Техника - молодёжи 1997-03, страница 18

ТЕХНОЛОГИИ

Наталья ЖАВОРОНКОВА

О ДУМАЮЩИХ МАШИНАХ И БЕЗДУМНЫХ ЭКОНОМИСТАХ

Весь цивилизованный мир понимает, что деньги, вложенные сегодня в фундаментальные исследования в самых различных областях знания, завтра не только оправдают себя, но и принесут колоссальную прибыль В России же наука финансируется по остаточному принципу.

О месте, занимаемом в нашей жизни компьютерами, дискутировать ни к чему. Даже гуманитарии без них испытывают неудобства: литераторы и журналисты все охотнее набирают свои произведения в текстовых редакторах, а художники с удовольствием осваивают трехмерную графику. Что ж говорить об инженерах и ученых.

Традиционные и уже привычные нам «персоналки» — настольная разновидность последовательных ЭВМ (то есть таких, в которых команды программы выполняются последовательно —

познавания образов и попытаемся понять в чем состоит различие между тем, как обрабатывает изображение обычный компьютер, и тем, как это делает человеческий мозг. Последний имеет перед первым несомненное преимущество, несмотря на то, что его компоненты — нейроны — обладают быстродействием, в миллионы раз меньшим, нежели транзисторы, из которьх состоят чипы компьютера. Почему же мозг неизме римо более эффективен? Видимо, это объясняется как раз тем, что в нем действует не просто принцип параллельной переработки информации, а его особая разновидность — «нейроприн-цип». Здесь мгновенно обрабатывается все изображение целиком. Обычный же компьютер анализирует его последовательно, крошечными частями, как бы разглядывая через замочную скважину.

В отличие от традиционных ЭВМ, «усиливающих функции левого полушария человеческого мозга (последовательная обработка информации, логика, синтаксис), нейрокомпьютеры имитируют работу правого полушария (параллельная обработка информации, интуиция, семантика). По структуре они напоминают «живой» мозг: электронные схемы, чаще всего кремниевые, упрощенно моделируют поведение реальны^ нейронов. Мозг состоит приблизительно из 10 нейронов, каждый из которых непосредственно связан с достаточно большим числом своих собратьев. Технический бинарный нейрон может находиться в одном из двух состояний (говорят, что он «срабатывает» или «не срабатывает») и посредством своих связей способен воспринимать состояния соседних нейронов. В процессе «моз-

вещей. Помочь в этом любезно согласился вице-президент Союза «Электроника России», автор книги «Введение в нейрокомпьютинг« Ф.В.Широков:

— Сейчас нейрокомпьютинг — технология, перевалившая по продажам за миллиард долларов. Известный английский журнал «Economist» пишет: «Многие крупнейшие финансовые органы мира, в том числе такие, как Всемирный банк, имеют исследовательские отделы, занимающиеся использованием нейротехнологии в финансовом деле... Сегодня не осталось ни одной фирмы на Уолл-Стрит, ко орая не обращалась бы за помощью к нейрокомпьютерным технологиям». В свое время и обычные компьютеры считались машинами, пригодными только для лабораторий, и о компьютерном рынке никто не говорил. Но в 1951 году фирмой Univac была выпущена первая коммерческая машина, вскоре после этого значительных успехов в выпуске компьютеров добилась IBM, и они — уже как продукт массового производства — стартовали в бизнесе. Это сразу дало деньги на развитие компьютерного рынка. Сейчас точно так же стартует и нейротехнология.

— Что представляют собой нейросети?

— Искусственная нейросеть построена по принципу настоящей: это некоторая совокупность искусственных нейронов, соединенных друг с другом аксонами, точнее, синапсами, находящимися на концах аксонов. Считается, что память хранится в весах синаптических связей, устанавливаемых в процессе обучения сети. Совокупность весов называют синаптической матрицей. Другими словами, согласно синаптичес-

Плата нейроакселе-ратора Synapse2-PC, младшего в семействе Synapse, вставляется в слот стандартной шины PC), превращая традиционный ПКв нейрокомпьютер.

На запрос с ключевым словом «Neurocom-puting» популярная в Internet поисковая система AltaVista выдала 2094 ссылки. Первым в списке значится Applied Neurocomputing Centre — Центр прикладного нейроком-пьютинга.

Hottkc /tmmaetf-Coti^pM/tofcwaieAinciQfthifri

у ара

^r t~XLmJH\ АЕА Technology pic

Applied Neurocomputing Centre

Software Products

2Hal boommmOoee

ДМаШимт» | ИТыщЧУжк» [[ЯМеЦсцж-

a

одна задругой). Все они, вплоть до современных 200-мегагерцовых Pentium Pro, машины медленные. И потому постоянно предпринимались попытки построить принципиально другие — параллельные, более быстрые и надежные. Особняком в их ряду стоят нейрокомпьютеры.

Даже быстрые высокопараплельные гиганты, молниеносно перемножающие несколько десятизначных чисел с абсолютной точностью, превращаются в карликов, столкнувшись с проблемой, которую трехлетний ребенок решит за долю секунды: кто изображен на картинке — зайчик или медвежонок? Иными словами, с проблемой распознавания образов, относящейся к категории нерегулярных (случайных) задач. Сюда же относится отслеживание процессов, происходящих в любой сложной, быстро меняющейся системе — будь то фабрика, реанимационное отделение больницы, нефтяной танкер или государственная экономика. Термин «случайный», который здесь используется, непосредственно связан с математическим понятием случайности, то есть с ситуацией, когда невозможно точное и полное определение параметров процесса. Случайность в этом смысле связана с математическим понятием энтропии, которая может рассматриваться как мера беспорядка в некоторой задаче или как количество информации, необходимое, чтобы сформулировать эту задачу. В силу того, что формальное описание всякой случайной задачи предполагает учет фактически каждого из возможных ее решений, она имеет гораздо большую величину энтропии, чем чисто вычислительные задачи.

Чтобы уяснить преимущества нейрообработ-ки случайных задач, вернемся к проблеме рас-

говых вычислений» каждый нейрон независимо от других получает и анализирует информацию о состояниях своих соседей и на основе этого анализа определяет свое последующее состояние.

Такая нейронная сеть является высоконадежной: если часть нейронов выйдет из строя, общая функция, реализуемая сетью, не нарушится (в самом деле, немалое число нейронов мозга постоянно погибают — биологический нейрон не способен к регенерации, но память и мышление при этом заметно не страдают). Вычисления в нейронных сетях выполняются, так сказать, коллективно: в результате простых операций, вы полняемых одновременно отдельными нейронами, вся сеть в целом реализует гораздо более сложную функцию.

Конечно, искусственные нейроны пока еще довольно далеки от своего прототипа — нейрона человеческого мозга, но в поведении их можно найти много общего. И даже в их обучении применяются схожие методики. Обучение сети, как и обучение человека, — процесс длительный и весьма дорогой. Но самое интересное в нем — возможность «самообразования» системы! Не правда ли, прекрасная пища для воображения фантаста? Но оставим футуристику в стороне и попробуем разобраться в реальном положении

кой теории памяти, информация хранится не в самих нейронах, не в их состояниях, а в силах связи между этими нейронами. Обученные си-наптические матрицы представляют сегодня особый предмет авторского права, хотя не являются ни аппаратурой, ни программой, ни даже методом обучения — это результат метода обучения.

— Насколько универсальны эти матрицы'

— Даже «матрицу человеческого мозга» можно считать только сравнительно универсальной Приведу простой пример. Каждый человек обладает определенными навыками, свойственными всем людям: знает, что такое дерево, какой цвет — синий, умеет разговаривать и т.д. и т.п. Но существуют также и другие навыки, которые один человек в течение жизни приобретает, а другой — нет. В зависимости оттого, чему вы будете учить своего ребенка, в будущем из него вырастет скрипач, пилот самолета, хирург.. И вряд ли кто то из них рискнет заменить другого на его работе Поэтому реал _эно можно вести речь лишь о создании достаточно универсальной матрицы для какого то определенного круга задач. А вообще, если говорить о еории синаптической памяти то, возможно, она (теория) не исчерпывающая: некоторые ученые склонны думать, что су