В монографии рассматриваются различные уровни нервной системы: нервная клетка, нейронные сети и некоторые интегративные реакции мозга. Обсуждаются принципы работы биосистем, выдвигается и обсуждается принцип адекватности. Рассматриваются различные подходы к описанию работы нервной клетки. Нейронные сети изучаются методом моделирования. Разрабатываются методы энтропийного анализа импульсации нейронов сети, нейрофизиологические модели формирования рефлекса, обучения, переобучения.

Книга предназначена для инженеров, математиков, биологов, специализирующихся в области биокибернетики, может быть полезна студентам биологических, биофизических и кибернетических факультетов.

В 1962 г. вышла книга известного американского учёного Ф. Розенблатта «Принципы нейродинамики». Во введении он писал: «Не без долгих колебаний автор решился присоединить термин «нейродинамика» к списку новейших лингвистических изобретений». Вряд ли стоило вкладывать столько юмора в обоснование столь очевидного и естественного словосочетания. Сейчас этот термин ни у кого не вызывает удивления или недоумения.

В понимании Ф. Розенблатта нейродикамика — это поиски принципов работы мозга. Он считал, что «прежде чем можно будет построить теорию, адекватно описывающую механизмы мозга, должны быть найдены новые фундаментальные принципы». И шёл по пути поиска принципов от простого к сложному: задал свойства элемента, который, как он считал, отражает свойства нервной клетки, построил на этих элементах особое устройство — перцептрон, установил некоторые правила взаимодействия элементов и, используя возможности математики, занялся формальным исследованием такой системы.

Название нашей книги стимулировано Ф. Розенблаттом. И не самой его книгой, которая, безусловно, является фундаментальным исследованием нейронных сетей одного класса, а, скорее, его стремлением исследовать естественный интеллект и полученным результатом. И, быть может, его убеждённостью в том, что «мы будем заниматься общим классом таких систем, одним из частных случаев которых является мозг».

Быть может, когда Ф. Розенблатт приступал к своим исследованиям, считалось решённым, что функцией нервной клетки является генерация импульса на выходе, и наиболее важными условиями единичного акта генерации — пространственно-временная суммация по многим входам, имеющим различные веса, порог самой клетки и сдвиги весовых коэффициентов в зависимости от некоторого конечного эффекта. Казалось, что это всё, что на уровне нейрона и сетей определяет приём и переработку в нервной системе. Именно с учётом того уровня знаний следует оценивать искренние намерения и результаты Ф. Розенблатта. Теперь преобразование информации в нервной системе связывают не только с логическими условиями появления импульса на выходе того или иного нейрона, но и с непрерывным преобразованием ритмики нейронов, обладающим всеми свойствами, присущими аналоговому способу переработки информации. Это усложняет дело.

Эксперимент, математическая модель, физическая модель. Все эти этапы позволяют лучше узнать свойства нервной клетки. Решающее слово за экспериментом. Но метод исследования — моделирование, математическое и физическое.

Если сам нейрон доступен изучению разнообразными способами, то нейронные сети — простые и сложные — изучать очень трудно как в смысле методическом, так и с точки зрения интерпретации результатов. И здесь один из немногих выходов — моделирование.

Как ни странно, но на уровне мозга, на уровне целостного организма достоверность наших знаний столь же велика, как и на уровне нейрона. Благодаря работам И. П. Павлова по условным рефлексам и дальнейшим разработкам методик изучения поведенческих актов, работу мозга в целом удаётся измерить. И описать с помощью математических моделей.

На наш взгляд, изучение механизмов мозга и создание устройств, обладающих «искусственным интеллектом», — процессы параллельные. В самом деле, примитивные взгляды на нервную клетку, как реле, ничем не обоснованная уверенность, что мозг — это совокупность миниатюрных триггеров, породили современные цифровые вычислительные машины, которые далеко не исчерпали своих возможностей. Однако интуитивная уверенность в том, что цифровые вычислительные машины не представляют собой хорошей модели мозга, явилась причиной усложнения свойств элементов физической модели мозга. Порог и переменные веса связей элементов легли в основу нового класса технических устройств — перцептронов. Их вклад в современную технику не столь велик, как вклад ЭЦВМ, но, быть может, в будущем область их применения расширится. Однако как модель мозга они полезны. Элемент с переменным порогом даст новые свойства сетей (адалин, мадалин). Попытки более полно раскрыть свойства нервной клетки приводят нас к частотному элементу и нейронным сетям на таких элементах.

С точки зрения сетей, мозг не только и не столько перцептрон, но прежде всего устройство, познающее закономерности окружающей среды — лоутрон. Работа по исследованию таких сетей и их свойств только начата, но некоторые интересные результаты уже удалось получить.

Формальные теоремы Ф. Розенблатта нельзя, конечно, считать принципами, по которым работает мозг. При разработке таких принципов желательно всё же не слишком удаляться от самого объекта исследования — мозга. В этом смысле автор настоящей книги надеется, что он находится ближе к реализации намерения, сформулированного Ф. Розенблаттом следующим образом: «Программа по исследованию перцептрона связана главным образом не с изобретением устройств, обладающих «искусственным интеллектом», а с изучением физических структур и нейродинамических принципов, которые лежат в основе «естественного интеллекта». И, по крайней мере, ближе, учитывая современные взгляды на нейрон.

ПРЕДИСЛОВИЕ

Книги на ту же тему

1. Зрительный анализ пространства у насекомых, Францевич Л. И., 1980
2. Математические проблемы в биологии, Фомин С. В., Беркинблит М. Б., 1973
3. Биофизика: Учебное пособие. — 3-е изд., стер., Волькенштейн М. В., 2008
4. Бионика, Жерарден Л., 1971
5. Нервное возбуждение: Макромолекулярный подход, Тасаки И., 1971
6. От нейрона — к искусственному мозгу, Быков А. П., Вейц А. В., 1971
7. Функциональные связи нейронов моторной коры при обучении: Пространственно-временная организация, Богданов А. В., Галашина А. Г., 2003
8. Адаптация и обучение в автоматических системах, Цыпкин Я. З., 1968
9. Методы распознавания: Учебное пособие для вузов. — 3-е изд., перераб. и доп., Горелик А. Л., Скрипкин В. А., 1989
10. Новое в синергетике. Новая реальность, новые проблемы, новое поколение, 2007
11. Новое в синергетике: Взгляд в третье тысячелетие, Малинецкий Г. Г., Курдюмов С. П., ред., 2002
12. Эволюция, нейронные сети, интеллект: Модели и концепции эволюционной кибернетики. — 5-е изд., стереотип., Редько В. Г., 2007
13. Интеллектуальные методы в менеджменте, Кричевский М. Л., 2005
14. Нейросетевые системы управления, Терехов В. А., Ефимов Д. В., Тюкин И. Ю., 2002
15. Автоматизация синтеза и обучение интеллектуальных систем автоматического управления, Макаров И. М., Лохин В. М., ред., 2009
16. Искусственный интеллект и интеллектуальные системы управления, Макаров И. М., Лохин В. М., Манько С. В., Романов М. П., 2006
17. Интеллектуальные информационные системы в экономике: учебное пособие. — 2-е изд., стереотип., Романов В. П., 2007
18. Чувства животных, Бертон Р., 1972