Нейрокомпьютеры
Введение
Наряду с развитием персональных ЭВМ, сетей ЭВМ и
высокопроизводительных суперЭВМ традиционной архитектуры в последние годы
существенно повысился интерес к разработке и созданию компьютеров
нетрадиционного типа и, прежде всего, нейрокомпьютеров. Связано это с тем,
что, несмотря на высокую производительность современных суперЭВМ,
приближающуюся к предельно допустимой, все еще остается много практически
важных проблем, для решения которых нужны более мощные и более гибкие
вычислительные средства. Они необходимы для глобального моделирования
процессов в экосистемах, при решении задач нейрофизиологии, искусственного
интеллекта, метеорологии, сейсмологии и т. п. Необходимы они и при
создании систем управления адаптивных интеллектуальных роботов.
Бортовые ЭВМ таких роботов должны воспринимать большие объемы
информации, поступающей от многих параллельно функционирующих датчиков,
эффективно обрабатывать эту информацию и формировать управляющие
воздействия на исполнительные системы в реальном масштабе времени. Более
того, управляющие компьютеры интеллектуальных роботов должны оперативно
решать задачи распознавания образов, самообучения, самооптимизации,
самопрограммирования, т. е. те задачи, которые весьма сложны для
традиционных ЭВМ и суперЭВМ. Поэтому остается актуальной необходимость в
поиске новых подходов к построению высокопроизводительных ЭВМ
нетрадиционной архитектуры. Среди таких подходов центральное место занимает
нейрокомпьютерный подход.
Его суть состоит в разработке принципов построения новых мозгоподобных
архитектур сверхпроизводительных вычислительных систем – нейрокомпьютеров.
Подобно мозгу, такие системы должны обладать глобальным параллелизмом,
самообучением, самооптимизацией, самопрограммированием и другими свойствами
биологических систем. Ожидается, что нейрокомпьютеры в принципе смогут
решить многие из тех проблем, которые сдерживают дальнейшее развитие научно-
технического прогресса.
По современным представлениям нейрокомпьютер (НК) – это система,
предназначенная для организации нейровычислений путем воспроизведения
информационных процессов, протекающих в нейронных сетях мозга. Структурной
единицей НК служит специфический процессор – нейропроцессор (НП),
имитирующий информационное функционирование отдельных нервных клеток –
нейронов. Нейропроцессоры связываются друг с другом в нейроподобные
структуры, имитирующие нейронные сети мозга. По этой причине, чем точнее НП
воспроизводит информационную деятельность нервных клеток, и чем ближе
конфигурации искусственных нейронных сетей к конфигурациям сетей
естественных, тем больше шансов воспроизвести в НК самообучение,
самопрограммирование и другие свойства живых систем.
С точки зрения вычислительной техники, каждый нейропроцессор
представляет собой специализированное процессорное устройство, реализуемое
программным, аппаратным или программно-аппаратным способом. В то же время
это устройство имеет ряд особенностей. Во-первых, НП воспроизводит не
произвольно выбранный набор операций, а только те операции, которые
биологически обусловлены и необходимы для описания процессов переработки
информации в нервных клетках. Во-вторых, при аппаратной реализации
нейропроцессоров они, подобно нейронам мозга, связываются друг с другом
индивидуальными линиями передач последовательных кодов. При большом числе
процессорных элементов такая связь более эффективна, чем связь
нейропроцессоров по общей шине или посредством индивидуальных параллельных
шин.
Эти и другие особенности НП позволяют выделить их в самостоятельный
класс процессорных устройств вычислительной техники.
1. Нервные клетки и их модели
Нервная система (НС) человека и животных является важнейшей
консолидирующей системой организма. Ее основная функция заключается в
поддержании внутренней гармонии организма и в организации его
приспособительной деятельности в изменяющихся условиях внешней среды. НС
имеет клеточную структуру и состоит из клеток – нейронов, сгруппированных в
нейронные ансамбли и сети. Центральным отделом нервной системы является
головной и спинной мозг.
С точки зрения кибернетики мозг представляет собой информационно-
управляющую систему, которая при помощи рецепторов воспринимает информацию
о внешней среде, обрабатывает эту информацию на основе генетической
программы и индивидуального опыта, а также формирует управляющие
воздействия на эффекторные (исполнительные) системы организма.
Данной структуре соответствует хорошо известная специализация нервных
клеток на сенсорные (рецепторные), вставочные (интернейроны) и эффекторные
(мотонейроны) нейроны. Рецепторные нейроны воспринимают энергетические
воздействия внешней среды той или иной модальности (световые, акустические,
тактильные и т. п.) и преобразуют их в импульсные потоки, передаваемые
интернейронам. Взаимодействующие друг с другом интернейроны осуществляют
обработку поступившей информации, а мотонейроны передают результаты этой
обработки непосредственно на исполнительные системы организма (мышцы,
сосуды, железы внутренней секреции и т. п.).
По форме нервные клетки существенно отличаются друг от друга, однако
большинство нейронов имеет древовидную структуру, состоящую из компактного
тела с рядом отростков (волокон). Короткие ветвящиеся веточки называются
дендритами, а длинный, расщепляющийся на терминальные волокна отросток
называется аксоном. Тело клетки (сома) имеет микроскопические размеры от 5
до 100 микрометров, а длина ее отростков может достигать десятков
сантиметров. Например, у крупных млекопитающих и человека аксоны некоторых
клеток при толщине от 10 до 20 мкм имеют длину до метра. Однако и сома и ее
отростки представляют собой единое целое, покрытое общей оболочкой
(мембраной). Как и любая другая клетка организма, нейрон и его отростки
имеют единую внутриклеточную среду, общий генетический аппарат и общую
систему поддержания жизнедеятельности.
Специфическая особенность нервных клеток заключается в способности
воспринимать, преобразовывать и передавать на другие клетки нервное
возбуждение в виде нервных импульсов. Входные импульсы поступают на
дендриты или сому и оказывают на клетку либо возбуждающее, либо тормозное
воздействие. В те моменты, когда суммарное возбуждение клетки превышает
некоторую характерную для нее критическую величину, называемую порогом, в
области аксона возникают нервные импульсы – спайки или, как их еще
называют, потенциалы действия. Возникнув, спайк бездекрементно (без
затухания) распространяется по аксону, поступает на дендриты других клеток
и вызывает их возбуждение или торможение. Такая связь называется аксо-
дендритной, причем возбуждающий или тормозящий характер воздействия
нервного импульса определяется свойствами контакта двух клеток. Этот
контакт называется синаптическим, а пространство между мембранами
контактирующих клеток называется синаптической щелью.
Количество синаптических входов у отдельного интернейрона достигает
150 тысяч. Поэтому общее число межклеточных контактов очень велико.
Например, в мозге человека при 1011 нейронах количество связей между ними
оценивается астрономическим числом 1014. Если дополнительно учесть, что
синаптические связи имеют электрический и химический характер, что наряду с
аксо-дендритными связями возможны синаптические контакты между дендритами,
сомами и аксонами различных клеток, что каждая связь может быть
возбуждающей или тормозной, а также то, что эффективность синаптических
связей в процессе жизнедеятельности меняется, то грандиозная сложность
нейронных сетей у высокоразвитых животных и человека становится очевидной.
В настоящее время установлено, что мозг, судя по всему, основан на
принципе относительно жестко запаянного блока, состоящего из сложно
организованных нейронных сетей, работающих в миллисекундном диапазоне.
Более детальное изучение этих сетей осложняется специфическими свойствами
нервной ткани, содержащей помимо нервных клеток и другие клетки, которые
поддерживают нейрон механически и участвуют в процессах их метаболизма и
проведения спайков.
В целом, нервная ткань представляет собой бесцветную студенистую
массу, в которой даже под микроскопом трудно различить отдельные нейроны и
состоящие из них сети. Поэтому в современной нейроанатомии применяют
специальные методы окрашивания нервной ткани. В частности, используются
красители, которые избирательно воздействуют лишь на некоторые нейроны и
окрашивают их целиком. Окрашенная таким образом ткань замораживается,
разрезается на тонкие слои и изучается под микроскопом. В процессе изучения
удается выделить отдельные нейроны в сетях плотно упакованных нервных
клеток, волокна которых тесно переплетены в густую чащу с промежутками 0,01
мкм. Более того, удается не только различать отдельные клетки, но и
находить их связи друг с другом, как в локальных областях нервной ткани,
так и в различных, далеко отстоящих друг от друга частях мозга. Однако
получаемые при этом сведения не являются полными и не позволяют делать
однозначных выводов о конфигурациях и законах функционирования изучаемых
нейронных сетей. Эти сведения приходится дополнять данными других
исследований, а именно тех, которыми занимается нейрофизиология.
Основным нейрофизиологическим подходом к исследованию мозга в
Страницы: 1, 2, 3, 4, 5, 6, 7, 8
