книги из ГПНТБ / Автоматы и разумное поведение. Опыт моделирования

в дальнейших исследованиях. Так, ситуация Т1 содержит только отрицательные раздражители: всех представителей класса «зверь» и «несъедобное дерево В». Ситуация Т2 по­ ложительна, так как содержит «съедобные» объекты и «убе­ жище». Ситуация ТЗ отрицательна, но менее, чем Т1. Проме­ жуточное положение занимает и Т4, содржащая как «съедоб­ ные», так и «опасные» объекты.

Реакции автомата в ситуации Т4 представлены на рис. 95—99 (их содержательное описание см. в § 2), в ос­ тальных ситуациях — СУТ-таблицами (табл. 21). Содержа­ тельные интерпретации реакций здесь и в дальнейшем не приводятся. Значения оценочных коэффициентов для всех случаев тестовых ситуаций приведены в табл. 22. Видно, что наиболее отрицательная оценка е выработана автоматом для ситуации Т1, наиболее положительная — для Т2. Оценки ТЗ и Т4 занимают промежуточное положение: В целом это правильно отражает характер ситуаций. Близость оценок Т1 н ТЗ указывает на то, что раздражитель «дерево В» оцени­ вается автоматом примерно так же, как и раздражитель клас­ са «зверь». Но это касается только общей, интегральной оценки: конкретные «чувства», вызываемые этими раздра­ жителями, различны. Значения индексов адекватности ре­ акций В во всех случаях принадлежат допустимой области. Видно, что «логический» канал обеспечивает адекватную пе­ реработку информации (7П = 1). Степень соответствия меж­ ду «логикой» и «эмоциями» изменяется в зависимости от типа ситуации. Характерно, что значения 1Э максимальны для отрицательно оцениваемых ситуаций. Это, однако, спра­ ведливо лишь для уровня «внимания»: в «подсознательной» сфере формируются адекватные оценки, о чем косвенно сви­ детельствует удовлетворительное соотношение вырабатывае­ мых значений е. В ситуации Т4, содержащей раздражители, имеющие противоположные значения для автомата, значе­ ние е близко к нейтральному (нулю). Здесь же, в условиях «сшибки мотивов», минимальным оказывается 13. Указанные

в направлении, указанном стрелкой для ДП в СУТ-таб- лицах. Видно, что в ситуациях Т1 и ТЗ автомат выполняет шаги, соответствующие плану и обеспечивающие обход пре­ пятствий. В ситуациях Т2 и Т4 он переходит в ячейки, со­ держащие «абсолютно положительный» раздражитель. Уве­ личивая возбуждение i-модели первого этапа плана (т. е. си­ лу цели), удается заставить автомат выполнить нужный шаг и в этих ситуациях.

класса «зверь». Это действие является, таким образом, свое­ образной реакцией на восприятие «плохих» ситуаций и име­ ет компенсирующее значение, так как восприятие «убежи­ ща» вызывает возбуждение i-моделей «положительных чувств». Видно, кроме того, что действие «спать» выполня­ ется всегда в тех ячейках, где имеется «убежище». Обе эти реакции в явном виде автомату не задавались.

На основании описанных экспериментов можно сделать вывод, что принятый вариант предорганизации обеспечивает адекватное поведение автомата и может быть признан удов­ летворительным. Отметпм, что получение этого результата потребовало проведения значительной работы по настройке модели, связанной с целым рядом коррекций исходного ва­ рианта предорганизации М-сети. Необучающийся М-автомат, предорганизацию которого мы исследовали, будем в дальней­ шем считать «опорным» вариантом и обозначать симво­ лом Ао.

Среда, изображенная на рис. 103, характеризуется малой плотностью раздражителей. В дальнейшем для уменьшения затрат машинного времени мы будем исследовать поведение автомата в средах меньшего размера, но с большей плот­

этапа плана — цель движения. Точкой старта автомата явля­ ется ячейка А.

Рассматривалось поведение автомата А0 в среде S\. Внеш­

траектория автомата зацикливается. Оказывается, таким образом, что автомат Ао в среде Si план выполнить не в со­ стоянии. Этот результат используется при дальнейшем рас­ смотрении. Ниже приводятся и оценочные коэффициенты реакций автомата.

Итак, зафиксировав предорганизацию модели, можно приступать к исследованию процессов обучения в ней.

§ 4. Варианты обучения

Процессы обучения в модели реализуются путем проторения и забывания связей в М-сеги, установлением новых связей и формированием новых i-моделей. Последняя возможность обеспечивается функционированием алгоритма Bsu (возбуж­ дающего новую, ранее не связанную с другими, «резервную» i-модель всякий раз, когда автомат воспринимает новую си­ туацию). Различные режимы использования Bsu позволяют

4

Рис. 107. Разрешающие матрицы обучения М-автоматов.