Журнал "Системы Безопасности" № 1‘2024

Ц И Ф Р О В А Я Т Р А Н С Ф О Р М А Ц И Я , И И , И Н Т Е Р Н Е Т В Е Щ Е Й 142 прошедшие торги в удобной для студентов (аспирантов, преподавателей) форме. Методи- ческие рекомендации о том, как эти данные следует почистить, обогатить, отсортировать нейросетями или классической статистикой, также вполне по силам университетам [8, 9]. Возвращаясь к проблеме перехода к реальным нейросетевым операциям на биржах, нам при- дется решить следующие частные задачи: 1. Научиться автоматически выделять (обнару- живать) с приемлемой достоверностью циклы подъема и спада цен (классификатор "медве- ди", "быки"). 2. Научиться достоверно предсказывать момен- ты начала и окончания трендов подъема и спада цен. 3. Научиться корректно тестировать результаты работы уже обученных нейросетей (уже обученных классификаторов при приемке заказчиком, например в лице нового неквали- фицированного инвестора). 4. Корректировать или создавать инструменты обучения (аналоги PyTorch и TensorFlow) под новые или старые структуры программных брокеров. 5. Иметь большие, достоверные, общедоступ- ные базы данных для обучения и тестирования на общественных или частных облачных ресур- сах с приличной вычислительной мощностью. Заключение Перспектива получать ежегодную прибыль в 750% годовых не оставит равнодушными ни отечественных банкиров, ни иностранных бан- киров, биржевиков, брокеров. Сделать доступ- ными данные за несколько лет уже проведен- ных торгов на МосБирже вполне реально. На то, чтобы сделать нейросетевую технологию распо- знавания лиц людей промышленной, ушло при- мерно 10 лет. В связи с этим вполне возможно создать промышленно-интеллектуальную тех- нологию обучения торговых приложений в сле- дующие 10–15 лет. Тогда квалифицированные брокеры бирж превратятся в специалистов по настройке (обучению) интеллектуальных бро- керских программ. Вполне возможно, что для достижения этих целей усилий программистов, нанятых Сбер- Банком и Банком Тинькофф, будет недостаточ- но. Вполне возможно, что усилий даже круп- нейших банков США, Европы и Китая будет недостаточно. Деньги решают ВСЁ только в том случае, когда ВСЁ ВСЕМ понятно и технология уже практически доросла до промышленной. В нашем случае такой стадии развития пока НЕТ. То, что многослойные сверточные сети глубоко- го обучения (уже имеющаяся промышленная технология) позволят решить биржевую задачу, является лишь гипотезой. Тем не менее нужно пытаться решать подобные задачи. Нужно соз- давать условия для того, чтобы материал для обучения и тестирования нейросетей был общедоступен (сейчас это далеко не так). Скол- ково, Минцифра, Центральный банк Россий- ской Федерации должны каким-то образом поддерживать команды молодых отечествен- ных исследователей, которые, победив в том или ином конкурсе, должны делать удачный код своих удачных нейросетевых проектов открытым. Последний и очень важный вопрос – о социаль- ных последствиях интеллектуально-нейросете- вой промышленной революции. Профсоюзы актеров и сценаристов Голливуда давно суще- ствуют, и именно по этой причине они смогли организовать полугодовую забастовку и защи- тить права своих членов. У банкиров, владель- цев бирж, брокеров России таких профсоюзов НЕТ. В связи с этим численность банкиров, вла- дельцев бирж и брокеров России в ближайшем будущем может сократиться, а условия их труда могут ухудшиться из-за развития искусственно- го интеллекта. Этим высокооплачиваемым и высококвалифицированным трудящимся, видимо, придется создавать профсоюзы, кото- рые должны защищать их права в ближайшем будущем. Список литературы 1. Коржебин А. Нейросети и генная инжене- рия – технологии 2023 года // Системы без- опасности. 2023. № 6. 2. Иванов А.И., Лекарь Л.А. О необходимости отечественного стандарта на тестирование каче- ства нейросетевого распознавания лиц людей // Системы безопасности. 2023. № 5. 3. Мунтян А. Новые правила обработки биомет- рии для контроля и управления доступом // Системы безопасности. 2023. № 6. 4. Куртис Фейс. Трейдинг, основанный на интуи- ции. Спб: Питер: 2011. 240 с. 5. Найман Э. Как покупать дешево и продавать дорого: пособие для разумного инвестора. М.: "Альпина Паблишерз", 2011. 552 с. 6. Николенко С., Кадурин А., Архангельская Е. Глубокое обучение. СПб: Питер. 2018. 480 с. 7. Аггарвал Чару Нейронные сети и глубокое обучение. СПб.: Диалектика. 2020. 756 с. 8. Иванов А.И., Тарасов Д.В., Горбунов К.А. Оценки показателя Херста на малых выборках: простейший вариант нелинейного компенсато- ра методических ошибок Федера при модели- ровании данных экономики и биометрии // Надежность и качество сложных систем. 2023. № 3. 9. Орлов Ю.Н., Осминин К.П. Нестационарные временные ряды. Методы прогнозирования с применением анализа финансовых и сырьевых рынков. М.: ЛЕНЛАНД, 2023. 384 с. n февраль – март 2024 www.secuteck.ru Рис. 2. Примеры образов обычных "быков" и "медведей", которые могут быть использованы для обучения сверточных нейросетей Ваше мнение и вопросы по статье направляйте на ss @groteck.ru Источник www.pxhere.com