CC BY
40
Д. А. КУРДИН D. A. KURDIN
начальник отделения психологического обеспечения учебно-воспитательной работы Академии ФСИН России, майор внутренней службы
Опыт использования искусственных нейронных сетей в психологической службе уголовно-исполнительной системы Российской Федерации
Experience of using artificial neural networks in the psychological service of the penitentiary system of the Russian Federation
Аннотация. В статье описан опыт применения искусственных нейронных сетей в решении задач, стоящих перед образовательными организациями ФСИН России и УИС в целом. Приведены примеры работы с искусственными нейронными сетями, показаны примеры обучения сетей. Дана пошаговая инструкция применения нейронных сетей в повседневной деятельности психологической службы УИС.
Ключевые слова: искусственные нейронные сети, искусственный интеллект, психологическая служба, профессиональный отбор, Академия ФСИН России.
Annotation. The author of the article describes the experience of using artificial neural networks in solving problems by educational organizations of the FPS of Russia and the penal system itself. Examples of work with artificial neural networks are given, examples of learning networks are shown. The step-by-step instruction of application of neural networks in daily activity of psychological service of penal system is given.
Key words: artificial neural networks, artificial intelligence, psychological service, professional selection, Academy of FPS of Russia.
Сегодня стало популярным использование искусственных нейронных сетей (ИНС). ИНС находят широчайшее применение в различных сферах человеческого познания. Их применение в уголовно-испол-
Ведомости уголовно-исполнительной системы № 5/2019
нительной системе Российской Федерации (далее также - уголовно-исполнительная система, УИС) может помочь в выполнении стоящих перед ней задач и дать толчок к ее дальнейшему общему развитию.
53
Что же такое ИНС? С точки зрения машинного обучения нейронная сеть представляет собой частный случай методов распознавания образов, дискриминантного анализа, методов кластеризации и тому подобное. С математической точки зрения обучение нейронных сетей - это многопараметрическая задача нелинейной оптимизации. С точки зрения кибернетики нейронная сеть используется в задачах адаптивного управления и как алгоритмы для робототехники. С точки зрения развития вычислительной техники и программирования нейронная сеть -способ решения проблемы эффективного параллелизма. С точки зрения решения некоторых задач, которые выполняет психологическая служба УИС, это эффективный высокоперспективный механизм, способный справляться с поставленными задачами быстрее, эффективнее и объективнее человека[1].
Какие задачи психологической службы УИС на сегодняшний день в состоянии выполнять нейронная сеть? Проблема отбора кадров для уголовно-исполнительной системы - одна из центральных задач психологических служб, отделов и лабораторий в учреждениях и органах ФСИН России. Поэтому первая и относительно простая задача для ИНС -это построение эффективного прогноза наличия профессионально значимых психологических качеств будущего сотрудника УИС, то есть профотбор для кандидатов, поступающих на службу в уголовно-исполнительную систему, а в учебных заведениях ФСИН России -это прогноз успешного обучения курсанта.
Разберем пример экспериментального использования ИНС в работе психологической службы уголовно-исполнительной системы Российской Федерации.
Для решения оговоренных задач была разработана ИНС. Работа по ее созданию проходила в два этапа.
Первый этап заключался в построении ИНС, ее обучении. Конечной целью обучения было создание в структуре нейросети связей или коэффициентов нейронов для передачи информации на результат обучения. Благодаря обучению выстраивалась многомерная последовательность из цепочки решений, конечным результатом которых было решение об успешности обучения курсанта. Для обучения ИНС брали массив данных, который состоял из результатов психологических обследований отчисленных курсантов. Данные первичной психодиагностики переформатировывались в двоичный код и загружались в нейро-сеть, в которой из этих данных образовывались связи для принятия решений.
Второй этап состоял из анализа первичных данных психодиагностики курсантов набора 2018 года и составления прогноза их дальнейшего обучения.
ИНС представляла из себя структуру из четырех слоев. Первый слой состоял из 2 176 нейронов, каждый следующий -из половины числа нейронов предыдущего, что позволяло более точно оценивать и анализировать поступающую информацию.
Схема работы, использовавшаяся для построения прогнозов, заключалась в следующем: проходя через нейроны, сигнал приобретал или терял силу - это зависело от коэффициента силы или веса нейрона. В конце при суммировании принималось решение - в случае, если конечный итог был более или равен 0,5, прогноз был положительным. На примере, приведенном на рисунке 1, прогноз составляет 0,995, или 95,5 % успешного завершения учебы при достоверности ИНС в 99,318 % [2].
54
[email protected] www.or.fsin.su
потег 5 2019.Ыё 54
26.04.2019 16:22:31
..ооо 1.000 - --»V» 1.ооо у - • «.у»« / > V 0,0!'3
1.000 Ч 1.000 *-^ 0.000 ^^ ^ 0.998 « Л 0.973
♦ ♦ 4 4 4 4
3 3 3 3
Рис 1. Фрагмент созданной искусственной нейронной сети:
1 - входящие данные, результаты психодиагностики, переведенные в двоичную систему, так называемые Х; 2 - визуальное представление силы сигнала (чем толще линия, тем больше коэффициент силы), так называемое Щ; 3 - дополнительные слои ИНС, созданные для промежуточного обобщения результатов вычисления; 4 - количество шагов вычисления и точность работы ИНС; 5 - вывод прогноза результата обработки данных
Приведем пример для объяснения принципа работы. При прохождении психодиагностического обследования курсант Р., отвечая на вопрос № 1 опросника Шмишека «У вас часто беззаботное, безоблачное настроение?», ответил «да»; на вопрос № 2 «Вы чувствительны к оскорблениям?» ответил «да»; на вопрос № 3 «Бывает ли так, что во время тяжелого разговора вам трудно сдержать слезы?» ответил «нет». Ответы курсанта, переведенные в двоичную систему счисления, сформировали данные для анализа ИНС. Если предположить, что курсант Р. впоследствии был бы отчислен или уволен из УИС, то информация, сохраненная о нем, будет использоваться ИНС как негативная модель. В нашем случае ответы
на приведенные вопросы получат значения в ИНС 0, 0, 0. Допустим, что есть курсант Т., который также проходил психодиагностическое обследование и мог быть отчислен. Он также отвечал на вопросы методики, но ответы его несколько отличались от ответов предыдущего обследуемого. ИНС использует его данные так же, как негативную модель. Допустим, что на первые два вопроса он ответил идентично, а на третий вопрос дал противоположный ответ, тогда после анализа ИНС приобретает данные 0, 0, 0,5. При переводе этих данных в плоскость психодиагностики следует, что если кандидат на работу (учебу), отвечая на вопросы методики, повторит за предыдущими респондентами первые два ответа,
Ведомости уголовно-исполнительной системы № 5/2019
55
то вероятность передачи сигнала от этих двух нейронов будет равна 0, а с третьего нейрона уйдет сигнал с коэффициентом 0,5 при любом ответе.
От одного тестируемого было 2 176 аналогичных сигналов, проходивших через четыре слоя ИНС, а при обучении ИНС повторений (итераций) было свыше одного миллиона (в этом случае задей-ствуется существенная аналитическая мощность ЭВМ). На переработку информации в таких объемах человеческий мозг не способен. ИНС - это самообучающийся алгоритм, который может запоминать предыдущие данные и принимать решения, опираясь на «опыт».
Логично задать вопрос о том, почему нельзя было бы собирать данные об отчисленных (уволенных) сотрудниках и использовать их как пример негативного прогноза. Слишком много переменных, то есть небольшое различие в данных может существенно поменять итоговый результат, поэтому анализировать необходимо даже самые отвлеченные результаты психодиагностики, которые на начальном этапе не имеют никакого отношения к выводу, а вследствие огромного количества данных (в нашем примере на одного человека приходилось 2 176 нейронов и выборка состояла из 550 человек) человеческий мозг ограничен в сопоставлении и организации поиска зависимостей. В свою очередь, ИНС позволяет анализировать эти данные, которые на начальном этапе человек может не замечать.
Есть мнение, что человек не может делать то, что его не характеризует. Любое действие: мимика, движение глаз, реакция на ситуацию, походка, использование определенных шаблонов в речи, предпочитаемые в одежде цвета - при достаточном объективном анализе может дать прогноз его поведения [3].
ИНС - это технология, которую уже сейчас возможно внедрить в повседневную деятельность УИС и которой при должной организации допустимо доверить решение некоторых задач.
Можно предположить, что соединение технологии психодиагностических методов, современных программных разработок (блокчейн, англ. ЫосксЬат) [4], эволюционных алгоритмов позволит перейти на существенно иной уровень развития методов работы в УИС [5]. При наращивании мощности ЭВМ уже в недалеком будущем вероятно формирование полноценной копии подсознательных психологических процессов личности. В данной модели будут достоверно отражаться стратегии принятия решений, поведенческие особенности реагирования на экстремальные ситуации. Эта модель будет отвечать всем вновь предъявляемым требованиям и вызовам нового времени. ф
1. Горбань А. Н. Нейроинформатика: кто мы, куда мы идем, как путь наш измерить // Вычислительные технологии. М. : Машиностроение. 2000. С. 10-14.
2. @smile_artem. Пощупать нейросети или конструктор нейронных сетей // Хабр : [сайт]. 2018. 24 марта. URL: https://habr.com /post/351922/ (дата обращения: 17.09.2018).
3. Курдин Д. А., Полянин Н. А., Пинтя-шин Е. В. Использование облачных сервисов для организации социально-психологического исследования в коллективе сотрудников УИС // Меры уголовно-процессуального принуждения: вопросы теории и практики : сб. материалов науч.-практ. конф. 2018. С. 34-39.
4. Nakamoto S. Bitcoin: A Peer-to-Peer Electronic Cash System. 2008. 9 с.
5. Емельянов В. В., Курейчик В. В., Курей-чик В. М. Теория и практика эволюционного моделирования. М. : Физматлит, 2003. 432 с.
56
[email protected] www.or.fsin.su
