Техника - молодёжи 1989-05, страница 11
«Важнее атомной бомбы» Потребности человека, пожалуй, всегда росли быстрее его возмож ностей. Хотя вычислительная техника — одна из самых динамичных областей, но и она отстает от потребностей в автоматизации умственного труда. Ученым и инженерам все чаще требуются расчетные работы колоссального объема. Справиться с ними не всегда под силу и самым производительным вычислительным машинам. Даже у тех, что выполняют миллионы операций в секунду, на решение некоторых задач уходит недопустимо много времени. Кроме того, существуют классы задач, которые вообще требуют принципиально иных методов, чем алгоритмический, основанный на строго последовательном, пошаговом выполнении команд программы. Например, может оказаться, что эффективное решение недостижимо без «ассоциа тивной памяти» (когда вся совокупность нужных данных извлекается из блока хранения информации по одному признаку). Именно такой памятью обладают биологические системы, и самая совершенная из них — человек. Наш мозг устроен так, что по любой части информационного образа он способен восстанавливать целое, используя прошлый опыт, основанный на обучении и хранящийся в памяти. Если, например, мы видим часть знакомого предмета, загороженного другим предметом, то это не мешает нам воспринимать его как целое. Если мы слышим имя знакомого человека (единственный признак), то сразу же представляем себе его внешний облик, характер, манеры, обычную одежду и т. д. Такое ассоциативное восприятие окружающего выработалось у живых организмов на протяжении их длительного эволюционного развития. Чем сложнее структура мозга, сеть его клеток — нейронов, тем богаче, глубже, точнее его ассоциации, тем способнее он к другим неалгорит-мизируемым видам деятельности, например, к нахождению наилучшего, оптимального решения из многих возможных. Уникальные способности человеческого мозга — этого «биологического компьютера» — с самого начала привлекали внимание ученых и инженеров, занятых со зданием вычислительной техники: многие мечтали о моделировании мозговых процессов. (О различных подходах к моделированию мозга как биокомпьютера рассказано в «ТМ» № 3 за 1988 г.) Идеалом всегда была машина небольших размеров, которая по способностям не уступала бы нашему мозгу и даже превосходила его. Но на пути к этой цели приходится преодолевать многие трудности. С одной стороны, это трудности сугубо технические. С ними сталкиваются, когда нужно реализовать уже понятый механизм переработки информации. Скажем, нам известно, как устроена зрительная система человека, и требуется сделать аналогичную систему, способную «видеть». Значит, нужно создать элементы, подобные сетчатке, рецепторам и т. д., а это не всегда возможно технически. С другой стороны, многие механизмы деятельности нашего мозга вообще еще не познаны, и нам известны только результаты, продукты его скрытой работы. Понятно, что реализовать неизвестное невозможно в принципе. Эти трудности и определили долгое безраздельное господство алгоритмического метода. Но об идеале не забыли, поиск не прекратился, и благодаря тесному взаимодействию многих наук наши знания обогащаются все новыми данными, а они воплощаются в современных технических достижениях. Сейчас в той степени, в какой нам ясна работа мозга человека, мы можем пытаться построить вычислительную систему, достаточно похожую на него по своей архитектуре. Напомним, что такие попытки начались еще в 40 х годах, когда были опубликованы первые работы американских ученых У. Маккаллоха и У. Пнттса, рассматривавших нейроны как логиче ские устройства. В 60-х годах там же, в США, Ф. Розенблэт и Б. Уид-роу создали модель «ад. птивного нейрона» и предложили схемы просты х'сетей, способных к обучению. Так называемый адаптивный линейный элемент Уидроу представлял собой систему, которая могла обучаться распознаванию определенного образа, например, какой-нибудь буквы, независимо от ее ориентации и размера. На протяже нии 60-х и 70-х годов отдельные исследователи пытались более детально смоделировать поведение реальных нейронов в вычислительных сетях, а также разработать математический аппарат и архитектуру устройств для выделения характерных свойств образов и классификации объектов по этим свойствам. Но наибольший интерес к нейронным моделям и их вычислительным возможностям наблюдается в 80-е годы, когда нейробиологи стали лучше понимать механизмы обработки информации в природе. Кроме того, компьютеры значительно подешевели, стали доступнее, что позволило детально анализировать модели. Наконец, сильно возрос интерес к так называемым параллельным вычислениям, и появились аналоговые микросхемы очень высокой степени интеграции, позволяющие реализовать функции нейроноподобных сетей. Зная, что биологический нейрон (нервная клетка) получает информацию от других нейронов через большое число синаптических соединений и, в свою очередь, передает сигналы множеству нервных клеток (до тысячи и более), искусственные сети такого типа можно довольно легко построить из имеющихся сейчас электронных компонентов Нейронами здесь могут стать операционные усилители, а синап-тическими соединениями — проводники, резисторы и конденсаторы. Выходное напряжение усилителя — аналог состояния моделируемого нейрона, а токи, проходящие через проводники и резисторы, представляют поток информации в сети. Таким образом, искусственная нейронная сеть включает множество взаимодействующих элементов, состояние которых все время меняется. Характер этого изменения, то есть поведение сети, решающим образом зависит от конкретных свойств соединений между ними. Структура соединений определяется функциональным назначением схемы. Например, часто нужна структура, способная решать задачи оптимизации, то есть находить наилучшее в том или ином смысле решение среди большого числа возможных вариантов. Главное отличне подобных схем 9 |
