На пути к созданию искусственного разума (модели перцептронов)

Принятие решений - важнейший этап процесса разумных действий

Итак, начало положено! Электронные вычислительные машины могут воспроизводить некоторые функции нервной системы человека. Один из создателей теории автоматического управления Уильям Эшби по этому поводу сказал: "Мы знаем, что мозг и вычислительные машины представляют собой просто различные варианты в принципе одинаковых машин". Просто, но не совсем! Еще очень многое из того, на что способен мозг человека, не под силу воспроизвести самым совершенным ЭВМ. Примером может служить распознавание различных предметов, шрифтов, речи, т. е. то, что сейчас именуют распознаванием образов.

В разумных действиях этот процесс является только ступенью общего процесса принятия разумного решения, который на основе отбора данных, распознавания образов является важнейшим завершающим этапом деятельности мозга.

На рис. 114 схематически изображен процесс принятия решения. Первый шаг в любом процессе принятия решения - это выделение необходимой информации из всей массы доступной информации. Факторы, влияющие на выбор, зависят от конечной цели. Когда необходимые аспекты информации выделены, их нужно организовать. Это задача органа распознавания образов. В этом процессе ведущая роль принадлежит памяти. Когда произведена оценка ситуации, можно сделать окончательный выбор. Он определяется не только предварительным анализом ситуации, но и рядом других критериев - готовностью рисковать, или желанием действовать, или желанием действовать наверняка, осторожностью или поисками наибольшего выигрыша при минимальных потерях. Таким образом, чтобы создать машину, способную принимать решения, недостаточно довести ее до фазы распознавания образов и анализа ситуации, а придется еще дойти до фазы окончательного выбора.

Рис. 114. Схема процесса принятия решения: 1 - отбор информации; 2 - распознавание образов; 3 - оценка возможностей выборок; А - внешняя среда; Б - критерии цели; В - память, хранящая образы; Г - память, хранящая результаты прежних решений; Д - критерий выбора; Е - решение

Розенблатт в 1957 г. предложил модель структуры мозга, основанную на том, что в каждом случае распознавания образа в мозгу происходит случайная организация сети по статистическому принципу с вероятностью распределения порогов, источников связей. Это происходит по-разному, в зависимости от предшествующей активности, опыта и параметров сети. Он назвал эту модель перцептроном (perceptio - восприятие). По утверждению Розенблатта, "перцептроны являются моделями с механизмом памяти, который позволяет обучаться реакциям на стимулы в экспериментах различных типов".

В каждом случае объектом анализа является экспериментальная система, включающая в себя перцептрон, определенную окружающую среду и процедуру обучения или внешнюю обучающую систему. Результаты такого анализа можно затем сопоставить с результатами сравнимых экспериментов над людьми и животными, что позволит установить функциональное соответствие модели или ее недостаточность. Перцептроны - не точная копия какой-либо конкретной нервной системы, они представляют собой упрощенные сети, созданные для изучения закономерных взаимосвязей между организацией нервной сети, структурой окружающей ее сети и "психологическими" свойствами, которыми может обладать данная сеть.

Главное преимущество такого подхода состоит в том, что он позволяет ставить содержательные вопросы относительно различных конкретных типов организации сети, механизмов памяти и нейронных моделей и находить на них ответы. Модель является не окончательным результатом исследования, а лишь отправной точкой для анализа ее поведения с помощью ЭВМ либо "механических моделей".

Конструируя машину, способную воспринимать явления действительности, ученые считали, что любой мыслящий организм делается способным понимать окружающую обстановку в процессе обучения и накопления опыта, а не получает это свойство по наследству. Поэтому все запоминающие ячейки перед включением и началом "обучения" машины были полностью нейтральными.

Используя эту теорию, удалось сконструировать модель электронной машины, которая способна классифицировать, воспринимать и символически изображать окружающие условия, а также учитывать совершенно новые и непредвиденные изменения в окружающей обстановке и делать это без вмешательства оператора.

На рис. 115 показаны процессы восприятия зрительных впечатлений человеком и перцептроном. Рис. 116 воспроизводит основные элементы перцептрона, участвующие в воспроизведении зрительных образов. "Видеть" ему помогает линза, фокусирующая образ на "сетчатке", состоящей из 400 миниатюрных фотоэлементов. Каждый такой образ возбуждает ряд фотоэлементов, это возбуждение передается в ассоциирующие ячейки, общее количество которых достигает 512. След в "памяти" остается благодаря тому, что запоминающие элементы, направляющие сигнал на включение реагирующих устройств, могут его усиливать. Однако, сталкиваясь с новым впечатлением, машина, как и человек, может допускать ошибки. Но след в "памяти" постепенно закрепляется, и согласно теории вероятностей удается добиться того, что определенные возбуждения вызывают одну и ту же реакцию. Это означает, что машина приобрела определенное "понятие" об окружающих ее условиях. Практически оказывается необходимым сделать 15 попыток, после которых машина дает 100% правильных ответов.

Рис. 115. Процесс восприятия зрительных впечатлений человеком (предположение) (а) и перцептроном (б)

Рис. 116. Основные элементы перцептрона

Оператор может "научить" машину приходить к нужным заключениям. Этому способствует наличие обратной связи. От реагирующих устройств сигналы обратной связи поступают в запоминающие ячейки, которые вызвали их включение. Эти сигналы увеличивают "силу" запоминающих ячеек, служат как бы "вознаграждением" для той их группы, которая вызвала к действию реагирующие устройства. У перцептрона предусмотрено ручное управление для выработки нужных понятий. За правильный ответ он "вознаграждается" (усиливается эффективность действия соответствующих ячеек), за ошибку "наказывается" (снижается их эффективность). Следует отметить, что "научить" перцептрон математике так же трудно, как и человека. Поэтому ЭВМ в производительности счета имеет такое же преимущество перед перцептроном, как и перед человеком.

Чему же реально "научилась" простейшая модель новой машины? Без помощи человека она определяет расположение геометрических фигур справа и слева от ее "поля зрения". Она различает буквы алфавита. Предполагается, что перцептрон сможет распознавать человеческую речь и превращать ее в сигналы, управляющие, скажем, буквопечатанием. Машина способна переводить с одного языка на другой, подбирать литературу, просматривать патенты.

Представители военно-морского флота США заинтересовались перцептроном с 1000 запоминающих ячеек. Предполагается, что такая машина не превзойдет по размерам обычного стола. Правда, пока запоминающие ячейки очень сложны и дороги, поэтому главное внимание конструкторы уделяют разработке компактных, недорогих и надежных запоминающих ячеек. В настоящее время второй образец перцептрона уже построен, он содержит в 20 раз больше элементов памяти и более сложную схему взаимосвязей, чем первая модель. Американские военные намерены этот усовершенствованный перцептрон уже в ближайшее время применить для автоматической расшифровки результатов воздушной разведки - аэрофотоснимков и опознавания на них целей.

Создатель перцептрона Розенблатт утверждал, что его детище не просто машина для распознавания образов, а модель мозга. Однако это утверждение встретило весьма среьезные возражения. Дело, прежде всего, в количественных ограничениях. Перцептрон моделирует, и пока весьма несовершенно, только функции зрительного анализатора человека. Число ассоциативных ячеек перцептрона, которое определяет его "умственные способности", в первой модели составляло всего 512. Оно столь ограничено, прежде всего, из-за трудностей технического порядка и, в частности, из-за чрезвычайной сложности монтажной схемы. В самом деле, от каждой из 400 рецепторных ячеек перцептрона отходит 40 выходных проводников, подключаемых в случайном порядке к 512 ассоциативным ячейкам, каждая из которых имеет от 10 до 100 выходов.

Между тем число нейронов в мозгу человека порядка 15 млрд., а самые большие из современных ЭВМ имеют только сотни тысяч переключающих элементов (которые Эшби приравнивал к нейронам). По ряду своих параметров мозг представляет собой настолько высокосовершенную "конструкцию", что, как полагают ученые, вряд ли удастся искусственно воспроизвести ее в течение ближайших 50 лет. Очень точно выразил эту мысль английский физик Дж. Томпсон: тот сложный инструмент, которым мы все обладаем, или, если хотите, каковым мы все являемся, с его 100 миллиардами рабочих деталей и бесчисленным множеством возможных связей, неизмеримо превосходит все то, что мы когда-либо, по-видимому, сумеем создать, и он так не похож на организованную материю, которую мы, физики, изучаем.

Идеи создания перцептронов - элементов искусственного разума - в наши дни привлекают внимание не только ученых. В определенной степени эта идея доступна молодым энтузиастам технического творчества и роботостроения.

Роботы должны стать разумными! Для них нужно создать системы распознавания образов и принятия решений. Они уже создаются не только учеными, но и юными техниками. Мы познакомимся с некоторыми конструкциями перцептронов, которые могут изготовить и затем усовершенствовать энтузиасты технического творчества и роботостроения.

Создать классическую структуру перцептрона в любительских конструкциях нелегко. Особенно сложно сделать его систему обучения. Для решения отдельных частных задач распознавания алгоритм действий перцептрона закладывают в конструкцию заранее, не включая в систему обучения. Такие конструкции, пожалуй, не следовало бы называть перцептронами в полном смысле этого слова, но начинающим разработчикам такое отступление, пожалуй, можно простить.