Нейрокомпьютеры

Нейрокомпьютеры дают стандартный способ решения  многих нестандартных задач. И неважно, что специализированная машина лучше решит один класс задач. Важнее, что один нейрокомпьютер решит и эту задачу, и другую, и третью и не надо каждый раз проектировать специализированную ЭВМ, нейрокомпьютер сделает все сам и почти не хуже.

Вместо программирования обучение. Нейрокомпьютер учится, нужно только формировать учебные задачники. Труд программиста замещается новым трудом учителя (может быть, лучше сказать тренера или дрессировщика). Лучше это или хуже? Ни то, ни другое. Программист предписывает машине все детали работы, учитель создает «образовательную среду», к которой приспосабливается нейрокомпьютер. Появляются новые возможности для работы.

Нейрокомпьютеры особенно эффективны там, где нужен  аналог человеческой интуиции для распознавания образов (узнавания лиц, чтения рукописных текстов), подготовки аналитических прогнозов, перевода с одного естественного языка на другой и т.п. Именно для таких задач обычно трудно сочинить явный алгоритм.

Нейронные сети позволяют создать эффективное  программное обеспечение для компьютеров с высокой степенью распараллеливания обработки. Проблема эффективного использования параллельных системы хорошо известна многим. Как добиться того, чтобы все элементы одновременно и без лишнего дублирования делали что-то полезное? Создавая математическое обеспечения на базе нейронных сетей, можно для широкого класса задач решить эту проблему.

Нейросетевые  системы «демократичны», они также  дружественны, как текстовые процессоры, поэтому с ними может работать любой, даже совсем неопытный пользователь.

Все это вместе служит рациональным основанием для нейрокомпьютерной моды. ^[6]

4. Нейронные сети и нейрокомпьютер

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 нейроподобными 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 по нейронным сетям и нейрокомпьютерам, многое в этих исследованиях 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 также чрезмерная упрощенность понимания работы нейронных сетей, при котором нейроны осмыслены лишь как суммирующие пороговые элементы, а обучение сети происходит путем модификации синапсов. Ряд исследователей, правда, 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, способствующих такому пониманию, наверное, может быть анализ того, как в процессе биологической эволюции возникали "интеллектуальные" свойства биологических организмов. ^[8]

Заключение

Многие  споры вокруг проблемы создания искусственного интеллекта имеют эмоциональную подоплеку. Признание возможности искусственного разума представляется чем-то унижающим человеческое достоинство. Однако нельзя смешивать вопросы возможностей искусственного разума с вопросом о развитии и совершенствовании человеческого разума. Повсеместное использование искусственного интеллекта создаёт предпосылки для перехода на качественно новую ступень прогресса, даёт толчок новому витку автоматизации производства, а значит и повышению производительности труда. Разумеется, искусственный разум может быть использован в негодных целях, однако это проблема не научная, а скорее морально-этическая.

Однако  развитие кибернетики выдвигает  ряд проблем, которые все же требуют  пристального внимания. Эти проблемы связаны с опасностями, возникающими в ходе работ по искусственному интеллекту.

Первая  проблема связана с возможной  потерей стимулов к творческому  труду в результате массовой компьютеризации или использования машин в сфере искусств. Однако в последнее время стало ясно, что человек добровольно не отдаст самый квалифицированный творческий труд, так как он для самого человека является привлекательным.

Вторая  проблема носит более серьезный  характер, и на нее неоднократно указывали такие специалисты, как Н. Винер, Н. М. Амосов, И. А. Полетаев и др. Состоит она в следующем. Уже сейчас существуют машины и программы, способные в процессе работы самообучаться, т. е. повышать эффективность приспособления к внешним факторам. В будущем, возможно, появятся машины, обладающие таким уровнем приспособляемости и надежности, что необходимость человеку вмешиваться в процесс отпадет. В этом случае возможна потеря самим человеком своих качеств, ответственных за поиск решений. Налицо возможная деградация способностей человека к реакции на изменение внешних условий и, возможно, неспособность принятия управления на себя в случае аварийной ситуации. Встает вопрос о целесообразности введения некоторого предельного уровня в автоматизации процессов, связанных с тяжелыми аварийными ситуациями. В этом случае у человека, "надзирающим" за управляющей машиной, всегда хватит умения и реакции таким образом воздействовать на ситуацию, чтобы погасить разгорающуюся аварийную ситуацию. Таковые ситуации возможны на транспорте, в ядерной энергетике. Особо стоит отметить такую опасность в ракетных войсках стратегического назначения, где последствия ошибки могут иметь фатальный характер. Несколько лет назад в США начали внедрять полностью компьютеризированную систему запуска ракет по командам суперкомпьютера, обрабатывающего огромные массивы данных, собранных со всего света. Однако оказалось, что даже при условии многократного дублирования и перепроверки, вероятность ошибки оказалась бы столь велика, что отсутствие контролирующего оператора привело бы к непоправимой ошибке. От системы отказались.

Люди  будут постоянно решать проблему искусственного интеллекта, постоянно  сталкиваясь все с новыми проблемами. И, видимо, процесс этот бесконечен.

Список используемой литературы

1. Воронин А. А. Техника как коммуникационная стратегия // Вопросы философии, № 5, 1997.
2. Галушкин А. И. Теория нейронных сетей М.: ИПРЖР, 2000.
3. Горбань А., Д. Россиев. Нейронные сети на персональном компьютере. //Новосибирск: Наука, 1996.
4. Нейроинформатика (Коллективная монография / А. Н. Горбань и др.). Новосибирск: Наука, 1998.
5. Савельев А. В. Нейросети: фундаментальность или ограниченность взгляда // Нейроинформатика и ее приложения, Красноярск, 1996, с. 12; Савельев А. В. “Модель нейрона как возможная мультицеллюлярная структура”. // Нейрокомпьютеры: разработка и применение, 2002, № 1-2.
6. Савельев А. В. Философия методологии нейромоделирования: смысл и перспективы // РАН, Философия науки, 2003, № 1(16).
7. Савельев А. В. К вопросу о причинах происхождения философии нейрокомпьютеризации сознания // РАН, Философия науки, 2002, № 1(12).
8. Савельев А. В. Концептуальные системы нейробиологии и нейрокомпьютинга // В сб.: ”Нейрокомпьютеры и их применение”, Москва, ИПУ, 2002.
9. Ф.Уоссермен, Нейрокомпьютерная техника, М.,Мир, 1992. 
10. В. В. Круглов, В. В. Борисов — Искусственные нейронные сети. Теория и практика