Нейронные сети и генетические алгоритмы в настоящее время находят огромное число разнообразных применений. Действительно, в любой области человеческой деятельности есть плохо алгоритмизуемые задачи, для решения которых необходима либо постоянная работа группы квалифицированных экспертов, либо адаптивные системы автоматизации, каковыми являются нейронные сети. Разные компании выбирают разные варианты - одни предпочитают тратить деньги на оплату лучших специалистов и их обучение, другие покупают полностью готовые специализированные нейросетевые системы, а третьи комбинируют эти подходы, создавая собственные системы с нуля или на основе готовых коммерческих пакетов. Каждый из вариантов внедрения новых технологий имеет свои достоинства и недостатки.
| Создание группы экспертов
|
| Достоинства
| · Возможность словесного общения
· Возможность учета неформализуемых факторов
|
| Недостатки
| · Высокие расходы на зарплату
· Расходы на повышение квалификации
· Опасность потери эксперта (переход к конкуренту, эмиграция, болезнь и т.д.)
· Человеческая субъективность
· Противоречивость мнений различных экспертов
|
| Покупка готовой заказной системы
|
| Достоинства
| · Относительно невысокая стоимость эксплуатации
· Система создана лучшими специалистами
· Система сделана с учетом специфики компании
|
| Недостатки
| · Очень высокая стоимость разработки
· Невысокая гибкость
· Необходимость в разглашении секретов делового процесса компании
· Необходимость в привлечении специалистов со стороны для исправления ошибок, внесения изменений и т.д.
|
| Создание собственной системы "с нуля"
|
| Достоинства
| · Управление процессом разработки
· Легкость внесения изменений и модернизации
· Полная конфиденциальность
|
| Недостатки
| · Необходим штат программистов
· Необходимы специалисты по нейросетям
· Занимает много времени
· Высокая стоимость
· Необходима настройка системы
|
| Создание системы на основе готовых нейропакетов
|
| Достоинства
| · Невысокая стоимость базового пакета и обновлений
· Готовые архитектуры и алгоритмы обучения
· Пакет создан профессионалами в области нейросетей
· Достаточно высокая гибкость
· Техническая поддержка производителя пакета
· Полная конфиденциальность
· Не требуется программирование
· От пользователя не требуется глубокого знания нейросетей
· Более эффективное обнаружение и исправление ошибок за счет большого числа пользователей
· Возможность приобретения надстроек к пакету у различных производителей
· Возможность общения с другими пользователями пакета
|
| Недостатки
| · Не всегда возможно создавать собственные архитектуры и алгоритмы обучения
· Необходима настройка системы
· Необходима подготовка данных
|
Из приведенной таблицы видно, что выбор варианта решения должен определяться исходя из целей и возможностей компании. Первые три варианта больше подойдут очень крупным компаниям, планирующим деятельность на 5-10 лет вперед и не ожидающим быстрой окупаемости вложений в новые технологии. По этому пути идут многие западные фирмы, желающие увеличить прибыльность своего бизнеса в условиях жесткой конкуренции.
Вариант создания собственной системы на основе готового нейропакета подходит для менее крупных компаний и даже для частных лиц - инвесторов, трейдеров, предпринимателей. Впрочем, имеется и несколько примеров крупнейших концернов, избравших этот вариант и добившихся успеха. Так, например, компания DuPont разработала новый материал - безопасное стекло, используя нейросетевой пакет NeuroShell. Также этот пакет используется в крупных западных банках, таких как Citibank, Security Pacific National Bank, The World Bank, Lloyds Bank, The Federal Reserve Board, Federal Reserve Bank of New York, и в страховых компаниях Royal Insurance, Presidential Life Insurance, New York Life Insurance и других. Хотя конкретные методики использования пакетов держатся в секрете, формулировки задач и подходы к их решению известны. Ниже будет рассказано об известных нам способах использования нейросетей в различных областях бизнеса и технологий.
