| О проекте | Главная | Оставить сообщение | Адрес для связи: tbam1@rambler.ru |

            Создание искусственного интеллекта (ИИ) подобного естественному интеллекту (ЕИ) или имитирующему хотя бы по наиболее простым функциям ЕИ зависит в первую очередь от адекватности описания ЕИ, его элементов и принципов их функционирования. В настоящее время считается, что из всех предложенных моделей ИИ, имитирующих ЕИ лучшими являются искусственные нейронные сети (персептроны).

            В статье "А, робот должен видеть сны?" уже рассматривались недостатки искусственных нейронных сетей, как устройств имитирующих мозг и его работу. В частности было обращено внимание на несоответствие искусственной нейронной сети естественному мозгу по хранению всей информации непосредственно в пороговых логических элементах (имитирующих нейроны) сети, необходимости сверхбыстрого изменения порогов срабатывания пороговых логических элементов сети, сложности записи в искусственную сеть дополнительной информации, узкой специализации, маленькому объему памяти сети. Отмечалась важность изначального формирования предопределенной структуры мозга и ее фактическая неизменность после окончания формирования.

            Для целей моделирования ЕИ из перечисленных недостатков наибольшее значение имеет отсутствие у искусственной сети внешней памяти и соответственно отсутствие возможности получения и обработки информации из внешней памяти. Это принципиальное отличие, которое, несомненно, привело и, будет приводить в дальнейшем к существенным различиям в принципе работы естественной нейронной сети мозга и искусственной нейронной сети.

            Необходимо отметить, что существуют и другие принципиальные отличия, предлагаемых на сегодня, искусственных нейронных сетей от естественной. Так искусственные нейронные сети состоят из однотипных пороговых логических элементов, тогда как в естественной нейронной сети присутствуют нейроны разного типа: возбуждающие нейроны, тормозные нейроны, нейроны генераторы – одиночные нейроны, способные самостоятельно генерировать периодические сигналы (осуществлять колебания своего потенциала) и др.

            Справедливости ради отметим, что предлагались искусственные нейронные сети, в которых по заявлению разработчиков использовались элементы, имитирующие тормозные нейроны. Хотя принцип их применения не похож на применение тормозных нейронов в ЕИ, а сами эти элементы очень схожи с элементами, имитирующими возбуждающие нейроны. При этом нейроны генераторы почему-то в искусственных нейронных сетях не используются. Видно решили превзойти природу. Она без нейронов генераторов обойтись не смогла, а разработчики ИИ смогли.

            Таким образом, в основном искусственные нейронные сети отличаются друг от друга только схемами соединения между собой однотипных пороговых логических элементов, а естественная нейронная сеть мозга кроме этого характеризуется еще и разнообразием типов используемых в сети нейронов.

            Сказанное наводит на мысль, что все предпринятые попытки создания искусственных нейронных сетей, по сути, подобны тому, как если бы, например, пытались бы воссоздать радиоприемник, используя только один тип радиодеталей, скажем транзисторы. И вот и так и эдак соединяем мы эти транзисторы, а радиоприемник не работает.

            Кроме этого наблюдается существенная разница на то, как реагирует ЕИ на отсутствие сигналов от рецепторов и на то, как реагирует искусственная нейронная сеть на отсутствие входных сигналов. Если на входы в искусственную сеть сигналы не поступают, то и реагировать на это она никак не будет, а вот ЕИ реагирует. Действительно, если поместить человека в абсолютно темную комнату, то несмотря на то, что зрительные рецепторы от внешних воздействий не возбуждаются человек все равно отлично осознает и распознает эту конкретную ситуацию.

            Таким образом, если считать, что при возбуждении рецептора возникает 1-ничный сигнал, а при отсутствии возбуждения 0-левой и обозначить сигнал от рецептора как x, а сигнал из памяти как y, то можно предположить, что при восприятии информации (на этапе сравнения поступающей из вне информации с информацией, сохраненной в памяти) ЕИ реализует следующую функцию:

            Существующие искусственные нейронные сети принципиально не могут реализовать подобную функцию, так как у них не предусмотрена работа с внешней памятью и отсутствует какая либо реакция на нулевой вход.

            Известно, что мозг связан с огромным количеством однотипных рецепторов, которые в зависимости от наличия внешних воздействий находятся, либо в возбужденном состоянии, либо не в возбужденном состоянии и соответственно, если рецептор возбуждается, то от него поступает сигнал в естественную нейронную сеть. Исходя из этих фактов, можно предположить, что для первичной обработки этих сигналов естественная нейронная сеть содержит однотипные нейронные структуры, которые условно можно определить, как элементарные нейронные сети (подсети) первичной обработки единичного сигнала от рецептора (объекта). Причем количество этих структур, по всей видимости, должно соответствовать количеству рецепторов организма. Это, как минимум, а с учетом организации параллельного сравнения с большим количеством объектов, хранящихся в памяти и даже намного больше общего количества рецепторов.

            Как, предположительно, может примерно выглядеть элементарная нейронная сеть первичной обработки единичного сигнала от рецептора, показано ниже на рисунке:

            Показанная на рис. 1 элементарная нейронная сеть первичной обработки единичного сигнала от объекта состоит из возбуждающего нейрона "О", принимающего сигнал от рецептора или самого являющегося рецептором, возбудимого нейрона "П", воспринимающего сигнал из памяти, нейрона генератора "М", двух тормозных нейронов "Т" и трех возбудимых нейронов "С1", "С2", "С3", осуществляющих суммирование сигналов и возбуждающихся при достижении порога возбуждения.

            Работает сеть следующим образом: Если от объекта и памяти в нейроны "О" и "П" одновременно поступают возбуждающие сигналы, то возбуждаются оба тормозных нейрона "Т". В результате сигнал от генераторного нейрона "М" на нейроне "С1" блокируется и нейрон "С1" не возбуждается. От двух сигналов от нейронов "П" и "О" возбуждается только нейрон "С2" , который в свою очередь возбуждает нейрон "С3". При этом нейрон "С3" посылает управляющий сигнал.

            Если от объекта и памяти в нейроны "О" и "П" одновременно не поступают сигналы, то нейроны "Т" и "С2" не возбуждаются, а нейроны "С1" и "С3" беспрепятственно возбуждаются от генераторного нейрона "М". В результате нейрон "С3" выдает управляющий сигнал.

            Если на нейрон "О" или "П" поступает только один возбуждающий сигнал, либо из памяти, либо от объекта, то происходит возбуждение одного из тормозных нейронов "Т", что блокирует возможность возбуждения нейрона "С1". На нейрон "С2" приходит только один возбуждающий сигнал из двух возможных, что недостаточно для возбуждения нейрона "С2". В результате не возбуждается и нейрон "С3". Соответственно от нейрона "С3" не выдается управляющего сигнала.

            Рассматриваемая элементарная нейронная сеть первичной обработки единичного сигнала может быть описана следующей математической моделью:

            где x – величина сигнала (потенциал) рецептора, воспринимающего объект; y – величина сигнала (потенциал) от памяти; [ ] – знак, обозначающий целую часть числа, т. е. предусматривает отбрасывание дробной части от результата вычисления выражения, стоящего в скобках: [ ].

            Необходимо отметить, что данная математическая модель правильно моделирует работу нейронной сети только в том случае, если x и y могут принимать только значения либо равные 0, либо равные 1. Рассматриваемую математическую модель удалось получить лишь благодаря использованию, так называемого, универсального уравнения. О том, что универсальное уравнение в состоянии адекватно описывать процессы, происходящие в ЕИ, уже рассказывалось в статьях: "А, робот должен видеть сны?" и "Распознавание образов: математический аппарат".

            Посмотреть, как работает, представленная на рис. 1 элементарная нейронная сеть первичной обработки единичного сигнала можно при помощи специальной программы, составленной на основе выражения (2). Программа позволяет увидеть, как по сети передаются сигналы в зависимости от различного сочетания входных сигналов.

            Исходя из анализа работы сети, становится понятным, что нейроны генераторы нужны для ввода в нейронную сеть возбуждающих сигналов при поступлении в нее от рецепторов и из памяти нулевых сигналов. И без таких нейронов генераторов просто не обойтись при распознавании образов путем их сравнения с имеющимися в памяти, что, собственно, постоянно осуществляет ЕИ.

            Так как все сигналы от всех рецепторов организма обрабатываются одновременно и в реальном времени, то с большой долей вероятности можно предположить, что элементарные нейронные сети первичной обработки единичного сигнала объединены в общую сеть, как это показано ниже на рисунке:

            Можно так же предположить, что для обеспечения необходимой скорости распознавания окружающего и оценки текущей ситуации, приведенная на рис. 2 сеть соединена с памятью параллельно, как показано ниже на рисунке:

            Такая сеть уже может одновременно сравнивать объект, отображенный в рецепторах с несколькими образами из памяти.

            Работа подобной сети была успешно смоделирована при помощи специальной программы распознавания рукописных цифр, которая была описана в статье "Распознавание образов: математический аппарат".

            Необходимо отметить, что приведенные на рис. 1, 2, 3 схемы нейронных сетей, конечно, являются упрощенными даже для предполагаемого варианта приблизительно соответствующего ЕИ. Так, в предлагаемых нейронных сетях никак не оговаривается вопрос механизма возбуждения памяти для передачи из нее сигналов в сеть для проведения распознавания и выработки решений. Скорее всего, каждый рецептор должен иметь свою "линию связи" для возбуждения нейронов управляющих процессом извлечения из памяти информации и передачи новой информации в память. И кроме этого можно предположить, что нейроны, управляющие процессом извлечения из памяти информации, соединены с нейронами генераторами для их возбуждения в условиях отсутствия сигналов от рецепторов.

            Эти дополнения в рассматриваемых нейронных сетях позволят имитировать в ИИ процесс самосознания, если снабдить ИИ рецепторами, воспринимающими информацию о состоянии систем и отдельных устройств ИИ, сновидения, процессы воспоминаний и их обдумывания. Ведь люди все время что-то вспоминают и строят прогнозы развития ситуаций, как реально возникших в реальном времени, так и воспроизведенных из памяти. Кроме этого возникает и реальная возможность имитации в ИИ таких экзотических процессов, как сверхвозможности мозга, выражающиеся в появлении у человека способности находить правильные решения в условиях дефицита информации, видеть без использования глаз, предвидеть будущее, извлекать информацию о прошлом, видеть срытые объекты (например, находящиеся за стеной или на значительном удалении, в запечатанных конвертах) и т. п.

            Однако для целей построения элементарной модели ИИ все эти уточнения пока не очень важны.

            Вообще, наличие достаточно адекватной математической модели (в виде уравнения (2)) участка нейронной сети, позволяет перейти к созданию математической модели ИИ как суммы большого количества уравнений вида (2) с добавлением к ним аналогичных по принципу формирования уравнений, обеспечивающих описание процессов принятия решений, вызова запомненных в памяти команд для аналогичных ситуаций и т. п. Такая математическая модель будет действующей, и ее вполне можно будет реализовать на компьютере.

            При таком подходе существует одна проблема. Практически все операции при просчете математической модели компьютером будут выполняться последовательно, что приведет к огромным затратам времени. Эти затраты времени, собственно и продемонстрировала программа, описанная в статье "Распознавание образов: математический аппарат". ЕИ так не работает. У него все процессы параллельны. Конечно, можно попытаться решить эту проблему путем создания большого количества процессоров, каждый из которых будет предназначен для решения уравнения вида (2) и снабдить эти процессоры независимой друг от друга возможностью считывать из памяти и записывать информацию в память.

            Таким образом, выходит, что для реализации ИИ потребуется фактически очень большое количество соединенных в сеть компьютеров. Пусть даже очень простых, но в целом такая система будет и сложной и дорогой. Воспользоваться же решениями, заложенными в ЕИ пока не удается, так как создавать искусственные биоматериалы аналогичные природным в обозримом будущем у нас вряд ли получиться.

            В настоящее время наиболее реален вариант, при котором осуществляется моделирование процессов происходящих в биологических клетках средствами современной электроники. Правда, для этого необходимо очень хорошо знать эти процессы и соответственно иметь адекватные эквивалентные электрические схемы, способные их воспроизводить. Составлять подобные эквивалентные электрические схемы, особенно для биологических мембран пытаются уже давно.

            Так, Г. Фрике еще в 1925 году показал, что биологическая мембрана ведет себя в опытах как параллельно соединенные электрические сопротивление и емкость, т. е. предложил эквивалентную электрическую схему биологической мембраны приведенную ниже на рисунке:

            При составлении эквивалентной схемы, приведенной на рис. 4 электрические характеристики мембраны определялись методом пропускания через взвесь клеток в электролите электрического тока разной частоты с последующим вычислением удельного сопротивления мембраны. Естественно, что столь приблизительные и усредненные измерения не позволили выявить структурные особенности мембраны и соответственно, полученная эквивалентная схема не могла способствовать объяснению принципов распространения возбуждающего сигнала по нервным клеткам. Если же схему, показанную на рис. 4 собрать, то работать она не будет. Во всяком случае, подобно биологической мембране.

            После того, как были обнаружены в мембране, так называемые, ионные насосы – специальные белки в мембране, перемещающие ионы натрия и калия. Выявлена роль ионов натрия и калия, калиевых и натриевых ионных каналов в формировании клеточных потенциалов покоя и действия. Были предложены более сложные, учитывающие структурные особенности мембран эквивалентные электрические схемы биологических мембран, которые приведены ниже на рис. 5 и 6.

            На рис. 5 и 6 были использованы следующие обозначения: С – электрическая емкость мембраны; R – электрическое сопротивление мембраны (без учета сопротивления калиевых и натриевых ионных каналов); R_K – электрическое сопротивление калиевых ионных каналов; R_Na – электрическое сопротивление натриевых ионных каналов; E_K – источник электродвижущей силы (э. д. с.) для ионов калия; E_Na – источник э. д. с. для ионов натрия; R_А – электрическое сопротивление внутренней среды клетки.

            Электрическое сопротивление внешней для клетки среды было предложено не учитывать.

            Приведенные на рис. 5 и 6 эквивалентные электрические схемы биологических мембран и в настоящее время рассматриваются в качестве вполне адекватных реальным биологическим мембранам.

            Однако если проанализировать схему, приведенную на рис. 5 и 6, то можно прийти к выводу, что она так же неработоспособна. Так источники э. д. с. E_Na и E_K в реальности замкнуты через всю мембрану. На схеме же они, соответственно замкнуты через последовательно соединенные сопротивления R_Na, R и R_K, R. Так как R является весьма большим по величине электрическим сопротивлением, то фактически электрический ток в такой цепи идти не будет. К стати сопротивления R_Na, R_K и R в реальной биологической мембране включены параллельно друг другу, а не последовательно. Это обстоятельство приводит к еще одному несоответствию биологической мембране, а именно электрическая емкость мембраны согласно схемы заряжается не непосредственно от источников э. д. с., а через последовательно подключенные к ней сопротивления R_Na и R_K, что будет приводить к уменьшению величины разности потенциалов на емкости С из-за падения напряжения на сопротивлениях R_Na и R_K. На схеме емкость С замкнута в основном через большое по величине сопротивление R, а в биологической мембране через относительно небольшие по величине сопротивления R_Na и R_K,, что приводит к утрате возможности регулировать величину потенциала на емкости С за счет величин электрических сопротивлений R_Na и R_K и осложняет перезарядку емкости С. Кроме этого сопротивления ионных каналов R_Na и R_K показаны как переменные, что для мембраны будет слишком сложным. Вряд ли реальная биологическая мембрана действительно содержит механизм изменения электрического сопротивления своих ионных каналов. Да, для обеспечения перезарядки мембраны эти сопротивления совсем не обязательно должны быть переменными. Вполне достаточно, чтобы они отличались друг от друга по величине, что, как известно в реальных мембранах и наблюдается – электрическое сопротивление натриевых ионных каналов в 25 раз больше, чем у калиевых ионных каналов.

            Учитывая, что механизм работы биологической мембраны в настоящее время хорошо изучен и описан, имеется возможность предложить вполне работоспособную эквивалентную электрическую схему мембраны. А, вот то, что практически неработоспособная схема десятилетиями перепечатывалась из публикации в публикацию, однозначно свидетельствует о том, что реально никто имитацией ЕИ не занимался и этим путем создать ИИ практически не пытался. Иначе на ошибочность, предложенной эквивалентной схемы уже давно обратили бы внимание.

            Исходя из выше изложенного, эквивалентную электрическую схему биологической мембраны можно представить в следующем виде:

            На рис. 7 и 8 были использованы следующие обозначения: С – электрическая емкость мембраны; R – электрическое сопротивление мембраны (без учета сопротивления калиевых и натриевых ионных каналов); R_K - электрическое сопротивление калиевых ионных каналов; R_Na – электрическое сопротивление натриевых ионных каналов; E_K – источник э. д. с. для ионов калия; E_Na – источник э. д. с. для ионов натрия; Д₁ и Д₂ – диоды; R_В – электрическое сопротивление внутренней среды клетки; R_Н – электрическое сопротивление наружной по отношению к клетке среды.

            Последовательно соединенные на схеме (рис. 7) диод Д₁ и сопротивление R_К – корректно имитируют калиевый ионный канал, а последовательно соединенные диод Д₂ и сопротивление R_Na соответственно натриевый ионный канал. Это и позволило на схеме правильно подключить источники э. д. с. Ведь, как известно, источники э. д. с. E_K и E_Na образованы за счет разности концентрации ионов калия и натрия внутри и с наружи клетки и соответственно они замыкаются сразу через всю мембрану, как это и предусмотрено схемой на рис. 7.

            Имитацию взаимодействия клеток через синапсы можно выполнить путем соединения схем (рис. 7). При этом соединение клеток через внешнюю для них среду имитируется соединением между собой схем (рис. 7) электрическим сопротивлением эквивалентным по величине электрическому сопротивлению внешней для клетки среды. Имитация соединения непосредственно через синапс внутренних сред клеток имитируется соединением между собой схем (рис. 7) через последовательно соединенные диод и электрическое сопротивление, определяющее порог возбуждения клетки.

            Сложнее дело обстоит с внешними накопителями информации и с организацией громадного количества параллельных каналов записи и считывания информации. Существующие в технике в настоящее время накопители информации, как минимум, обладают недостаточной емкостью памяти и сложной системой ее записи и считывания. Правда существует надежда, что в результате развития технического прогресса все же будут созданы накопители информации с необходимыми характеристиками для создания ИИ. Так сравнительно недавно в институте Вейзманна в Израиле были проведены успешные экспериментальные работы по созданию нанокомпьютера, производящего вычисления на основе ДНК. Удельная емкость памяти такого нанокомпьютера оценивается как в 100000 раз превосходящая удельную емкость памяти винчестера обычного современного компьютера. При этом в одной капле воды таких нанокомпьютеров может разместиться до одного триллиона.

            К сожалению работы, по созданию нанокомпьютера по существу находятся в начальной стадии и пока до практического их применения еще очень далеко.

            Достигнутый в настоящее время уровень развития техники пока позволяет говорить о реальности создания в ближайшее время достаточно примитивных моделей ИИ, способных лишь продемонстрировать основные принципы работы ИИ. Для целей практического применения речь может идти лишь о создании интеллектуальных систем наведения на воздушные, возможно морские цели, так же в космическом пространстве. Это для военных нужд. В гражданских целях это обучаемые системы распознавания различных объектов и выработки решений на основе результатов распознавания и т. п. достаточно узко специализированные системы.

                                                                                                            август 2007 года