Далее будем понимать термин «искусственный интеллект» только в узком смысле, связывая его с технологией обработки и использования информации.

Нейросетевые технологии – одна из разновидностей систем искусственного интеллекта. Понятия нейпронная сеть, нейроматематика, нейроимитатор все шире входят в нашу жизнь, становятся привычныс и эффективным инструментом для решения многих научно-технических задач. Основой нейронной сети (НС) являются искусственные нейроны, описанные в предыдущем пункте. Тем НС – совокупность нейронов, определенных образом соединенных друг с другом и внешней средой. Используя НС, можно реализовывать различные логические функции, связывающие между собой все входные и выходные переменные, определенные в логическом базисе {0,1}. Эти логические функции могут быть монотонными и немонотонными, линейно разделимыми и неразделимыми, то есть иметь достаточно сложный вид.

В основу искусственных нейронных сетей положены следующие черты живых нейронных сетей, позволяющие им хорошо справляться с нерегулярными задачами[20]:

· простой обрабатывающий элемент – нейрон;

· большое количество нейронов, участвующих в обработке информации;

· связь каждого нейрона с большим количеством других нейронов;

· изменяющиеся по весу связи между нейронами;

· массивная параллельность обработки информации.

Нейросетевые технологии хорошо зарекомендовали себя в решении всевозможных задач прогнозирования. Они способны решать задачи опираясь на неполную, искаженную, зашумленную и внутренне противоречивую информацию. И как сказал Роберт Хехт-Нильсен[21]: «Не имеет значения, похожи ли на самом деле в работе нейронные сети на мозг. Значение имеет лишь то, что у данных теоретических моделей можно математически обосновать наличие способностей к переработке информации».

Использование математического моделирования в исследованиях экономических систем.

Модели агрегированной экономики.

Экономико-математическое моделирование является неотъемлемой частью любого исследования в области экономики. Бурное развитие математического анализа, исследования операций, теории вероятностей и математической статистики способствовало формированию различного рода моделей экономики.

· Почему можно говорить об эффективности применения методов математического моделирования в этой области? Во-первых, экономические объекты различного уровня (начиная с уровня простого предприятия и кончая макроуровнем - экономикой страны или даже мировой экономикой) можно рассматривать с позиций системного подхода. Во-вторых, такие характеристики поведения экономических систем:

· изменчивость (динамичность);

· противоречивость поведения;

· тенденция к ухудшению характеристик;

· подверженность воздействию окружающей среды;

предопределяют выбор метода их исследования.

За последние 30-40 лет методы моделирования экономики разрабатывались очень интенсивно. Они строились для теоретических целей экономического анализа и для практических целей планирования, управления и прогноза. Содержательно модели экономики объединяют такие основные процессы: производство, планирование, управление, финансы и так д.алее. Однако в соответствующих моделях всегда упор делается на какой-нибудь один процесс (например, процесс планирования), тогда как все остальные представляются в упрощенном виде.

В литературе, посвященной вопросам экономико-математического моделирования, в зависимости от учета различных факторов (времени, способов его представления в моделях; случайных факторов и тому подобное) выделяют, например, такие классы моделей:

1.статистические и динамические;

2. дискретные и непрерывные;

3. детерминированные и стохастические.

Если же рассматривать характер метода, на основе которого строится экономико-математическая модель, то можно выделить два основных типа моделей:

· математические

· имитационные .

Развитие первого направления в мировой и российской науке связано с такими именами, как Л.Н. Канторович, Дж. Фон Нейман, В.С. Немчинов, Н.А. Новожилов, Л.Н. Леонтьев, В.В. Леонтьев и многие другие. Большой интерес в этом направлении представляют модели агрегированной экономики, где рассматривается отраслевой, народохозяйственный уровень. Динамические народоозяйственные модели используются в роли верхних координирующих звеньев систем экономико-математических моделей. С ростом временного горизонта увеличивается разнообразие вариантов перспективного развития экономики и возрастает число степеней свободы для выбора оптимальных решений, поскольку уменьшается влияние ограниченности ресурсов, неизбежно предопределяемой предшествующим развитием. Однако с ростом временного горизонта фактор неопределенности также начинает играть все возрастающую роль. По мнению Ю.Н. Черемных[22] «укрупненная номенклатура динамических моделей регламентируется в первую очередь качеством информационного обеспечения. Переход к такой номенклатуре для сокращения размерности может быть продиктован недостаточно мощным алгоритмическим и машинным обеспечением.» Для отыскания оптимальных траекторий динамических нарoднохозяйственных моделей используются как конечные, так и бесконечные методы, предложенные для решения задач математического программирования. Большое теоретическое и прикладное значение динамических моделей стимулировало многих авторов на разработку специальных методов поиска оптимальных траекторий. Предложенные методы учитывают явно или не явно блочную структуру ограничений динамических моделей и строятся

обычно без учета конкретных особенностей оптимальных траекторий.

Имитационное моделирование и исследование экономических систем.

Рассмотрим подробнее применение имитационного моделирования экономических систем, процессов. По словам крупного ученого в этой области Р.Шеннона, «идея имитационного моделирования проста и интуитивно привлекательна, позволяет экспериментировать с системами, когда на реальном объекте этого

сделать нельзя.»[23]. В основе этого метода - теория вычислительных систем, математическая статистика, теория вероятностей. Все имитационные модели построены по типу «черного ящика», то есть

сама система (ее элементы, структура) представлены в виде «черного ящика». Есть какой-то вход в него, который описывается экзогенными или внешними переменными, которые возникают вне системы, под воздействием внешних причин, и выход описываемый эндогенными или выходными переменными, который характеризует

результат действия системы.

В имитационном исследовании большое значение имеет этап оценки модели, который включает в себя следующие шаги:

1. Верификация модели (модель ведет себя так, как это было задумано исследователем).

2. Оценка адекватности (проверка соответствия модели реальной системе).

3. Проблемный анализ (формирование статистически значимых выводов на основе данных, полученных в результате экспериментов с моделью).

Большой интерес в имитационном моделировании представляет метод системной динамики - разработанный одним из крупнейших специалистов в области теории управления, профессором в школе управления Альфреда П. Слоуна в Массачусетском технологическом институте, Джеймсом Форрестером. Его первая книга в этой области «Кибернетика предприятия» вызвала огромный интерес мировой науки к методу системной динамики в имитационном моделировании.