. Проблема снимается, если предположить, что у эмбриона генетически запрограммировано развитие не только правой и левой руки, если допустить, что часть естественных нейронов у эмбриона изна- чально (генетически) по-разному предобучены. В этом случае все встает на свои места. Отдель- ные нейроны нет необходимости обучать, они сразу выращены и предобучены выполнять некоторую задачу. В этом случае возможно сверхбыстрое обучение "на лету". Тогда младе- нец должен узнавать мать почти сразу, как откроет глаза. Утенок должен всегда идти за уткой, цыпленок всегда должен идти за своей матерью-курицей или за таким же желтеньким братом-цыпленком. Кого первым увидел ново- рожденный, того и "на лету" запомнил. Проблема использования классических статистических критериев для проверки гипотезы независимости на малых выборках В прошлом веке англичанин Пирсон фактически совершил революцию в математической стати- стике. В 1900 г. он создал критерий "хи-квад- рат", который стал сегодня классикой [1]. К сожалению, этот критерий хорошо работает только на больших выборках в 200 опытов и более [2]. На практике далеко не всегда воз- можно получить доступ к большим выборкам. Аспирант-биолог вполне может самостоятельно вырастить группу из 16 кроликов и попытаться август – сентябрь 2023 www.secuteck.ru Александр Иванов Научный консультант АО "Пензенский научно-исследовательский электротехнический институт", д.т.н., профессор, эксперт от России без права голоса от ТК 362 Техника защиты информации", эксперт ТК 164 "Искусственный интеллект" Рис. 1. Программная реализация и результаты численного моделирования "хи-квадрат" нейрона Пирсона, разделяющего малые выборки в 16 опытов с двумя разными законами распределения данных www.fahrerassistenzsysteme.de Бионика: обучение "на лету" с использованием генетически по-разному предобученных искусственных нейронов В статье рассказывается о возможности быстрого обучения нейросетей "на лету", с использованием данных предварительного генетического обобщения положительного опыта статистического анализа данных, полученных исследователями прошлого века