Концепции современного естествознания

Раздел: Учебники

В 80–90-е годы прогресс в развитии вычислительной техники многие связывают с созданием искусственных нейронных сетей. Успехи в разработке и использовании нейрокомпьютеров определяются их принципиально новым свойством – возможностью эффективного самообучения в ходе решения наиболее сложных задач.

По своей сути нейрокомпьютер является имитацией человеческой нейронной сети. Поэтому стоит сделать ряд замечаний об устройстве головного мозга. Основная элементарная ячейка мозга – нейрон – имеет объем всего лишь 10^{-3 мм и массу 10-6 г. Нервная ткань, покрывающая полушария головного мозга слоем толщиной в несколько миллиметров, окрашена в два цвета. Серые нейроны окружены белыми отростками – аксонами и дендритами, которые проводят нервные импульсы к другим клеткам. Нейрон взаимодействует с нейроном, посылая ему электрический сигнал – нервный импульс. Помимо электрической, нейрон обладает еще и химической активностью. При этом для дальней связи служит длинный отросток нейрона – аксон, который способен усиливать сигнал и передавать его без затухания со скоростью до 100 м/с и выше. Дендриты служат в основном для приема сигналов, хотя могут с затуханием передавать сигнал до мишени на небольшие расстояния.}

Используя терминологию вычислительной техники, можно сказать, что нейрон является бинарной ячейкой. Он может находиться либо в возбужденном, либо в невозбужденном состоянии. Наибольший интерес представляет то, как ему удается изменять свое состояние в результате взаимодействия с другими нейронами и клетками. Сам по себе нейрон не генерирует никакого выходного сигнала, пока суммарный входной сигнал не превышает определенной пороговой величины. Если же порог превышен, то нейрон начинает посылать сигналы другим нейронам. В нейронной сети полезная информация запоминается не отдельными нейронами, а группами нейронов, их взаимным состоянием. Можно считать, что каждый нейрон в большей или меньшей степени связан примерно с 10⁴ нейронами. Принимая внешнюю информацию и обмениваясь внутри головного мозга, каждый отдельный нейрон имеет возможность последовательно приближаться к принятию в сложной внешней обстановке правильного решения и переходу в нужный момент в нужное (возбужденное либо невозбужденное) состояние. При этом человеческий мозг в целом также имеет возможность последовательно принимать правильные решения.

Чем больше объем нейронной сети, тем более сложную задачу можно решить с ее помощью. Например, при машинном чтении текстов для распознавания трех букв использовалась сеть из 32 нейронов. Распознавание алфавита, включающего 26 букв, требует 260 нейронов.

Ученые научились моделировать нейронные сети, используя метод последовательных приближений. Однако в цифровой вычислительной технике весьма сложно решается проблема соединений между большим количеством ячеек. А для 10⁴ ячеек, как несложно вычислить, необходимо порядка 10⁸ межсоединений. Как считают многие специалисты, на достаточно высоких частотах уже такое количество межсоединений принципиально нельзя осуществить даже в перспективных технологиях изготовления интегральных микросхем.

Другое дело в оптической обработке информации, где необходимо лишь сформировать требуемый массив ячеек, а межсоединения осуществляются сами собой и практически без искажений в оптическом тракте системы. Магнитооптические управляемые устройства уже сегодня позволяют сформировать высококачественный массив бинарной информации из 10⁴ ячеек, причем скорость обработки его по алгоритму нейронной сети на несколько порядков превосходит возможности человеческого мозга.