Информатика. ифнорматика. Ус как модель нервной системы
 Скачать 16.04 Kb.
|
|
Управляющая система (УС) как модель нервной системы. Попробуем представить себе процессы, происходящие внутри «черного ящика». Для этого посадим туда гипотетического наблюдателя — что-то вроде Демона Максвелла, сортировавшего молекулы в термодинамике. В соответствии с духом времени снабдим нашего Демона «сотовым телефоном», чтобы он мог передавать нам свои наблюдения. Из экперимента с Демоном становится понятно, что управляющая система как модель нервной системы должна состоять из нескольких основных блоков, или подсистем: «формирования и распознавания образов», «аппарата эмоций», «формирования Базы Знаний», «принятия решений», «определения времени принятия решения». Каждая подсистема решает свою задачу, учитывая результаты работы других подсистем. Подсистема «формирование и распознавание образов» автоматически классифицирует входную информацию и распознает образы. Подсистема «аппарат эмоций» дает эмоциональные оценки сформированных образов и текущего состояния. Подсистема «формирование Базы Знаний» выявляет причинно-следственные связи в предыстории процесса управления и сохраняет их в памяти как новые знания. Подсистема «принятие решений» отыскивает среди сформированных знаний действие, которое приводит к наибольшему приращению эмоциональной оценки состояния и наиболее высокой вероятности получения новых знаний. Выделяют два основных подхода к исследованию и моделированию высшей нервной деятельности — имитационный и прагматический. Имитационный подход имеет целью сымитировать как результат работы мозга, так и сам принцип его действия. Специалисты этого направления говорят: «Нам интересно понять, как именно работает мозг». Прагматический подход, напротив, ставит целью получить практически полезные результаты любым подходящим способом, совершенно не соотносясь с принципами работы мозга. Специалисты этого направления говорят: «Нам важно любыми методами научить машину решать сложные интеллектуальные задачи, какие умеет решать только человек, — и желательно быстрее, точнее и лучше. А как работает мозг, мы не знаем и, наверное, не узнаем никогда». На практике обычно строят такие управляющие системы, которые решают лишь одну-две задачи. Сложнее создать систему управления, в которой решения всех задач были бы взаимосвязаны, а исходные знания о свойствах объекта управления и среды допускали бы значительную неопределенность. Трудность построения такой системы объясняется тем, что все ее части — подсистемы — должны учитывать результаты работы других подсистем в качестве своих исходных условий. Модели «искусственных нейронов» были разработаны еще в сороковых — пятидесятых годах. Они представляют собой простое устройство, которое суммирует входные сигналы, умноженные на веса (своего рода приоритеты), приписанные каждому отдельному входу, и сравнивает полученную сумму с заданным порогом. Если сумма превысит порог, нейрон выдает на своем выходе сигнал «1», если нет — сигнал «0». Многослойную сеть из таких нейронов, в которой каждый получает сигналы от всех нейронов предыдущего слоя, можно обучить распознавать нужные образы. Но предварительно необходимо подобрать веса на входах по определенному правилу, зависящему от того, какие образы нужно распознать. Новая модель нейронов позволила разработать управляющую систему, названную нами системой автономного адаптивного управления (ААУ). Основное ее свойство — способность автоматически находить способ управления в соответствии с меняющимися окружающими условиями и свойствами объекта управления, а также развивать и корректировать этот способ. Причем найденный однажды способ управления может быть «изъят» из системы и использован в работе другой системы, правда, уже в фиксированном виде. Важно то, что в системе ААУ качество управления неуклонно растет, причем происходит это автоматически. С точки зрения познания природы интерес к созданию «Автономного Искусственного Интеллекта» очевиден, но и практическая польза от них может быть немалой. Подобные системы могут быть использованы для отработки методик обучения, общения, для моделирования различных психических отклонений и так далее. Системы ААИ могут выполнять работы во вредных производствах, а также в труднодоступных для человека средах — в космосе, глубоко под водой и под землей. Они могут управлять быстропротекающими или, наоборот, очень медленными процессами, за которыми человеку следить крайне трудно. В урезанном виде системы «Автономного Искусственного Интеллекта» могут быть использованы для управления разнообразными техническими устройствами. |