Моделирование нейронов

Палачами вызвались быть два верных друга поддельной сестры: Марвин Минский и Сеймур Пейперт, которым досталась роль охотников, отправленных, чтобы убить Белоснежку и в качестве подтверждения принести ее сердце. Их орудием был не кинжал, а искусное перо, с которого сошла книга под названием "Персептроны"; цель ее состояла в том, чтобы доказать, что создатели нервных сетей никогда не смогут выполнить свое обещание построить модель разума: это смогут сделать только компьютерные программы. Казалось, победа обеспечена... [17].
Разумеется, сказка Сеймура и Пейперта кончается торжеством холистики, хотя теперь многие из создателей искусственного интеллекта не разделяют его оптимизма. Как будет ясно, я считаю сказочную метафору Пейперта такой же неудачной, как и его и разума. Ни ту, ни другую сестру нельзя сравнивать с Золушкой или хотя бы с Прекрасным Принцем. Оба подхода к моделированию нельзя признать правомерными, если их задача поиски структурных метафор работы реального мозга и реальной памяти.

Тем не менее стоит более внимательно присмотреться к притязаниям обеих сторон.
Как правильно пишет Пейперт, одна группа разработчиков моделей, которых я называю редукционистами, утверждает, что для создания искусственного интеллекта надо с помощью компьютера имитировать известные свойства мозга. Функциональными единицами мозга они считают нервные клетки, или нейроны; сети из этих нейронов хранят, обрабатывают и преобразуют информацию. Задача состояла в том, чтобы создавать математические модели функции нейронов, объединять их в сеть и выяснять, к каким результатам приводят разные способы соединения клеток, в том числе и такие, при которых сети могли бы изменять свои свойства и функции в результате приобретаемого опыта, т. е. "обучаться" и "запоминать".

Впервые такую имитацию осуществил Франк Розенблатт в середине 50-х годов с помощью модельной системы "Пер-септрон". Персептроны были триумфом компьютерного моделирования, однако скоро стало ясно, что они далеко не адекватно
отображают функцию реальных нейронов мозга. Хотя они, по-видимому, могли обучаться, т. е. изменять свойства в ответ на введение новой информации (например, узнавать и классифицировать простые рисунки), они были совершенно неспособны решать более сложные задачи, хотя бы отдаленно напоминавшие реальные жизненные ситуации.
Непреодолимые трудности, с которыми столкнулось моделирование нейронов, и теоретические ограничения, выявленные Пейпертом и Минским, привели к тому, что в 60-х и 70-х годах этот подход был практически оставлен. Именно в это время оценка будущих перспектив искусственного интеллекта, проведенная при финансовой поддержке британского правительства, показала, что они были сильно преувеличены, и объем таких работ был значительно сокращен [18].
Однако в конце 80-х годов интерес к этой области опять пробудился в связи с появлением совершенно новых возможностей. Компьютеры первых поколений были, по существу, последовательными процессорами, т. е. в каждый данный момент осуществляли только йдну операцию; переработка информации носила линейный, характер, хотя и шла с невероятно большой скоростью. Однако сам принцип линейных операций накладывал ограничение на скорость работы машины, так как сигналы из одной части компьютера в другую не могут передаваться быстрее, чем со скоростью света. Этот предел получил название ограничения фон Неймана. Когда новые поколения супермашин приблизились вплотную к этому пределу, разработчики компьютерных моделей обратили, наконец, внимание на то, что настоящий мозг работает совсем иначе.

Он производит множество операций одновременно, причем в осуществлении какой-то одной функции участвуют разные части нейронной сети, а каждая отдельная клетка может выполнять разные функции. Ограничение, накладываемое скоростью передачи сигналов, можно было бы преодолеть, если бы удалось создать компьютеры, более сходные с мозгом, т. е. способные осуществлять различные операции не только последовательно, но и параллельно.
Результатом был взрыв интереса к новым конструктивным решениям, основанным на принципе параллельной и распределенной обработки информации (ПРО). Появилось новое перспективное поколение машин, заинтересовавшее и военных, и промышленность, и разработчиков искусственного интеллекта,

хотя, разумеется, только два первых члена этой триады несли расходы по их созданию. Вот один из показателей масштабов этого интереса: в конце 80-х годов Директорат Европейского сообщества по научным исследованиям посчитал, что Европа отстает от США и Японии в эксплуатации этих новых систем, и выделил 50 млн. экю (около 50 млн. долларов США) на работы по моделированию нервной функции на основе ПРО. Когда в 1986 году Дэвид Румелхарт и Джеймс Клелланд с их коллегами из Массачусетского технологического института выпустили большой двухтомник статей по перспективам применения ПРО для моделирования мозга, в день поступления его в продажу, говорят, было продано 6000 экземпляров [19].

Новый подход к моделированию известен под названием "коннекционизма". Подобно прежнему подходу, он основан на предположении, что мозг состоит из ансамблей нейронов с многочисленными связями между ними. Надлежащим образом соединенные группы нейронов могут обучаться таким образом, что они будут сортировать и классифицировать входные сигналы и постепенно изменять свои свойства по мере поступления новой информации.

Однако в отличие от моделей прежнего, персептронного типа каждый элемент "памяти" не заключен здесь в одной-единственной клетке или паре связанных клеток: вместо этого функция памяти является свойством нейронной сети как целого. Кроме того, если в персептронных моделях отдельные функциональные единицы сети должны были получать сигналы прямо из внешнего мира и соответственно изменять свои свойства, то в новых коннекционистских моделях нейронные сети более сложны они включают слои "клеток", расположенных между входными и выходными элементами (разработчики называют их "скрытыми слоями"). Это резко повышает эффективность системы.

Первые поколения моделей искусственного интеллекта были организованы таким образом, будто мозг это простой телефонный коммутатор с прямыми связями между органами чувств, например глазами и ушами, и исполнительными органами, такими как мышцы. Эти модели фактически игнорировали тот факт, что большинство нейронов в достаточно сложном мозгу не связано непосредственно с внешним миром через сенсорные входы и двигательные выходы; такие нейроны соединены лишь между собой: они получают сигналы от других нейронов и отвечают на них. Иными словами, обычно происходит сложнейшая внутренняя переработка любых
поступающих извне сообщений при участии промежуточных нейронов, и только после этого могут приниматься решения о внешних реакциях. "Скрытые слои" в моделях ПРО действуют наподобие промежуточных нейронов, и это намного повышает способность системы к обучению, обобщению и прогнозированию.
Коннекционистские модели привлекательны для промышленности и военных тем, что позволяют преодолеть прежние ограничения эффективности компьютерных систем. Но не меньший взрыв энтузиазма они вызвали и среди нейробиологов, многие из которых считают, что наконец получили модель, весьма сходную с мозгом или хотя бы с какими-то его отделами. В последние три года множество новых научных журналов публикует сообщения о моделях нейронных сетей, претендующих на объяснение различных аспектов работы мозга.

Командиры и идеологи этой Армии Моделей беспрерывно кружат по всему свету, переезжая с одних авторитетных конференций и семинаров на другие и едва успевая заглянуть в собственные кабинеты и лаборатории, чтобы собрать новейшие данные и снова мчаться в аэропорт.
К ним начинают прислушиваться даже философы. Одной из книг, популярных среди нейробиологов, вообще-то не склонных к чтению философских трудов, стала недавно вышедшая "Нейрофилософия" Патриции Чёрчленд из Калифорнии [20]. Автор рассматривает традиционные философские проблемы сознания и сопоставляет их с данными современной нейроби-ологии, а затем приходит к выводу, что в ней властвует редукционизм. По мнению Чёрчленд, спасение в коннекцио-нистских идеях. Вслед за книгой она опубликовала в солиднейшем журнале "Science" пару статей в соавторстве с нейробиологом Терренсом Сейновским из Сан-Диего, где рассмотрены перспективы науки, которую они называют вычислительной ней-робиологией [21]; теперь это название в свою очередь попадает в заголовки других книг и журналов.

Тот факт, что философы, создатели моделей и нейробиологи начали прислушиваться друг к другу и что компьютерщики наконец-то стали с известным уважением относиться не только к искусственному, но и к природному мозгу, делает их анализы более обоснованными. Раньше энтузиасты искусственного интеллекта подходили к функции нервных клеток с предвзятым мнением и в результате очень скоро теряли всякое представление о реальных биологи-
ческих явлениях, изучаемых нейробиологами. Однако восторженный прием, оказанный нейробиологами книге Черчленд, объясняется, на мой взгляд, тем, что она не оспаривает наши представления, а скорее демонстрирует довольно некритичное почтение к ним.

Содержание раздела