Искусственный интеллект и нейронаука.

Если подвести некоторые итоги «более чем полувековой деятельности ИИ» как области кибернетики, то они, безусловно, грандиозны. Фактически ИИ – это одна из тех научных дисциплин, развитие которых напрямую связано с созданием и совершенствованием ЭВМ и информатики в целом.

Начало «эры ИИ» обычно связывают с именами А. Ньюэлла, Г.Саймона и Дж. Шоу, которые в 1957 г. первыми на ЭВМ IBM-704 реализовали программу «Логик-теоретик», доказывающую теоремы в рамках формализованного исчисления высказываний [10]. Вскоре, помимо программ типа «Универсальный решатель задач» [3], последовали программы, доказывающие теоремы школьной геометрии (Г. Гелернтер, 1960, [11]), сочиняющие стихи или музыку [3], а также целая иерархия всевозможных шахматных программ [12], которые, на сегодняшний день, обыгрывают чемпионов мира. С появлением специализированных ИИ-систем началась практическая реализация теоретических предпосылок ИИ в виде всевозможных экспертных систем, систем общения или коммуникаций [13], а также в государственном планировании и ситуационном управлении [14-16].

Однако, возникший поначалу чрезмерный оптимизм, касающийся возможностей ИИ [17;18], постепенно принимал реальные формы, т.к. становилось понятно, что опора на логику и дискретную математику дает программное обеспечение для решения задач, круг которых оказался не столь широким, как ожидалось. Во многих случаях формализация процедур оценки ситуации и выработки решения оказалась непомерно сложной. Например, одним из принципиальных моментов, заставивших США в свое время отказаться от системы полномасштабной ПРО с элементами космического базирования (программы «звездных войн»), оказались трудности создания надлежащего программного обеспечения, т.к., по оценкам экспертов [19], объем работы по созданию такой системы оценивался в сотни тысяч человеко-лет работы высококвалифицированных специалистов.

Таким образом, дальнейший прогресс в области психологии требовал новых подходов и принципов, которые могли обозначиться при несколько иных взглядах при оценке деятельности мозга и, прежде всего, в его феноменальной способности находить быстрые и достаточно эффективные решения по неполной информации. Для этого потребовалось взаимодействие нескольких научных дисциплин, среди которых нейрофизиология, биохимия, когнитивная психология, математика, компьютерные науки, на основе которых сформировался новый междисциплинарный подход, именуемый нейронаукой или нейродинамикой [20].

Быстрому развитию нейродинамики способствовали, главным образом, два фактора. Во-первых, это успехи в области биологии, точнее микробиологии. За последние 40 лет эта наука шагнула настолько, что в ряде важных случаев удается проследить путь от взаимодействия отдельных молекул в нервных клетках (нейронах) до реакции организма как целого, и появилась надежда проследить такой путь для процессов, связанных с психическими функциями. И, во-вторых, это успехи в исследовании нелинейных математических моделей динамики [20;21], которые стали возможными благодаря развитию компьютерных наук. Данные исследования дают основания полагать, что восприятие, обучение, мышление, другие функции мозга обусловлены коллективными процессами, приводящими к согласованной работе ансамблей достаточно просто устроенных нервных клеток – нейронов. Самоорганизация таких ансамблей (нейронных сетей) является ключом к пониманию функций мозга.

Заметим, что основной объект нейродинамики – нейронные сети, является подходящим инструментом для моделирования всевозможных нелинейных систем в физике, технике, биологии, социологии и т.д. Нейронные сети, как представляется, можно также использовать и в педагогике, например, в некоторых прогрессивных моделях обучения, т.к. некоторые данные указывают на то, что в мозге реализованы исключительно эффективные алгоритмы обучения нейронных ансамблей, обеспечивающие оптимальную коррекцию и самонастройку программ [20]. В этом случае алгоритмы обучения нейронных сетей в зарубежной литературе иногда называют «искусственной психикой» (намекая на генетическую связь с искусственным интеллектом), а само направление работ в этой области – «коннекционизмом» (от англ. to connect – связывать).

 

11.2. Мозг – как функциональная система.

Человеческий мозг является наиболее совершенным творением Природы, созданным в процессе эволюции, представляя универсальный (т.е. многофункциональный) преобразователь поступающей информации, предназначенный для выработки адекватного поведения человека при взаимодействии с окружающей действительностью. Тот факт, что в процессе эволюции происходило все большее проникновение человека в сущность естества, явно свидетельствует в пользу того, что человеческому мозгу по силам реализация весьма эффективных алгоритмов собственного совершенствования (обучения). В эпоху стремительной информатизации человеческого бытия подобные алгоритмы представляют громадный интерес, а потому старый сократовский тезис «познай самого себя» сейчас оказывается, на удивление, актуальным в буквальном смысле.

Методология описания психофизиологического поведения мозга предложена П.К.Анохиным [22] на основе теории функциональных систем (ФС). По современным данным, мозг содержит нейронов, из которых формируются так называемые колонки – функциональные модули, пронизывающие кору мозга, и, включающие примерно 100 000 нейронов, так, что, в целом, мозг представляет сложную нейросетевую структуру [20], [23]. Элементы сети – нейроны (нервные клетки) представляют собой морфофункциональные единицы центральной нервной системы человека и животных, через которые передается информация по сети посредством цепочки последовательных электрохимических процессов. Информационные импульсы, поступившие к нейрону одновременно, суммируются и, если суммарный импульс при этом превысит некоторое пороговое значение (потенциал действия), то данный нейрон возбуждается, формирует собственный импульс и передает его дальше другим нейронам и т.д. Важно отметить, что веса нейронных связей (синапсов) могут изменяться со временем и, следовательно, меняется поведение соответствующих нейронов и нейронных сетей в целом.

Как преобразователь электрических сигналов, нейрон является типичным нелинейным элементом, действующим по принципу блокинг-генератора: «все или ничего», т.е., если нейрон получает сигнал на уровне потенциала действия, то он генерирует некоторый «стандартный» импульс, который поступает на вход последующих нейронов сети; в отсутствии потенциала действия нейрон молчит (фаза покоя). Кроме того, особенность работы блокинг-генератора такова, что частота генерации потенциала действия при возбуждении нейрона ограничена сверху (~200 гц [20]; ~300800 гц [23]) и лимитируется рефрактерным периодом нейрона (~0,001 сек), наступающим сразу после прохождения возбужденного импульса, и, характеризующимся полным отсутствием реакции нейрона на внешнее воздействие.

11.3. Нейросетевые модели мозга: требования, описания и