7.2. Нейронные когнитивные системы.

Прототипами КС с нейросетевой организацией могут быть модульные нейросети. Отметим, что модульное строение нервных структур и мозга человека сейчас рассматривается как общий принцип их организации. В технических нейронных системах модульный принцип позволяет

74

декомпозировать сложную задачу на ряд простых; конкретизировать структуру модульной сети под задачу; повысить быстродействие при работе и обучении по сравнению с классическими полносвязными сетями; улучшить аппроксимационные возможности; упростить аппаратную реализацию сети.

Нейромодули в таких системах применяются в разных комбинациях. Наиболее используемым является вариант системы на модульных ПЕРСЕПТРОНах.

Системы на модульных ПЕРСЕПТРОНАх. Такие системы используются для решения задач распознавания сложных объектов. Реальным примером является система распознавания сложных комбинированных образов. Она имеет иерархическую структуру с одинаковыми модулями типа малоразмерных многослойных ПЕРСЕПТРОНов, работающих как локальные классификаторы. Каждый такой модуль обучается отдельно на распознавание частей интегрального образа и композиции этих частей. Показано, что применение нескольких связанных модулей в общей иерархической структуре дает лучшие результаты классификации, чем единый ПЕРСЕПТОРН большой размерности. Это можно объяснить тем, что многомодульная система принципиально структурирует знания об интегральном образе и запоминает некоторую априорно фиксированную структуру из элементов знаний в виде нейросетевых отображений. Элементы классифицируются проще и надежнее, чем сразу весь образ.

Иерархическая структура из модулей ПЕРСЕПТРОНов формально может быть представлена как

MP = (…(((S^[1]S^[2]S^[3])₁, …, (S^[1]S^[2]S^[3]))^[1]_n1,…)^[2]_n2…)^[L]_nL

В этой структуре использованы трехслойные ПЕРСЕПТРОНЫ (S^[i] - i-й слой из нейронов без обратных связей с любыми функциями активации) как элементы каждого из L уровней, причем число таких элементов может быть разным (n1, n2, …, nL) и определяется сложностью структуры обрабатываемого образа.

7.3. Нейрологические когнитивные системы.

Прототипами нейрологических КС могут являться сети с модулями

75

нейрологического типа, построенными на нечетких или вероятностных нейросетях. Пример такого подхода - КС с нейрологическими программно формируемыми объектами.

Когнитивная объектная нейрологическая система. Такая интеллектуальная обучаемая система с когнитивными объектами (программными модулями, реализуемыми на объектно-ориентированном языке), построенными по нейрологическим принципам с гибким вычислительным базисом в узлах, достаточно универсальна и опробована при решении ряда задач моделирования, прогнозирования и управления [18]. Для усиления интеллектуальных возможностей системы когнитивные объекты могут быть объединены в зависимости от задачи и имеют многоранговую структуру с вложенными когнитивными объектами низшего уровня. Формально такую систему можно описать структурой:

CO = (CO^[1]₁(CO^[2]₁(CO^[3]₁(…), …, CO^[3]_nr(…)), …, CO^[2]_n2(…)), …CO^[1]_n1(…)),

где CO^[i]_j - j-й когнитивный объект i-го ранга вложенности; nr - количество CO в каждом r-м ранге (r = 1, …, R).

Когнитивные объекты являются функционально законченными компонентами сети. Они содержат знания в гибкой форме активностей (продукционные правила, нейросетевые и нейрологические отображения), гибкие средства обучения и управления обменом сообщениями в сети. Каждый когнитивный объект после настройки путем обучения по примерам активизируется при поступлении информации на входах и решает свою задачу, выдавая результаты другим объектам, с которыми он имеет каналы связи. КС строится под задачу и содержит ряд когнитивных объектов, которые могут кооперироваться или конкурировать при решении общей задачи. Используемая объектная технология позволяет легко строить КС для решения сложных задач когнитивными методами.

Таким образом, можно утверждать, что нейрологические варианты КС могут быть наиболее приемлемыми для развития в качестве основы КС в широком смысле, поскольку они наиболее эффективны при моделировании когнитивных функций и, в большей степени, чем остальные, поддерживают нервно-системные принципы организации. Особенно важно свойство ассоциативности, открывающее путь к параллельной реализации систем.

76

ЗАКЛЮЧЕНИЕ

Анализ развития интеллектуальных систем показал, что современные интеллектуальные системы достигли уровня, когда оказывается возможным использование при их создании глубинных знаний об устройстве и работе нервной системы человека и когнитивной психологии. В ближайшем будущем возможно идейное объединение символистской и коннективистской парадигм искусственного интеллекта. В результате будут создаваться все более мощные интеллектуальные системы с обучением и самообучением. Они будут обладать усиливающимися когнитивными возможностями за счет симуляции когнитивных функций и процессов, которые в нервной системе человека отвечают за восприятие, обучение, мышление, поведение. Развитие аппаратных средств ЭВМ 6-го поколения позволит создавать обучаемые интеллектуальные системы с возможностью решения задач за счет восприятия и обобщения примеров, а далее - и за счет самообучения, при котором предполагается автоматическая генерация примеров по критерию целесообразного функционирования системы в определенной среде.

Прогресс в развитии интеллектуальных систем в последние годы дает все более значимые практические результаты. Достаточно привести примеры создания "умной" шахматной машины Deep Blue, обыгравшей чемпиона мира, или "умных" систем управления роботами-футболистами, соревнующимися между собой на всемирных чемпионатах по футболу роботов RoboCup. Однако до создания "подлинных" когнитивных систем, обладающих разумностью человека, пока еще далеко. Изучение интеллектуальных технологий и их развитие позволит приблизить это время. Перспективы такого развития - создание "мыслящих" роботов с искусственными нервными системами, искусственного генома, устройств для нейропротезирования. Будущее покажет, насколько это полезно для человечества. Этот процесс остановить нельзя, однако человечество в силах направить его на пользу всему миру.

77