Добавил:
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Конспект лекций.doc
Скачиваний:
67
Добавлен:
02.05.2014
Размер:
686.08 Кб
Скачать

Лекция 3

Модели естественного интеллекта.

Нервная система животных состоит из:

- центральная нервная система:

- головной мозг;

- спинной мозг;

- зрительные нервы;

- сетчатка;

- периферическая нервная система:

отростки центральной нервной системы, которые соединены

с мышцами (управление) и органами чувств - слух,

обоняние, осязание, вкус (восприятие информации).

Нейрон - нервная клетка. Нервные клетки работают как сложные

аналоговые процессоры. Диаметр тела нейрона - 30мкм. У тела нейрона

имеется несколько отростков. Многие из нихх представляют собой

ветвящиеся структуры, называемые дендритами. Длина дендритов -

200-300мкм. Большинство нейронов имеют также один более длинный

отросток, называемый аксоном, который также имеет много разветвлений.

Длина аксона - от 50мкм до нескольких метров.

Нервные стволы (нервы) состоят из пучка нервных волокон,

окруженных защитной оболочкой, наподобие телефонного кабеля. Нервные

волокна - это аксоны нервных клеток, переносящие нервные импульсы.

Вся нервная клетка, включая дендриты и аксон, защищена мембраной,

вследствие чего химический состав протоплазмы внутри клетки отличен

от химического состава жидкой среды организма вне ее: протоплазма

клетки богата калием, внешняя среда - натрием. Это различие

поддерживается благодаря особому свойству мембраны, которое называется

"натриевый насос", и приводит к наличию на мембране разности

потенциалов (Uout- Uin= 70 мВ).

Если какая-то небольшая часть мембраны деполяризуется, в этой

области мембраны возникает ток, который воздействует на соседние

области, вызывая также и их деполяризацию. Затем, примерно в течение

мс мембрана возвращается в нормальное состояние. В целом, как только

деполяризуется какая-то малая область клетки, в ней возникает "волна

деполяризации", которая распространяется по аксону. Это и есть нервный

импульс, который обеспечивает связь в нервной системе. Скорость

распространения нервного импульса в нервном волокне от 10см/с до

100м/с.

Тело клетки называется сома. В ней действуют генетический и

метаболический (энергетический) механизмы, необходимые для поддержания

жизнедеятельности клетки.

Дендриты электрически пассивны. Их основная функция состоит в

восприятии нервных импульсов от других нейронов через входные синапсы -

специальные контакты.

Аксон - это отросток нейрона, проводящий нервные импульсы от тела

клетки к иннервированным органам и другим нейронам. На теле нервной

клетки и на ее дендритах имеются области (до 10тыс. точек на 1

нейрон), в которых на клетку оказывают воздействие аксоны других

нейронов. Эти области называются синапсами. Существуют возбуждающие

синапсы (стимулирующие деполяризацию нейрона) и тормозные

(затрудняющие деполяризацию). Передача нервного импульса через синапс

носит химический характер, причем в разных синапсах встречаются

различные передающие вещества (медиаторы).

Под внешним воздействием нейрон может "сработать", создавая

выходной импульс, который далее распространяется по электрически

активному аксону к выходным синапсам. Входное воздействие на нейрон -

через возбуждающие синапсы. Между моментом прихода импульса в данный

нейрон и появлением сигнала на его выходе всегда имеется синаптическая

задержка - примерно 1 мс.

Быстродействие "вычислительных элементов" мозга значительно

уступает элементам ЭВМ (время передачи сигнала в нерве ~1мс, в ЭВМ

~1нс). Однако мозг эффективнее ЭВМ вследствие параллельной работы

нейронов, в отличие от последовательных компьютеров.

Важная особенность естественного интеллекта - способность к

обучению. Процесс обучения в нервной системе, по-видимому, связан с

определенными изменениями физических свойств нейронов (или, возможно,

клеток другого типа, соседствующих с нейронами и влияющих на них).

Любая способность нейрона изменять свойства в зависимости от его

предыдущей активности называется пластичностью.

Опыт по изучению пластичности: нейрон лищают одного входа,

перерезая все ведущие к нему пути. Нейрон начинает через некоторое

время реагировать на другой вход, к которому раньше был

нечувствителен. Если перерезать часть зрительных волокон, идущих к

сетчатке глаза, то потерявшая чувствительность область сетчатки через

некоторое время начинает видеть посредством других нейронов. Каким

образом нейроны "узнают", что часть системы связей повреждена, до сих

пор не известно.

Структурная модель нейроной сети:

о синапс

┌─┴──┐

о┤тело├О───────┐

└─┬──┘ аксон │

о │

­

о о

┌─┴──┐ ┌─┴──┐

о┤ ├О──────────────_о┤ ├О

└─┬──┘ └─┬──┘

о о

о │

┌─┴──┐ │

о┤ ├О───────┘

└─┬──┘

о

Сравнение характеристик гипотетической видеопроцессорной системы

на интегральных микросхемах (ИС) и характеристик сетчатки

человеческого глаза:

──────────────────────────────┬────────────────────┬────────────────────

ХАРАКТЕРИСТИКА │ ТИПИЧНАЯ ИС │ СЕТЧАТКА

──────────────────────────────┼────────────────────┼────────────────────

Компоновка схемы │ 2-мерная │ 3-мерная

Толщина проводников в ИС и │ │

нейронов в сетчатке │ 1-3мкм │ 0.1-1.0мкм

Число логических вентилей │ ~ 1000000 │ ~ 2.5*1010

Разрешающая способность (число│ │

пикселей) │ 2048*2048 │ 10000*10000

Потребляемая мощность │ 200-300Вт │ 1мВт

Объем системы │ ~ 100000 кв.см │ 0.003 кв.см

Общий вес │ 20-50 кг │ < 1г

──────────────────────────────┴────────────────────┴────────────────────

Для имитации 10мс работы одной нервной клетки сетчатки глаза

нужно 100-кратное решение системы из 500 нелинейных ДУ. Это требует

нескольких минут процессорного времени суперкомпьютера Cray.

Для моделирования 10мс работы всей сетчатки (10 млн нейронов)

потребуется не менее 100 лет работы Cray.

Первую модель системы, моделирующую деятельность нейронов,

предложил в 50-х годах Франк Розенблат. Это персептрон. Он

использовался для распознавания образов.

Схема персептрона:

с─────────────────а─────────────┐

с────────┬────────а────────────┐│

с──────┐ └────────а────────────╔═╗

с────┬─┼──────────а────────────║р║─_

с │ └──────────а────────────╚═╝

с────┼────────────а────────────┘│

с────┘ а─────────────┘

Персептрон состоит из трех типов узлов:

- с - сенсорные узлы (имитируют светочувствительные клетки

сетчатки глаза);

- а - ассоциативные узлы (обработка данных сенсоров);

- р - узлы реакции (понимание, распознавание).

Описанная структура - базовый элемент персептронных сетей. На

выходе р-узла - 1 или 0. Связи с-узлов с а-узлами задаются случайным

образом на момент начального построения системы. Каждый а-узел связан

с р-узлом.

А-узел вырабатывает сигнал 1 или 0 (флаг активности) в

зависимости от сочетания значений, поступающих от сенсоров.

Р-узел вычисляет условие срабатывания:

SUM(XiWi) >=T,

i

где Wi- весi-го а-узла,

Xi - флаг активности а-узла(1-активен, 0-нет),

T - порог срабатывания.

Веса а-узлов меняются в процессе обучения персептрона по

следующему алгоритму:

1) на вход персептрона подают обучающий пример;

2) если реакция р-узла является правильной (срабатывает, когда

образ принадлежит классу, или не срабатывает, когда образ не

принадлежит классу), веса не изменяются;

3) если р-узел не срабатывает, хотя образ принадлежит классу),

веса активных синапсов увеличиваются на величину с;

4) если р-узел срабатывает, когда образ не принадлежит классу),

веса активных синапсов уменьшаются на величину с.

Персептрон - прообраз нейрокомпьютеров.

Свойства нейрокомпьютера:

- обучается по примерам;

- применяется в основном для распознавания образов;

- действие нейрокомпьютера аналогично мозгу;

- элементы нейронной сети работают параллельно;

- базовые элементы нейронной сети (нейрочипы) могут быть

использованы для построения разных систем из одного набора

компонент.

Для исследований нейрокомпьютеров часто применяют нейроимитаторы.

Обычно это программы для традиционных ЭВМ. В мире и в нашей стране

существуют группы по интересам, занимающиеся исследованиями

нейрокомпьютеров.

Структурная схема нейрокомпьютера:

ОТ РЕЦЕПТОРОВ

│ БЛОК ВЫДВИЖЕНИЯ

­ ГИПОТЕЗ

┌──┬──┬──┐ ┌──┐

│S1│S2│S3│ │U1│

├──┼──┼──┤ ├──┤

СЕНСОРНАЯ │S4│S5│S6│_═══════│U2│_═╗

МАТРИЦА ├──┼──┼──┤ ├──┤ ║

│S7│S8│S9│ │U3│ ║

└──┴──┴──┘ └──┘ ║

║ ║

║ ║

­ ║

РЕГИСТР ┌──┬──┬──┐ ║

ВНУТРЕННЕГО │P1│P2│P3│ЭНЕРГЕТИЧЕСКИЙ║

СОСТОЯНИЯ └──┴──┴──┘ ПОТЕНЦИАЛ ║

║ ┌────о ║

║ │ ║

­ ­ ║

┌──────────────┐ ║

│НЕЙРОННАЯ СЕТЬ│═══════════╣

└──┬───┬───┬───┘ ║

│ │ │ ║

­ ­ ­ ║

┌──────────────┐ ║

МОТОНЕЙРОНЫ │ O O O │═══════════╝

└──────────────┘

На сенсорную матрицу через рецепторы поступают воздействия из

внешней или внутренней среды нейрокомпьютера. Блок выдвижения гипотез

управляет процессом переноса информации из сенсорной матрицы в регистр

внутреннего состояния и далее через нейронную сеть к группе

мотонейронов. Нейронная сеть осуществляет основную обработку

информации. Мотонейроны управляют исполнительными органами, которые

могут быть подключены к нейрокомпьютеру: двигателями, реле,

искусственными мышцами. Энергетический потенциал определяет общий

уровень возбуждения нейронной сети, т.е. ее "время жизни".

Ячейки сенсорной матрицы, регистра внутреннего состояния и блока

выдвижения гипотез - битовые.

Структура элемента нейронной сети:

IN──┬───┐ ┌───┐

входные полюсы IN──┤SUM├─_│LIM├OUT выходной полюс

синапсы IN──┴───┘ └───┘ синапс

накопитель дискретизатор

сома аксон

Накопитель - обычно арифметический сумматор или логическая

функция. Дискретизатор при превышении суммой порогового значения

выдает единичный импульс на выходной полюс.