О перспективах искусственного интеллекта

 

Владимир Белов

mailro:cone@list.ru

 

О ПЕРСПЕКТИВАХ ИСКУССТВЕННОГО ИН­ТЕЛЛЕКТА

 

К концу 40-х годов двадцатого столетия были созданы фунда­ментальные основы для появления новой научной дисциплины, которая по названию одной из пионерских работ получила название «кибернетика». В основу новой науки были положены идеи А. Тьюринга, С. Черча, А.А. Маркова, в работах которых было существенно развито математическое понятие «алгоритм». В работах К. Шеннона, А.Н. Колмогорова, также ставших базисом нового научного направления, была разработана теория передачи информации, Н. Винер сформулировал постулат о необходимости применения в технических системах способов обработки информации, реализованных в биологической среде, У. Мак-Каллок и У. Пирс предложили мо­дель нейрона, способную к проведению арифметических и логических операций. Все эти достижения явились базисом для бурного развития вычислительных систем, что привело фактически к созданию парал­лельного «машинного сознания» на нашей планете.

Феномен «машинного сознания» обладает рядом специфических особенностей, отличающих его от человеческого разума. В первую очередь это огромная скорость проведения ариф­метических и логических операций. Это свойство технических устройств поразило воображение ученых уже при первом появлении вычислительных электронных систем. Так, после разработ­ки первых ламповых ЭВМ с производительностью 5 тыс. оп/c счита­лось, что министерству обороны США для удовлетворения всех вычис­лительных нужд достаточно иметь не более десятка подобных машин.

Второй специфической чертой современного «машинного созна­ния» является способность к восприятию моделей внешнего мира только в форме математических и логических абстракций.

Использование указанных особенностей кибернетических уст­ройств дает возможность решать интеллектуальные задачи, c которыми человеческий мозг справиться не в состоянии. В то же время существуют области интеллектуальной деятельности, где компьютер в настоящее время не может составить конкуренции человеку. В первую очередь это области творческой деятельности, а также области, тре­бующие быстрой и гибкой обработки информации, такие, например, как распознавание зрительных образов, слитной речи, действия в аварийных ситуациях и т.д.

Сегодня отчетливо видно, что «машинное сознание» принципи­ально отличается от человеческого разума. Мы попробуем определить причину этого отличия.

Термин «искусственный интеллект» (Artificial Intelligence), был введен в 1956 году американским ученым Дж. Маккарти, но вопрос о возможности мышления в машине возник одновременно с началом компьютерной ре­волюции в конце 40-х годов. Сегодня термин «искусственный интел­лект» (ИИ) имеет два основных значения: во-первых, под ИИ понима­ется теория создания программных и аппаратных средств, способных осуществлять интеллектуальную деятельность, сопоставимую с интел­лектуальной деятельностью человека.

При решении практических задач чаще всего пользуются заданием их списка, считая при этом, что если компьютерная система в состоянии решить эти задачи, то она и является системой ИИ. Обычно в этот список включа­ют игру в шахматы, доказательство теорем, решение диагностических задач по исходному неполному набору данных, понимание естествен­ного языка, способность к обучению и самообучению, способность к классификации объектов, а также способность вырабатывать новые знания на основе порождения новых правил и моделей регуляризации знаний.

Под ИИ иногда понимается также набор аппаратных и программных средств, использование которых при реше­нии данного класса задач приводит к тем же результатам, что и ин­теллектуальная деятельность человека.

Другим распространенным среди специалистов мнением явля­ется определение ИИ как системы, выполняющей имитацию интеллектуальной деятельности человека на основе программ, моделирующих процессы мышления. Однако в настоящее время не существует достаточно четкого понимания сущности ЕИ. И определить, что к нему ближе, а что дальше не представляется возможным. Естественно, такое определение ИИ не может считаться дос­таточно полным и однозначным.

По существу, центральная проблема создания ИИ, обладающего свойствами мозга, заключается в следую­щем. Для многих задач точные и четкие правила решения отсутствуют, иными словами чело­веческий разум в настоящее время не обладает полным и исчерпываю­щим самопознанием. Причем это равным образом касается как абстрактного ло­гического мышления, так и эмоциональной сферы. Мы оперируем звуко­выми и зрительными образами, не зная, каким способом они функцио­нируют в нашем сознании. Человек часто принимает неожиданные творческие решения, не сознавая алгоритмы мозга при такой дея­тельности. Описание существа этих процессов, как на формальном, так и на качественном уровне, несмотря на огромные затраченные усилия, до настоящего времени получить не удалось.

Поэтому и среди философов, и среди представителей естественнонаучных дисциплин сегодня широко распространено мнение, что человеческий мозг принципиально непознаваем. При этом основания для этого утвержде­ния различны: от религиозно-мистических до системно-кибернетичес­ких.

Во втором случае главным основанием для утверждения о непознавае­мости процессов мышления, протекающих в живом мозге, являются экспериментальные данные, свидетельствующие о чрезвычайно сложной системной организации нейронных связей в структурах мозга.

Некоторые крупные ученые, которые оптимистично оценивали перспективы создания модели деятельности мозга на протяжении 70-80 годов XX века, затем отказались от таких попыток.

Например, Н. П. Бехтерева утверждала (Н. П. Бехтерева. Нейрофизиологические аспекты психической деятельности человека. Л., 1971, стр. 92,102 и др.), что в ее коллективе в результате проведенных экспериментов получены нейрофизиологические и би­оэлектрические корреляты конкретных психических явлений, что поз­воляет оптимистично оценить перспективы решения проблемы расшиф­ровки нейродинамического кода головного мозга человека. Однако в марте 1994 в интервью Общественному телевидению года академик Н. П. Бехтерева заявила, что эту задачу, несмотря на значительные усилия затраченные руководимым ей институтом, решить не удалось. Преграда в изучении мозга, по ее мнению, скорее всего, поставлена высшим разумом для исключения вмешательства человека в деятель­ность сознания.

Существенные трудности на концептуальном уровне имеются се­годня и в нейрокибернетике (нейроинформатике). Они возникают уже на первом этапе - при описании процессов переработки сенсорной информации. Несколько моделей зрительного и слухового воспри­ятия, предложенные в последние десятилетия, не подтвердили своей эффективности при их программной и аппаратной реализации. Естественно, что ввиду неадекватности исходных моделей, поиск способов формализации процессов мышления становится похожим на гадание на кофейной гуще.

Все указанные обстоятельства являются основанием для выдвижения концепции компьютерного агнос­тицизма, утверждающего, что технические устройства никогда не смогут достигнуть уровня человеческого сознания и что между ними стоит непреодолимая стена.

Заметим, что в любом случае компьютерным агностикам следует ответить на вопрос, ка­кими специфическими механизмами и свойствами обладает мозг чело­века, которые не могут быть воспроизведены в небиологической сре­де, и по какой причине эти механизмы непознаваемы. Если доказательного ответа на этот вопрос не будет получено, мы можем рассчитывать на создание систем ИИ, по многим показателям адекватных естест­венному интеллекту. Заметим, что сегодня научных доказательств о невозможности моделирования или даже воспроизведения мышления че­ловека не существует.

В тоже время существует мнение, особенно в среде разработчи­ков аппаратного и программного обеспечения суперЭВМ, что достиже­ние результатов, сопоставимых с деятельностью человеческого разума, лишь вопрос времени и будет связано, в основном, с повышением быстродейс­твия электронно- вычислительных устройств.

Для подобных утверждений сегодня имеются некоторые осно­вания. К настоящему времени созданы огромные базы знаний и мощные экспертные системы, содержащие тысячи правил и способные решать некоторые задачи лучше, чем любой математик-человек. Компьютерные шахматные программы играют на уровне чемпиона мира по шахматам. Имеются компьютерные системы, читающие газетный шрифт человечес­ким голосом в режиме реального времени и выполняющие переводы технической литературы высокого качества. Эти и многие другие факты лежат в основе компьютерной эйфории, утверждающей, что трудности на пути создания искусственного интеллекта, превосходя­щего по мощи и творческим возможностям человеческий, носят вре­менный характер и связаны лишь с техническими проблемами.

В связи с этим представляется чрезвычайно актуальным ответ на вопрос, в чем состоит принципиальная разница между мышлением человека и «мышлением» существующих систем ИИ.

Интересно, что эта проблема своими корнями восходит еще к античной науке. Естественно у античных ученых не возникали сомнения в гуманоидной природе интеллекта, но вопрос о природе абсолют­ного знания получил двойственное решение. Представители первого направления «материалисты», к которым относились Аристотель, Де­мокрит, Левкипп и др., считали, что в основе мира лежат физичес­кие процессы движения материи. Человеческое сознание в сос­тоянии воспринимать эти процессы и на их основе строить модели мира, которые собственно и являются единственно возможными систе­мами знаний.

Представители второго направления «идеалисты», наи­более яркими представителями которых были Платон, Пифагор и ученики созданной им школы, считали, что в основе мироздания ле­жат некоторые магические числа, а наиболее точным отражением мира является наука о числах - арифметика. Существование этого знания, по мнению Пифагора и его последователей, не зависит от сознания человека.

Спор между представителями этих двух направлений продолжается и сегодня, спустя более двух тысячелетий после его начала. Идею об универсальности математического языка поддерживал ряд выдаю­щихся ученых. К ним можно отнести И. Ньютона, И. Лейбница, А. Эйнштейна, В. Гайзенберга и многих др.

Весомым аргументом «идеалистов» в пользу идеи Пифагора о существовании мировых магических чисел явилось открытие абсолютных констант на­шей Вселенной. Как известно, сущность физических взаимодействий в нашей Вселенной определяется набором некоторых физических констант, которые не выводятся из других фи­зических величин. Для моделей Вселенной, в которых принимаются другие, незначительно измененные значения этих констант, процессы физического развития заканчиваются быстрой катастрофой. Таким об­разом, само существование нашей Вселенной основано на выполнении некоторых математических соотношений на уровне субатомного взаи­модействия вещества.

Как утверждал один из создателей квантовой механики В. Гайзенберг, у человеческого разума нет альтернативы для описания моделей микромира. Явления атомного и субатомного взаимодействия микрочастиц в нашем пространстве могут быть представлены, только в форме математических абстракций, что, по мнению В. Гайзенберга, свидетельствует о первичности математического знания. Учитывая эти обстоятельства, он писал: «Мне думается, современная физика со всей определенностью решает воп­рос в пользу Платона. Мельчайшие единицы материи на самом деле не физические объекты в обычном смысле слова, они суть формы, струк­туры или идеи в смысле Платона, о которых однозначно можно гово­рить только на языке математики. Платон был убежден, что такой принцип можно выразить и по­нять только в математической форме. Центральная проблема совре­менной теоретической физики и состоит в математической формулировке закона природы, определяющего поведение элементарных частиц».

Естественным следствием идей об универсальности в широком смысле математического знания является утверждение о том, что «машинное сознание» адекватно отражает окружающий нас мир, а че­ловеческий разум в состоянии постигнуть только приблизительные контуры проходящих в окружающей среде процессов и явлений. Таким образом, если разделить указанную точку зрения, следует признать, что «машинное сознание» является первичным и обладает адекват­ностью по отношению к явлениям внешнего мира, а машинный «разум» уже превосходит человеческий. Однако нам более убедительной представляется противоположная точка зрения.

В ее подтверждение замечу следующее. Математические абстракции являются продуктом человеческого разума. Они построены в результате обоб­щения некоторых множеств явлений путем вычленения из всех свойств явления его количественной сути. Таким образом, математическое знание описывает, прежде всего, количественную сторону яв­лений и процессов. Но главное, на наш взгляд, состоит в том, что математическое описание процессов и явлений – это только один из способов отражения свойств внешней среды в структурах мозга. Поэтому математическое знание не может рассматриваться как единый универсальный язык при­роды. Но оно действительно объективно, поскольку объективны механизмы функционирования нейронной среды, формирующей математические представления о мире.

Перефразируя известное высказывание Г. Галилея, утверждав­шего, что природа говорит с нами на математическом языке, сегодня мы можем уточнить. Человеческое соз­нание в состоянии адекватно описывать природу на созданном им ма­тематическом языке. А собственно способность к созданию такого языка и явля­ется одним из наиболее загадочных свойств человечес­кого разума. Но отметим еще раз, что это не единственный язык, на ко­тором мозг человека состоянии воспринимать реалии внешнего мира.

Подводя итоги, отметим, что тезис о первичности «математи­ческого знания» и соответственно «машинного сознания», по нашему мнению, не находит подтверждения в современной научной картине мира. Вместе с тем, у нас не вызывает сомнений то, что не существует принципиальных ограничений для создания математического описания процессов обработки информации в структурах мозга и формализации основных информационных свойств ЕИ.

Создание адекватного математического аппарата для описания процессов мышления является, по нашему мнению, делом ближайшего будущего и только после его создания и реализации нового знания в компьютер­ных программах можно будет вновь поставить вопрос об адекватности человеческого и «машинного» сознания.

Ответ на вопрос: может ли компьютер мыслить, зависит сегодня только от того, какой смысл мы вкладываем в понятие «мышление». Если в это понятие мы вкладываем способность к формальному логическому мышлению или вы­полнению сложных математических операций, то ответ будет положи­тельным.

Если же под мышлением мы понимаем процесс создания новых по­нятий, выходящий за рамки фор­мальных математических и логических операции, состоящий в сопос­тавлении нескольких областей знаний и нахождении существенных аналогий между ними, то для современных интеллектуальных систем ответ будет отрицательным.

Проблема создания машинных систем, адекватно отображающих процессы мышления, раз­делила исследователей на два противоположных лагеря: агностиков и оптимистов. Наиболее известным представителем компьютерного агности­цизма является американский ученый Х. Дрейфус. Его аргументы по­лучили широкое признание среди специалистов по ИИ. Аргументы Х. Дрейфуса коротко сводятся к следующим.

1.            Интеллектуальная деятельность человека разнообразна. Она включает в себя логические рассуждения оперирование образами, анализ, формирование новых образов и т.д. Но даже если мы будем рассматривать лишь часть этой деятельности - логические рассужде­ния, формализовать в настоящее время все алгоритмы, применяемые человеком при рассуждении невозможно. В связи с этим заметим, что прогресс компьютерных шахматных программ связан не с успехами в моделировании мышления шахматиста, а с успехами математиков в формализации процесса шахматной игры и программистов в реализации разработанных математических моделей. При этом, подход компьютера к анализу шахматной позиции основан на почти полном переборе ва­риантов на максимально возможную глубину. Шахматист-человек расс­читывает небольшое количество вариантов переменной длинны, кото­рые по его мнению определяют некоторые объективные особенности позиции. Достаточно полный перебор вариантов позволяет современным шахматным программам на компьютерах с высокой производительностью, получать конечный ре­зультат, совпадающий с результатом гроссмейстера-человека. Но, по существу, компьютер реализует подход, противоположный подходу че­ловека.

2.            В интеллектуальной деятельности человек оперирует целостными образами. Они, по утверждению гештальтистов (Gestalt - образ, нем.), последователей учения созданного несколькими пси­хологами в Германии в конце 20-х годов являются фундаментальным, системным и неразложимым компонентом мышления. Гештальт несводим к сумме образующих его элементов; механизм его формирования неиз­вестен. Целостность гештальта и его несводимость к элементам об­разуют непреодолимое интеллектуальное препятствие для компьютера.

3.            Х. Дрейфус утверждает, что наиболее известная модель нервной системы - перцептрон Розенблатта неспособен к имитации мышления, хотя, по мнению Х. Дрейфуса, такая имитация возможна только на основе некоторой модели нервной сети.

4.            Невозможно сформулировать законы бессознательной деятель­ности, творчества и интуиции.

5.            Для интеллектуальной деятельности, сопоставимой с челове­ческим разумом, компьютер должен понимать естественный язык, учи­тывая значения слов в зависимости от контекста и ситуации. Сегод­ня простейший перевод с языка на язык фактически недоступен компьютеру.

6.            Познавательную деятельность человек проводит на основе ощущений, которые являются уникальными для конкретного индивида. Интеллект человека - функция этой уникальности. В силу этого компьютер не может иметь сознания адекватного человеческому.

7.            Человеческое мышление, разум, интеллект - продукты биоло­гической и социальной эволюции. Несмотря на утверждение М. Минс­кого о возможности адекватной компьютерной эволюции, ее реализа­ция невозможна, так как такой эволюцией в конечном счете будет управлять человек.

Аргументы Х. Дрейфуса можно объединить в две группы. К первой относятся указание на фактическое положение дел в области вычислительной техники: недостаточная емкость памя­ти и быстродействие при синтезе и поиске образов.

Ко второй группе относятся аргументы естественнонаучного характера, которые сводятся к утверждению, что интеллектуальная деятельность человека есть продукт его уникальной и неповторимой организации, которая является непознаваемой и невоспроизводимой. История науки не раз подтверждала ошибоч­ность таких аргументов.

Наиболее принципиальным возражением сторонников компьютерного агностицизма является тезис о невозможности познания гештальта, а, следовательно, и бесперспективности попыток его моделирования. Однако сегодня существует ряд концепций, которые можно противопоставить рассмотренным аргументам.

Поведение человека, конечно, не может быть описано в рамках бихевио­ристской модели, в соответствии с которой каждый поведенческий акт человека детерминируется определенным стимулом. Однако сегодня достаточно данных для того, чтобы утверждать что познавательная деятельность является результатом реа­лизации мозгом некоторой последовательности процедур. Процедура представляет собой набор элементарных операций. « То, что делает возможным для людей действовать на базе представлений - это реализация таких представлений физически в виде когнитивных кодов, а их поведение есть причинная последо­вательность операций, выполняемая на основании этих кодов. Так как это тоже самое, что делает компьютер, мое заключение состоит в следующем - познание есть тип вычисления.» Pylyshyn Z. Computation and Congition. Toward for Cognitive Science. (Mass.), 1984. P.292.

Разделяя эту точку зрения, укажем, что основой мышления человека являются формальные описания объектов и явлений внешнего мира, построенные в структурах памяти мозга. Главную роль в механизмах формирования таких описаний играют сенсорные системы, и в первую очередь, зрительный анализатор человека.

Именно, чувственная основа ЕИ принципиально отличает его от систем ИИ. ЕИ оперирует структурными единицами - «образами» (сложными моделями явлений), построенными в результате «сжатия» больших потоков сенсорной информации, а ИИ на сегодняшний день применяет фактически противоположный подход, используя только «нуль» и «единицу».

Возвращаясь к аргументам Х. Дрейфуса, заметим, что в его подходе к созданию интеллектуальных систем смешиваются две имею­щие точки пересечения, но принципиально разные проблемы.

Первая проблема состоит в решении сложных задач непосредственного моделирования, а возможно и воспроизведения нервных про­цессов, протекающих в структурах мозга при его интеллектуальной деятельности. В нашем понимании эта задача равнозначна задаче по­лучения живого вещества, не обязательно белковой природы, искусс­твенным путем. Именно при реализации такого подхода возможно, например, мо­делирование ощущений. Очевидно, что решение рассматриваемой проблемы имеет в первую очередь огромное медицинское значение и чрезвычайно важно для восстановления функций мозга путем трансплантации необходимых функциональных частей. Полагаем, что решение этой задачи следует проводить путем создания именно (квази)биологического вещества, идентич­ного по свойствам веществу мозга.

Целесообразное использование такого вещества будет возможно при решении второй принципиальной проблемы, состоящей в том, что­бы определить структуру и принципы информационного взаимодействия функциональных частей мозга.

Решение второй проблемы не предпола­гает достижения полной адекватности процессов мышления в техни­ческой и биологической среде и важно в прикладном аспекте для создания сверхскоростных систем для интеллектуальной обработ­ки информации, которые моделируют лишь некоторые функции челове­ческого разума.

На наш взгляд, первая из указанных проблем пока не стоит на повестке. Вопросы моделирования чувственного, бес­сознательного и т.д. должны сегодня, по нашему мнению, отойти на второй план и не затуманивать рассуждений о возможностях создания искусственного разума. Но для решения второй проблемы необходимо сосредоточить сегодня усилия комплекса наук, так как именно здесь возможно достижение реальных успехов в ближайшем будущем. Дальнейшее обсуждение будет проводиться в рамках второй из указанных проблем.

Непосредственно описание деятельности мозга на формальном уровне является предметом исследований нейрокибернетики. Но, к сожалению, существующее положение дел в этой науке, нельзя назвать удовлетворительным. Это связано, прежде всего, с недостаточным уровнем формализации полученных экспе­риментальных данных о механизмах функционирования нейронных структур.

Главную задачу нейрокибернетики можно определить как соз­дание рациональных моделей, включающих в себя факты, относящиеся к процессам обработки информации в структурах мозга и отвечающих двум основным требованиям. Первое состоит в том, чтобы модель была вычислительно реализуемой. Второе заключается в необ­ходимости разработки моделей обладающих прогностическими свойс­твами, то есть модель должна постулировать некоторые новые знания и определять направления дальнейших нейробиологических исследований. По нашему глубокому убеждению нейрокибернетика должна стать теоретической основой нейробиологии. Ввиду чрезвычайной сложности мозга работа «вслепую» обречена на неудачи, что и доказали результаты исследований за последние 50 лет. Ситуация и в нейробиологии, и в нейрокибернетике на сегодняшний день близка к патовой. Причем, если нейробиологов по сути упрекать не в чем, экспериментального материала получено достаточно много, а аксиоматики для формализации процессов преобразования данных в нейронной среде эта наука не имеет. То нейрокибернетика просто ушла далеко в сторону от попыток объяснения накопленных экспериментальных данных, с непонятным энтузиазмом исследуя модели, не имеющие отношения к реальности.

Но дело даже не скудности конструктивных результатов. Парадоксальность ситуации состоит в том, что в нейрокибернетике до настоящего момента не сформулированы основные проблемы, которые необходимо решить. Ввиду этого многие проводимые сегодня исследования, по сути, не имеют смысла.

Проведенный нами анализ существующих экспериментальных данных позволил сформулировать четыре фундаментальные проблемы, возникающих при кибернетической интерпретации нейробиологических данных. В сжатом виде их существо состоит в следующем.

Первая проблема – энергетическая.

Даже нижние оценки производительности мозга дают значение порядка миллиардов операций в секунду. Но потребление энергии мозгом не превышает нескольких ватт. Ситуация выглядит еще парадоксальнее, если учесть, что уровень сигналов в мозге – не микро, а милливольты, а также то, что при умственном напряжении не происходит существенного увеличения потребления энергии по сравнению с состоянием покоя.

Вторая проблема – быстродействие мозга.

Каким образом удается обеспечить быстродействие, соответствующее уровню современных суперкомпьютеров, на биоэлементах, имеющих латентность в единицы и десятки миллисекунд, и при передаче сигналов в биологической среде со скоростью несколько десятков метров в секунду?

Третья проблема – функциональные возможности мозга.

Биологический нейрон – элемент с очень ограниченными функциональными возможностями. А задачи, которые решает мозг, требуют выполнения сложных преобразований данных. Каким образом нейронные структуры проводят необходимые функциональные преобразования сигналов?

Четвертая проблема – математическая.

В чем суть преобразований данных, выполняемых на разных уровнях обработки информации. Возможно ли математическое описание операций, проводимых мозгом, и насколько оно универсально?

Замечу сразу, что в результате наших исследований выяснилось, что все четыре проблемы глубоко взаимосвязаны. Мы полагаем также, что нам удалось получить первые результаты, позволяющие продвинуться в решения этих проблем.

В результате анализа экспериментальных данных установ­лено, что в нейронных структурах мозга реализован принципиально иной, чем в технической среде способ проведения вычислительных операций. Вид преобразований сигналов зависит не столько от способа изменения некоторых частотно-временных параметров, как это реализовано в современных технических устройствах, сколько от пространственного положения участвующего в выполнении операции обработки данных нейрона.

В нейронной среде реализован детекторный принцип обработки данных, когда каждый нейрон отвечает за строго определенные признаки процесса или явления. Именно поэтому мозгу необходимо иметь такое огромное количество нейронов.

В качестве функциональных преобразователей используются поверхности с «заданными» свойствами. Передача (проецирование) сигналов «сквозь» такие поверхности приводит к функциональному преобразованию данных. Процесс фактически является физической реализацией хорошо известного математического определения понятия функции. Очевидно, при таком способе преобразования сигналов возможности преобразования данных будут определяться очень широким классом функций. Легко показать также, что энергетические затраты в биологической нейронной среде связаны только с потерями при передаче данных между функциональными единицами мозга, а непосредственно вычислительный процесс проходит без затрат энер­гии.

Описанный способ проведения вычислительных операций поз­воляет считать мозг «геометрическим процессором», который ис­пользует пространственные свойства среды для проведения детер­минированных преобразований сигналов. Естественно, что использование проецирующих связей и геометрических свойств объектов в плоскости имеет мало смысла. Поэтому считаем, что архитектура биологической вычислительной среды является принципиально трехмерной и принципиально топографической. Именно при реализации предложенного способа обработки сигналов одновременно находится подход к решению всех четырех сформулированных выше проблем.

Кроме того, можно доказать, что предложенная архитектура вычислительной среды реализует абсолютный максимум по критерию быстродействие/энергетические затраты. Причем в числителе достигается абсолютный максимум, а в знаменателе абсолютный минимум.

Этот критерий можно считать фундаментальным для систем обработки информации. Именно по этому критерию биологические системы на много порядков превосходят устройства ИИ. Считаем, что сегодня на основе этого понимания, мы вновь можем вернуться к идее Н. Винера об использовании биологических принципов и способов обработки данных при разработке технических систем.

 

Предметом наших исследований стали также механизмы и способы обработки информации в зрительном анализаторе. Это объясняется тем, что, во-первых, 90% инфор­мации о внешнем мире человек получает при помощи зрения, а механизмы обработки зрительной информации явля­ются наиболее развитыми и представляют большой интерес для выяс­нения существа всех сформулированных проблем (в наибольшей степени четвертой – математической). Разумеется, зрительное восприятие - это не мышление, но связь между этими процессами яв­ляется достаточно глубокой.

Во-вторых, именно обработка зрительной информации в структу­рах мозга приводит к образованию наиболее существенной части внутренней модели внешнего мира. Понимание сущности ин­формационных процессов при такой обработке, очевидно, позволит вплотную приблизится к пониманию гештальта и формированию рациональных моделей мышления.

В рамках очерченных представлений нами получена функциональная модель зрительного анализатора, в которой использовано большое количество экспериментальных данных, относящихся к функционированию биологических нейронных структур. Конечным результатом процесса преобразования зрительной информации стало формирование нейрона (идентификатора конкретного объекта), координаты которого в «гностическом» поле инвариантны к сдвигу, повороту и размеру, а также к частичной видимости объекта в поле зрения.

Фактически, найден подход к формализации таких свойств биологического зрительного анализатора как «константность» восприятия объектов и «восприятие целого по видимой части».

Это может рассматриваться как доказательство осуществимости идеи соз­дания технических устройств, использующих алгоритмы обработки ин­формации идентичные тем, что реализованы в биологической нейрон­ной среде.

Анализ информационных процессов, которые реализуются в предложенной модели, позволяет также сделать вывод о том, что мозг является вычислительным устройством особого типа, которое выполняет специфические алгоритмы обработки информации, приводящие к значительному сжатию входного потока данных. При этом, сущность обработки сенсорной информации связана с формированием в структурах мозга устойчивых образова­ний, состоящих из нескольких десятков нейронов, а возможно и еди­ничного нейрона, которые фактически являются эквивалентами огром­ного объема (10⁸-10¹⁰ бит) информации. Именно такие «гностические» (по определению Конорского) нейроны являются коррелятами пси­хологического понятия «образ». Взаимодействие «гностических» ней­ронов приводит к вовлечению в информационный обмен практически одновременно (за время менее 100 млс) огромного количества информа­ции, которое современные компьютеры не в состоянии обработать за многие часы работы. Одновременное взаимодействие больших объемов строго организованных конгломератов данных, адекватных реалиям внешней среды, и позволяет мозгу получать резуль­таты, качественно недоступные современным вычислительным уст­ройствам.

Реализация биологических способов обработки данных в технических устройствах неизбежно приведет к тому, что интеллектуальная мощь машинного разума намного превзойдет интеллектуальные возможности мозга человека. Построение сложных информационных моделей внешней среды в машинном сознании, основой которого будут «образы» объектов реального мира и отношения между ними, откроет возможность создания в системах ИИ абстракций, которые до настоящего момента являются интеллектуальной собствен­ностью человека.

Считаем, что не исключена возможность созданная в обозримом будущем ис­кусственного разума, обладающего свойством самосознания. Реализа­ция указанных возможностей, в соединении со способностью к сверх­быстрым математическим вычислениям, а также с возможностями полу­чения огромного объема информации из внешней среды позволяет се­годня выдвинуть гипотезу о реальной возможности создания искусс­твенного «сверхразума». Такие системы ИИ смогут ориентировать­ся в законах мироздания, общаться с человеком на естественном языке, понимать свою роль и место в системе социальных отношений, а также, мы надеемся, абсолютную ценность человека в окружающем мире. В этом случае компьютерный разум не выйдет за границы усилителя интеллектуальных способностей человека.

Заме­тим, что понимание сущности законов обработки информации в нейронных структурах мозга, определение смысла нейродинамической ак­тивности при формировании когнитивных кодов, а также способов формирования «образов», по всей видимости, позволит общаться с сис­темами ИИ на естественном языке мозга. Очевидно, при таком «обще­нии» будет достигнута максимальная скорость обмена информацией между естественным и искусственным интеллектом. Это, во-первых, приведет полному раскрытию интеллектуальных способностей мозга, во-вторых, позволит рассматривать подобные системы ИИ как функци­ональный отдел мозга, предназначенный для проведения «чистой» ин­теллектуальной деятельности. Быстрое накопление и использование знаний при внедрении таких систем полностью изменит характер нашей цивилизации. Направления этих изменений сегодня мы предвидеть не в состоянии. Будем наде­яться, что такие понятия как «добро», «справедливость», «мораль», «гуманизм» сохранят свое значение и ценность для новых поколений людей в новом информационном обществе.

Однако, по нашему глубокому убеждению следует отказаться от попыток спроецировать модель мира, созданную в компьютерном соз­нании, на искусственную эмоциональную сферу, что может привести к непредсказуемым последствиям. Искусственный интеллект не должен иметь собственной воли, собственных побудительных мотивов к дейс­твию и собственных моральных оценок.

 

 

 

В заключение привожу подборку, коротко характеризующую современное состояние знаний о работе мозга.

 

1.Предложена, формальная модель работы мозга, основанная на принципе предсказания. Пусть {<М,Р,Э>} - множество всех потребностей, где М - мотивация, Р - конечный результат (подкрепляющий раздражитель), Э - закрепляющая эмоция. Так как каждая вероятностная закономерность “вырабатывается” единственным набором <М,Р,Э>, то множество {<М,Р,Э>} разбивает все множество вероятностных закономерностей PR на непересекающиеся группы PR(М,Р,Э). Множество всех групп {PR(М,Р,Э)} и есть все множество функциональных систем, обнаруживаемых мозгом. На основе этих множеств может быть разработана формальная модель работы мозга, вытекающая из принципа предсказания [1,2,3]. Можно показать, что все основные свойства ТФС и ИТЭ, а так же некоторых других теорий могут быть объяснены на основе данной модели [1,2,3].

1. Витяев Е.Е. Целеполагание как принцип работы мозга // Модели когнитивных процессов, Труды ИМ СО РАН (Выч. системы, 158), Новосибирск, 1997, с.9-52.

2. Витяев Е.Е. Вероятностное прогнозирование и предсказание как принцип работы мозга // Измерение и Модели Когнитивных Процессов, Труды ИМ СО РАН (Выч. системы, 162), Новосибирск, 1998, Стр. 14-40.

3. Витяев Е.Е. Формальная модель работы мозга, основанная на принципе предсказания // Модели Когнитивных Процессов, Труды ИМ СО РАН (Выч системы, 164), Новосибирск, 1998, Стр. 3-62.

 

 

 

2.Организация функциональных систем при целенаправленном поведении, осуществляется в соответствии с двумя принципами: последовательностью и иерархией результатов. Последовательность результатов выстраивается по принципу “доминанты”: “... всегда имеется ведущий параметр общей метаболической потребности - доминирующая потребность, наиболее важная для выживания особи, ее рода или вида. Она возбуждает доминирующую функциональную систему и строит поведенческий акт, направленный на ее удовлетворение. Удовлетворение ведущей потребности приводит к тому, что начинает доминировать другая важная для сохранения вида или рода потребность". По отношению к доминирующей функциональной системе все остальные функциональные системы выстраиваются в иерархию по принципу “иерархии Результатов”: “... по отношению к каждой доминирующей функциональной системе все другие функциональные системы выстраиваются в определенном иерархическом порядке … Иерархия функциональных систем... прежде всего включает иерархическое взаимодействие Результатов их действия, когда Результат деятельности одной функциональной системы входит в качестве компонента в Результат деятельности другой".

Судаков К.В. Общая Теория Функциональных Систем. М.: Медицина, 1984. с. 222.

 

 

Дискуссия на конференции “Нейроинформатика –2003” Москва, 29-31 января

http://wsni2003.narod.ru/papers.htm

 

В. Г. Редько

Какие нейросетевые парадигмы можно привлечь к моделированию адаптивного поведения и мышления?

По-видимому, при моделировании целостного адаптивного поведения совсем не обязательно делать привязку к реальным нейронным структурам мозга (??? – знак мой В.Б.). Скорее, более разумно конструировать модели, используя нейросетевые блоки с хорошо известными свойствами. Здесь мы отметим только пару возможностей такого конструирования.

Например, в проекте "Мозг анимата" для моделирования прогноза между текущей и последующей ситуацией предлагается использовать блоки гетероассоциативной памяти, обучаемые с помощью метода обратного распространения ошибки. Отметим, что это аналогично использованию ассоциативной памяти в прогнозирующем модуле в работе (верхняя часть рис.2).

Интересной представляется идея использования Хеббовских ансамблей для моделирования формирования понятий и логических связей между понятиями в базах знаний животных, примерно так, как это делается в работах Э.М. Куссуля с сотр.

Как часто говорят, наука 21-го века - биология. В биологии накоплен огромный эмпирический материал, который требует своего теоретического осмысления. Необходима теоретическая биология (нейрокибернетика!- В.Б.).  Здесь может быть вполне востребована научная культура исследований, которая была накоплена в физике и физиками. Как говорил Р. Фейнман, "нужны светлые головы, умеющие осмысливать эксперимент" (цитирую по памяти).

По-видимому, наиболее глубокая проблема теоретической биологии - проблема эволюционного происхождения интеллекта. Понятно, что эта проблема интересна сама по себе (скажем, даже для "человека с улицы") - действительно, интересно проанализировать, как в процессе эволюции развивались познавательные свойства биологических организмов. Кроме того исследования эволюции познавательных свойств важны с точки зрения осмысления глубокой гносеологической проблемы "почему наше человеческое мышление применимо к познанию природы?" Такие исследования могли бы прояснить причины возникновения познавательных способностей человека, и, в определенной степени, обосновать применимость нашего мышления в научном познании.

Т.е., на мой взгляд, исследование проблемы эволюционного происхождения интеллекта – именно то направление в современной (или будущей) науке, где мы можем ожидать наибольшего прогресса в развитии научного миропонимания.

 

О проекте «Анимат»

В.Ф. Соломатин

Мне … чужд формалистический дух проекта «Анимат». Я высоко оцениваю возможности формализации и строгих доказательств как метода научных исследований, но тут мы имеем иное. Делаются произвольные предположения там, где можно и нужно обосновать. Вводятся в рассмотрение формальные объекты и разные процессы, но не потому, что их введение помогает пониманию реальности. Теорией управления поведением автоматов и роботов я не занимался, но при построении теории процессов управления, протекающих в мозге, по моему мнению, очень полезно постоянно пытаться представлять себе, как соответствующие процессы протекают в реальном мозге и в его нейронных сетях. Здесь моё мнение тоже резко расходится с позицией авторов обсуждаемой статьи.

Меня удивляет, когда для объяснения биологических явлений используют модели, явно противоречащие известным экспериментальным данным; лучше уж вообще не строить модель, чем строить исходно порочную конструкцию. Как пример, можно здесь указать, что в статье К.В. Анохина с соавторами, предполагается использование (хотя и не названных) многослойных перцептронов. Мне уже давно хочется высказать всё, что я думаю о перцептронах. Исходная, почти ни на что не годная, модель Ф. Розенблатта была представлена им как модель механизмов мозга, и поэтому произвела фурор (людям хотелось выглядеть настолько умными, что они понимают мозг). Минский и Пейперт поставили трёхслойный перцептрон на место. Но потом появились многослойные перцептроны. Несмотря на то, что реальные нейронные сети мозга не могут обучаться так, как обучаются многослойные перцептроны, многие полагают, что в их перцептронных моделях происходит что-то подобное тому, что происходит в мозгу. Люди полагают, что там, где человек разумный не может написать компьютерную программу, эффективно решающую задачу, можно добиться её решения, тупо изменяя веса связей. Чаще всего перцептроны применяют для распознавания образов. В распознавании же образов главное — выявление структуры объекта. Но если в перцептроне, настроенном на распознавание одного штрихового изображения, сдвинуть изображение на одну клетку, то придётся его заново настраивать, потому что перцептрон реагирует не на структуру изображения. Если же нужна ассоциативная память — так и делайте ассоциативную память! Перцептрон же — это не устройство памяти; это "обучаемая" или настраиваемая сеть (мной выделен текст, с которым полностью согласен – В.Б.).

 Персептрон не может являться моделью работы всего мозга потому, что это - модель работы всего лишь входных анализаторов, в отрыве от мотивационных подкреплений и без соблюдения механизмов и условий образования связей.

Обсуждение доклада В.Белова (Gen) Доклад лежит здесь На главную Коломейко 1. Один образ? Это один гностический нейрон, или несколько? - если один, то как объяснить высокую живучесть мозга? (известны факты, когда потеря очень значительных объемов мозга практически никак не сказывалась на памяти и способностях)если их несколько, то к какому именно из этих нейронов производится обращение в каждой конкретной ситуации? Gen Образ - это иерархическая система нейронов. Уровни иерархии одномодальные сенсорные гностические нейроны - многомодальные сенсорные нейроны - абстракции первого уровня - ... - абстракции n-го уровня. На примере яблока это выглядит так. В зрительной коре образуется нейрон - "конкретное яблоко", затем все нейроны "конкретное яблоко", объединяются на нейроне - "абстрактное яблоко" , нейрон "абстрактное яблоко" объединяется с нейронами "вкус яблока" и нейроном "поверхность (шероховатость) яблока" , что приводит к образованию абстрактного нейрона "яблоко вообще" , который имеет входы по трем модальностям зрительной вкусовой и тактильной. Далее этот нейрон связывается с пространственной картой и создается простейшая цепочка нейронов яблоко - дерево - сад - и далее в зависимости от подробности карты . Таким способом при развитии мозга создается эмпирическая модель среды, которая начинает заполняться не только цепочками пространственных отношений, но и цепочками со свойствами объектов. Гвоздь-острый , нож острый , игла острая , острый больно и т.д. Далее на основе абстракций первого уровня ( яблоки ) начинается формирование абстракций второго уровня "плоды" , они еще сохраняют связь с сенсорными образами. На основе абстракций второго уровня образуются абстракции третьего уровня, например нейроны "плоды вообще" (просвещения, трудов, науки и т.д) . Они уже не имеют прямой сенсорной интерпретации, хранятся только в вербальном виде и используются только в контексте. То есть мы не можем использовать понятие "смысл вообще" , но можем оперировать с понятием "смысл песни" или "смысл фразы". Интересна гипотеза, что именно способность к вербализации позволяет человеку создавать абстракции высшего уровня. Но это к слову. Цепочки связанных нейронов и составляют образ. Образ может состоять из сотен нейронов. Естественно, что существует большое количество нейронов, входящих одновременно во многие цепочки. Они находятся на пересечении образов. !!! добавим, что такие образы формируются для всех усолвий, в которых происходит восприятие (ночью, в свете утреннего солнца, когда болит голова и т.п.) их невероятно большое число и потеря некоторых не заметна. Другими словами, образ это некоторое множество связанных между собой нейронов ассоциативной коры. Собственно нейрон коры является троичным элементом. Он может находиться в заторможенном состоянии, не реагируя на внешние сигналы, находится в рабочем состоянии, то есть подпорогового возбуждения или в активном состоянии - генерации импульсов. Коломейко 2. По каким принципам производится нахождение нужного гностического нейрона? (зафиксировать информацию несложно, сложно отыскать нужную информацию). Gen Я подошел как раз к этому вопросу. Нормальное сотояние образов - заторможенное. "Вход" в образ осуществляется при активизации нейрона, входящего в составляющие его цепочки. Это может произойти при активации сенсорных нейронов, может случится при воздействии со стороны блока вербализации, со стороны эмоционально-мотивационных центров и т.д. Одновременно могут возбуждаться нейроны, входящие в разные образы. Активизация нейронов (генерация импульсов) приводит к тому, что они переводят связанные с ними цепочки нейронов из заторможенного в рабочее состояние (не генерации!). То есть одновременно в рабочее состояние переводится несколько образов. Нейроны, стоящие на пересечениях получают входы от нескольких образов (минимум двух) и также переходят в активное состояние (генерации), переводя в рабочее состояние следующую партию образов. В процесс вовлекается и часть вербальных нейронов и сенсорных зрительных нейронов. Такой процесс мышления идет до получения результата и прихода сигнала торможения. Коломейко 3. Все ли гностические нейроны имею одинаковую природу и свойства? Или они отличаются (например, по емкости, размерам, долговременности хранения информации)? Gen Ассоциативной корой я не занимался, поэтому подробно сказать не могу. Нейроны по размерам в коре разные по размерам и форме, но это принципиального значения для информационной модели не имеет. Трех основных форм нейронов (пирамидных, веретенообразных и звездчатых)достаточно, чтобы выполнять операции в соответствии с описанной информационной схемой. Различные празмеры нейронов связаны, на мой взгляд, с особенностями эволюционного развития, с различной функциональной нагрузкой на разные отделы мозга. Долговременность хранения информации зависит от частоты ее использования. Имеется эффект забывания - распад синаптической связи без ее подкрепления. Коломейко 4. Что такое (с точки зрения Вашей теории) перевод информации из оперативной памяти человека в долговременную память человека? Gen Принципиально эти два вида памяти не отличаются. !!! действительно, и то и другое затрагивает одни и те же возбужденные ансамбли, разница лишь в том, что долговременное закрепление связей позволяет в дальнейшем моментально узнать (возбудить) ранее помнившийся кратковременно образ. Отбор объектов для записи в память проводят мотивационные и эмоциональные центры. Они при определенном внешнем воздействии на организм (или возникшей внутренней мотивации)вбрасывают возбуждающие медиаторы в межклеточное пространство. Сначала (при внешнем воздействии автоматически)возбуждаются нейроны нижних сенсорных уровней. При вбросе медиатора это позволяет запомнить стимул в оперативной памяти на нижнем уровне. Но, если медиатора достаточно много, то произойдет переход в рабочее состояние и нейронов ассоциативной коры, а при воздействии возбужденного сенсорного нейрона произойдет запись события в долговременную память - модификация образа (достройка нового нейрона в ассоциативные цепи, которые находятся в рабочем состоянии по контексту ситуации или текущему состоянию мыслительного процесса). Если медиатора недостаточно, то в коре этого не произойдет, но в течение некоторого времени он будет присутствовать в межклеточном пространстве и при повторе ситуации новый выброс медиаторов может довести его концентрацию до уровня, обеспечивающего запись в долговременную память. Оперативная память отличается от долговременной тем, что в ней происходит быстрый распад связей. Коломейко 5. Производится ли модификация гностических нейронов по мере изменения образа? Например, при детализации и усложнении образа? При частичном забывании (деградации) образа? При переводе образа из оперативной памяти в долговременную? и т.д.) Gen Из того, что я написал, наверное, уже понятно, что модификация гностических нейронов после их образования не происходит (не считая забывания). Детализация и усложнение образа происходит за счет достройки новых нейронов и образования новых пересечений . Основа этого процесса жизненный опыт. Доклад "Взаимодействие гностических нейронов приводит к вовлечению в информационный обмен практически одновременно (за время менее 100 млс) огромного количества информации, которое современные компьютеры не в состоянии обработать за многие часы работы. Одновременное взаимодействие больших объемов строго организованных конгломератов данных, адекватных реалиям внешней среды, и позволяет мозгу получать результаты, качественно недоступные современным вычислительным устройствам." Коломейко Очень не хватает, на наш взгляд, некой модели (желательно, наглядной), поясняющей Вашу теорию. Трудно понять почему и как именно тот или иной гностический нейрон вступает в связь с другими нейронами? Что собственно при этом происходит? Gen Об этом в общих чертах я уже написал. Скажу еще, что мозг - это слоеный пирог из нейронных слоев. Сенсорные слои приводят внешние воздействия к единичным нейронам _- идентификаторам объектов и свойств, а последующие нейроны выполняю только операцию объединения, создавая все более высокий уровень абстракций. А уже взаимодействие на уровне абстракций позволяет использовать большие объемы информации. Даже простая абстракция включает в себя большой объем информации. Попробуйте, например, представить, сколько информации содержится в абстракции яблоко. Коломейко 6. Распространяются некие информационные волны по объему мозга? Распространяются известные науке физические поля? Или неизвестные науке биологические поля? И почему одни гностические нейроны на эти поля никак не реагируют, а другие гностические нейроны изменяют свою структуру и эти поля? Как при этом различаются информационные сигналы от управляющих? Что является при этом элементами управления? Gen Существуют, конечно, ритмы мозга, которые обеспечивают некоторую синхронизацию взаимодействий функциональных центров. Мозг электрохимическая машина и управляется с помощью электрических синхронизирующих импульсов и специфических медиаторов-пептидов. Информационные сигналы это сигналы собственно нейронов, управляющие сигналы передаются медиаторами и воздействуют либо на синаптическую щель, либо на тело нейрона. Я не нейрофизиолог, поэтому о биохимической части работы мозга имею только общее представление. Но, принципиально, ничего загадочного здесь быть не должно. Основа работы мозга известные физико-химические взаимодействия и необходимости в особом биополе, на мой взгляд,при объяснении функционирования мозга нет. Inex По идеям доклада у меня особых вопросов нет (мы их с Вами долго обсуждали на другом топике и по электронной почте), так что вцелом я согласен. Особенно поддерживаю то, что выделено жирным в докладе. Однако, по самому докладу вопрос: какой основной смысл доклада, что именно Вы хотели сказать? Gen Этот доклад - одна из форм проверки новых идей. Inex В таком случае, мне кажется, что стоило подробнее описать модель ЗТ, так как в противном случае многие идеи для человека, незнакомого с этой моделью, могут показаться несколько голословными. Комбинатор По поводу смысла, я рискну ответить за Gen-а. Смысл доклада - достаточно популярное изложение состояния дел в области нейрокибернетики для всех, кто интересуется проблемами ИИ. Inex Мне показалось, что это _одна из_ проблем, которая описывается в докладе. Но это же не вывод. Вывод, например, нейрокибернетика полезна, ей надо заниматься, но мало кто этим занимается :)) Комбинатор Gen, Вы можете дать грубую оценку числа слоёв нейронов в зрительной системе человека, начиная от уровня предобработки, и кончая уровнем распознавания конкретного объекта? Gen Для построения инварианта формы объекта, включая запись в память, нужно восемь семь-восемь нейронных слоев, не считая слои, которые выполняют функции коммутаторов. morkoffkin Слоев 6. Gen Слоев только в зрительной коре 12, но не все они относятся к распознаванию morkoffkin Очень сильно обиделся. Не лучшая ссылка, но то, что я с ходу нашел: A model of computation in neocortical architecture Neural Networks 12 (1999) 989-1005 Давайте Вашу Gen Д. Хьюбел. "Глаз, мозг, зрение " Для справки скажу, что глаз имеет три слоя, НКТ шесть, зрительная кора 12, ассоциативная кора шесть. Поэтому уточните, о каких слоях Вы говорите. ...Долгий, нудный и не всегда корректный спор Комбинатор Главное, что их можно пересчитать по пальцам... рук и ног :) А это уже даёт реальный шанс на прямое воспроизведение алгоритмов их функционирования в системе, имеющей весьма ограниченную сложность! Вот если бы их было нескольео тысяч, то перспективы в этом направлении были бы гораздо менее оптимистичными... Наглый змий Неа. Вон у перцептрона всего 3 слоя, а реализовать он может любую функцию (почти:) Тут важно не сколько слоев, а важно определить характер соединений. А сделать это трудно из-за одностороннего движения сигналов. Андрей Плахов Gen, правильно ли я понял, что одно из основных предположений доклада - существование т.н. гностических нейронов? Я не совсем понял, какими доказательствами их существования Вы располагаете - это расчеты требуемого быстродействия и энергетических затрат? Если да, то на каком уровне строгости эти расчеты существуют? Или есть что-то еще в поддержку такой гипотезы? Gen Совсем нет. О гностических нейронах речь идет уже лет двадцать. Есть даже некоторые экспериментальные подтверждения. Андрей Плахов Тогда проверка каких именно новые идей осуществляется? Иначе говоря, какие положения доклада являются новыми предположениями, а какие - просто обобщениями Ваших знаний о нейрокибернетике? Gen Коротко, идея о трехмерной нейронной (!) вычислительной среде и новых способах организации вычислительного процесса. Андрей Плахов Как Вы видите, какая нам с этого практическая польза? :) Какие идеи Вы бы посоветовали "украсть " у такой организации вычислений? Какие модели полезно было бы построить, чтобы что-то прояснить? И т.п. Если это пока неизвестно, на каких исследованиях, по-Вашему, стоило бы сосредоточиться, чтобы это выяснить? Gen Идеи я изложил в статье, а практическая польза у каждого может быть своя. Дело в том, что в этом подходе много аспектов: медицинский, технический, естественнонаучный...Каждый может выбрать свое. Комбинатор Присутствуют ли в зрительной системе обратные связи от высших слоёв к низшим, или инфрмация распространяется подобно волне (возбуждения нейронов) строго снизу-вверх? Gen Присутствуют. Я переадресую вопрос к Inex'у. Это одна из его любимых идей:) Inex А теперь моя очередь рисковать отвечать за Gen'а. И ответ: да. :)) Типа, адаптивный резонанс. Иван FXS Существует ли ЭМПИРИЧЕСКОЕ доказательство, что в мозге имеется КОНКРЕТНЫЙ нейрон "ответственный" за понятие яблока? Если да, то какова МЕТОДИКА доказывания подобных утверждений: например, можно ли этот нейрон искусственно стимулировать, чтобы человек "ощутил" яблоко? Gen Существует, не только для яблока, но и для совкупности зрительных картин. Иван FXS Сорри, я не удовлетворен ответом: КАК это доказывается? Gen Вводят электрод в нейрон, и в голове у человека возникает строго определенная картина. Правда, об этом говорит сам испытуемый. Наглый змий А Вы именно это имели в виду, когда говорили, что существуют нейроны, отвечающие за детектирование фигур типа треугольников? Gen И это тоже. Для таких нейронов существует строгая математическая модель. Андрей Плахов Хм... где почитать? Gen Я перешлю Вам описание. Комбинатор На Ваш взгляд, целесеобразна ли была бы попытка воспроизвести архитектуру нейронных слоёв обработки зрительной информации аппаратно, с помощью специализированных электронных плат, наподобии существующих в настоящее время плат для визуализации трёхмерных реалистичных изображений? Сможет ли такая плата, подключённая, например, к веб-камере, вывести процесс распознавания компьютером сцен реального мира на качественно иной уровень? Gen Целесообразно, и конечно сможет. Время обучения и распознавания среды можно перевести как минимум на уроверь наносекунд. Комбинатор Каково примерное число карт первичных признаков изображения, с которыми работает зрительная система на самом нижнем уровне? Я имею в виду информационные поля, несущие информацию о диспартности, цвете, яркости, контрастности и т.д. Сколько примерно признаков формируется из этих первичных признаков на втором, третьем, и последующих нейронных слоях? Каков примерно "коэффициент увеличения признаков " при переходе от слоя к слою? Gen Подробнее модель ЗТ лучше обсуждать по мейлу. Не имеет смысла говорить о частностях, если нет структуры. vk Какую реализации "трехмерной НС " Вы считаете наиболее перспективной -- аппаратную или программную? Gen Аппаратную, но программная тоже будет достаточно эффективна. Inex Два вопроса. Первый: знаете ли Вы успешные применения нейрокибернетического подхода к другим проблемам ЕИ (то есть, не только к зрительному тракту)? Второй: насколько лучше или хуже результаты работы программ, построенных в нейрокибернетике с аналогичными, построенными из чисто математических соображений и эмпирики? Или эта проблема отходит на второй план, а основной задачей является именно воссоздание участка человеческого мозга, а не построение эффективной программы? Gen Первый: Не знаю, возможно их нет. Второй: Для тех программ распознавания, которые построены на основе рассматриваемой модели ЗТ "эвристических " аналогов нет. yuri-at-cloud - "Облако в штанах" А вот такой вопрос, чем принципиально отличается описанная иерархическая гностическая сеть (я правильно акцентировал её свойства?) от универсальной базы знаний - i.e. OpenCyc? Где в ней "активный центр ", побуждающий систему активно манипулировать окружающим миром, накапливать опыт, строить новые обобщающие связи, думать и мечтать? Что говорит нейрокибернетика по поводу архитектуры всей системы? Можно ли уже сейчас построить "игрушечный ИИ ", который будет совсем как настоящий - но с рецепторами на десяток бит и парой/тройкой исполнительных органов? Какой сложности (например - сколько уровней иерархии) можно ожидать модель мира у такого ИИ? Gen Очень много вопросов. Отвечу коротко. Предлагается другой способ создания структурных элементов, с которыми манипулирует НС. yuri-at-cloud - "Облако в штанах" Мой вопрос можно сформулировать покороче: В этом ли направлении нужно копать, чтобы создать полноценный АИ? НС - инструмент распознавания. НС построенная по модели "глаз мозг зрение " - тоже только инструмент распознавания, улучшенный. Но ИИ значительно шире задачи распознавания... Где та компонента, которая превратит систему распознающую в систему интеллектуальную? Gen В докладе я об этом написал. Модель среды+модели объектов и явлений в памяти=рекция на внешние воздействия. Андрей Плахов Если можно, я буду плавно переходить от обсуждения распознавания к обсуждению мышления. Как Вы думаете, какой аналог понятия "мотивации " есть в такой модели мозга? Как происходит выбор лучшего варианта действий из множества возможных? Gen Аналогом мотиваций в ИИ должен быть "блок целевых функций". Андрей Плахов Что это? Как он формируется? yuri-at-cloud - "Облако в штанах" Вот, мои сомнения более четко сформулировал А.Плахов - где мотивация? Если отвлечся от проблем распознавания зрительной информации, запрограммировать простейшие органы чувств - достаточно ли у нас знаний, чтобы формализовать тот самый магический остаток, и получить ИИ. Gen Он формируется в зависимости от целей создания ИИ. Например, это может быть -создать карту среды и выработать стратегии для решения поставленных задач. В этом случае могут быть определены подцели и алгоритмы обучения ИИ. Комбинатор Если я правильно понимаю, имеется в виду, что он не формируется в процессе функционирования систнеы, а задаётся программистом изначально. Это некий аналог генетически заложенных инстинктов. Андрей Плахов Нет-нет, я пока еще не об ИИ. Мне интересно, что будет представлять собой "блок целевых функций " в предлагаемой модели мозга, и как он будет формироваться. Андрей Плахов Хм... ок. Так как этот блок используется? Или утверждается, что все мышление сводится к сложным условным рефлексам, после чего происходит "перебор решений "? Комбинатор Я считаю, что в конечном итоге, именно так. Для достижения изначально заложенных целей система может сама ставить себе подцели, но изначальная "целевая функция " должна быть задана априори извне. Андрей Плахов Это-то понятно. Предположим, "условные рефлексы " помогают нам предсказать вид "функции счастья " при разных вариантах наших действий. Но как происходит "обращение функции " (точнее, поиск максимума) - перебором? И вот это не понял: "система может сама ставить себе подцели ". В нарисованную картину как-то не укладывается - подцель это просто нечто, сильно коррелирующее с целью, так, что ли? А как временную задержку моделировать? Комбинатор Если ситуация нестандарная - то перебором, управляемым ассоциациями, возникающими у нас при анализе других ситуаций, в чём-то схожих с текущей. Подцель, это, например, цель достижения ситуации, для которой система уже знает "стандартное решение, приводящее к финальной цели ". Напрмер. Цель игры в шахматы - поставить мат. Система уже знает алгоритм, как матовать короля ферзём и королём. Получение соотв. инварианта на доске может быть её подцелью. Далее, система знает "правило квадрата " для проходной пешки, и знает, что данная ситуация может быть сведена к стандартной ситуации король и феррзь против короля. Значит получение позиции с проходной пешкой может быть одной из её подцелей. В результате, пользуясь методом "подцелей ", она может увидеть свой выигрыш, "горизонт событий " которого намного превышает возможности полного перебора всех ходов. Примерно так же действует и человек в различных ситуациях, когда максимум не может быть получен перебором "в один ход ". Inex Как в нейрокибернетике происходит построение модели участка нейронной сети? Естественно, что все опирается на экспериментальные данные, но этого не достаточно. Как происходит обобщение этих данных? Gen Строгой методологии нет. Inex Откуда тогда может быть уверенность, что построенная по интуиции модель верна? Gen Уверенность только из соответствия экспериментальным данным. Inex То есть, если человеческая зрительная система подвержена иллюзиям, то компьютерная программа, моделирующая работу ЗТ человека тоже должна глючить? :)) Ладно, это действительно был не особо конструктивный вопрос. И тем не менее, можете ли Вы что-нибудь рассказать о методологии нейрокибернетики? Egg Строгой методологии нет вот с этого момента по подробнее, пожалуйста... что ИМЕННО имеется виду? Gen Имеется ввиду, что общего подхода к формализации процессов преобразования информации нет. По большому счету, нейрокибернетики как теоретической науки пока не существует. Есть набор подходов. Основа - анализ фактов, создание гипотезы и синтез моделей. Кто-то угадывает лучше, кто-то хуже.