<<
>>

Достижения в области искусственного интеллек­та.

6,

7, B 80-90-х гг. XX в. в когнитивной науке был разрабо­тан и успешно применен новый компьютерный подход к моделированию мозга - коннекционизм (от анг. conne­ction - соединение, связь).

Этот подход позволил скон­струировать принципиально новый тип компьютерных устройств, состоящих из «формальных* нейронов искус­ственных нейронных сетей. Эти вычислительные устрой­ства позволили моделировать некоторые когнитивные процессы живых существ (включая человека) и их интел­лектуальные способности. Оказалось, что искусственные нейронные сети, использующие принцип параллельной и распределенной обработки информации, с гораздо боль­шей степенью адекватности воспроизводят выявленные нейробиологами механизмы функционирования реально­го мозга - например, наличие в организации нейронов про­межуточных, «скрытых» слоев, при участии которых происходит внутренняя переработка поступающих извне сигналов, способность определенным образом соединен­ных групп нейронов к постепенному изменению своих свойств по мере получения новой когнитивной информа­ции (т.е. к обучению) и т.д. Сознание, разумное мышление, гіамять с точки зрения коннекционистских моделей мож­но интерпретировать как возникающие в результате мета- системных переходов и самоорганизации новые эмерджен- тные свойства нейронных сетей, когнитивной системы в целом, а не как свойство ее отдельных элементов.

Согласно взглядам современных коннекционистов, искусственные нейронные сети - это крайне упрощенные модели мозга, состоящие из большого числа модулей («формальных» нейронов), которым приписываютсявеса, измеряющие силу соединений между модулями. Эти веса моделируют действия синапсов, обеспечивающих инфор­мационный обмен между нейронами. Модули искусствен­ной нейронной сети, соединенные в паттерне подключе­ний, обычно делят на три класса: входные модули, кото­рые получают необходимую для обработки информацию; выходные модули, где представлены результаты обработ­ки информации; и модули, находящиеся между входны­ми и выходными, получившие название скрытых моду­лей.

Если нейронную сеть рассматривать как грубую модель человеческого мозга, то входные модули в чем-то аналогичны сенсорным нейронам, выходные - моторным нейронам, а скрытые модули - всем другим нейронам. Каждый входной модуль обладает величиной возбужде­ния, которое репрезентирует некоторое свойство, внешнее по отношению к сети. B конечном счете сигнал OT входных модулей распространяется всеми путями через сеть и определяет величину возбуждения всех скрытых и выходных модулей. Установленный сетью паттерн воз­буждения определяется весами, или, другими словами, силой соединений между модулями. Величина возбужде­ния для каждого получающего сигнал модуля вычисляет­ся согласно функции возбуждения. Так как допускается, что все модули вычисляют (в значительной мере) одну и ту же простую функцию возбуждения, то успешное модели­рование интеллектуальных действий искусственной ней­ронной сетью зависит прежде всего от параметров настройки весов между модулями. Поэтому нахождение правильного набора значений, необходимых для выполне­ния данной задачи, ~ главная цель в исследованиях кон- некционистов. Для этого были изобретены соответствую­щие алгоритмы, которые позволяют вычислять правиль­ные значения для решения многих задач. Как оказалось, успешное применение коннекционистских методов зави­сит от весьма тонкой корректировки таких алгоритмов и используемых для обучения значений. Обучение обыч­но включает сотни тысяч попыток корректировки значе­ний и может занимать дни или даже недели.

Уже первые попытки применения нейронных сетей для решения когнитивных задач - для чтения английского тек­ста (NETtalk, сеть, разработанная Сейновским и Розен­бергом в 1987 г.), для предсказания форм прошедшего вре­мени английских глаголов (Румелхарт и Мак-Клелланд, 1986 г.), для оценки грамматических структур (Элман, :991 г.) - показали их эффективность в качестве моделей человеческого интеллекта. Они особенно хорошо адаптиро­ваны к обработке информации, касающейся ассоциаций, к когнитивным проблемам, которые возникают в случае параллельно действующих противоречивых команд, таких, как распознавание объектов, планирование, коор­динирование движений, оценка тонких статистических паттернов, оперирование нечеткими понятиями и т.д.

Из коннекционистских моделей и методов обучения сетей, в частности, следует, что репрезентация когнитив­ной информации в мозге, скорее всего, не локализована в отдельных нейронах или нейронных узлах, а распреде­лена в когнитивной системе. Человеческая мысль предпо­лагает образование внутренних репрезентаций, т.е. слож­ных паттернов, действие которых распределено по отно­сительно большим зонам кортекса. Обучение искусствен­ных нейронных сетей, в частности, показало, что каждая распределенная репрезентация является паттерном, воз­никающим при участии всех модулей, так как граница между простыми и сложными репрезентациями отсут­ствует. Поскольку индивидуальный модуль не кодирует какой-либо символ, распределенные репрезентации являются подсимвольными. Если, например, моделирует­ся действие каждого нейрона с числом, то действие мозга в целом может быть тогда представлено как гирантский вектор (или список) чисел. И вход в мозг из сенсорных систем и его выход к индивидуальным мышечным нейро­нам также могут быть обработаны как векторы того же самого типа. Таким образом, с позиции коннекционизма высшие ментальные процессы представляют собой эмерджентные метасистемные свойства, систематиче ским образом зависящие от феноменов низшего уровня[28].

<< | >>
Источник: Бескова И.А.. Феномен сознания. 2010

Еще по теме Достижения в области искусственного интеллек­та.:

  1. 28. Какова культура Возрождения в Италии, (ее важнейшие достижения в области культуры и искусства)?
  2. 10.2. Искусственная реальность
  3. 10.3. Человек в искусственной среде: проблема выживания
  4. Искусственная гибернация, или анабиоз
  5. Естественные, искусственные и комплексные системы
  6. 7. Растворение расширения в достижение.
  7. 9.6.3. Фаза достижения соглашения на переговорах
  8. Ритм желудочков при использовании искусственных пейсмекеров
  9. Попов Б.М.. ЗА ПРЕДЕЛАМИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА., 2015
  10. Что побуждает нас к достижениям?
  11. 2. РАЗЛИЧИЕ МЕЖДУ ПРИРОДНОЙ ВЕЩЬЮ И ИСКУССТВЕННЫМ ПРОДУКТОМ