Читать онлайн «Шпаргалка по концепциям современного естествознания». Страница 27

71. ПРОБЛЕМА СОЗДАНИЯ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА. НЕЙРОННЫЕ СЕТИ

В последнее время активно ведутся также работы по построению моделей обработки информации в нервной системе. Большинство моделей основывается на схеме формального нейрона У. МакКаллока и У. Питтса, согласно которой нейрон представляет собой пороговый элемент, на входах которого имеются возбуждающие и тормозящие синапсы; в этом нейроне определяется взвешенная сумма входных сигналов (с учетом весов синапсов), а при превышении этой суммой порога нейрона вырабатывается выходной сигнал.

В моделях уже построены нейронные сети, выполняющие различные алгоритмы обработки информации: ассоциативная память, категоризация (разбиение множества образов на кластеры, состоящие из подобных друг другу образов), топологически корректное отображение одного пространства переменных в другое, распознавание зрительных образов, инвариантное относительно деформаций и сдвигов в пространстве решение задач комбинаторной оптимизации. Подавляющее число работ относится к исследованию алгоритмов нейросетей с прагматическими целями.

Предполагается, что практические задачи будут решаться нейрокомпьютерами – искусственными нейро-подобными сетями, созданными на основе микроэлектронных вычислительных систем. Спектр задач для разрабатываемых нейрокомпьютеров достаточно широк: распознавание зрительных и звуковых образов, создание экспертных систем и их аналогов, управление роботами, создание нейропротезов для людей, потерявших слух или зрение. Достоинства нейрокомпьютеров – параллельная обработка информации и способность к обучению.

Несмотря на чрезвычайную активность исследований, многое в них настораживает. Ведь изучаемые алгоритмы выглядят как бы «вырванным куском» из общего осмысления работы нервной системы. Часто исследуются те алгоритмы, для которых удается построить хорошие модели, а не те, что наиболее важны для понимания свойств мышления, работы мозга и для создания систем искусственного интеллекта. Задачи, решаемые этими алгоритмами, оторваны от эволюционного контекста, в них практически не рассматривается, каким образом и почему возникли те или иные системы обработки информации. Настораживает и упрощенность понимания работы нейронных сетей. Ряд исследователей рассматривает нейрон как значительно более сложную систему обработки информации, предполагая, что основную роль в обучении играют молекулярные механизмы внутри нейрона. Все это указывает на необходимость максимально полного понимания работы биологических систем обработки информации и свойств организмов, обеспечиваемых этими системами. Одним из важных направлений исследований может быть анализ того, как в процессе биологической эволюции возникали «интеллектуальные» свойства биологических организмов.

Распознавание образов, сжатие информации, ассоциативная память – эти функции являются необходимыми для различных устройств с искусственным интеллектом. И создатели компьютерной техники уже достаточно продвинулись в этом направлении. Так, если сравнивать мощность искусственных и естественных нейросетей по емкости памяти и скорости работы, то искусственные нейро-сети уже превзошли уровень мухи, хотя еще не достигли уровня таракана.

Процесс познания человеком мира вышел на новый виток. И этот новый уровень связан с разработкой и реализацией комплексной проблемы «виртуальная реальность» (Virtual Reality), активно развивающейся в США, Японии и Европы. Важным отличием «виртуального» подхода от предыдущих методов компьютерного моделирования процессов, происходящих в сложных системах, является возможно более полное использование знаний об особенностях поведения человека, о человеческом мозге, о процессах обработки образной информации, о взаимодействии сенсорных каналов (зрительного, слухового, тактильного и пр.), о формировании у нас обобщенного образа мира.

Любое попадание на новый уровень – результат глубокой проработки и обобщения результатов работы на предыдущих уровнях. Поэтому в проблеме «виртуальной реальности» существенное место занимает цветная и трехмерная графика, интерактивные системы общения человека и машинны.

Использование полисенсорной информации и обратных связей привело к невиданному прогрессу в разработке аппаратуры (видео-, аудио-, сенсоров-шлемов, специальных перчаток с датчиками)и программных средств. Все это позволяет в реальном масштабе времени создать «эффект присутствия» как в глубине образа, так и на его поверхности, анализировать и отображать полученные знания с различной степенью детализации образа, интенсификации проявления различных его свойств, в различных ракурсах.

Первостепенную роль в разработке проблемы «виртуальной реальности» играют такие особенности «человеческого фактора», знания о которых получаются в результате нейропсихолингвистических исследований. К подобным особенностям относятся, в частности, обработка полисенсорной (иногда еще ее называют полимодальной) информации, адаптивная обратная связь, «взгляд изнутри» на объект, специфика механизмов межполушарной асимметрии мозга.

При изучении процессов восприятия человеком знаний о мире больше внимания традиционно уделялось этапам восприятия, формирования и, конечно, их компьютерному представлению. В настоящее же время на передний план выходят проблемы понимания и интерпретации знаний, полученных по различным сенсорным каналам (имеются в виду цветовые оттенки, шероховатость поверхности, трехмерное полизвучание и т. п.).

Подход к познанию мира, основанный на виртуальной реальности, предполагает отображение знаний в «кибернетическое пространство»(cyberspace)с учетом специфики человека на основе «левополушарной» (логико-комбинаторной) и «правополушарной» (целостной) стратегии обработки информации. В соответствии с «левополушарным принципом» реализуются сканирование по экрану, обход образа по контуру и логико-комбинаторная, численно-аналитическая и вероятностная обработки. «Правополушарный принцип» позволяет осуществить целостный охват входного паттерна на основе оценки многосвязности. Поэтому важным фактором в создании систем виртуальной реальности является использование нейросе-тевых моделей. Еще одной гранью «виртуальной реальности» являются формализованные рассуждения субъекта, основанные на его личностных представлениях о добре и зле, красоте, возможном и недопустимом, отображение этих рассуждений в cyberspace.

В последние десятилетия биология переживает период бурного развития, многие мыслители современности даже говорят о вступлении человечества на третий, «биологический» виток развития науки, когда большинство дисциплин будет иметь «биологический окрас».

Претерпев длительное историческое развитие, к XX в. биология пришла как мощная и разветвленная область научного знания, дифференцирующаяся на ряд дочерних дисциплин, обретших статус полновесных самостоятельных областей. В настоящее время к биологическим дисциплинам причисляют более 200 самостоятельных ветвей научного знания.

Необходимость решения поставленных научных задач требует значительных усилий во всех областях науки, одновременно признаком развития любой науки является возникновение межпредметных связей. Это обусловлено тем, что различные науки отражают различные стороны одной и той же объективной реальности, соответственно, для построения более полной картины окружающего мира логично и более того необходимо развитие новых подходов, возникающих на стыке различных дисциплин. Процесс интеграции – объединения знаний, возникновения смежных дисциплин, происходит параллельно и взаимосвязанно с процессом дифференциации знаний. В этом нет логического противоречия. Это и является причиной того, что наряду с такими классическими дисциплинами, как зоология или ботаника, нам все чаще приходится слышать о биотехнологии, социальной экологии, космической биологии и т. п.

Синтез и обобщение данных многих научных областей отражается и в арсенале методов исследования современной биологии, лежащих в русле системного подхода, сочетающих натурные наблюдения, эксперимент и моделирование. Соответственно целям и задачам множества направлений биологии набор методов исследования чрезвычайно велик, можно привести лишь самые распространенные, среди них:

– режимные систематические (мониторинговые) наблюдения за состоянием природных объектов и процессов;

– аналитические исследования природных и искусственных (техногенных) объектов;

– исследования морфологических параметров природных объектов;

– статистические методы оценки процессов и явлений;

– дистанционные методы исследований;