Нейрон ни сети и нейрокомпьютер

В последнее время также активно ведутся работы по построению моделей обработки информации в нервной системе. Большинство моделей основывается на схеме формального нейрона В. Маккаллока и В. Питтса, согласно которой нейрон представляет собой пороговый элемент, на входах которого является возбуждающие и тормозные синапсы; в этом нейроне определяется взвешенная сумма входных сигналов (с учетом веса синапсов), а при превышении этой суммой порога нейрона вырабатывается выходной сигнал.

В моделях уже построены нейронные сети, выполняющие различные алгоритмы обработки информации: ассоциативная память, категоризация (разбиение множества образов на кластеры, состоящие из подобных друг другу образов), топологически корректное отображение одного пространства переменных в другой, распознавания зрительных образов, инвариантное относительно деформаций и сдвигов в пространстве решение задач комбинаторной оптимизации. Подавляющее число работ касается исследования алгоритмов нейронных сетей с прагматическими целями. Предполагается, что практические задачи будут решаться Нейрокомпьютер - искусственными Нейроподобная сетями, созданными на основе микроэлектронных вычислительных систем.

Спектр задач для разрабатываемых нейрокомпьютеров достаточно широк: распознавание зрительных и звуковых образов, создание экспертных систем и их аналогов, управление работами, создание нейропротез для людей, потерявших слух или зрение. Достоинства нейрокомпьютеров - параллельная обработка информации и способность к обучению.

Несмотря на чрезвычайную активность исследований по нейронных сетей и нейрокомпьютеров, многое в этих исследованиях настораживает. Ведь исследуемые алгоритмы имеют вид как бы "вырванного куска" из общего осмысления работы нервной системы. Часто исследуются те алгоритмы, для которых удается построить хорошие модели, а не те, что наиболее важные для понимания свойств мышления, работы мозга и для создания систем искусственного интеллекта. Задачи, решаемые этими алгоритмами, оторваны от эволюционного контекста, в них практически не рассматривается, как и почему возникли те или иные системы обработки информации. Настораживает также чрезмерная упрощенность понимания работы нейронных сетей, ведь здесь нейроны осмыслены лишь как суммирующие пороговые элементы, а обучение сети происходит путем модификации синапсов.

Ряд исследователей, правда, рассматривают нейрон как значительно более сложную систему обработки информации, предполагая, что основную роль в обучении играют молекулярные механизмы внутри нейрона. Все это указывает на необходимость максимально полного понимания работы биологических систем обработки информации и свойств организмов, обеспечиваемых этими системами. Одним из важных направлений исследований, способствующих такому пониманию, наверное, может быть анализ того, как в процессе биологической эволюции возникали "интеллектуальные" свойства биологических организмов.

"Интеллектуальные изобретения" биологической эволюции

Интересно разобраться, ведь в процессе биологической эволюции возникла человеческая логика. Анализ связан с глубокой гносеологической проблемой: почему человеческая логика применима к познанию природы?

Кратко поясним проблему простым примером. Допустим, физик, изучая динамику какого-то объекта, сумел в определенном приближении свести его описание к дифференциальному уравнению. Далее он, разумеется, интегрирует полученное уравнение согласно известным из математики правил и получает характеристики движения объекта. Переход от дифференциального уравнения к характеристикам движения носит дедуктивный характер, но, если быть предельно строгим, этот переход надо обосновывать: ведь физический объект совершенно необязательно должен подчиняться правилам человеческой логики!

Для понимания процесса возникновения логики предпринимаются попытки построить модельную теорию происхождения логики в биосфере. Такая теория могла бы содержать математические модели ключевых "интеллектуальных изобретений" биологической эволюции, акцентирующие внимание на биологическом значении и причинах возникновения этих изобретений, а также модели, характеризующие переходы между изобретениями разных уровней. Надежнее всего, пожалуй, начать с "самого начала" - от происхождения жизни и проследить весь путь биологической эволюции от простейших организмов до человека, выделяя на этом пути наиболее важные эволюционные открытия, ведущие к логике. Чтобы представить круг вопросов, составляющих предмет модельной теории происхождения логики, отметим некоторые важные уровни "интеллектуальных изобретений".

Уровень первый - организм различает состояния внешней среды, память об этих состояния записана в геноме и передается по наследству, организм адекватно использует разницу сред, меняя свое поведение с изменением среды. Пример этого уровня - свойство регулирования синтеза белков в бактериях в ответ на изменение питательных веществ во внешней среде по схеме Ф. Жакоба и Ж. Моно. Данное свойство можно назвать элементарной сенсорикой.

Второй уровень временными запоминания организмом состояния среды и адекватное, также временное, приспособление к ней. Пример этого уровня - привыкание, а именно постепенное угасание реакции раздражения на биологически нейтральный стимул.

Третий уровень - запоминание устойчивых связей между событиями в окружающей для организма природе. Хороший пример - исследован И. Павловым классический условный рефлекс, в котором происходит долговременное запоминание связи между условным и безусловным стимулами и подготовка к жизненно важных событий во внешнем мире. Между классическим условным рефлексом и логикой лежит еще целый ряд промежуточных уровней. Например, инструментальный условный рефлекс отличается от классического тем, что в нем для получения поощрения животное должен выполнить заранее неизвестную ей действие. Цепь условных рефлексов - это система реакций, сформированных на основе условных связей, ранее хранились в памяти животного.

Рассмотрение моделей "интеллектуальных изобретений" биологической эволюции показывает их чрезвычайную фрагментарность и слабую разработанность. Совсем нет моделей переходов между "изобретениями" разных уровней. Сейчас можно только предварительно указать на некоторые аналогии. Например, выработка условного рефлекса можно рассматривать как элементарный вывод, который производится в нервной системе животного - "если за условным стимулом идет безусловный, а безусловный стимул вызывает определенную реакцию, то условный стимул также вызывает эту реакцию" - дальний предшественник формул дедуктивной логики.

Построение модельной теории возникновения логики может быть общей научной основой при создании искусственных интеллектуальных систем на бионических принципах. В рамках таких работ нужно будет модельно сопоставить дарвиновскую (нет передачи по наследству приобретенных навыков) и ламаркивську (есть наследование приобретенных навыков) концепции эволюции и выяснить классы задач, для которых применима та или иная стратегия. Появляются возможности модельно проанализировать процесс возникновения нервной системы как специально предназначенной для быстрой и надежной обработки информации части управляющей системы.

Остается подчеркнуть, что в исследованиях по нейрокомпьютеров и эволюционного моделирования уделяется очень мало внимания тем свойствам систем обработки информации, благодаря которым организмы приспосабливаются к окружающей среде, а также осмыслению того, как и почему возникали такие свойства. Поэтому идейное объединение этих исследований с анализом эволюции "интеллектуальных изобретений" биологических организмов очень актуален.

Будет ли компьютер когда-нибудь мыслить, как человек? Сегодня вряд ли кто-то сможет убедительно аргументировать положительный ответ на этот вопрос. Однако ход развития электроники показывает, что дистанция между машиной и существом разумным постепенно сокращается. В первые десятилетия после изобретения компьютера в его задачу входили лишь вычислительные работы. С 70-х pp. XX в. компьютерную технику начали переориентировать с цифровой информации на различные системы символов, в том числе тексты. Следующий этап - он начался в 90-е - означал переход к работе с широкополосной информацией, включая распознавание емких информационных образов. По мнению специалистов, в ближайшем будущем до 90% информации, обрабатываемой в компьютерах, будет связано именно с распознаванием образов. Следовательно, возникает потребность в устройствах нового поколения. Один из способов решения этой проблемы - создание нейрокомпьютеров.

Как известно, человеческое мышление характеризуется функциональной асимметрией мозга. Логические задачи, связанные с обработкой различных символов и составлением последовательных цепочек умозаключений, как правило, решаются с помощью левого полушария. Она же отвечает за речь. А вот образное и ассоциативное мышление - это функции правого полушария. Поэтому человек с поврежденным правым полушарием прекрасно логически мыслит, способна говорить и понимать язык, но она не улавливает различных оттенков в интонации говорящего и не может устанавливать различные ассоциативные связи между словами. Такой индивид лишен чувства юмора, и при общении с ним возникают определенные трудности.

Нейрокомпьютер - это устройство, которое во многом имитирует работу человеческого мозга, особенно его правого полушария. Он состоит из множества искусственных нейронов, напоминающие природные. Электронные нейроны, как и их аналоги в мозге человека, объединенные в структуры на различных уровнях, между которыми осуществляется информационный обмен. С помощью системы информационных уровней, или нейросетей, можно распознавать и обрабатывать огромные объемы образной информации. Более того, такие компьютерные сети имеют свойство самообучения или самопрограммирования.

Достоинство этих технологий также в том, что они предназначены для решения неформализованных задач, для которых или еще нет соответствующей теории, или она в принципе не может быть создана.

Кроме того, в процессе своего обучения нейросеть учится находить оптимальные решения поставленных задач, это еще одно важное преимущество.

Распознавание образов, сжатие информации, ассоциативная память - эти функции необходимы для различных устройств с искусственным интеллектом. И создатели компьютерной техники уже достаточно продвинулись в этом направлении. Так, если сравнивать мощность искусственных и естественных нейросетей по емкости памяти и скоростью работы, то искусственные нейросети уже превзошли уровень мухи, хотя не достигли еще уровня таракана. Однако тот, кто пытался поймать муху, может представить, какого типа задачи уже доступны нейросети!

 
< Пред   СОДЕРЖАНИЕ   След >