Тема форума: «Эксклюзивные занятия по МВАП: Первые управляющие структуры организмов на основе распознавателя.»

Самое классное и полезное изобретение природной эволюции – способность плодить новые варианты (мутации) на основе уже достигнутого. Это организуется на генетическом уровне так, что в каждом организме возникают свои специфичные, неповторимые в некоторой части бурлящих новшеств особенности. Белки одного организма оказываются несовместимыми с белками другого. Одни и те же механизмы пробуются несколько разными способами (из-за разных белков, которые – в основе всего строительного материала). То, что уже оказалось полезным, с значит и вошло в генетический код выживших, становится все более общим, но всегда есть то, что постоянно варьируется. Даже у очень сложного организма многие основывается на нескольких вариантов реализации, так, у разных людей - 50 видов гемоглобина (постоянно приводимый мной яркий пример) и все они прошли испытание на жизнь, обладая теми или иными преимуществами и недостатками.

Это и обеспечивают возможность выживания в новых условиях – за счет гибели всего, что к этим условиям оказывается не приспособленным.

Это еще обеспечивает постоянное усложнение потому, что ранее отработанные решения случайными и удачными мутациями дополняются новыми полезными механизмами. Т.е. усложнения возникают не из какой-то целенаправленности развития, а просто потому, что новые прибамбасы изредка дают преимущество в выживании.

В прошлой теме мы рассмотрели как на основе специализированных терминальных датчиков и исполнителей возник новый вид промежуточных клеток, которые являются и рецепторами и эффекторами одновременно – по отношению к предыдущим и последующим по взаимосвязи клетками. Это было случайное новшество, но оно дало преимущество более гибкой адаптивности управления поведением и осталось в генах выживших.

Кстати, на Элементах недавно вышла статья, где показан закономерный статистический результат изменчивости и отбора к новыми условиями: чем выше сложность адаптивных механизмов, тем менее вероятна полезность мутаций (в статье это сформулировано не очень корректно, о чем я там отписался).

Выживали те организмы, которые не только оказывались в данных условиях более адекватными своими адаптивными механизмами, но и те, которые способны препятствовать постоянному вреду своей же изменчивости. И чем сложнее организм, тем более важна эта задача борьбы с вредом своей изменчивости. Причем, если изменчивость затрагивает какие-то основы строения организма, то все последующие развитие идет наперекосяк и, в лучшем случае получается какой-то монстр-уродец, а чаще – просто нежить. Поэтому клеточные механизмы восстановления  генетического кода и борьбы с мутациями на ранних стадиях развития организма нарабатывались особенно эффективно. Так что мутация имеет шанс оказаться полезной для организма только в области самых последних эволюционных заплаток.

Вот такая картина эволюционной стратегии  позволяет понимать то, как появляются новые механизмы, как они развиваются, что влияет на появление новых фичей. Это – очень полезный и достаточно строгий контекст для верификации своей модели понимания организации управляющей сети мозга, чтобы уберечься от субъективных фантазий в этом направлении (которыми особенно отличаются всякие современные теории организации мозга), так что стоит стараться как можно естественнее следовать тому, через что прошла природа.

А все шло тупо по пути соответствия новым условиям методом природного тыка, а не какой-то изобретательской смекалки. И поэтому ни в коем случае не следует предполагать те механизмы, которые не следуют данному уровню эволюционных заплаток, а каждый механизм достаточно четко относится к определенному уровню последовательных усложнений.

Вот почему так не хотелось сразу привлекать персептроны, всякие пока непонятного назначения колонки в неокортексе и т.п. атрибуты человечьей мысли.

Никаких персептронов, а лишь тупое устройство для взвешивания накапливающегося потенциала на входе клетки распознавателя до перевешивания порога срабатывания (вот откуда термин “вес”).

 И никаких точных дробных весов от рецепторов потому, что 1) нет никакой такой возможности организовывать и поддерживать точные значения в уловиях переменной внутренней среды мозга (хотя у высших животных делается все, чтобы сделать эту среду как можно более постоянной) и еще 2) как мы уже рассматривали ранее много раз и подробно, каждый рецептор (без исключения, начиная с самого первичного сенсора) имеет какое-то значения (значимость для организма), отражающие определенные параметры внешней (по отношению к мозгу) среды (т.е. среда организма – тоже внешняя). Но некоторая дробность весов есть, и мы рассмотрим это ниже, в каких случаях она оказывается полезной.

Поэтому самые первые сенсоры уже могли воздействовать в полезном  для выживания направлении на ответные эффекторы. Потемнело – пора сваливать, посветлело – пора выползать жрать и плодиться, - что-то в таком роде зависимостей.

И эффектор мог использовать информацию (воспринимаемые данные, которые имеют для организма определенную значимость) не одноного, а нескольких сенсоров, например, чтобы уползать не тогда когда чуть потемнело на короткое время, а когда достаточно потемнеет. А те улитки, которым пофиг данный критерий, пожирались ночными хищниками (утрирую, конечно, для пользы общего представления).

И когда мутация сделала из конечного эффектора не сократитель мышц или выделитель регулирующего вещества, а клетку, способную как рецептор выдавать в ответ потенциал, то возможность усложнения схем управления получила новый качественный уровень. Теперь случайные комбинации связей образовывали как вредные, так и бесполезные связи через таких посредников до эффекторов, среди которых в новых условиях ответные действия оказывались критически полезными для выживания,

Вот так тупо формировались наследственно предопределенные реакции: никакого обучения, никаких “глубоких персептронных сетей” для распознавания. Просто – случайные связи с полезным или вредным или никаким эффектом.

Но принцип для образования таких связей соблюдался четко потому, что он основывался на самих свойствах промежуточных клеток:  спонтанной активности при созревании, но отсутствии эффективных связей и механизм увеличения проводимости синапсов при одновременной активности с двух сторон. Этот механизм сам в свое время прошел отбор из вариантов, большинство из которых просто ни к чему полезному не приводили, так что остались те варианты, которые реально обеспечивали связи с предыдущим рецептором  и возможность образовывать цепи воздействующих групп рецепторов на промежуточные нейроны и конечные эффекторы.

Этих вариантов реализации проводимости синапса очень не мало. Мало того, что варьируются вещества, обеспечивающие проводимость синапса (нейромедиаторы), но и самих механизмов организации передачи возбуждения есть несколько, вплоть до того, что вместо передачи воздуждения сигнал от рецептора может оказывать не возбуждающее, а тормозное воздействие. И это тормозное оказалось очено полезным для схемотехники управление нейронами потому, что позволяет 1) организовывать намного более гибкую логику и 2) позволяет бороться с паразитными возбуждениеми, которые могут привести все сеть нейронов в возбужденное состояние, т.е. вместо управления устроить эпилептический припадок.

Особенно полезным тормозное влияние оказалось для соседних нейронов: если возбудился какой-то нейрон, то соседние притормаживаются, не давая им срабатывать от случайных шумов сверх чувствительных рецепторов.

Когда связь формируется между активным рецептором и созревшим спонтанно активным эффектором, проводимость нарастает весь период активностей рецептора, пока есть спонтанная активность эффектора. Как только связь окажется достаточной, чтобы прекратить спонтанную активность эффектора, то на этом процесс и останавливается. Дальнейшая модификация связей на этом уровне становится невозможной если не соблюдается условие: активность с обоих сторон синапса.

Если же активными одновременно бывают несколько рецепторов, связанным пока непроводящими синапсами с созревшим эффекторов, то так же проводимости нарастают пока эффектор не прекратит самопроизвольную активность и тогда получается, что к этому моменту каждая из связей нарабатывает проводимость меньше, чем если бы была только одна связь. Теперь эффектор возбудиться только при одновременной активности всех рецепторов, которые участвовали в формировании связей.

Этому предшествует механизм, когда у созревающего эффектора начинают тянуться выросты (дендриты) в сторону ближайшей активности (туда, где соответственно изменился химический состав среды) и там образуются синапсы.

Формирование новых дендридов так же прекращается после специализации, что еще более стабилизирует получившуюся конфигурацию связей.

Так появлялись все адаптивные механизмы простейших животных, и основы этих механизмов остались у человека. Все действия простейших насекомых демонстрируют этот механизм наследственных связей, управляющих их поведением.

Итак, внешний мир и внутренняя среда организма – это внешние по отношению к мозгу области получения данных о значимости пользы и вреда, когда польза означает возможность жить в данных условиях, а вред – гибель организма и обрыв передачи генетического кода потомкам.

Внешняя  среда отслеживается первичными сенсорами и мозгу пофиг, что это за данные (из внешнего мира или внутренней среды), просто мутации перестраивают его в некоторой наиболее вариабельной (мутагенной) части механизмов и особи, которым посчастливилось выжить, передают генетический код.

В анимации Простейшая нейросеть управления крыльями бабочки показан принцип реализации участка такой сети. И можно себе вообразить, сколько же нужно было времени и погибших бабочек чтобы методом случайных мутаций организовать такую сеть из уже обкатанных клеток распознавателей и синапсов между ними. Т, конечно, все накопления полезного не возникли сразу как самолет из мусора в притчах верунов, а в огромном количестве удачных и неудачных шажков в огромном разнообразии вариантов.

Схемы, наподобие анимации для бабочки, – хорошее раздолье для развития схемотехнического мышления в представлениях моделей простейших нейросетей. И это важно для того, чтобы подготовится к тому новому, более сложному механизму, который случайно возник в ходе бурлящей эволюции и придал новое качество возможности управления.

Вот этим мы некоторое время и займемся, пока это не станет привычно просто.

В схемах нейроны (распознаватели достаточно веса активирующих их сигналов) будем обозначать кружком, синапсы – щелью (похожей на обозначение конденсатора в эл. схемах), а отростки клеток к этим связям – линиями.

Пока что сами потренируйтесь, сначала в понимании анимации по ссылке, потом повоображайте разные моменты простейших поведенческих реакций насекомых, в том числе и уползание улитки когда наступает темнота и, уже сложнее, распознавание врага по резкому изменению освещенности.

Схемки заливайте прямо в эту тему в любой удобной вам форме. Но не стоит спешить, пусть те, кто затрудняется, успеют сами подумать, хотя каждый же заинтересован в неподдельном понимании и не будет сам себя обманывать :)

>>> (nan) Пока что сами потренируйтесь, сначала в понимании анимации по ссылке, потом повоображайте разные моменты простейших поведенческих реакций насекомых, в том числе и уползание улитки когда наступает темнота и, уже сложнее, распознавание врага по резкому изменению освещенности.

 

Нужно две схемы нарисовать и сюда залить?

Не обязательно именно эти две реакции, любые другие у насекомых. Нужно набить ум и руки на таких схемах.

При составлении схемы распознавания квадрата через 2 слоя понадобилось учитывать неактивные участки сенсорной матрицы. Не очень понимаю, как конкретно это организовано в реальности. Мне видятся только два варианта:

1. Сам рецептор детектирует неактивность за счет того, что хим. процессы в нем не возбуждаются, а угнетаются внешним воздействием. Тогда при отсутствии воздействия он начинает активно "пульсировать", а при раздражении затухать.
2. Между рецептором и нейроном первого слоя вставлен дополнительный промежуточный нейрон, который работает аналогично вышеописанному инверсно: при отсутствии сигнала с рецептора постоянно пульсирует, при получении сигнала - угнетается.

Но в обоих случаях получается, что придется либо вставлять между рецепторами такие специальные детекторы (это напоминает триаду пикселов RGB в матрице монитора), либо создавать отдельный слой с такими нейронами, подцепленными ко всем сенсорам (в смысле каждый следит за своим участком сенсорной матрицы и детектирует на ней отсутствие сигнала).

Сейчас задача строить схемы для примитивных насекомых, а они не распознают квадраты и другие графические примитивы. У них фасеточные глаза, определяющие есть или нет свет в направлении трубы фасеты. На этой основе можно делать распознаватели перемещения пятна света или тьмы, направление света и звука, температуры тела, необходимости искать еду, распознавание самки (самца по запаху) и т.п. Ну и управление двигателями (обычно двигатели работает уже вполне автономно и можно просто давать команду лететь, ползти, сворачиваться) с небольшими модуляциями (лететь вверх или вниз, ползти быстрее или медленнее).

То, как организуется распознавание примитивов неокортекса - другая тема.

Кстати, попытки нарисовать не туфтовую, а в самом деле рабочую схему взаимодействий сенсоров с моторными терминалами через промежуточные распознаватели показывает разницу между просто философскими предположениями о работе мозга, и тем, что в самом деле приходится учитывать для конструирования схем управления. Философствовать легко и беззаботно, а конструировать – намного сложнее. Философские предположения чего-то о мозге – как бы сами выскакивает, но когда пытаешься воплотить эту идею схемотехничсеки, вырисовывается неожиданные трудности, противоречия с возможностями причинно-следственных взаимодействий.

Этот момент хорошо чувствуют программисты и схемотехники (программисты – это эмуляционные схемотехники). Возникшая идея что-то сделать и попытка реального воплощения – совершенно разные вещи. Без второй первое оказывается в статусе субъективной фантазии.

Так что очень важно осваивать именно схемотехническое мышление.

Это схема позиционирования головы насекомого так, чтобы попавший в поле зрения фасеточного глаза объект всегда находился в центре сенсорной матрицы. Для этого нужно дать команду сокращения одной из 4 мышц, управляющих глазом, для его поворота вверх, вниз, вправо, влево соответственно. Поворачиваться голова будет дискретно, то есть один командный импульс – один шаг поворота. Для начала возьмем минимальную матрицу 3х3. Задача – в зависимости от положения в ней активного элемента задать направление перемещения, чтобы активным стал центральный. Для наглядности направление перемещения будем считать как направление смещения пятна на матрице, хотя на самом деле надо конечно делать наоборот, ведь не пятно движется, а поворачивается голова: чтобы пятно сместилось вниз, голова должна повернуться вверх, для левого смещения – поворот вправо и т. д.

Линейка с верхними квадратами – номера ячеек сенсорной матрицы 3х3, кружок – нейрон, квадраты внизу – эффекторы, обозначенные как П (мышца для поворота вправо), Л – влево, Н – вниз, В – вверх. По схеме видно, что для угловых ячеек 1, 3, 7, 9 нужна одновременная работа пары мышц, то есть для перемещения из сектора 1 в центральный сектор 5 нужно задействовать эффекторы П и В. Это означает, что к некоторым ячейкам сенсора будет подключено по два входа от соответствующих управляющих нейронов. Такая схема имеет 2 серьезных недостатка:

 

1.Подключение к сенсору более одного входа от нейронов означает распределение по ним сигнала, потерю мощности – нужно ведь по обоим направлениям подать одинаково мощный сигнал.

2.Схема подразумевает строгое подключение каждого рецептора к своему нейрону. Если представить вероятность попадания в ходе отбора путем случайных мутаций для матрицы 1000х1000 – даже без расчетов очевидно, что она будет очень низкой. Стало быть, нужна схема с менее жесткой привязкой, с большей степенью свободы установления связей.

 

Для этого сделаем перемещение от угловых ячеек ортогональным. Тогда каждая угловая ячейка получит две степени свободы. Например от ячейки 1 можно двинуться вверх или вправо – в любом случае попадаешь на центральную ячейку 4 или 2, а оттуда уже строго к центру. То есть вместо одного строго определенного движения получили два, но зато равно возможных. При этом заодно избавились от двойного подключения к рецептору от разных нейронов.

Теперь к угловым ячейкам рецептора может без потери функциональности устройства равноценно прицепиться один из двух нейронов. Это для матрицы 3х3 создаст 128 возможных схем соединения вместо одной единственной.

Понятно, что чем больше размер сенсорной матрицы, тем больше количество схем подключения. Но можно еще добавить хаоса. Например, в матрице 1000х1000 раскидаем примерно равномерно ячейки, к которым может цепляться вообще любой нейрон. Тогда даже если при реакции сенсора движение будет в противоположную сторону, соседняя ячейка направит ее в нужном направлении. Это понятно замедлит общую скорость стабилизации положения, но здесь только нужно найти ту степень хаоса, при которой это затормаживание будет в пределах допустимого.

 

В итоге получили схему стабилизации головы насекомого, слежение за объектом. Но по сути это схема стабилизации любого параметра, например гомеостаза. Если вместо ячеек сенсорной матрицы подразумевать нейроны-рецепторы, а вместо мышц – железы-эффекторы или что то иное, что требуется совершить для прихода в норму. Главное, что становится очевидно – такая схема вовсе не требует жесткой юстировки (настройки) параметров. Она допускает довольно широкий их разброс, что позволяет теоретически собрать ее эволюционным путем естественного отбора. А другое, что приходит в голову: хотя у насекомых практически вся нейросхема передается через геном, но это не жесткий шаблон, а весьма вольная трактовка. Это объясняет, как так удается передавать по наследству довольно замысловатое поведение. А оно и не передается в точном исполнении, но в виде каркаса с допуском вольностей исполнения. В итоге все тараканы при включении света на кухне стремительно сваливают под плинтус – но каждый по своей, замысловатой траектории, но с одинаковым стермлением к ближайшему укрытию.

Пожалуйста, все,разберитесь как работает схема Palarm  если что-то непонятно, задайте ему вопрос. 

автор: Клон сообщение № 46262:

Интересно как это выглядит в схематическом  плане?

Я это так понимаю: есть две основных логических схемы соединения.

Логика И (и тут, и там) - означает, что нейрон сработает только если на всех его входах будет сигнал, в сумме достаточный, чтобы превысить порог. В данном случае такая сумма будет 1,2 - это выше порога 1. Порог напомню, это не 1V - а  значение напряжения, при котором срабатывает устройство. На схеме это Uп (напряжение порога).

 

На схеме слева показаны рецепторы 1, 2, 3. От них к нейрону через синапсы поступает сигнал. И тут особенность схемы "И": раз мы имеем 3 входа, то чтобы в сумме они набрали выше порога, надо разделить 1 на 3 и чуть добавить (для надежности, но не обязательно). В итоге получили коэфф. 0,4 (0,333... округленное в большую сторону). Было бы 10 входов - на каждом будет по 0,1. А если 1000 - 0,001. Но в этом случае потенциал будет настолько низок, что это будет по сути случайные флуктуации - не получится добиться надежного срабатывания устройства. Стало быть несложно догадаться, что для его успешной работы не стоит использовать слишком много входов.

 

Но тогда возникает вопрос: известно, что у нейрона их может быть до 10 0000 и даже больше. Но тут уже работает другая логика - ИЛИ (или тут, или там).

Здесь как видим синапс не уменьшает сигнала. Реально конечно уменьшает, но очень слабо. Стало быть, если хоть один из входов получит сигнал - это уже  1 и нейрон срабатывает. Если больше одного  - тем более сработает.

 

Стало быть, касаемо мухи: если один датчик зафиксировал тень от объекта (предположительно хищник), а другой показывает свет (солнечный) день - тут налицо логика срабатывания  "И", реакция бегства при наличие двух обязательных факторов.

 

Как я еще понял трактовку Nan: у нейронов природной сети в отличие от искусственной не нужно устанавливать (подгонять) разные веса на входах. Они все имеют один одинаковый вес. Потому, что каждый слой просто определяет наличие или отсутствие "своего" примитива в реакции предыдущего слоя. Для этого достаточно простейшей логики И / ИЛИ.

автор: Palarm сообщение № 46265:

Как я еще понял трактовку Nan: у нейронов природной сети в отличие от искусственной не нужно устанавливать (подгонять) разные веса на входах. Они все имеют один одинаковый вес.

Логика формирования синапса с проводимостью меньшей 1 вполне реализуема и это описано в первом сообщении темы. За время специализации нейройна процесс останавливается когда нейрон перестает спонтанно активироваться из-за достаточно упроченных суммарных связей, а к этому моменту что в каждой связи установится, то и станет специализацией. Так что твой пример с весом 0.4 реально возможен и тупо может реализоваться.

Мне вот что еще подумалось по поводу "степеней свободы для угловых элементов". Это можно рассматривать как заготовку-сырец, которая передается через геном. Потом происходит уточнение, какой из равно-возможных вариантов будет выбран и зафиксирован. Это может иметь смысл, если представить что такие локальные стабилизаторы в реальности связаны друг с другом, то есть имеется их взаимное влияние. Тогда получится, что для конкретной особи в конкретных условиях предпочтительнее выбрать конкретный вариант из 2 возможных а не какой попало. То есть связи для вертикально/горизонтальных перемещений по оси задаются строго, а угловые - примерно-равно-возможные. Это позволяет более гибко адаптироваться.

Другая мысль: эта схема - двумерный массив, стабилизация одновременно 2 связанных между собой параметров. В данном случае координат XY. Но если построить одномерную схему, в виде линейки с центром стабилизации например посередине, то сразу станет очевидно, что в такой схеме нет места "вольностям". Если пятно выше оси - надо строго вниз, если ниже - строго вверх. Стало быть при попытке стабилизировать параметры по отдельности получим строго заданные установки алгоритма стабилизации, что по сути исключает его адаптацию - он жестко задан изначально. А вот при одновременной работе с парой параметров сразу получаем 128 вариантов вместо одного - и все правильные. Аналогично, если начнем склонять тройку связанных параметров, визуально это уже 3D-кубик, где нужно установить фокус в центре, то для угловых элементов получим 6 возможных равно-допустимых перемещений. По моему этим занимается комбинаторика и по этому поводу имеется какая то формула, но и так понятно, что число вариантов будет весьма впечатляющим. Увеличивая дальше размерность массива так глядишь и придем к пониманию, как из строгого алгоритма стабилизации по одной оси получается чуть ли не "алгоритмический хаос" со всякими там произвольностями и свободами выбора.

автор: nan сообщение № 46266:

а к этому моменту что в каждой связи установится, то и станет специализацией

Тогда не понятно твое утверждение, что у нейрона все веса на входе одинаковы - для этого их придется специально уравнивать или надо, чтобы рецепторы послали одновременно сигналы и отростки нейрона успели примерно одновременно к ним "приклеиться".

Второе думаю скорей всего и происходит, но в реальности все же веса "плавают" и фактически будет что то вроде: 0,2 - 0,3 - 0,5 вместо 0,4 - 0,4 - 0,4

 

Но главное для понимания "зачем нужны веса" думаю то, что иначе не получится реализовать логику "И".

Схема описывает процесс возникновения и прекращения пищевого поведения.

 

Датчик голода S1 сигнализирует уменьшение ниже нормы энергетического баланса, которое распознается нейроном N1 по логике «И» (так как обычно любой распознаватель использует несколько признаков для распознавания).

 

Датчик корма S2 сканирует окружение в поисках объектов, похожих на корм. С него поступают сигналы на группу нейронов NG2.1 первого слоя распознавателя корма, тоже работающих по логике «И». Этот слой распознает начальные признаки объекта-корма, достаточные, чтобы начать к нему движение.

 

Когда одновременно возникают сигналы от нейронов N1 и NG2.1 – это значит, что имеется голод и в поле зрения попал объект похожий на корм, значит можно к нему двигаться. Чтобы запустить движение используется нейрон N4 с логикой И, который активирует эффектор движения Ef1. Кроме того, N4 управляется так же тормозным нейроном Т1, который блокирует N4 при своей активации. Но это происходит только при поступлении на Т1 сигнала со второго слоя NG2.1, распознающего более точный образ корма. Это нужно для того, чтобы остановить движение при достижения объекта. В этом случае второй слой выдаст более подробный образ, что и послужит сигналом для активации тормозного нейрона.

 

Но если сразу начать есть корм – можно отравиться. Издалека ведь не видно, в каком он состоянии. Поэтому по достижении объекта нужно уточнить качество корма. И только после срабатывания распознавателя качества корма S3 можно начать его есть. Процесс поедания запускает эффектор Ef2, который активируется нейроном N3. Он в свою очередь требует одновременного кроме наличия сигналов от сенсора качества S3 и голода (N1) так же сигнала со второго слоя распознавателя корма NG2.2. Дело в том, что нужно выполнить двойное действие: остановить процесс движения к корму и начать его есть. Это все и запускается сигналом со второго слоя.

 

В итоге получаем процесс:

 

Появился недостаток энергии, сканер объектов показал, что поблизости имеется объект похожий на корм – пошло движение к корму. При достижении объекта пришло подтверждение, что это точно корм и он съедобен – остановился процесс движения и началось поедание. При насыщении поедание прекращается.

В схеме использовались условные изображения:

 

Не нравится тут два момента: к выходам некоторых нейронов подключены более одного входа других нейронов и есть подключение к отдельному слою распознавателя, что как бы под вопросом - допускается ли такое вообще. Вроде бы как нет особых причин такое запрещать.

автор: Palarm сообщение № 46268:

автор: nan сообщение № 46266: а к этому моменту что в каждой связи установится, то и станет специализацией Тогда не понятно твое утверждение, что у нейрона все веса на входе одинаковы - для этого их придется специально уравнивать или надо, чтобы рецепторы послали одновременно сигналы и отростки нейрона успели примерно одновременно к ним "приклеиться". Второе думаю скорей всего и происходит, но в реальности все же веса "плавают" и фактически будет что то вроде: 0,2 - 0,3 - 0,5 вместо 0,4 - 0,4 - 0,4   Но главное для понимания "зачем нужны веса" думаю то, что иначе не получится реализовать логику "И".

 

Вот, к примеру, возьмем ситуацию, требующую адаптивности: чтобы выйти на поиска еды нужно

1) тварь проголодалась – опять же голодная или не головная – это целочисленный параметр.

 2) чтобы был ясный, не дождливый день, т.е. распознавание идет по достаточной освещенности: если она или нет ее, а не какой-то дробной.

3) еще какое-то условие, например, рядом нет резких опасных движений, вызывающих оборонительную реакцию.

Каждое из этих условий детектируется как есть или нет своей системой рецепции. Их нужно свести по “И”, т.е. ползти на охоту только если все три значения 1. Просто одним распознавателем это делать не хорошо и тем более ненадежно, чем больше условий нужно свести по “И”.

Последовательная, “rконтекстная” система реагирования – то, что нужно. Программисты избегают конструкций типа

If(paramrttr1==1)

{

If(paramrttr1==2)

{

If(paramrttr1==3)

{

Goto ToDoIt();

}

}

}

А это – самое настоящее контекстное поведение: paramrttr1==1 – тварь голодная, включается базовый стиль пищевого поведения.

Если его нет, все остальное игнорируется. Если жрать хочется, для поиска нужен день, иначе предки, пренебрегавшие этим, быстро отсеивались.

Ну и, наконец, высунув смотрелки из норки, тварь не видит резких и опасных смен освещенности,

Все, можно ползти на охоту.

 

Но и выделение признака из нескольких методом весового баланса на уровне одного нейрона может дать преимущество, хотя это ужен более высокий пилотаж распознавания, при том, что он тем менее надежен, чем больше параметров сравнивается на входе нейрона и чем менее определенен каждый из этих параметров. Т.е. облака по небу, перекрывающие солнце, сбивают с толку тех, кто не приспособил распознаватель типа “да это- просто облака, а не нашествие врага”.

Наиболее крутые такие распознаватели, отработанные по надежности суммарного взвешивание соседних параметров, начали формироваться как специализированные примитивы восприятия в новой коре мозга. И это – уже другая история, до которой мы еще не добрались. Хотя отдельные элементы механизмов такого формирования уже бессистемно там и здесь образуются случайно.

Короче, нужно епе бы чувствовать тупость и возможные границы возможности насле6дственных образований промежуточных распознавателей для систем управления и не фантазировать то, что явно преждевременно. Это – очень непросто.