人工神经网络[外文翻译].rar

附件C：译文

人工神经网络

6、 人工神经网络的应用
人工神经网络正在经历离开学术的范畴进入现实世界的变化。这是一个人们追求工作简单化的世界。从统计的角度上说，现在设计的许多网络是相当正确的；但对于那些期待计算机能够解决他们所有问题的使用者而言，感觉还是不够的。这些网络可能只有85%—90%的正确率。不幸的是，只有极少数的领域能容忍这种误差水平。
当研究人员仍然致力于改进他们的“创造物”精度时，一些先行者已经在为这个技术寻找用武之地了。
审视这项技术现在的发展水平，你很难不被它明朗的前景所折服或是被失败的现实所影响的。当前，神经网络还不能实现把口语翻译成一台机器的操作指令，但将来的某一天，它一定能。这一天，录音机、家庭保安系统、光盘驱动器和文字处理软件能被语言简单地激活，触摸屏和声控编辑将取代今天的文字处理软件，这将使得每个人都能够愉快的使用电子制表和数据库软件。但是目前，神经网络仅仅进入了少数的商业领域，在这些领域中，神经网络的精度是有意义的，它的结果可以被视为所期待的确切结果。
这些应用中的大部分都是具有模糊答案的领域。核准放贷就是一个例子，金融机构通过保持所能达到的最低坏帐率来赚取更多的钱。那些具有90%精度的神经网络系统也许是对目前的选择方法的一种改进。实际上，一些银行已经证明，由神经网络核准的贷款相比那些由传统中最好的方法核准的贷款，它的坏帐率是最低的。同时一些信用卡公司也在把神经网络应用于申请筛选。
这种通过分析过去经验寻求未来的新方法也产生它独有的一些特殊问题。其中一个问题是计算机基于什么样的理由来给出答案，比如，为什么某个项目贷款被否定了。正如这篇报告一直所提及的，神经网络内部形式是个“黑箱”。一些人甚至称神经网络的这种用法为“voodoo工程学”。解释一个网络是怎样学习并得出一个确定的最佳结论是困难的。为了推动这种决策过程，一些神经网络工具制造者已经提供了一些程序来说明通过哪一个节点的哪一个输入支配着决策的生成过程。在应用中，通过这些程序，专家就能够推断出为什么某些特殊的数据是重要的。
除了上面的这些小应用外，神经网络正在其他的一些更有前途的应用领域发展。这个报告的下一部分将叙述其中的一些并且简要的叙述它们现在的进展。这样做是为了帮助读者意识到神经网络可能得以应用的各个不同领域，比如，语言处理、符号识别、图象压缩、模式识别等。