12.4. Моделирование биологических систем

В большей части исследований в области ИИ непосредственным объектом моделирования являются структуры и процессы в нервной системе человека и животных. При модельном подходе к изучению нервной системы в поле зрения исследователя в первую очередь оказываются отдельные нервные клетки - нейроны и структуры из взаимосвязанных клеток - нейронные сети.

Нейроноподобные сети. Кора больших полушарий головного мозга человека содержит около 14 млрд. нейронов. Их короткие и длинные отростки - дендриты, по которым поступают входные воздействия, и аксоны, отводящие выходные реакции, образуют сложнейшее переплетение связей. Устройство и законы функционирования самого нейрона также очень сложны. Поэтому при моделировании нейронов пользуются упрощенным описанием. Такие упрощенные модели нейронных сетей называют нейроноподобными сетями.

Различают два типа нейроноподобных сетей. В первом из них узлами сети являются формальные элементы, описывающие отдельные нейроны. К сетям такого типа относятся широко известные нейроноподобные сети, разработанные и исследованные У. Маккалоком и У. Питтсом. В сетях второго типа узлами являются формальные элементы, соответствующие не отдельным нейронам, а особым их совокупностям- нейронным ансамблям.

Под нейронным ансамблем понимается такая совокупность взаимосвязанных нейронов, которая возбуждается полностью при возбуждении некоторой ее части. Многие исследователи полагают, что именно нейронный ансамбль, а не отдельный нейрон является функциональной единицей мозга как системы, обеспечивающей сложную приспособительную деятельность человека или животного.

Как объект модельного описания нейронный ансамбль отличается от отдельного нейрона двумя основными особенностями. Одна из них состоит в том, что выходное возбуждение ансамбля изменяется непрерывно, а не по закону <да - нет>. Ансамбль соответственно может быть описан как нелинейный преобразователь аналоговой информации, задаваемый набором определенных статических и динамических характеристик.

Другая особенность заключается в том, что ансамбль может быть поставлен в соответствие некоторой содержательной единице понятию, образу и т.п. элементу, принимающему участие в процессе мыслительной деятельности. Таким образом, нейроноподобная сеть, узлы которой соответствуют ансамблям, становится сетью с семантикой, семантической сетью. Это обстоятельство во многом изменяет подход к проблемам синтеза сетей и содержательной интерпретации протекающих в них процессов.

Исследования нейроноподобных сетей, конструируемых как на уровне отдельных нейронов, так и их ансамблей, активно проводятся и при решении задач робототехники.

Первые роботы, системы управления которых были построены на основе нейроноподобных сетей (на уровне отдельных нейронов), были разработаны в 60-х годах Л. Сутро, У. Килмером, Дж. Олбусом и др. Эти разработки имели бионическую направленность: при синтезе сетей использовались нейрофизиологические данные о взаимодействии различных отделов мозга позвоночных (ретикулярного ядра, коры, мозжечка, базальных ганглиев).

Сходную бионическую направленность имели исследования, проводимые в Лаборатории проблем управления в биологических системах ДВНЦ РАН, где под руководством B.C. Бурданова успешно создается система управления роботом-манипулятором на основе модели нейронных структур, ответственных за движение клешни рака.

В НИИ нейрокибернетики при Ростовском государственном униперситете А.И. Самариным с соавторами проводится цикл исследований по использованию нейроноподобных сетей для управления широким классом робототехнических устройств. Этим коллективом созданы системы управления плоским манипулятором и подвижной тележкой, система восприятия зрительной информации и др. Управление подвижной тележкой осуществляет и нейроноподобная сеть, разработанная в Таганрогском радиотехническом институте. Оригинальные принципы и научные основы создания таких сетей предложены Ю. В. Чернухиным.

Первый в нашей стране транспортный робот ТАИР с сетевой системой управления был разработан и экспериментально исследован в 1975 г. в Отделе биокибернетики Института кибернетики им. В. М. Глушкова АН УССР под руководством Э. М. Куссуля. ТАИР осуществлял целенаправленное движение в естественной (парковой) среде с обеспечением собственной безопасности (объезд препятствий, избегание опасных мест, поддержание внутренних параметров в заданных пределах) и минимизацией энергетических и временных затрат.

Для управления ТАИРом была разработана нейроноподобная сеть, узлы которой соответствовали нейронным ансамблям. Сеть содержала 100 узлов и была разделена в соответствии с их семантикой на шесть сфер: распознавания и оценки ситуаций, решений, маневров верхнего и нижнего уровня, элементарных действий. ТАИР успешно передвигался в среде, используя оптический дальномер, тактильные датчики, датчики состояния собственных подсистем и ряд вспомогаюльных устройств. В 1982 г. в продолжение работ с ТАИРом был создан лабораторный робот МАЛЫШ, обладающий более развитой системой технического зрения и нейроноподобной сетью, обрабатывающей данные восприятия. Как и ТАИР, робот МАЛЫШ был выполнен в виде физического устройства, без применения ЭВМ. Робот представлял собой шестиколесную тележку с независимым приводом каждого борта. На тележке размещены триангуляционный оптический дальномер, магнитный компас и контактные датчики типа кошачьих усов. Тележка соединялась кабелем с неподвижной стойкой управления. Исследования МАЛЫШа показали конкурентоспособность нейроноподобной сети по сравнению с традиционными алгоритмическими системами управления.

Исследования ТАИРа и МАЛЫШа стали основой построения промышленного транспортного робота широкого назначения ГРУЗ-2Т.

Нейроноподобные сети - эффективный инструмент построения систем управления робототехническими устройствами. В значительной степени это обусловлено тем, что они являются устройствами параллельной обработки информации и имеют ряд важных преимуществ при построении систем, предназначенных для работы в реальном масштабе времени.

Результаты исследований в области моделирования нейронных сетей существенно расширили класс задач, решаемых при помощи нейроноподобных сетей. Теперь в этот класс включаются комбинаторные, оптимизационные и другие задачи. Успехи микроэлектроники подготовили технологическую базу для создания вычислительных устройств, способных осуществлять параллельную обработку информации. Два эти фактора обусловили появление нейрокомпьютеров - ЭВМ, архитектура которых наилучшим образом приспособлена для решения задач моделирования нейронных сетей. В настоящее время нейрокомпьютеры создаются в виде компактных приставок к персональным ЭВМ, существенно увеличивая их функциональные возможности.