Некоторые математические аспекты проблемы построения искусственных нейронных сетей

Искусственные нейронные сети (ИНС) в настоящее время являются полем интенсивных исследований. Они зарекомендовали себя при решении задач распознавания образов, аудио и текстовой информации. Планируется их применение в медицине, в беспилотных автомобилях и летательных аппаратах. Однако крайне мало научных работ посвящено обсуждению возможности построения искусственного интеллекта (ИИ), способного эффективно решать очерченный круг задач. Отсутствует гарантия штатного функционирования ИИ в любой реальной, а не специально созданной ситуации.
В данной работе предпринимается попытка обоснования ненадежности функционирования современных искусственных нейронных сетей. Показывается, что задача построения интерполяционных многочленов является прообразом проблем, возникающих при создании ИНС. Известны примеры К.Д.Т. Рунге, С.Н. Бернштейна и общая теорема Фабера о том, что для любого наперед заданного натурального числа, соответствующего количеству узлов в интерполяционной таблице, найдется точка из области интерполяции и непрерывная функция, что интерполяционный многочлен не сходится к значению функции в этой точке при неограниченном росте числа узлов. Отсюда следует невозможность обеспечения эффективной работы ИИ лишь за счет неограниченного роста числа нейронов и объемов данных (Big Data), используемых в качестве обучающих выборок.