Мозг напрокат. Как работает человеческое мышление и как создать душу для компьютера

память в картину текущего представления и тем самым, изменив распознавание, сделать его более устойчивым к стереотипным ситуациям.

 — Можно надстроить более высокие слои памяти, которые позволят распознавать и запоминать более сложные, «абстрактные» конструкции.

 — Можно ввести механизм импринтинга — когда по какому-то набору признаков будет распознаваться некий объект, ситуация, состояние, и будет осуществляться их привязка к определенным наборам эмоций и рефлексов (при этом инстинкт будут направлен не на те признаки, которые вызвали срабатывание импринтинга, а на зафиксированное памятью явление, распознаваемое по дополнительным признакам, которые изначально отсутствовали).

 — Можно использовать синхронизированную импульсную активность нейронов, которая позволит реализовать «голографическую память» и применить новые способы «узнавания».

 — Можно использовать для передачи информации между нейронами не только существующие связи, но и ввести некие управляющие сигналы, доступные сразу всем нейронам «мозга» автомата, и с их помощью реализовать, например, работу «регулятора».

 — Можно увеличить количество эмоций, сделать их картину значительно более сложной.

 — Можно ввести «промежуточные ощущения», которые будут формироваться и датчиками и памятью, и сделать возможным процесс «фантазии».

 — Можно ввести параметр «сила эмоции» и учитывать его при «запоминании».

 В общем, нет предела совершенству...

 Вообще-то, используя такой механизм, можно создавать устройства, применимые в любых сферах человеческой деятельности. Что особо приятно, так это то, что совершенно необязательно, имея устройство с начальной матрицей рефлексов и инстинктов, «воспитывать» его каждый раз с нуля. Имея уже обученное устройство со сформированной памятью, его можно просто копировать. Получать же набор удачных рефлексов и инстинктов можно на компьютерах, моделируя естественный отбор и мутации. Вот уж действительно достойная задача для суперкомпьютеров!

 Описанную конструкцию с некоторыми оговорками можно назвать одной из разновидностей персептрона. Персептрон — нейронная сеть, состоящая изходных, ассоциативных и реагирующих элементов, с переменной матрицей взаимодействия, определяемой последовательностью прошлых состояний активности сети. Термин был введен Фрэнком Розенблаттом в 1957 году. Ему же принадлежит первая реализация в виде электронной машины «Марк-1» в 1960 году. Перцептрон стал одной из первых моделей нейросетей, а «Марк-1» — первым в мире нейрокомпьютером (Rosenblatt, 1962).

 Сам принцип, когда новый опыт изменяет структуру нейронной сети, называется «обучение с подкреплением». В нашем случае система подкрепления — это эмоции и характер их участия в формировании памяти. «Регулятор» можно трактовать как систему управления подкреплением.

Моделирование мозга

 В предыдущей главе было описано несложное устройство, память которого фиксирует происходящее с учетом изменения эмоционального состояния. Эта же память формирует поведение такого автомата. На таком простом примере удобно проследить основную идею того, как наличие эмоций формирует память, а та диктует определенное поведение в неких ситуациях, то есть, иначе говоря, то, как формируются инстинкты. На простой модели также хорошо видно, как появление новых или изменение существующих связей нейронов, замкнутых на эмоции, приводит к появлению новых инстинктов. Я думаю, не так сложно самостоятельно, на примере устройства из предыдущей главы, разобраться также с тем, как работает механизм мутаций и естественного отбора.

 Теперь усложним задачу. Попробуем дать описание автомата, которому присущи основные свойства и способности, свойственные настоящему человеческому мозгу.

 Вообще, в теории автоматов «мозг», который управляет действиями агента, представляется следующим образом.

Рисунок 14. Схематическое изображение мозга в теории автоматов.

 Это автомат S (Se, Si, Ss, Sa, F). Здесь Se — множество элементов автомата, состояния которых определяются внешней по отношению к агенту средой; Si — элементы, определяющиеся внутренней средой агента; Ss — внутренние элементы автомата; Sa — элементы, определяющие действия агента; F — функция, при помощи которой вычисляются состояния элементов автомата. В каждый момент времени автомат описывается вектором состояний всех его элементов Sk.

Рассмотрим «мозг», изображенный на рис.15.

Рисунок 15. Общая схема работы мозга.

 Здесь не изображены отдельные нейроны и их связи. Блоки соответствуют сложным нейронным сетям, стрелками обозначены их взаимодействия. Напомню, что мы рассматриваем не реальный мозг, а «мозг» автомата, построенный на формальных нейронах, способный проиллюстрировать механизмы работы, присущие настоящему мозгу. В предыдущей главе мы описали несколько типов формальных нейронов, и сейчас также будем иметь в виду, что нейронные сети нашего автомата состоят из различных по своим свойствам нейронов.

 У человека всегда присутствует тяга к простому, универсальному объяснению, тяга к созданию универсальной модели. Конечно, применительно к моделированию мозга так же естественно первое желание — обойтись универсальным, простым по своей реализации формальным нейроном. Однако реализация такого подхода быстро приводит к пониманию, что простота нейрона приводит к громоздкости и «некрасивости» итоговых решений. Использование различных по своим функциям нейронов при моделировании мозга вполне естественно. Кстати, это уже оправдано и эволюцией. Так, человеческий мозг содержит несколько десятков различных типов нейронов.

 Многообразие нейронов имеет много аналогий в развитии инженерной мысли. Например, появление транзистора как нового типа электронных устройств не привело к созданию некоего универсального полупроводникового элемента, а наоборот, были созданы сотни специализированных транзисторов, различающихся не только по параметрам, но и по принципам работы.

 Итак.

 1. Вход (внешний). Внешняя среда формирует состояние нейронов входа, у человека за это отвечают органы чувств. Первичная сенсорная информация преобразуется специализированными нейронными сетями к виду, с которым «легче» оперировать. Структура таких сетей генетически предопределена и есть результат естественного отбора.

 Что такое «вид информации, которым легче оперировать», хорошо проследить на примере слуха.

Рисунок 16. Анатомия уха человека.

 Все мы знаем, что звук — это колебания воздуха. Колебания проще всего воспринять в виде значений уровня производимого ими давления в конкретный момент времени. Однако далее оперировать с таким потоком данных крайне неудобно. Гораздо проще что-либо делать, если применить преобразование Фурье и представить информацию о звуке в виде знания о том, какая амплитуда соответствует той или иной частоте звучания. При таком представлении легче выделять «существенную» информацию и проще ее классифицировать.

 По такому же пути пошла и эволюция. Звуковые колебания, доходя до слуховой улитки, вызывают колебания находящейся там жидкости. Структура улитки такова, что при различных частотах