15. Компьютерная метафора: коннекционизм и нейронные сети.

В 80-х годах происходит отказ от понятия центрального процессора, последовательной обработки, фиксированных блоков переработки и хранения информации.

Теоретической основой коннекционизма послужили модели «нейронных сетей» и модели параллельной распределенной обработки информации. Сеть представляет собой множество элементов (узлов) со связями между ними. Элементом сети может быть след памяти, лексическая единица, образ, понятие, фрейм, понимаемый как целостная сцена (многомерная единица информации). Коннекционистские модели удачно используются для описания процессов научения, так как в них легко определить начальное состояние системы (как функцию состояний элементов) и описать переход к новому состоянию.

Коннекционистская модель исходит из положения о том, что распознавание сложного стимула возможно лишь при сетевой структуре связей, возникающих между простыми нейронами, специализирующимися на идентификации простых отличительных признаков. Подобные модели автоматичны и не требуют внутреннего наблюдателя (гомункулюса). Неэкономичность данной модели заключается в том, что в распознавании паттернов явно доминирует механизм шаблонного опознания, т.е. для опознания требуется полное совпадение входящего стимула с хранящимся в памяти эталоном. Этот механизм требует огромных ресурсов памяти.

Модель перцептрона. Одну из первых компьютерных моделей восприятия, основанную на концепции нейронных сетей, предложил в 1957 г. Фрэнк Розенблатт. Он назвал свою модель перцептроном, и на ее основе создал первый в мире нейрокомпьютер «Марк-1». Перцептрон - математическая и компьютерная модель восприятия информации мозгом. Несмотря на свою простоту, перцептрон способен обучаться и решать довольно сложные задачи. Перцептрон состоит из трёх типов элементов: поступающие от сенсоров сигналы передаются ассоциативным элементам, а затем реагирующим элементам. Таким образом, перцептроны позволяют создать набор «ассоциаций» между входными стимулами и необходимой реакцией на выходе. В биологическом плане это соответствует преобразованию, например, зрительной информации в физиологический ответ от двигательных нейронов.

Устранение избыточности потенциальных команд. Принципы работы ретикулярной формации ствола мозга в процессе выбора актуального типа поведения. Каждый ретикулярный нейрон связан с тысячами других запутанной сетью, что исключает возможность направленной передачи нервных импульсов и последовательной обработки информации. У. Килмер и У. МакКаллок на основе модульного строения ретикулярной формации выдвинули гипотезу о том, что эта структура ответственна за актуальный выбор типа поведения. Иначе сказать, она устраняет избыточность потенциальных команд. Модель модулей Килмера и Мак-Каллока больше напоминает нейронную сеть, в которой отсутствует центральный процессор и преобладает параллельная распределенная обработка информации. Только вместо отдельных нейронов данная сеть образована функциональными объединениями нейронов – модулями. Согласованное решение при сходных воздействиях на разные модули достигается с помощью модели «совещательного голоса», напоминающую работу консилиума врачей.

Нервная система должна работать таким образом, чтобы противоречия между различными потребностями быстро устранялись, и организм сосредоточивался на одном типе поведения. Пример: возможных типов поведения кошки, поедающей мышь, при внезапном появлении собаки. Возможные альтернативы: продолжать есть, убежать, и вступить в схватку. Выбор одной альтернативы исключает другие, так как требует определенной настройки работы всего организма. В целях безопасности выбор должен быть произведен максимально быстро.

Плодотворным коннекционистский подход оказался и в области моделирования семантических структур долговременной памяти. Сетевые модели рассматривают организацию памяти в виде сложной разветвленной сети узлов и линий, в которой узлы соответствуют понятиям или событиям, а линии – смысловым связям. Первую сетевую модель семантической памяти предложили А. Коллинз и Р. Квиллиан в 1968 г. В разработке модели авторы опирались на принципы структурирования и хранения информации в памяти компьютера. Среди этих принципов главная роль отводится «когнитивной экономии», который требует, чтобы признаки, определяющие те или иные понятия, не повторялись на различных уровнях организации семантической памяти. Общая структура семантической памяти предполагает, что чем больше промежуточных узлов встраивается между понятием и признаком, тем больше времени уходит на обработку высказывания.