Партнеры

Счетчики








Электронная машина и мозг

Что такое бионика

Описанию принципа действия и устройства электронных вычислительных машин посвящено в настоящее время огромное число книг и брошюр. Не будем повторять их содержания, напомним только, что в общую схему электронной вычислительной машины входят такие непременные составные части, как приспособления для подготовки и пробивки перфоленты, на которую может наноситься программа работы машин, вводное устройство, оперативная и долговременная "память", арифметическое устройство, устройство и пульт управления, выводное и печатающее устройства.

Основной носитель сигнала в электронной машине, как известно, электрический ток. Он выступает здесь в форме импульсов, имеющих весьма малую продолжительность (порядка миллиардной доли секунды). Поскольку в схеме машины используются электронные лампы или полупроводники, имеющие весьма незначительную инерцию, то и время реакции схемы получается очень небольшим, в сотни тысяч раз меньшим, чем у механических и электромеханических устройств. Все это и определяет высокие скорости работы машины. Вот не раз публиковавшиеся цифры, говорящие о ее феноменальной производительности.

Электронная машина способна производить вычисления с огромной скоростью - порядка миллионов арифметических операций в секунду с 10-15-разрядными числами. За несколько минут работы она сделает больше, чем вычислитель за всю свою жизнь. При этом не просто заменяется труд многих вычислителей, но возникают принципиально новые возможности. Машина способна выполнять не только математические операции огромного объема и диапазона, но и логические операции.

Но так ли уж совершенны электронные вычислительные машины, что в этой области не нужны данные бионики? Нет, этого сказать никак нельзя, и результаты исследований ученых, изучающих передачу и прием информации в живом организме, и в особенности работу нервной системы и мозга, оказываются весьма ценными.

Результаты исследований в области бионики уже дали себя знать при разработке программ для электронных вычислительных машин. На основе наблюдений над тем, как человек подходит к решению специальных задач, и по образцу этого была создана так называемая эвристическая программа, имитирующая этот процесс у человека. Она происходит от эвристического метода нахождения истины путем постановки наводящих вопросов. При использовании такой программы машина успешно доказала 38 из 52 теорем.

Теперь перейдем к процессу передачи информации. Мы уже говорили, что в машине сигналом является импульс напряжения. Числа в ней записываются в двоичной системе, в которой основанием счисления является двойка. Любое число записывается комбинацией из нулей и единиц.

Нуль и единица означают либо отсутствие, либо наличие импульса электрического напряжения. В передаче этих импульсов и состоит элементарный акт электронной машины. На входе машины применяется цепочка так называемых триггеров. Суть этих устройства состоит в том, что они содержат две электронные лампы, включенные так, что система имеет лишь два устойчивых состояния: при отсутствии тока в одной лампе и при отсутствии тока в другой. Первое состояние можно считать соответствующим нулю, второе - единице. Взяв цепочку триггеров, можно "записать" число в двоичной системе, такая цепочка именуется регистром. Если в регистре уже записано число и в него подается еще одно, то можно получить сумму этих чисел. Устройство, служащее для этой цели называют сумматором. Числа передаются от одного узла машины к другому по проводам в виде электрических импульсов.

Не вдаваясь более в подробности работы машины, обратимся к тому, что известно о передаче информации в нервной системе. Сначала покажем несомненное превосходство устройств этого рода в живых организмах перед техническими. Специалисты как-то решили сравнить кодирование и полосу пропускания (полосу частот, пропускаемую без искажений) мозга и телевизионной системы. Для оценки указанных характеристик взяли обычное сновидение. Оценив количество кадров и элементов, как это обычно делается в отношении телепередачи, специалисты получили астрономическую величину для полосы пропускания 1020-1023 герц. Поскольку верхняя граница полосы в физиологических процессах не выше 100 герц, а число параллельных каналов не может превышать 109-1010, предполагается, что способ кодирования информации в мозге в громадное число раз экономнее, чей в современном телевидении. Как бы обогатила технику, в том числе и электронно-счетную автоматику, разгадка этого способа кодирования.

Что же представляют собой сигналы, передающие различную информацию в живом организме? Как уже говорилось выше, это импульсы нервного возбуждения.

Точнее сказать, передача раздражения по нервному волокну - это электрохимический процесс, протекающий за счет энергии, накопленной в самом волокне. Энергия, израсходованная нервом на проведение импульса, восполняется потом, в процессе питания нерва. Все сообщения передаются по нерву в двоичном алфавите: либо нерв находится в покое, либо возбужден. О разной степени возбуждения говорит повышение частоты следования импульсов. Таким образом, при передаче сообщений по нервам мы имеем дело с частотно-импульсной модуляцией, получившей в последнее время широкое распространение в технике связи.

Роль усилителей поступающих сигналов в нервной системе для их дальнейшей передачи играют нейроны. Они привлекают сейчас пристальное внимание ученых.

Нейрон содержит тело клетки. Древовидные отростки - дендриты - служат входами, по которым к телу клетки подводятся импульсы раздражения. Выходом служит аксон. Каковы же размеры нейрона? Его тело имеет размеры менее 0,1 миллиметра. Длина дендритов составляет от долей миллиметра до десятков сантиметров, их диаметр - около сотой доли миллиметра. Количество отростков может достигать нескольких десятков и даже сотен. Аксоны могут быть длиной от долей миллиметра до полутора метров.

В передаче нервными волокнами возбуждения велика роль синапсов, то есть мест перехода возбуждения от одной нервной клетки к другой. Синапсы проводят возбуждение только в одном направлении, с окончаний аксона одного нейрона к дендритам и клеточному телу другого нейрона. Поэтому и волокна в целом проводят импульсы лишь в одном направлении: либо от центра к периферии, либо от периферии к центру (центростремительные нервы).

Синапсов может быть от одного до нескольких сотен. Их особенно много у двигательных нейронов спинного мозга. Они передают импульсы, связанные с управлением движениями тела.

В мозгу человека, который ученые особенно настойчиво пытаются моделировать, насчитывается 10-15 миллиардов нейронов. Но дело не только в количестве, а и в их исключительной сложности и многообразии функций.

"Современная наука, - пишет в одной из статей известный советский ученый П.К.Анохин, - отчетливо показала, что сама нервная клетка и се оболочка представляют собой целый мир разнообразных в химическом и физиологическом отношении образований. Тончайшими методами исследования с помощью электронных аппаратов было установлено, что сотни, а иногда и тысячи контактов, которые имеет каждая нервная клетка, - это только начало того удивительного процесса на молекулярном уровне, позволяющего на теле размером в 20 тысячных долей миллиметра получить бесконечное количество синтетических процессов - "личную долю" участия клетки в деятельности целого мозга".

Таким образом, нервную клетку вряд ли стоит рассматривать как элементарную деталь: это, условно говоря, уже "узел" "машины-мозга" со сложным комплексом функций, отражающих различные виды деятельности организма. Отсюда можно понять, как трудно искусственно воспроизвести такую клетку.

Работам по созданию аналога нейрона посвящена основная часть исследований в области бионики за рубежом. Нейрон, как уже отмечалось, преобразователь с двоичным выходом, то есть с отсутствием или наличием сигнала. На нейрон биологического организма может подаваться возбуждающий или тормозящий импульс. Первый вызывает "срабатывание" нейрона, если величина энергии, накапливаемой нейроном за определенный отрезок времени, превысит некоторое, как говорят, пороговое значение. Если амплитуда импульса мала, нейрон не "сработает". Но если последовательно действуют несколько слабых сигналов, энергия которых в общей сложности превышает пороговое значение, то нейрон "срабатывает". Это означает, что он обладает свойством временного и пространственного суммирования. На выходе нейрона образуются импульсы стандартной величины и длительности.

Последовательным или временным суммированием именуют такое возбуждение нейрона, когда раздражения, меньшие пороговых, следуют через достаточно короткие промежутки времени. Пространственное суммирование состоит в одновременном подведении к двум или нескольким синапсам отдельных раздражений, более слабых, чем пороговые значения. В сумме они могут вызвать возбуждение нейрона.

Схематически можно изобразить модель нейрона так, как показано на рисунке 11. У нее множество входов, куда поступают сигналы P1, P2 и так далее. Они действуют через синаптические контакты S1, S2 и так далее. В этих контактах происходит задержка поступающего сигнала на время, в течение которого происходит выделение особого вещества, повышающего возбудимость нейрона и облегчающего реакцию клетки на последующие импульсы.



Рисунок 11. Схема модели нейрона.

Воздействие на тело нейрона определяется суммой воздействий от всех входов и сигналами, действовавшими до этого. Срабатывание нейрона происходит, если воздействие превысит пороговое значение K. Тогда на выход нейрона поступает стандартный сигнал P.

Интересно, что сразу же после воздействия возбуждающего импульса пороговый уровень нейрона резко возрастает до бесконечности. Значит, никакой вновь приходящий сигнал не заставит его "срабатывать". Такое состояние сохраняется обычно в течение нескольких миллисекунд. Затем пороговый уровень снижается.

Что касается тормозящего импульса, то он представляет собой запретный сигнал, делающий невозможным "срабатывание" нейрона от импульсов других входов.

В ряде зарубежных стран ведутся интенсивные работы по искусственному воспроизведению нейронов. В США, например, в этой работе участвует ряд научно-исследовательских учреждений, учебных заведений и фирм. В простейших аналогах нейрона используют всего один полупроводниковый прибор. В более сложных моделях берут несколько полупроводниковых приборов.

Аналог нейрона, содержащий четыре полупроводниковых прибора, имеет характеристики, близкие к своему биологическому прообразу. Этот аналог может возбуждать до 100 других приборов без существенного изменения формы и величины выходного сигнала. Предложенная конструкция применялась для воспроизведения функции глаза, где в качестве чувствительного элемента использовались селено-кадмиевые фотосопротивления (фотоэлементы, сопротивление которых меняется под влиянием видимого света).

Большой эффект дало соединение полупроводниковых приборов по принципу синаптических соединений в нервных тканях. При этом удалось имитировать действие этих тканей, как своеобразных фильтров, пропускающих лишь определенную информацию.

Для имитации нейронов применяются магнитные ферритовые сердечники, схемы специальных генераторов (мультивибраторов) и другие устройства.

Модель нейрона с мультивибратором показана на рисунке 12. Главную роль играют полупроводниковые приборы T2 и T3. В устойчивом состоянии транзистор T2 заперт, так как на него подано отрицательное напряжение через сопротивление R6. Транзистор T3, напротив находится в отпертом состоянии. При этом оказывается, что потенциал в точке A положительный (+20 вольт), а в точке Б также положительный, но ниже по величине.



Рисунок 12. Модель нейрона с использованием
мультивибратора на полупроводниках.

Если произойдет отпирание транзистора T2 и запирание T3, потенциал точки A резко снижается, а потенциал точки Б возрастает. В результате этого на выход возбуждения подается положительный импульс напряжения, а на выход торможения - отрицательный. Длительность импульсов зависит от выбора значений сопротивления Rm и емкости конденсатора Cm. Изменением величины емкостей C2 и C3 можно регулировать время возвращения системы в устойчивое состояние. Значением отрицательного напряжения, подаваемого на транзистор T2 с сопротивления R6, определяется пороговая величина срабатывания аналога нейрона.

А возможно ли в этой схеме временное и пространственное суммирование, характерное для нейрона? Да, возможно. Для этой цели служат входные цепи, содержащие R1, C1 и транзистор T1. Пространственное суммирование имитируется подачей сигналов на параллельные входы, временное - накоплением энергии в конденсаторе C1. Импульсы на вход аналога нейрона подавались определенной амплитуды и длительностью одна миллисекунда. Они были случайно распределены во времени. На выходе получался стандартный сигнал напряжением 15 вольт и той же длительности, что и входной сигнал.

Такая схема позволяет воспроизвести многие характеристики нейрона, кроме его способности адаптации, то есть изменения порога срабатывания в зависимости от величины входных сигналов.

Среди других задач усовершенствования электронных машин изучение процесса передачи информации нейронами дает возможность поставить вопрос об обеспечении высокой надежности действия этих машин. Известно, что при решении некоторых задач электронной вычислительной машине приходится проделывать, например, более десяти миллионов умножений. Поскольку в машине применяется двоичная система записи чисел, она десять миллионов раз будет умножать друг на друга тридцатизначные числа. Всего приходится выполнять 1010 элементарных актов. Чтобы эти вычисления дали безошибочный результат, вероятность ошибки должна быть меньше 10-10. Обеспечить такое положение даже с помощью самых совершенных радиоэлектронных средств (транзисторов, ферритов и так далее) пока не удается. Всегда может оказаться в схеме одна ненадежная деталь, которая и вызовет ошибку. Как же выйти из этого положения? Как создать надежную машину из недостаточно надежных порой деталей.

И ученые вспомнили о механизме передачи информации нейронами. Специалисты рассудили так. Отдельные элементы машины могут сделать две независимые друг от друга ошибки: не подать импульса, когда он требуется, и подать его, когда он не нужен. Следовательно, желательно иметь устройство, которое бы занималось восстановлением первоначальных данных. Это устройство должно подключаться к множеству входных цепей органов переключения. Такая схема есть не что иное, как воспроизведение процесса передачи информации нейронами.

Выше отмечалось, что нейрон с очень высокой вероятностью возбуждается лишь тогда, когда импульсы получат определенное число синапсов. Отсюда следует вывод: можно иметь не одну, а несколько, например три, параллельно работающие машины. Они соединяются со смесителем, где устанавливаются совпадения хотя бы двух из трех результатов вычисления, и дальнейшие операции ведутся на основе совпавших результатов. Так "большинством голосов" устанавливается, что считать достоверным для дальнейшей работы. Таким путем можно строить машины, у которых вероятность ошибки может быть резко снижена.

Смеситель в этом случае выполняет функции нейрона. Поэтому сейчас ученые активно исследуют вопрос о том, какие бы автоматы можно было построить из нейронов. Все глубже изучаются сами нейроны. Теория нейронных автоматов открывает широкие возможности для совершенствования электронных вычислительных машин, повышения их надежности, улучшения переключателей, совершенствования их "памяти" в десятки раз. Характерно, что на первом симпозиуме в США по бионике большинство докладов было посвящено воспроизведению функций нервных клеток (нейронов), самообучающимся и самоприспосабливающимся машинам. В США ряд фирм разрабатывает электрические аналоги нейронов, чтобы с помощью них собрать схемы, обладающие большой скоростью обработки информации и свойством "самоорганизации".

Теперь о "памяти" электронных вычислительных машин. Выше мы в числе непременных частей машины упоминали оперативную и долговременную "память". Такое разделение "памяти" происходит оттого, что технически трудно в едином устройстве воплотить требования быстродействия и большой емкости. Поэтому оперативное запоминающее устройство имеет небольшую емкость, но обеспечивает быстрые запись и съем числа. В долговременном запоминающем устройстве требуется больше времени для считывания, но емкость его весьма велика.

Какие существуют технические устройства "памяти"? Процесс "запоминания" может представлять собой запись двоичных чисел на магнитную ленту или на барабан, покрытый магнитной лентой. Поскольку число в двоичной системе кодируется 1 и 0, то есть наличием или отсутствием импульса электрического напряжения, то при проходе тока по катушке с сердечником, расположенным вблизи ленты или барабана, они намагничиваются и хранят импульс. Можно фиксировать импульсы в форме электрических зарядов на диэлектрике. Таким диэлектриком может служить экран электронно-лучевой трубки, похожий на те, которые применяются в обычных телевизорах. Точечные заряды, образуемые пучком электронов, обозначают единицы чисел и хранятся довольно долго.

Существует также и ультразвуковая система "запоминания" - линии задержки. Они содержат в своем составе трубки, наполненные жидкостью (нередко ртутью). Напряжение прикладывается к пьезоэлектрическому материалу, расположенному в контакте с трубкой. Под действием напряжения в пьезоэлектрическом материале происходит механический толчок, который вызывает в жидкости ультразвуковую волну. Она движется от одного конца трубки до другого, где имеется выходная пластинка из пьезоэлектрического материала. Она преобразует ультразвук снова в электрический импульс. Время прохождения ультразвуковой волны (а она движется достаточно медленно) и есть время задержки импульса. Поскольку жидкость продолжает свои колебания и дальше, время "запоминания" может быть во много раз большим, чем период первичного движения волны.

Могут применяться и другие методы "запоминания", например с помощью ферритовых сердечников и так далее.

Чтобы не перепутать запоминаемые числа, им присваивают в электронной машине свои точные адреса. Если они записаны на экране электронно-лучевой трубки, то адрес числа определяется номером трубки, строки и столбца. В случае магнитной записи адрес - это номер отрезка магнитной ленты и дорожки на ней. Точно так же числа находятся по номерам линий задержки и импульса, колеблющегося в них.

Разумеется, для отыскания адреса применяются специальные коммутирующие устройства. Быстрее всего удается отыскать число на экране электронно-лучевой трубки, для этого достаточно задать нужный потенциал системе, управляющей лучом. Наиболее длительно приходится ожидать подхода нужного числа при записи на магнитной ленте.

Опишем подробнее действие "памяти" электронной машины с ультразвуковой линией задержки. Числа, "запоминаемые" этим способом, непрерывно циркулируют в замкнутом кольце. Прохождение чисел фиксируется счетчиком импульсов. Если нужно считать число, в регистр подается адрес места, откуда оно должно быть взято. Специальное устройство "следит" за тем, чтобы числа в счетчике и в регистре адреса совпали, только тогда число пропускается через выходные каналы. При записи также указывается адрес того места, где должно быть записано новое число, а старое число "забывается".

Мы так подробно описали циркуляцию "памяти" в схеме с линией задержки потому, что в ней, по предположениям специалистов, много общего с действием памяти человека. Считается, что память у людей осуществляется циркуляцией нервного возбуждения по замкнутому пути, состоящему из нервных волокон и клеток. Приверженцы этих взглядов будто бы уже обнаружили замкнутые петлеобразные нейронные структуры в нервных тканях рецепторов.

Венгерский ученый доктор технических наук Реже Тарян, много занимающийся вопросами нейронной автоматики, утверждает, что если из искусственных нейронов построить "нейронную сеть", то это дало бы "память" исключительного качества. Она на много порядков величин превосходила бы все, что может применяться в современных счетных машинах.

Но есть и другая точка зрения на механизм действия памяти человека: будто бы ею мы обязаны свойствам протеиновых молекул, имеющихся в клетках. В ней меняется порядок расположения атомов, что дает огромное число состояний, отличающихся химическими свойствами и способных проявляться в физиологических функциях клетки. Гипотеза о том, что основой памяти является перестройка атомов протеиновых молекул, ценна и тем, что объясняет наличие памяти у простейших организмов, чего не дает предположение о памяти как циркуляции нервного возбуждения.

Человек выбирает из своей памяти информацию по ассоциации с образами реальных объектов. На аналогии с этим процессом основаны ассоциативные запоминающие устройства. В этих устройствах поиск данных производится не просто по адресу, а по признакам самой информации. Уже создан ряд макетов ассоциативных запоминающих устройств, где признаки информации записываются на перфорированных картах, магнитных элементах и тому подобном. Дальнейшее усовершенствование таких устройств позволит приблизить их к наиболее замечательному запоминающему механизму - человеческой памяти.

Данные бионики позволяют не только совершенствовать устройство частей и организационные принципы электронно-счетной автоматики, но и создавать машины, которые бы вели себя более биологически, то есть были "интеллигентнее", чем наши современные машины.

В США группой специалистов во главе с доктором Розенблатом разрабатывается новая теория, основываясь на которой можно создать электронное устройство, воспроизводящее деятельность мозга и во многом объясняющее процесс действия человеческой памяти. Используя эту теорию, удалось сконструировать модель электронной машины, которая, как утверждают авторы, способна классифицировать, воспринимать и символически изображать окружающие условия, а также учитывать совершенно новые и непредвиденные изменения в окружающей обстановке и делать это без вмешательства оператора.

Ставшая привычной для нас электронная вычислительная машина работает, как известно, строго по программе, составленной человеком, и стоит возникнуть необходимости в принятии непредвиденного решения, как она останавливается. Новое же устройство имеет свои "органы" восприятия звука, света, подобные органам чувств человека. В основе "органов" восприятия лежат известные радиоэлектронные и электромагнитные устройства. Безусловно, они не способны полностью выполнять то, что делают органы чувств человека, но позволяют значительно расширить круг сведений, обычно воспринимаемых машиной.

По характеру работы новая машина больше, чем любая другая, приближается к функциям мозга. Она воспринимает информацию, классифицирует ее и выводит понятия. Большинство элементов "памяти" в ней соединено случайно, как это и есть в мозгу. Физиологи, как известно, считают, что соединения между ассоциирующими, или "думающими", клетками мозга организованы, по-видимому, случайно. При получении информации в новой машине возбуждается не отдельный элемент, в котором накапливается определенный разряд информации, а одновременно большинство элементов.

Группа, руководимая Розенблатом, таким образом, исходила прежде всего из того, что функции памяти распределяются случайным образом в ассоциирующих элементах. Так и запоминающие ячейки машины распределены беспорядочно. Но их соединения, безусловно, не могут изменяться произвольно в процессе ее работы. Готовя машину, способную воспринимать явления действительности, ученые считали, что любой мыслящий организм делается способным понимать окружающую обстановку в процессе обучения и накопления опыта, а не получает это свойство по наследству. Поэтому все запоминающие ячейки перед включением и началом "обучения" машины были полностью нейтральными.

"Видеть" этой машине, названной персептроном (от слова "перцепция" - восприятие), помогает линза, фокусирующая образ на "сетчатке" из 400 миниатюрных фотоэлементов. Каждый такой образ возбуждает ряд фотоэлементов, это возбуждение передается в ассоциирующие ячейки, общее число которых достигает 512. След в "памяти" остается благодаря тому, что запоминающие элементы, направляющие сигнал на включение реагирующих устройств, могут его усиливать. Однако, сталкиваясь с новым впечатлением, машина, как и человек, сначала допускает ошибки. Но следы в "памяти" постепенно закрепляются, и согласно теории вероятностей удается добиться того, что определенные возбуждения влекут за собой одну и ту же реакцию. Это означает, что машина приобрела определенное "понятие" в отношении окружающих ее условий. Практически оказывается необходимым сделать 15 попыток, после которых машина дает 100 процентов правильных ответов.

Оператор может "научить" машину приходить к нужным заключениям. Этому способствует наличие обратной связи. От реагирующих устройств сигналы обратной связи поступают в запоминающие ячейки, которые вызвали их включение. Эти сигналы увеличивают "силу" запоминающих ячеек, то есть служат как бы "вознаграждением" для той их группы, которая вызвала к действию реагирующие устройства.

У машины предусмотрено ручное управление для выработки нужных понятий. За правильный ответ машина "вознаграждается" (усиливается эффективность действия соответствующих ячеек) и "наказывается" за ошибку (снижается их эффективность).

Следует отметить, что "научить" новую машину математике так же трудно, как и человека. Поэтому электронная вычислительная машина в производительности счета имеет такое же преимущество перед персептроном, как и перед человеком.

Чему же реально "научилась" простейшая модель новой машины? Без какой-либо помощи человека она точно определяла расположение геометрических фигур справа и слева от ее "поля зрения". Она оказалась способной "научиться" различать буквы алфавита. Предполагается, что персептрон сможет распознавать человеческую речь и превращать ее в сигналы, управляющие, скажем, буквопечатанием. Машина способна делать переводы с одного языка на другой, подбор литературы, просмотр патентов. В военном деле считается целесообразным ее использование в наведении управляемых снарядов, самолетовождении. Здесь она может намного облегчить процесс принятия решения, который сейчас целиком возложен на людей. Считается вероятным применить машины нового типа для воздушной разведки, так как они способны сообщать непредвиденные данные, обнаруживать изменения в обстановке и так далее.

При оценке способности машины распознавать снимки ей было "показано" большое количество фотографий кораблей в море, ракетных установок, самолетов. Оказалось, что правильно "обученная" машина способна различать на снимках одиночные цели, а также объекты, находящиеся в окружении других по форме предметов. Например, уже у первой модели машины правильность опознавания ангаров и капониров достигала 100 процентов, самолета в капонире - 92 процентов, самолетов вне укрытий - 94 процентов.

Не случайно военно-морской флот США заинтересовался созданием образца машины с тысячей запоминающих ячеек. Предполагается, что такая машина не превысит по размерам обычного стола. Правда, пока запоминающие ячейки очень сложны и дороги. Поэтому главное внимание конструкторы уделяют разработке компактных, недорогих и надежных запоминающих ячеек. По последним сообщениям, второй образец персептрона уже построен. Он содержит в 20 раз больше элементов "памяти" и более сложную схему взаимосвязей, чем первая модель. Американская военщина намерена этот усовершенствованный персептрон уже в ближайшее время применить для автоматической расшифровки результатов воздушной разведки - аэрофотоснимков и опознавания на них целей.

С применением искусственных нейронов уже создаются машины, обладающие способностью распознавания, еще более совершенные, чем первые персептроны. Уже создана, например, машина на разновидности электронного нейрона - артроне. Этот электронный нейрон сложнее других аналогов. Он обладает 16 состояниями и свойством задержки. Это чрезвычайно чувствительный элемент, имеющий два входа и один выход. Входной и выходной сигналы имеют цифровую форму. Отличие машины на артронах от первых персептронов заключается в том, что пути прохождения сигнала между чувствительными элементами и артронами изменяются непрерывно случайным образом, пока в процессе "обучения" не будут найдены оптимальные пути. Но даже и после "обучения" машина легко возвращается к этапу случайного прохождения сигнала.

Основной механизм, с помощью которого такая машина "обучается", составляют четыре высокоскоростных переключателя. Они, сравнивая поступивший сигнал с пороговым уровнем, определяют, разомкнуть переключатель или оставить замкнутым. В первом случае сигнал к артрону не проходит, во втором - проходит. Схема обратной связи и здесь обеспечивает "поощрение" или "наказание", уменьшая или увеличивая пороговый уровень переключателя.

Машина на артронах, по данным зарубежной печати, может применяться для автоматического управления беспилотными космическими летательными аппаратами, будет способствовать созданию быстродействующих командных машин для штабов войсковых подразделений, облегчающих выработку решений командиром. Машина может успешно управлять оборудованием, работающим в опасных условиях.

В печати сообщается и о создании еще одного аналога нейрона для логических устройств. Это - нейристор. Он может выполнять все логические операции существующих электронно-вычислительных машин и даже некоторые функции, которые им пока, как говорят, не под силу. По схеме это канал, содержащий термисторную полоску и распределенную емкость. В них распространяются сигналы - электрические разряды, проходящие с постоянными скоростью и амплитудой. После прохождения разряда прибор в течение некоторого времени становится невосприимчивым и не поддерживает разряды. Спустя некоторый период он восстанавливает работоспособность. Логические устройства на нейристорах характерны тем, что прибор и соединительные провода составляют одно целое.

Одна зарубежная фирма предложила самопрограммирующую машину, которая самостоятельно выбирает оптимальный подход к решению задачи. Она предназначена для распознавания сигналов гидролокатора.

Перед применением машину "обучают". На перфорированную ленту блока "памяти" записываются сигналы гидролокатора и эхо-сигнал, создаваемый кораблем. Если машина путает то и другое, процесс сравнения повторяется, пока она не даст правильный ответ. "Обученная" таким путем машина может анализировать сигналы подводной локации лучше, чем оператор.

Одна из американских фирм построила бионическую обучающуюся машину для быстрого опознавания и классификации трехмерных объектов, имеющих форму шара, куба, пирамиды и эллипсоида. Это качество, по мнению специалистов США, оказывается очень ценным при просмотре, анализе, отборе фотографий на разведывательных спутниках перед передачей их на Землю. И не только в этом случае, но и при распознавании мест запуска снарядов или самих снарядов с борта самолетов или спутников, а также обнаружении боеголовок ракет среди ложных целей.

Такая бионическая машина состоит из объектива, 400 фотоэлементов, усилителей сигналов фотоэлементов, ассоциативного блока "памяти", состоящего из 400 простых логических схем, ответных логических устройств и цифровых логических устройств, указывающих форму наблюдаемого объекта. Выход каждого усилителя соединен (по случайному закону) со входами девяти логических схем блока "памяти".

Как же работает такая бионическая машина? Когда оптическое изображение проектируется на фотоэлементы, сигналы от них после усиления поступают в логические схемы ассоциативной "памяти", оттуда - на два ответных логических устройства. Вот здесь-то и происходит процесс обучения машины. На входе ответных устройств сигналы "взвешиваются", то есть в зависимости от того, способствует или нет наличие этого сигнала правильному опознаванию, он либо усиливается, либо ослабляется. Это достигается благодаря уменьшению или увеличению сопротивлений на входе ответных логических схем.

Из моделей нейронов создаются целые сети, которые предназначаются для имитации тех или иных функций нервной системы. Конструируются сети, меняющие свои параметры в соответствии с изменениями характера раздражений, а также сети, предназначенные для запоминания данных и способные к "обучению".

На втором симпозиуме по бионике сообщалось, что в США создана обучающаяся машина на нейронной сети из 102 мемисторов. Мемисторы - это жидкие элементы, конструктивно оформленные в виде небольших пластмассовых сосудов объемом в одну треть кубического сантиметра. Сосуды заполнены электролитом и имеют электроды. Действие элементов основано на изменении сопротивления от 3 до 100 ом. Сеть из таких мемисторов имитирует работу зрительного органа человека при распознавании образов. На базе этой машины предполагается создать устройство для решения комплексных навигационных задач, предсказания погоды и так далее.

В США разрабатывается также машина, предназначенная для распознавания речи и печатания текста с голоса. Специалисты занимаются также проблемой преобразования набора чисел в записанный на магнитную ленту человеческий голос. Этот голос вводится в электронно-вычислительную машину, и она производит математический анализ звуков. А затем из полученных чисел вновь воссоздается (синтезируется) человеческая речь, также записанная на магнитную пленку. Подобный анализ и синтез речи будут очень ценными для сужения каналов связи.

Большое значение для связи в особых случаях боевого применения военной техники, например самолетов, будет иметь преобразование речевого спектра частот в механические колебания. Эти механические колебания будут восприниматься не ухом, а кожей человека.

Дело в том, что в летящем самолете шум мешает приему звуковых сигналов органами слуха. Кожа восприимчива к частотам, в девять раз меньшим, чем частоты, воспринимаемые ухом (1000-4000 герц). Поэтому, когда преобразовали звуковые частоты в механические колебания, операторы могли определять некоторые звуки при помощи пальцев, находящихся на вибраторе. Кроме снижения влияния шума такая передача обладает и большей скрытностью.

Исследования в области обучаемых и самообучающихся машин ведутся и в СССР. Как сообщил в одном из своих выступлений в печати известный советский ученый В.М.Глушков, в Вычислительном центре Академии наук УССР (теперь он называется Институтом кибернетики) электронную машину "обучали" смыслу фраз на русском языке. Программа была предусмотрена такая: машине сообщается некоторое количество осмысленных фраз; затем в процессе проверки она правильно отсортировала осмысленные фразы от бессмысленных, причем делала это не только для тех фраз, которые она усвоила в процессе "обучения", но и для незнакомых ей фраз.

При моделировании на машине процесса "обучения" смыслу фраз на русском языке можно было имитировать различные типы "обучения" - от голой зубрежки до склонности к поспешным обобщениям и неуемному фантазированию.

Одним из сотрудников Института автоматики и телемеханики Академии наук СССР была выдвинута гипотеза компактности, позволяющая объяснить процесс обучения и искусственно воспроизвести его. В настоящее время гипотеза компактности проверяется на животных.

Чтобы понять смысл гипотезы компактности, представим себе плоскость, разделенную на клетки и заполненную "n"-фотоэлементами, имитирующими "приемники" световых раздражений - рецепторы. Если на это своеобразное фотополе проектируется изображение, то возбуждаются вполне определенные фотоэлементы. Состояние всего фотополя можно охарактеризовать одной точкой, как говорят, в пространстве рецепторов. Эта точка - вершина единичного куба. Значит, букве А будет соответствовать в зависимости от написания одна группа точек, букве Б - другая группа точек в пространстве рецепторов. Ученые предполагают, что и в мозге человека каким-то путем формируются области в пространстве рецепторов, соответствующие тому или иному образу.

Гипотезу компактности можно сформулировать так: человек воспринимает множество различных зрительных ощущений как единый образ, если множество точек, которое соответствует этому ощущению, в пространстве рецепторов является в известном смысле компактным множеством. Задача "обучения" машины, таким образом, заключается в проведении в пространстве поверхностей, отделяющих одну область от другой, а это и означает способность различать образы. В процессе "обучения" машина "запоминает" положение точек, соответствующих буквам А, Б и так далее в пространстве рецепторов. В результате, когда потом машине показывают букву, она определяет, где лежит точка, характеризующая показанное изображение, и в зависимости от этого "отвечает", какая это буква.

На основе этой гипотезы была разработана программа, реализованная на цифровых машинах. И оказалось, что машины очень легко "выучиваются" распознавать пять цифр: 0, 1, 2, 3 и 5 (в связи с тем, что цифра 4 похожа на цифру 1, ее в первых опытах не использовали).

В ходе обучения машине показывали 40 отобранных цифр и сообщали условным кодом, какие это цифры. Затем показывали остальные 160 вариантов каждой цифры, не виденных ранее машиной. Ей предстояло распознать их. И она из 800 случаев допустила лишь... четыре неточности.

За первыми успешными опытами советских ученых последовали новые. На небольшом учебном материале машина "научилась" распознавать все десять цифр. Сейчас изучается возможность распознавания машиной всех букв алфавита и даже портретов.

Советские ученые считают, что в ближайшее время машины удастся обучить не только распознаванию образов, но и обучить их более сложным процессам. Такие машины в будущем могут заменять человека при выполнении им самых тонких операций. Например, они будут способны судить по звуку работающего агрегата о его исправности или, прослушивая биение сердца, ставить диагноз. При этом интересно, что строить машины можно одинаковыми, а затем специализировать их, "обучая" тому или иному "ремеслу".

Действительный член Академии наук УССР В.Глушков утверждает, например, что электронная вычислительная машина, обрабатывая некоторый экспериментальный материал, может открыть какой-то новый закон природы, абсолютно неизвестный составителю программы. Разумеется, более естественно говорить, что соответствующий закон открыт машиной вместе с программистом, но ведь когда ученый открывает что-либо, то авторство не распространяется на тех, кто его учил.

Самообучающиеся машины - это дальнейшее развитие систем с автоматическим приспособлением, о которых шла речь в предыдущей главе. Самообучающиеся устройства накапливают опыт управления и повышают свою "квалификацию". При этом они способны выполнять такие функции, которые заранее не были заложены в них. Речь идет о том, что если конструктор заложил в машину способность совершенствоваться и обучаться, то, реализуя эту способность, автомат сам находит наилучшую структуру и законы поведения, которые могут оказаться неожиданными для самого конструктора. Таким образом может быть осуществлен процесс совершенствования автоматов на манер живых форм, сулящий самые замечательные результаты.

П.Т.Асташенков, 1965 год