Пути моделирования мышления: : Активные синергические нейронные сети, мышление и творчество, формальные модели поведения и "распознавания с пониманием" - Шамис А.Л.

Author: Шамис А.Л.

Tags: кибернетика искусственный интеллект машинное обучение синергетика искусственные нейронные сети

ISBN: 5-484-00578-7

Year: 2006

Similar

Нейронные сети. Распознавание, управление, принятие решений

Загадки жизни и разума. Нерешенные вопросы понимания и моделирования живого

Модели поведения, восприятия и мышления

Элементарное введение в технологию нейронных сетей с примерами программ

Text

А. Л. Шамис
ПУТИ
Активные синергические
нейронные сети
. а
Мышление и творчество
- —------------------
Формвльные модели
поведения
и «распознавания
с пониманием»
ББК 32.81 22 318
Шамве Александр Львович
Пути моделирования мышления: Активные синергические нейронные сети, мыш-
ление и творчество, формальные моле ли поведения и «распознавания с понима-
нием». — М„ КомКнига, 2006. — 336 с.
ISBN 5-484-00578-7
В книге с общих позиций рассматривается широкий круг вопросов, ка-
сающихся проблем моделирования поведения, восприятия и мышления Наря-
ду с общими вопросами рассматриваются модели целенаправленного поведения,
восприятия *с пониманием* и активных нейронных механизмов мозга, а также
качественные модели репродуктивного и творческого мышления. В основе этих
моделей лежат «принцип устойчивого неравновесия», принцип тпахТ и системные
принципы целостности, целенаправленности и активности Описывается также
применение принципов целостности, целенаправленности и активности в практи-
ческих системах распознавания рукописных текстов 1рафит, FmcReader-рукопись
и FormReader.
Книга предназначена для специалистов в области распознавания образов
и искусственного интеллекта, а также для широкого круга читателей, интересую-
щихся проблемами создания автономных и активных искусственных систем.
Издательство «КомКнига». 117312. г Москва, пр-т 60-лгтия Октября. 9.
Подписана к печати 03.05.2006 г Формат 60x90/16 Печ л. 21. Зак. № 175
Отпечатано в ГП «Облнаоат». 248640. г Калуга, пл. Старый Topi, <
ISBN 5—484—00578—7
© А. Л Шамис, 2006
© КомКнига, 2006
НАУЧНАЯ И УЧЕБНАЯ ЛИТЕРАТУРА
Е-гпаИ* URSSCURBH ш
Каталог изданий а ИктврнАта:
http://URSS.ru
ТвлТфАГС: 7 {405) 135-42-16
Тап/факс:7 (405) 135-42-48
URSS
А. Л. Шамис
ПУТИ
МОДЕЛИРОВАНИЯ
МЫШЛЕНИЯ
Активные синергические
нейронные сети
Мышление и творчество
Формальные модели
поведения и «распознавания
с пониманием»
МОСКВА
URSS
Оглавление
Предисловие .... ............ 7
Введение. Искусственный интеллект —
миф или реальность ... . . ................. 14
Глава 1. Устойчивое неравновесие и модель
целенаправленного поведения.................. 24
1.1. Поведение......... ........ 24
1.2. Принцип тахТ...... 26
1,3. Формальная модель...................... 31
1.4. Мотивации и потребности................ 34
1.5. Эмоции............................... 37
1.6. Реальная задача....................... 42
Глава 2- Модель целостного восприятия
и «распознавание с пониманием»......... 47
2.1. Распознавание........ ................. 47
2.2. Психология машинного зрения............ 55
2.3. Принципы распознавания рукописных текстов
и их реализация в программах ABBYY
FineReader-рукопись и FormReader..... 61
Глава 3. Синергия, целостность и организация . . 75
3-1. Целостность и теория систем .....- 76
3-2- Представление целостного объекта
(системы).............................. 81
3
Оглавление
3.3. Организация....................... . 84
3.4. Возникновение и изменение организации ... 89
3.5. Устойчивое неравновесие................. 98
3.6. Принцип гпах? в поведении живых
организмов и в искусственных активных
динамических системах................. 103
3.7. Свобода поведения активных динамических
систем....................................108
Глава 4. Информация 113
4.1. Подходы к определению и измерению.......113
4.2. Ценность информации..... 122
4.3. Определение информации ... 127
4.4. Познание и информационное
отображение мира......................... 132
4.5. Информация и поз ревности...............139
Глава 5. Семантическая модель проблемной
среды ... 143
5.1. Некоторые физиологические предпосылки . 144
5.2. Особенности задачи поведения . .150
5.3. Особенности задачи восприятия...........156
5.4. Представление в модели проблемной среды
целостных объектов и ситуаций.............160
5.5. Необходимые свойства модели проблемной
среды................................. ... 165
Глава 6. Пассивные нейронные модели.
Нейрокомпьютер.............................. . 168
6.1. Свойства и функции нейронных моделей
мозга, необходимые для решения основных
базовых задач мышления....................169
6.2. Минимальные сведения об элементах мозга . 175
4
Оглавление
6.3. Логические нейронные сети Мак-Каллока
и Питтса................................. 181
6.4. Перцептрон Ф. Розенблатта ... 184
6.5. Современные формальные распознающие
нейронные сети.............................. 189
Глава 7. Синергические активные нейронные
модели........................................... 208
7.1. Активность...... 208
7.2. Общие свойства активной синергичной
нейронной сети и активных нейронных
элементов................................. . . 219
7.3. Свойства нейронов......................223
7.4. Режимы работы активной нейронной сети . .231
7.5. Однослойная 4-сеп......................234
7.6. Формирование двухслойной первичной
нейронной сети.......................- , . 236
7.7. Запоминание внешних информационных
воздействий па двухслойной
нейронной сети............................ . . 238
Глава 8. Модель мышления и творчества ...........248
8.1. Общие замечания .... 248
8.2. Мышление...............................251
8.2.1. Перцептивное мышление .... . . 251
8.2.2. Когнитивное (познавательное)
мышление.................................254
8.2.3. Практическое (поведенческое)
мышление............................. . . 260
8.2.4. Механизмы репродуктивного
практического (поведенческого)
мышления.................................264
8.2.5. Структурно-логическая особенность
модели проблемной среды человека . . . 267
5
Оглавление
8.3. Творчество........................ ... 271
8-3.1. Творческий поиск................ 271
8.3.2. Креативное (созидательное)
мышление ... ..................273
8.3.3. Работа мозга и некоторые функции
творчества.............................277
Глава 9. Основные проблемы, связанные
с моделированием нейронных
механизмов мозга.............................. 281
9.1. Еще раз об обшей оценке существующих
нейронных моделей...........................281
9.2. Сознание...............................286
9.3. Умозрительное моделирование и свобода
воли....................................... 295
9.4. Получение признаков, отношений
и метрических характеристик................ 298
9.5. Управление процессами получения
информации с понятийного уровня модели . . 300
9.6. Построение целостных многоуровневых
иерархических структурно-метрических
описаний................................. 301
9.7. Возникновение и гашение очагов
возбуждения.................................304
9.8. Проблема моделирования памяти .... 306
9.9. Переход от нейрона к нейронному
ансамблю................................... 308
9.10. Проблема моделирования языка
и абстрактного мышления............. .310
9.11. Проблемы второго плана............ ... 311
Заключение. Моделирование мышления —
миф или реальность 317
Литература 327
Предисловие
В этой книге рассматриваются как формальные,
в том числе и реализованные в виде компьютерных
программ, так и качественные умозрительные модели
восприятия, поведения нейронных механизмов мозга
и мышления. Обсуждаются и многие сопряженные во-
просы. Надеюсь, что мне удалось сформулировать неко-
торые полезные общие, а в некоторых случаях и конкрет-
ные представления. Часть таких конкретных представ-
лений послужила основой для разработки практических
программ чтения рукописных текстов, входящих в со-
став систем Графит, FineReader-рукопись и FormReader.
Эти результаты также описываются в книге.
Книгу «Пути моделирования мышления» несмотря
на новое название, можно, правда с определенной значи-
тельной натяжкой, считать вторым изданием вышедшей
в 2004 году книги «Поведение, восприятие, мышление».
Вторая книга имеет в своей основе серьезно откоррек-
тированный и уточненный текст первой. В то же время,
во второй книге обсуждаются в основном те же пробле-
мы, описываются в основном те же модели и сохранены
главные принципиальные выводы первой книги. Сохра-
нена и значительная часть текста этого предисловия,
касающаяся истории вопроса.
Однако эту книгу можно считазъ и новой потому,
что в ней помимо значительной коррекции и уточнений
7
Предисловие
имеется также много достаточно принципиальных и важ-
ных, с моей точки зрения, дополнений. Такие дополне-
ния есть во всех главах. Кроме того, есть новые разделы,
в частности, глава, включающая модельные гипотезы
о мышлении и творчестве. Книга по-новому структури-
рована. Объем книги значительно увеличился.
Вторая книга имеет другое название, которое, как
мне кажется, точнее выражает содержание. Первона-
чально рассматривался вариант с включением в назва-
ние слова «синергия» и это была не просто дань моде.
Идея синергии, т. е. взаимодействия и взанмосодействия
частей необходимого для функционирования и поддер-
жания устойчивости целого, является одной из централь-
ных в книге. Однако, в конечном счете, я все же остано-
вился на более простом и понятном варианте.
Надеюсь, что книга будет интересна и полезна чита-
телям и, может быть, даже гем из них, кто уже познако-
мился с книгой «Поведение, восприятие, мышление».
Что такое мышление?
Этот очень актуальный и один из самых интересных
вопросов наших дней занимает меня много лет. Про-
блема становится актуальной не только тогда, когда ее
решение должно принести какую-то пользу, но и при
условии, что имеются реальные предпосылки, дающие
надежду на решение. В отношении возможности модели-
рования мышления эта надежда есть и определяется она
не только обширным накопленным экспериментальным
материалом в области психологии и физиологии высшей
нервной деятельности, но и уровнем, достигнутым совре-
менной вычислительной техникой. Эта надежда связы-
вается у меня и с некоторыми, описываемыми в кни-
ге экспериментальными результатами и теоретическими
представлениями. Правда, ясно и то, что перспективы
8
Предисловие
полного решения проблемы до сих пор янляются весьма
отдаленными.
Как подойти к построению инженерной теории
мышления, с чего начать? Проще и естественней всего
поставить знак тождества между мышлением и воспри-
ятием, особенно зрительным, полагая, что восприятие
и мышление — это почти одно и то же. Сначала, еще
в 60-х годах прошлого века, часто так и делали. Многие,
и я в том числе, начали строить модели восприятия,
однако это дело очень быстро выродилось в разработ-
ку прикладных систем распознавания образов, т. е. све-
лось к классификации по признакам простых объектов,
рассматриваемых по отдельности. Сколько-нибудь значи-
тельно продвинуться от распознавания образов к пони-
манию мышления нс удалось, по стало ясно, что хотя
в восприятии с необходимостью н участвует мышление,
а в мышлении восприятие, тем не менее, мышление —
это нечто большее, чем просто восприятие и, тем более,
распознавание образов но признакам. Кроме того, при-
шло понимание того, что для ответа на вопрос, что такое
мышление, нужно ответить не только на вопрос, что мозг
делает, но и на вопрос, как он это делает, т.е. необходи-
мо, всего-навсего, попять работу нейронных механизмов
мозга.
На первом этапе кибернетики, а затем бионики
так же интенсивно, как и работы но моделированию
восприятия (распознаванию образов), велись работы
по моделированию нейронных механизмов мозга. С по-
дачи У. Мак-Каллока, а затем Ф. Розенблатта казалось, что
это не очень сложно. Нужно просто объединить в сеть
похожие па нейроны пороговые суммирующие элемен-
ты, сделать эту сеть очень большой и все, или почти
все, само собой образуется. Не образовалось. В остатке
I Зак 115
9
Предисловие
оказалось опять же признаковое распознавание обра-
зов с помощью формальных нейронных сетей. Осталась
н практически почти никем не оцененная идея Л. Б, Еме-
льянова-Ярославского о построении модели активной
нейронной сети, состоящей из неустойчивых элемен-
тов. Эта весьма перспективная, с моей точки зрения,
идея была, к сожалению, скомпрометирована самим ав-
тором, сформулировавшим па основе этой идеи много
ничем не подкрепленных и слабо логически аргумен-
тированных претенциозных интерпретаций. Результаты
разработок как традиционных формальных нейронных
сетей, так и активных нейронных моделей механизмов
мозга, а также перечень и анализ возникающих в свя-
зи с этим основных нерешенных проблем приведены
соответственно в б, 7, и 9 главах.
Затем после общений с физиологами возникло ощу-
щение, что проблему мышления нельзя рассматривать
в отрыве от поведения и понимания эмоциональных
механизмов принятия решения. В это время на очень
многих, в том числе и па меня, большое впечатление про-
извела возникшая из небытия книга Э. С. Бауэра «Теоре-
тическая биология» [9]. Представлялось, что сформули-
рованный Бауэром принцип устойчивого неравновесия
и понимание того, чем отличается живое от не живо-
го, должно очень много дать для понимания мышления.
Основанные на эт их представлениях результаты работы,
направленной на создание формальной модели поведе-
ния (принцип шах 7), и следующие из этих результа-
тов предположения о базовых задачах мышления нашли
свое отражение в 1 и 3 главах. Кроме того, принцип
устойчивого неравновесия Э. С. Бауэра даст много и для
понимания активных нейронных механизмов мозга.
10
Предисловие
В это же время, т. е. еще в 60-х годах прошлого
века, возникли представления о роли синергии (взаимо-
содействия) как в функционировании живого организ-
ма в целом, так и в работе нейронов головного мозга.
На уровне целого организма принцип вэаимосодействия
был сформулирован в теории функциональной системы
П. К. Анохина [4]. Идея взаимосодействия нейронов для
оптимизации функционального состояния нейронной се-
ти в целом была высказана в работах Л. Б. Емельянова-
Ярославского [25]. К сожалению, идея синергии до сих
пор еще не заняла своего места в работах по искусствен-
ному интеллекту и моделированию мышления
И, наконец, на очередном витке спирали я снова
занялся зрительным восприятием. Именно активным це-
ленаправленным целостным восприятием «с понимани-
ем», а не классическим признаковым распознаванием
образов. Результаты этой работы, доведенные до практи-
ческой реализации (программные системы Графит [7,8],
FineReader-рукопись и FormReader [3,50,59]), приведе-
ны в главе 2.
Все затронутые выше проблемы, а именно поведе-
ние, восприятие, моделирование нейронных механизмов
мозга и мышление, нашли более или меиее подробное
отражение в книге. Изложенные представления основа-
ны на работах, выполненных в разные годы. Я поста-
рался объединить и осмыслить все дополняющие друг
друга результаты с единых позиций. В основе такого
единства лежит, во-первых, общая направленность этих
работ иа понимание мышления. Во-вторых, эти работы
объединяет представление о накапливающейся неустой-
чивости, присущей всему живом}’ от клетки до целого
организма, и, как следствие, представление о необходимой
11
Предисловие
активности не только иа уровне поведения, но и на уров-
не клеток головного мозга. В-третьих, рассматриваемые
в книге модели поведения, восприятия, нейронных ме-
ханизмов мозга и мышления объединяют используемые
в них важнейшие принципы целостности и целенаправ-
ленности.
Я благодарен очень многим, работавшим вместе
со мной интересным творческим людям. Из них хочет-
ся выделить Леонида Емельянова-Ярославского, Бориса
Левита. Германа Голицина и Алексея Байкова. В послед-
ние годы мне посчастливилось при разработке систем
FineReader работать вместе с замечательной командой
молодых талантливых программистов и математиков.
Я благодарен за интересную и плодотворную совместную
работу, в первую очередь, Константину Анисимовичу, Ва-
диму Терещенко, Дмитрию Дерягину, Диару Тугенбаеву,
Давиду Яну и, естсствеиио, не только им.
А все-таки, что такое мышление?
А. Шамис
Отложного знания к истинному незнанию*.
Народное
Введение
Искусственный интеллект —
миф или реальность
В 60-х годах прошлого века на страницах популяр-
ных изданий горячо обсуждался вопрос: может ли ма-
шина мыслить? За ответом «ДА» следовали обвинения
в грубом механицизме, за ответом «НЕТ» — в идеализме.
Самым простым и правильным ответом был бы встреч-
ный вопрос: а что такое мышление?
Этот вопрос, не получивший до сих пор убедительно-
го ответа, вероятно, должен быть определяющим в рабо-
тах ио машинному моделированию интеллекта, посколь-
ку прежде чем моделировать интеллект или даже толь-
ко отдельные интеллектуальные функции, желательно
по возможности определить, что предполагается моде-
лировать, т. е. постараться получить ответы на вопросы:
что такое интеллект (мышление), какие функции можно
назвать интеллектуальными, а какие нет?
Но, скорее всего, главное даже не это. Многолетние
неудачные попытки понять и смоделировать мышление
дают основание предположить, что мышление — это что-
то принципиально отличающееся от обычных алгорит-
мов и реализующих их программ. Прежде чем модели-
ровать мозг, нужно постараться понять, в чем суть этих
14
Искусственный интеллект — миф или реальность
отличий. Иначе любая, в том числе и гак называемая
нейронная модель может в конечном счете нс обла-
дать интересующими нас принципиальными качествами
и оказаться обычной нро1раммой или устройством.
Возникает еще одни вопрос. А зачем, собственно,
моделировать мышление? Из чистого любопытства? Ко-
нечно, из любопытства. Из любопытства сделаны многие
великие открытия. Но в данном случае имеется и опреде-
ленный практический заказ. Есть много задач, которые
не решаются или плохо решаются обычными алгорит-
мами, и есть надежда эффективно решать эти задачи
с помощью искусственного мышления. Тем более, что
многие из таких задач, например, управление государ-
ством, не всегда успешно решаются и человеком.
Что такое мышление на качественном интуитивном
уровне, попятно всем, однако никакого убедительного
определения не существует. Классическое определение
Тьюринга [52], основанное на утверждении о том, что
формальной границы между мышлением и немы тлением
провести нельзя и «'разумность» машины определяется
условными соглашениями, базирующимися на эксперт-
ных оценках, для целей моделирования явно недоста-
точно.
Собственно, Тьюринг определения мышления и не
давал, а лишь предложил тест, который за неимением
ничего лучшего можно использовать для оценки того,
мыслит или пет конкретная вычислительная машина.
Эта оценка может быть лишь очень приблизительной,
поскольку никак нс очерчивается круг тестовых задач.
Кроме того, возможно, что мышление это не столько
умение решать задачи, сколько способ решения.
В основе других попыток дать определение мышле-
ния лежит желание заглянуть внутрь «черного ящика»
15
Введение
и определить сущность процессов мышления методами
экспериментальной психологии или нейрофизиологии.
Определения мышления в этом случае строятся посред-
ством перечисления экспериментально выявляемых ком-
понентов процесса. В качес гве примера этих компонен-
тов могут быть названы, например, такие качественно
понятные, как память, индуктивный и дедуктивный вы-
вод, обучение, и такие менее понятные, как база знаний,
семантическая модель мира, интуиция, ассоциации, ин-
сайт, эмоциональная оценка. Подобный перечень мож-
но продолжить, иначе выделяя компоненты процесса
мышления.
Ясно, что проблема определения мышления таким
способом все же не решается, поскольку сами компонен-
ты процесса мышления чаще всего не определяются или
определяются очень приблизительно и. кроме того, стро-
ящееся па этой основе индуктивное определение может
рассматриваться лишь как шаг па пути к необходимому
обобщению.
Тем не менее, такой подход к конкретизации пробле-
мы позволяет полуинтуитивно выделить целесообразные
направления исследований и пытаться строить не только
качественные, но и формальные частные модели пред-
полагаемых интеллектуальных процессов.
Исследования по искусственному интеллекту при-
надлежат к числу тех немногих научных и научно-техни-
ческих дисциплин, дата рождения которых может быть
указана чуть ли не с точностью до дня. Летом 1956 года
в г. Дартмуссе (США) собрались крестные отцы киберне-
тики с целью обсудить возможность реализации проекта
«Искусственный интеллект», как они его тогда назва-
ли. В числе участников конференции были Джон Мак-
карт ни, Марвин Минский, Клод Шенон. Алан Тьюринг
16
Искусственный интеллект — миф или реальность
и др. К искусственному интеллекту первоначально про-
сто отнес чи свойства машин брать на себя отдельные
интеллектуальные функции человека, например, такие
как перевод с одного языка на другой, распознавание
объектов, принятие оптимальных решений и пр.
В Советском Союзе направление ««Искусственный
интеллект» (ИИ) возникло с опозданием на 10 лет и при-
шло на смену кибернетическому и бионическому буму
первой половины fiO-х годов. Сначала оптимистам ка-
залось, что вот-вот произойдет революция и вычисли-
тельная машина начнет думать. Однако ничего подобно-
го не произошло. Стало ясно, что никакого мышления
быстро построить нельзя. Поэтому стали говорить, что
нужно заниматься не научными спекуляциями и не ис-
следованиями с непонятной перспективой, а искусствен-
ным интеллектом — т. е. просто машинным решением
трудных задач — таких задач, которые человек решает,
а машина пет. Таким образом, первоначально ИИ не пре-
тендовал на прямое моделирование мышления, а был
просто решением с помощью вычислительной машины
трудноформализусмых •< человеческих» задач.
Тем не менее, с самого начала явно или неявно пред-
полагалось, что эти решения позволят сформулировать
обобщения и выработать специфические методы ИИ, ве-
дущие в конечном счете к машинному мышлению. Пред-
ставители возникшего направления справедливо полага-
ли (и полагают), что к конструктивному определению
и моделированию мышления полезно идти от специфи-
ки задач к методам их решения, вводя «интеллект» как
механизм, необходимый для решения.
Какие задачи традиционно относят к области ИИ?
Оказалось, что таких задач много. Это понимание маши-
ной естественного языка, т. е. вопрос-отвстные системы
17
Введение
и доступ к базам данных на естественном языке, перевод
с одного языка на другой, анализ изображений 3-мерных
сцен, доказательство теорем, игры, базы данных, базы
знаний и др.
Определенные н<щежды получить обобщения ме-
тодов решения разных «человеческих» задач связыва-
лись с направлением, которое было названо эвристи-
ческим программированием. Идея была следующая. Бе-
рется сложная задача, которую человек умеет решать.
I I отход ог тестирует одного или нескольких испытуемых
и пы тается выяснить, с помощью какого алгоритма они
решают эту задачу. Как правило, строгого алгоритма вы-
явить не удастся. а определяются некоторые приемы, г. е.
эвристики. Программист должен построить программу
так. чтобы опа работала аналогичным образом.
Эвристическое программирование предложили аме-
риканские ученые Ныоел, Шоу и Саймон при разработке
системы General Problem Solving (GPS) еще в 60-х годах
прошлого века. О т GPS ожидали многого, ио эти ожида-
ния не оправдались. Мыслительные процессы на уровне
психологического анализа формализовать не удалось.
В дальнейшем определенные комплексные исследо-
вания велись под флагами «экспертные системы» и «ин-
тегральные роботы». В экспертных системах централь-
ными моментами были базы данных, информационный
поиск и общение человека с базами данных, распозна-
вание ситуаций по признакам и связывание ситуаций
с рекомендациями и. в некоторых случаях, с управляю-
щими действиями. В интегральных роботах главными во-
просами были зрительное восприятие трехмерных сцеп
н управление движением тележки пли манипулятора.
Перечисленные выше задачи, по-видимому, можно
действительно считать специфическими трудиоформа-
18
Искусственный интеллект — миф или реальность
лизуемымп «человеческими" задачами, и возникает про-
блема выявления в этих задачах общности. определя-
ющей необходимость мышления. 1оворят, что любая
«интеллектуальная» система управления, перевода или
восприятия должна уметь строить и использовать семан-
тическую модель мира. Это. безусловно. верно, как верно
п то, что достаточно общего решения эта проблема пока
еще не имеет. Тем более, что в системах IIII строятся, как
правило, не активные модели, а описания. О принципи-
альной разнице между моделью и описанием достаточно
подробно говорится ниже.
К сожалению, все отмеченные проблемы еще не по-
лучили такого решения, которое приблизило бы нас
к пониманию и моделированию способов решения и ме-
ханизмов мышления. Конструктивных обобщений мето-
дов II11 применимых к разным задачам, создано не было.
Общим в полученных решениях является лишь то, что
в основе этих результатов обычно лежит традиционный
аппарат, его непринципиальные модификации и «сило-
вое решение», т. е. перебор. В частности, сейчас машины
прекрасно играют в шахматы. Практический уровень иг-
ры машины сопоставим с уровнем игры чемпиона мира.
Машина решает эту7 задачу за счет мощных вычислитель-
ных возможностей в основном перебором с добавлением
нско горого числа прос тых эвристик. Дает э го что-нибудь
для понимания работы мозга шахматиста в процессе иг-
ры? К сожалению, ответ должен быть отрицательным,
хотя сама по себе игра в шахматы остается прекрасным
объектом для исследования мышления.
К исследованиям в области ПИ примыкают рабо-
ты по построению сетей из формальных нейронов. Се-
рьезных теоретических успехов, имеющих значение для
понимания механизмов мышления, на этом направлении
19
Введение
не получено. В разных разделах книги с позиций критики
много говорится о современных формальных распознаю-
щих нейронных сетях (ФРНС) и нейрокомпьютерах. Э го
делается потому, что ФРНС уделяется слишком большое
внимание в современной пах чпо-технической и научно-
iini 1удярной литературе.
Характеризуя направление HII в целом, можно ска-
зать, что большая часть работ в этой области направлена
на разработку алгоритмов п компьютерных npoi рамм для
решения сложных задач. В го же время многие исследова-
тели полагают, что большинство проявляющихся в рабо-
те мозга необходимых для мышления высших функций
не алгорнтмпчны Например, Р. Пенроуз [39] считает,
что такими необходимыми функциями являются, напри-
мер, интуиция, писан г и, в первую очередь, сознание.
Это несоответствие, т. е. исалгоритмичность важнейших
функций мозга, и попытки компьютерной программной
реализации интеллекта и являются, как считают мно-
гие, основной причиной отсутствия решающего успеха
в понимании и моделировании мышления.
Часто говорят, что по этой же причине компьютер-
ная имитация мышления в принципе невозможна. Это,
конечно, не так. Для понимания принципов работы моз-
га в процессе мышления и их имитации не обязательно
ограничиваться разработкой алгоритмов и компьютер-
ных программ решения каких-то специфических «челове-
ческих» задач. По-видимому. необходимо моделирование
мозга как физического объекта. Ключевыми словами при
сравнении программ искусственного интеллекта и меха-
низмов мышления должны быть «пассивность» и «актив-
ность». Естественно, это моделирование можно н нужно
выполнять с использованием компьютера. В этом случае
модель сможет обладать и иеалгорптмичнымп внешними
20
Искусственный интеллект — миф или реальность
функциями. Возможный подход к гакомх моделированию
описан в главе 7.
II гак. можно сказать, что < I ккхсственный интел-
лект» остается по сен день наукой эмпирической, объ-
единяющей под общим названием весьма разнообразные
разрозненные исследования, и останется эмпирической
наукой, пока не будет создана целостная теория работы
мозга п подучен хотя бы гипотетический о гвег на вопрос,
что такое мышление. К сожалению, обнадеживающих
перспектив этого в рамках направления IIII в настоящее
время нс просматривается. Точно так же не просматри-
ваются эти перспективы и в рамках современной биоло-
гии. Нс просматриваются эти перспективы в явном виде
и в рамках ставшего модным в последнее время науч-
ного направления «синергетика», хотя многие понятия
и положения синергетики, в первую очередь неустойчи-
вость, случайность, (перемешивающий слой), синергия,
созвучны развиваемым ниже представлениям.
Что же делать? Представляется, что ни математиче-
ские методы, ни физические теории сами по себе про-
блема создания теории работы мозга, во всяком случае
напрямую, не решают. Продолжая накапливать экспери-
ментальный и теоретический материал в рамках биоло-
гии. психологии. ИИ или синергетики, нужно пытаться
строить максимально возможные обобщения. При этом,
по-видимому, нужно еще раз обрати ться к такому есте-
ственному пути понимания основных принципов мыш-
ления, как путь изучения и моделирования зрительного
восприятия и поведения животных и человека, тем более
что поведение и восприятие — это как раз тс задачи, для
решения которых первично предназначалось мышление.
И. конечно, полное понимание процесса мышления че-
21
Введение
лопека вряд ли возможно без обращения к вербальному
уровню (языку).
Кроме того, пытаясь выяснить сущность мышления
и построить теорию работы мозга, нельзя обойти самые
трудные вопросы, связанные с пониманием роли феноме-
нов сознания, свободы воли, эмоций, чувств п ощущений.
Однако еще раз отметим, что исследование пробле-
мы мышления, рассматриваемого в отрыве от того, как
работает живой мозг, может оказаться недостаточным.
1Io-впднмому. мышление — эго не столько «умные» спосо-
бы решения грудных задач, сколько особые механизмы
работы живого мозга, и моделирование мышления долж-
но основываться па понимании того, чем принципиально
отличается живое от неживого.
Возможно, что на суть этих различии проливает
свет принцип устойчивого неравновесия Э. С. Бауэра [9].
В дальнейшем изложении делается попытка показать,
что именно устойчивое неравновесие живой материи,
причем не только па клеточном уровне, по и на уров-
не целого организма, т. с. при построении модели сре-
ды и на уровне поведения в среде, с необходимостью
порождает рассматриваемые в книге принцип шахТ.
а также принципы целостности, целенаправленности
и активности.
Представляется, что гпахТ — это принцип оптималь-
ности (вариационный принцип), определяющий законо-
мерности поведения живых и не только живых систем.
Целостность — это основа для построения обобщенных
целостных иерархических моделей объектов и явлений
мира в строящейся в мозге и используемой в процессе
мышления модели проблемной среды. Целенаправлен-
ность — это основа для организации эффективных про-
цессов восприятия, поведения и решения абстрактных
22
Искусственный интеллект — миф или реальность
задач. Активность — это необходимое свойство существо-
вания живых организмов и. в го же время, основа для
построения нейронных моделей механизмов мозга.
И. наконец, важнейшим свойством, отличающим
способный мыслить живой организм, является синер-
гия, т. е. взапмосодействпе. проявляемое как на поведен-
ческом уровне при объединении функциональных подси-
стем в единую фчпкциональную систему, так и на уровне
нейронных механизмов мозга.
Общие в значительной степени абстрак i пые теоре-
тические обсуждения некоторых, связанных с этим во-
просов содержатся в главах 3, -1 и 5. В этих же главах фор-
мулируется главная исходная задача, с необходимостью
ведущая к формированию механизмов мышления и опре-
деляющая базовое содержание строящейся в мозге мо-
дели проблемной среды. Этому предшествуют описания
результатов решения более конкретных задач, а имен-
но описываются формальная модель поведения (гл. 1)
п принципы построения «интеллектуальной» системы
зрительного восприятия (гл. 2). Последнее иллюстриру-
ется па примере практического решения задачи чтения
рукописных текстов.
В главе б кратко описываются классические и совре-
менные модели формальных нейтронных ceieii. В главе 7
намечается возможный подход к построению компью-
терных рекуррентно-вычислимых физических моделей
активных синергических нейронных механизмов мозга.
В главе 8 описываются общие качественные гипотетиче-
ские представления о работе мозга и синергических ней-
ронных механизмов в процессе поведения, мышления и
творчества В главе 9 обсуждаются основные проблемы,
решение которых необходимо для построения более или
менее полных моделей нейронных .механизмов мышления.
Глава 1
Устойчивое неравновесие
и модель целенаправленного
поведения
1.1. Поведение
Первой задачей, для решения которой возник и эво-
люционно развивался мозг, явилась задача поведения
живого организма в сложной среде.
В нейрофизиологии ист четкого определения этой
задачи, отсутствуют строгие предположения о том, как
выбираются цели направленного поведения, как живот-
ное принимает решение в ситуации выбора. Это приво-
дит к тому, что просто говорится о доминирующей моти-
вации либо о направленности поведения на достижение
результата или полезного приспособительного эффекта.
Более того, часто задачи поведения так же, как п задачи
автоматического управления, рассматриваются по следу-
ющей упрощенной схеме: система нттем управления (по-
ведения) стремится удержать оптимальное по каким-либо
собственным критериям состояние, отклонение от ко-
торого происходит за счет воздействий, поступающих
на систему из среды. При этом причина поведения —
24
1.1. Поведение
воздействие, изменяющее состояние (стимул, возмеще-
ние). находится вне системы, а цель восстановление
состояния — внутри.
Рассматривая такхю схеме, часто говорят, что един-
ственная цель поведения живою организма в среде —
это гомеостаз, г. е. обеспечение постоянства внутренней
среды организма при поступающих из среды возмещени-
ях. Из этого вытекаю! представления о необходимости
ползержаппя равновесия в системе «организм — среда»,
об основной схеме работы по тип) «стимул — реакция»,
условный и безусловный рефлекс, об обратной связи,
как об основном реп t и реющем факторе [17]. Все эго
представляется серьезным упрощением, порожденным
тем, что не учитываются или отодвигаются на второй
план законы движения и принципы организации живой
материи.
Представляется, что гораздо естественней рассмат-
ривать поведение в рамках прямо противоположной схе-
мы, по которой причина поведения — собственная не-
хстопчпвость. приводящая к ухудшению состояния, в том
числе и к отклонению оз нормы гомеостатических пере-
менных, находится в самой управляемой системе, а це-
ли — внешние воздействия (факторы), необходимые для
хлх чтения состояния (в том числе и для поддержания
гомеостаза), — в среде.
Напомним в связи с этим принцип устойчивого не-
равновесия Э. С. Бауэра: Все и только живые системы
никогда не бывают в равновесии и исполняют за счет своей
свободной энергии постоянно работу против равновесия, тре-
буемого законами физики и химии при существующих внешних
условиях».
Этот принцип ио определению Э. С. Бах эра [9] явля-
ется всеобщим законом биологии, определяющим огли-
25
Глава 1. Устойчивое неравновесие и модель поведения
чпс живой материи от мертвой. Выделение и использова-
ние свободной энергии в живой системе сопровождается
постоянным разрушением и восстановлением структуры
живой ткани, находящейся в неравновесном состоянии
и обладающем свободной энергией. Для этого процесса
необходимо поступление в систему извне определенных,
в первую очередь, органических веществ. Таким образом,
направленное специфическое взаимодействие со средой
в целевых ситуациях поведения необходимо для суще-
ствования живой материи. Живая система должна быть
открыта и постоянно активна. Поведение — непрерывная
задача.
1.2. Принцип max Т
Выше уже было отмечено, что главной постоянной
задачей поведения живых организмов являются нс реак-
ции па внешние стимулы, а активное, целенаправленное
достижение целевых ситуации в среде. Необходимость
защитных и других реакций на внешние стимулы, есте-
ственно, не отрицается. Однако, хотя исследование ре-
флекторного и инстинктивного поведения очень много
дало для понимания работы нейронов и нервной систе-
мы в целом, для понимания мышления этих знаний не-
достаточно. Поэтому нас в основном будут интересовать
более сложные типы поведения, требующие формиро-
вания целей, оценки вариантов поведения и принятия
решения в ситуации выбора.
Ограничиваться, как это часто делают в физиологии,
словами о конечном приспособительном эффекте, явно
недостаточно. Хотелось бы сформулировать задачу бо-
лее точно. Целевых ситуаций может быть много. Какие
ситуации, в каком порядке и почему становятся целями
26
1.2. Принцип max Т
направленного поведения? Какая задача решается в пове-
дении? Каковы правила принятия решения в поведении?
Ниже мы попробуем сформулировать ответы на эти во-
просы в виде принципа оптимальности (вариационного
принципа) и вытекающих из этого принципа следствий.
Развито науки обычно идет от эксперимента к тео-
рии, от наблюдения фактов к их обобщению. Эти обоб-
щения мот* фиксироваться в виде законов, которые в со-
вокупности объясняют все наблюдаемые факты и пред-
сказывают новые. Такими законами, например, являют-
ся законы Ньютона или законы геометрической оптики.
Но возможен и следующий шаг обобщения в виде прин-
ципа оптимальности, который формулируется как тре-
бование минимума или максимума какой-либо величины.
Так, все законы механики обобщает принцип наименьше-
го действия, а законы геометрической оптики — принцип
скорейшего пути Ферма.
Многие ученые давно пришли к мысли о том, что
в природе все делается оптимально, и все обобщения,
а значит и факты в любой области естествознания, могут
быть выведены из единого принципа оптимальности.
Нужно только понять, что экономит природа в объектах
и явлениях, относящихся к этой области естествознания.
В пределе может существовать и общий вариационный
пршшин, определяющий все в пашем мире.
Мысль о том. что науку можно строить не снизу
вверх — от эксперимента к теории, а сверху вниз —
от принципа оптимальности к частным законам, была
высказана Эйлером. Однако ни Эйлеру. ни кому-либо
другому найти такой общий принцип не удалось.
Что же экономит природа? В качестве вариантов
напрашиваются и чаще всего рассматриваются: энергия.
27
Глава 1. Устойчивое неравновесие и модель поведения
вещество, действие (произведение массы, пуги и скоро-
сти), энтропия (негэнтропия). информация.
А, может быть, экономится время?
Кстати, принцип Ферма действительно говорит
о том, что при распространении светового луча эконо-
мится время. В плане рассматриваемой нами темы очень
интересно более общее утверждение Спинозы [49] о том,
что основной закон вещей — стремиться к максимально
долгому существованию. На качественном уровне это по-
пятно. Существует то, что «умеет» более или менее дли-
тельно существовать. Остальное разрушается и исчезает.
Это перекликается с рассматриваемым ниже принципом
max Т в поведении живых и нс только живых систем.
В биологии в качестве принципов оптимальности г
лавпым образом предлагались принципы экономии энер-
гии, экономии ресурсов, максимума энтропии и макси-
мума информации (см., например, [22,55]).
Эти идеи оказались в определенной степени продук-
тивными. Предложенные принципы многое объясняют,
но далеко не все, поскольку они работают при определен-
ных, как правило, нестрого формулируемых условиях.
Например, экономия энергии при условии удовлетворе-
ния нужд организма или при условии достижения целе-
вой ситуации, экономия ресурсов при достижении задан-
ного результата, или максимум взаимной информации
между стимулами и реакциями при условии достижения
определенного результата и т. п.
С помощью подобных нестрогих условий (оговорок)
можно практически всегда объяснить несовпадения ре-
зультатов эксперимента и теории. Кроме того, почти
всегда то, что задастся только как находящееся на вто-
ром плане нестрогое внешнее условие, необходимое для
выполнения этих принципов оптимальности, на самом
28
1.2. Принцип max 7
деле должно находиться в центре внимания и определять
пели и принципы поведения.
Более общим и естественным представляется рас-
сматриваемый ниже принцип max Т — принцип макси-
мизации времени пребывания системы внутри условной
области существования, определяемой как область допу-
стимых значений регулируемых переменных.
Введение принципа max Т и упрощенной формаль-
ной модели поведения базируется на следующих кон-
кретизирующих предпосылках. Для живых организмов
характерно наличие потребностей. Удовлетворение фи-
зиологических потребностей, являющееся необходимым
условием существования, может происходить только в оп-
ределенных ситуациях взаимодействия организма со сре-
дой. Эти ситуации являются альтернативными целями
направленного поведения. Поведение животных в каж-
дый момент направлено в общем случае на достижение
одной цели, соответствующей одной потребности.
Живой организм как целое неустойчив в том смысле,
что физиологические потребности имеют общее свой-
ство, заключающееся в их нарастании с течением вре-
мени. Поддержание устойчивости — непрерывная задача
живых организмов» решаемая как на клеточном уровне
за счет внутренней работы, т. е. ассимиляции органиче-
ских веществ и синтеза живой неравновесной структуры,
так и на уровне целого организма за счет внешней рабо-
ты, т. е. активного целенаправленного поведения в среде.
Физиологические переменные, определяющие нали-
чие и величин} первичных физиологических потреб-
ностей. должны иметь согласованные значения. Можно
упрощенно предположить, что в многомерном простран-
стве физиологических переменных имеется область, со-
ответствующая нормальному состоянию организма. Мож-
29
Глава 1. Устойчивое неравновесие и модель поведения
но также предположить, что имеется еще одна более
широкая область — область допустимых значений, выход
за пределы которой гибелен для организма, и объектив-
ная задача поведения — максимально долго поддерживать
величины физиологических переменных в пределах этой
области.
Задача поведения не исчерпывается прямой зада-
чей выживания отдельной особи, т. е. необходимостью
поддержания значений первичных физиологических пе-
ременных организма и соответствующих им потребно-
стей внутри области допустимых значений. К первичным
физиологическим потребностям самого организма до-
бавляются потребности, определяемые необходимостью
продолжения рода, а также вторичные потребности, кос-
венно влияющие на первичные. Последнее особенно
характерно для человека вследствие его сложного обще-
ственного способа существования. Добавление в рассмот-
рение вторичных потребностей не меняет общей схемы:
система (живой организм) обладает внутренней неуст ой-
чивостью — неудовлетворяемые потребности увеличива-
ются. Потребности в общем случае альтернативны, т. е.
удовлетворяются раздельно и поочередно.
Теперь сформулируем принцип оптимальности в по-
ведении. Цель поведения — это максимизация времени
пребывания системы внутри области допустимых значе-
ний регулируемых переменных (первичных и вторичных
потребностей) — принцип тахТ.
Из принципа оптимальности должны вытекать все
частные закономерности. В следующем разделе как след-
ствие принципа шахТ выводятся формальные правила
принятия решения животным (и человеком) в ситуа-
ции выбора. Кроме того, как следствие принципа шах Т
формулируются гипотезы о формировании животными
30
1.3. Формальная модель
составляющих эмоциональных оценок как своего состо-
яния. гак и реальных и умозрительных ситуаций вза-
имодействия со средой. Кажется возможным рассмот-
реть принцип шахТ более широко, т. е. применить его
не только к поведению живых организмов, но и к опти-
мальному управлению («поведению») в некоторых искус-
ственных системах. Такая попытка предприня га в главе 3.
1.3. Формальная модель
Упрощенная формальная модель поведения основы-
вается на решении следующей задачи. Пусть имеется
n-параметрнческая система Х{х\, Х2, - - ,xn)t параметры
которой увеличиваются со скоростями U(uit Wy,..., ип).
В каждый момент путем управляющего воздействия воз-
можно уменьшение любого, но только одного из пара-
метров Xi с фиксированной скоростью V,.. Пусть область
допустимых значений параметров системы ограничена
выпуклой поверхностью F(x) = 0 и координатными
плоскостями в первом ортанте.
Требуется найти условия, определяющие возмож-
ность организации управления, удерживающего систему
внутри области допустимых значений параметров, а так-
же и саму тактику управления, оптимального в том смыс-
ле, что при этой тактике максимизируется время пребы-
вания системы внутри области допустимых значений.
В [63] была показана возможность получения раз-
личных алгоритмов решения этой задачи, основанных
на определении точки выхода системы на границу об-
ласти допустимых значений. Любой из этих алгорит-
мов естественно назвать глобальным, поскольку для его
реализации необходимо предварительное рассмотрение
всей задачи в целом и определение конечной точки
31
Глава 1. Устойчивое неравновесие и модель поведения
системы. О шако такой подход к решению задачи затруд-
няет физиологичен кие интерпретации, поскольку трудно
предположить, что в живой системе в какой бы то ни бы-
ло форме заложены сведения о ее конечной точке. Кроме
того, реализация глобального алгоритма даже в случае,
когда задача полностью и точно определена, часто тре-
бует слишком большого времени. Поэтому на алгоритм
управления естественно наложить требование, чтобы
решение, принимаемое системой в каждый момент вре-
мени, было функцией только состояния системы в этот
момент времени. Такой алгоритм управления будем на-
зывать локальным.
Решение сформулированной задачи с условием по-
лучения локального правила выбора управляющего дей-
ствия позволяет, нс вдаваясь в подробности, сформули-
ровать следующие результаты.
Оптимальная тактика, определяющая необходимое
в каждый момент действие, задается локальным прави-
лом выбора:
dF(X)
(1|)
Это правило получено путем введения ф\пкцпп. оце-
нпвакяцей состояние системы:
Z = F(X)~ F(0) (1.2)
ii требования:
. . f^OF(X) dF(X) \
пип XZ} = min ( > —---и, - - V} ) (1.3)
i j дх, dXj J)
на каждом оцениваемом шаге поведения.
Для оперирования правилом выбора г правляющего
действия (1.1) нхжпо знать функцию F(X) п уметь на-
ходить ее частные производные. Проше всего случай.
32
1.3. Формальная модель
когда переменные ж, независимы н область их допусти-
мых значений 71-мерный параллелепипед.
Тогда
О Xi х} тач иди F(X) = JjjXinux - х,) — О
и локальное правило выбора управляющего действия
имеет вид:
maxf----------). (1.4)
J \ шах /
Если переменные ж, зависимы, то с учетом ограниче-
ний. накладываемых на вид функции F(X), проще всего
и естественнее считать, что граница области допусти-
мых значений переменных аппроксимируется функцией
второго порядка, т. е. функция F(X) — О определяет
п-мернып эллипсоид.
Тогда локальное правило выбора управляющего дей-
ствия имеет вид:
mnxKjXjVj. (1.5)
j
Приведенные примеры показывают, что процедура
определения частных производных функции F(X) для
оперирования соотношением (1.1) при выборе управля-
ющего действия может быть дост аточно простой. В пер-
вом случае необходимо измерение близости переменных
к предельному значению, во втором случае необходимо
измерение отклонения величин переменных от пулевого
значения.
Состояние системы (организма) характеризуется те-
кущим значением вектора X. В зависимости от конкрет-
ных условий, т. с. от соотношения скоростей увеличения
п уменьшения параметров X. а также от реализуемо-
го алгоритма управления, точка, отображающая состоя-
ние системы в пространстве {-V}, может перемещаться
4 За. 115
33
Глава 1. Устойчивое неровновесие и модель поведения
к границе области допустимых значений, или к началу
координат.
В первом случае система движется к разрушению
и правило (1.1) максимально замедляет это движение
(max Г). Во втором случае система удаляется от границы
области допустимых значений и правило (1.1) макси-
мально ускоряет это движение. В недетерминированной
среде, т. е. при возможности изменения условий зада-
чи управления, максимально быстрое удалении от грани-
цы области допустимых значений максимизирует вероят-
ность неразрушения системы при случайных событиях,
т. с. максимизирует математическое ожидание времени
выхода системы на границу области регулирования
Рассмотренная формальная задача является серьез-
ным упрощением реальной задачи поведения. Главное
упрощение - это одноэкстремальность задачи, позво-
лившая получить локальное правило управления. Тем
нс менее, эта задача, по-видимому отражает принципи-
альную суть реальной задачи, и реальная задача сводится
к рассмотренной упрощенной схеме. Обшпе принципы
этого сведения приводятся в разделе 1.6. С учетом это-
го представляется возможным предварительно провести
некоторые физиологические интерпретации.
1.4. Мотивации и потребности
Как oiмечено выше, если функция F(X) = 0 опреде-
ляет поверхность второго порядка, то
XZj = KiXiUi - KjXjVj, (1.6)
i
и правило выбора (1.1) преобразуется в правило (1.5), т. е.
max KjXjVj.
34
1.4. Мотивации и потребности
Физиологические интерпретации полученного пра-
вила выбора управляющего действия (1.5) основаны
па очень интересных экспериментальных результатах,
полученных Н. В. Асмояио.м и Г. А. Голициным [6]. Об-
щая схема и результаты экспериментов были следующи-
ми. 5 собаки вырабатывалось знание о том. что в ответ
на световой сигнал она может нажать на рычаг А или
рычаг Б и получить соответственно порцию воды пли
порцию корма. Вырабатывались также знания о размерах
(небольших) этих фиксированных порций. Размеры пор-
ций определяют скорости удовлетворения потребностей
голода и жажды, обозначаемые ниже как Гц и Ц». Экспе-
риментаторы научились измерять потребности и моти-
вации у собаки п определили, что
т = кх,
где тп — мотивация, х — потребность.
Поведение собаки в эксперименте иллюстрирует
рис. I.
Начальное состояние — точка 7ц — определяется
начальными значениями мотивации голода — mi и жаж-
35
Глава 1. Устойчивое неравновесие и модель поведения
ды — пы. Собака в зависимости от начального состояния
несколько раз подряд в ответ на световой сигнал нажи-
мает на один и тот же рычаг и только ест или только
пьет (движение точки, отражающей па рисунке состоя-
ние. параллельно оси т\ или оси mL>) до гех пор. пока
точка (тп], mg) не попадет на прямую тп\ Vi — m-jK. После
этого поведение собаки изменяется — опа ест или пьет
в такой последовательности, что движение точки, отоб-
ражающей состояние, происходит в скользящем режиме
вдоль прямой Vj = т^Е».
Полученный экспериментальный результат требует
ответа на вопрос: почему животное в ситуации выбора
принимает решение н действует в соответствии с приве-
денным правилом или в чем состоит приспособительный
смысл такого поведения? Ответ не очевиден. Г. А. Голи-
цин пытался привлечь для объяснения результатов экс-
перимента универсальную теорию В. Ф. Крогова, но убе-
дительного результата не получил.
По-видимому. отсутствие содержательной интерпре-
тации результатов экспериментов стало одной из причин
того, что Н. В. Асмояп и Г. А. Голицин свою интересней-
шую экспериментальную работу по определению прин-
ципов принятия решения животным в сиivanini выбора
не продолжили. Голипни, занимаясь поиском принципа
оптимальности в поведении животных, пришел к прин-
ципу максимума информации [22]. Кстати, этот прин-
цип полученных в [б] экспериментальных результатов
не объясняет.
Эти результаты можно объяснить па основе введен-
ного выше принципа max 7. Эксперимент показал, что
в случае двоичного выбора между возможностями удовле-
творения мотиваций голода п жажды поведение собаки
36
1.5. Элюции
хорошо согласуется с формулой выбора:
шахтПуГ, = max KjXjVj. j = 1, 2. (1.7)
j j
Правило выбора, полученное при решении формаль-
ной задачи (1.5). и правило выбора, экспериментально
полученное в физиологическом эксперименте (1.7). сов-
падают. С учетом этого, выражение (1.6) можно перепи-
сать в виде:
SZj = vriiUi - mj Vj. (1.8)
i
1.5. Эмоции
Эмоции складываются из нескольких компонент. Во-
первых, на общин эмоциональный фон влияет совокуп-
ное значение текущих потребностей. В плане решенной
выше формальной задачи, рассматриваемой в качестве
упрощенной модели поведения, эта оценка определяется
положением вектора первичных и вторичных потребно-
стей внутри области допустимых значений, т. е. форму-
лой (1.2).
Z = F(X) - F(0). (1.2)
Во-вторых, па эмоциональный фон влияет соотно-
шение необходимого и возможного- При решении при-
веденной формальной задачи в [63] было получено, что
возможности управления (поведения) характеризуются
величиной:
E?if
к'1- (1-9)
I
При R > 0 и любом управлении система с тече-
нием времени выходит за пределы области допустимых
значений параметров. Аналогия — ситуация, имеющая
37
Глава 1. Устойчивое неровновесие и модель поведения
отрицательную эмоциональную окраску, определяемую
тем, что живой организм не справляется с задачей управ-
ления, т. е. не может минимизировать потребности путем
доступного ему поведения.
При R 0 возможно у правление, сколь угодно долго
удерживающее систему в пределах области допустимых
значений. Аналогия — сипания, имеющая положитель-
ную эмоциональную окраску, определяемую гем, что жи-
вой организм справляется с задачами поведения, опреде-
ляемыми потребностями и средой. Таким образом, знак
п величина R. определяемые формулой (1.9), задают еще
одну составляющую эмоции, а именно вторую составля-
ющую общего эмоционального фона.
Количественным критерием оценки возможных ша-
гов поведения (управления) с точки зрения улучше-
ния или ухудшения состояния системы является величи-
на AZj , определяемая соотношением (1.8). Эта оценка
сходна с эмоциональной оценкой живыми организмами
возможных вариантов поведения в ситуации альтерна-
тивного выбора. Таким образом, третью составляющую
эмоции можно условно определить как
Е3 = —&Zj = TitjVj — mtut (1.10)
i
Третья составляющая эмоции, также как и вторая,
может быть как положительной, так и отрицательной.
В положительную сторону действует мотивация и со-
ответствующая ей потребность, удовлетворяемая в рас-
сматриваемом альтернативном варианте поведения, в от-
рицательную все остальные. Переменные {X}. входящие
вправила выбора действия (1.1). (1.4), (1.5) и в формулы,
определяющие первую, вторую и третью составляющие
38
1.5. Эмоции
эмоций (1.2). (1.9). (1.10), естественно назвать '«эмоцио-
нальными переменными».
1оворя об эмоциях в контексте принятия поведен-
ческого решения в ситуации выбора, нужно подчерк-
нуть. что в данном случае речь идет лишь об эмоцио-
нальной оценке альтернативных вариантов поведения,
а также ц об оценке ситуации в целом, определяемой
возможностью удовлетворения первичных и вторичных
11 отребностей.
Роль эмоций не исчерпывается принятием реше-
ния в ситуации выбора и планированием поведения
Эмоции участвуют также и в непосредственном управ-
лении восприятием и поведением. Как в восприятии
так и в поведении большую роль играет прогноз или
предвидение ситуаций в среде и сипаний взаимодей-
ствия со средой. Это предвидение выражается открытым
П. К. Анохиным [4,5] принципом акцептора действия
и рассматриваемым ниже акцептором восприятия. Сов-
падение реальной ситуации с акцептором (предвидени-
ем) сопровождается слабой положительной эмоциональ-
ной оценкой. Несовпадение предвидения с реальной си-
туацией сопровождается отрицательной эмоциональной
оценкой, приостановкой поведения и ориентировочно-
исследовательской реакцией. Нарушение предвидения
(акцептора) может сопровождаться эмоциональной пе-
реоценкой ситуации по всем приведенным выше крите-
риям. Переоценка возможна как в положительную. так
и в отрицательную сторот. Результатом эмоциональной
переоценки может быть изменение поведения.
Кроме того, эмоциональные оценки возникают при
формировании в нейронной сети, поддержании и гаше-
нии стабильных и кратковременных очагов возбуждения
39
Глава 1. Устойчивое неравновесие и модель поведения
в процессе постановки и решения поведенческих и фо|>
мальных задач мышления. Эмоциональные оценки дина-
мически возникающих и гасящихся очагов возбуждения
сопровождают восприятие произведении искусства. Эти
вопросы еще будут обсуждаться в дальнейшем.
Таким образом, эмоциональная оценка живым ор-
ганизмом своего состояния, своих возможностей, вари-
антов поведения и ситуаций взаимодействия со средой
очень мпогоплаиова. Выразить все это условной единой
формулой эмоций, как это делается в некоторых работах,
конечно, можно, но не представляется полезным. Кроме
того, выделенные выше составляющие эмоций проблему
не исчерпывают.
Рассматриваемые аспекты схемы формирования и
использования эмоций в процессе поведения и вос-
приятия коррелируют с некоторыми существующими
«поведенческими» определениями эмоций, например.
П. К. Анохина [4, 5], Г. А. Толицина [22, 23], П. В. Симо-
нова [47] и др. Однако существуют и другие аспекты.
Один из них — мощные эмоциональные состояния, на-
пример, страх, горе, восторг, отчаяние. Можно предпо-
ложить, что подобные эмоциональные состояния игра-
ют, главным образом, роль прерываний или блокировок
механизма эмоционального выбора среди альтернатив-
ных линий поведения, в ситуации, когда все действия
бесполезны, не нужны или вредны, либо полезны толь-
ко рефлекторные действия, например, замереть, бежать,
кричать и т. п.
Есть еще один аспект эмоций, который иногда про-
тивопоставляют поведенческому’. Кто-то хорошо выразил
этот аспект, сказав: «Все это так, но как же быть с за-
рею, которую ни съесть, ни выпить, ни поцеловать?»
40
1.5. Эмоции
Можно также вспомнись, что почему-то приятно смот-
реть на пламя костра, морской прибой, приятна или
неприятна музыка, абстрактная живопись.
Предположения о механизме и приспособительном
смысле подобных, не имеющих очевидного поведен-
ческого аспекта эмоциональных реакций, по-видимому,
можно сформулировать только с учетом представлений
о некоторых нейронных механизмах. Более того, пред-
ставляется, что «продвинутые^ модели нейронных ме-
ханизмов мозга с необходимостью должны объяснять
подобные эмоциональные реакции.
Эгог вопрос еще будет затрагиваться в следующих
главах, однако существование не связанных с удовле-
творением потребностей эмоциональных реакций даст
возможность заранее, т. е. еще до рассмотрения моде-
лей нейронных механизмов мозга, предположить следу-
ющее. Во-первых, работа нейронных механизмов мозга
в процессе восприятия может получать эмоциональную
оценку вне зависимости от смысловой (поведенческой)
нагрузки восприятия, и эта оценка дополняет общую
эмоциональную опенку состояния организма.
Во-вторых, нейронные механизмы мозга могут* ра-
ботать в специфических эмоционально оцениваемых ре-
жимах, определяемых характеристиками поступающих
из среды входных воздействий.
В-третьих, для таких воздействий среды чаше всего
характерны ритмическая составляющая — музыка, при-
бой п/илислучайная (шумовая) составляющая — прибой,
свет костра.
На основании сказанного можно утверждать, что
одной из отправных точек в исследовании нейронных
механизмов мозга, включая исследование структуры и ре-
жимов работы нейронных сетей, п в конечном счете в но-
2 Зак. 115
41
Глава 1. Устойчивое неравновесие и модель поведения
строении теории работы мозга, может быть исследова-
ние особенностей характеристик внешних воздействий,
получающих не связанные с внешним поведением по-
ложительные и отрицательные эмоциональные оценки,
и отражение этих особенностей на нейрофизиологиче-
ском уровне.
В частности, было бы интересно установить фор
мальнио связь между параметрами нейронов и структуры
нейронной се in и гармоническими характеристиками
музыки, экспериментально определить, чем отличается
работа нейронов и нейронной сети при восприятии гар-
монии, мелодии, какофонии, диссонансов и т.п.
1.6. Реальная задача
Приведенная формальная задача полностью соот-
ветствует экспериментам по принятию решения живот-
ным в ситуации выбора, описанным в работе Н.В.Асмо-
яиа п Г. А. (олицпиа [6]. Так же как в эксперименте [6],
в рассмотренной упрощен ной задаче все целевые ситуа-
ции достигаются за один шаг. Это так же, как и дрхгне
упрощения (постоянство векторов U и V. выпуклость об-
ласти допустимых значений регулируемых переменных),
позволяет вывести локальное правило выбора действия,
т. е. нс решать задачу до конца, не просчитывать вре-
мя достижения границы области допустимых значений
переменных на всех возможных траекториях.
Однако эта одноэкстремальная задача принципиаль-
но отличается от многоэкстремальной задачи поведения
животных н человека в реальной среде. Тем не менее,
поведение живых организмов все же, по-видимому, под-
чиняется принципу оптимальности шахТ и локальному
правилу выбора действия, суть которого определяется
42
1.6. Реальная задача
формулой (1.1). Противоречие снимается, если пред-
положить. что мозг в процессе обучения и мышления
успешно выполняет сведение реальной многоэкстремаль-
ноп задачи к рассмотренной одноэкстремальной.
Все изменения в неживом мире направлены по гра-
диенту — равнодействующей всех действующих на си-
стему физических сил. Изменения происходят в направ-
лении быстрейшего уменьшения свободной энергии си-
стемы и заканчиваются при достижении ее ближайшего
локального минимхма. Сходным образом ведут себя и рас-
тения, обладающие элементарным восприятием среды
и реализующие простое градиентное поведение. Расте-
ния так же, как и животные, имеют потребности, но они
всегда «знают», что им нужно делать: они тянутся к свету',
теплу; питательным элементам — туда, где в данный мо-
мент лучше (гак называемые троппзмы растений), т. е.
растения могу’г пользоваться локальным, градиентным
правилом выбора. Для управления таким поведением
мозг не нужен.
В отличие от растений животные могут перемещать-
ся в пространстве. Это значительно расширяет их воз-
можности по удовлетворению потребное гей и, в го же
время, значительно усложняет задачу поведения. Жи-
вотные вынуждены жить в условиях необходимос ти ре-
шения мпогоэкстрсмальных задач. Для достижения ка-
кой-то цели они могул’ преодолевать боль, страх, пре-
пятствия. подвергаться нападениям, вступать в борьбу,
тратить энергию, ухудшать свое функциональное состо-
яние с целью в конечном счете его улучшить. Другими
словами, в процессе поведения нужно уметь находить
глобальный экстремум, преодолевая локальные.
Таким образом, в отличие от неживой природы
и растений для животных характерна необходимость
43
Глава 1. Устойчивое неравновесие и модель поведения
движения против градиента непосредственно действую-
щих сил. В отношении причин, обуславливающих пове-
дение высоко организованных живых организмов, обла-
дающих развитом нервной системой, допустимо приме-
нение термина «психические силы». Однако поведение
живых организмов может не определяться и равнодей-
ствующей непосредственно действующих «психических
сил», если считать непосредственно действующими те
силы (мотивации и эмоции), которые вызываются внут-
ренним физиологическим состоянием организма и его
взаимодействием с непосредственно воспринимаемым
окружением (средой).
И все же движение против градиента «психических
сил» высокоорганизованных живых организмов в конеч-
ном счете является кажмцпмея. Дело в том, что в моз-
ге (животного, человека) формируется при обучении
общее целостное отображение среды и модель взаимо-
действий со средой. Реальная ситуация на входе системы
рассматривается только как актуализированный частный
фрагмент некоторой обобщенной и укрупненной ситуа-
ции. развернутой во времени и пространстве за пре-
делы непосредственного восприятия. Эта укрупненная
и обобщенная, зависящая от опыта субъективная ситу-
ация и формирует «психические» силы, по градиенту
которых «псевдолокально» направляе тся поведение.
Глобальный экстремум можно находить путем пол-
ного перебора. Человек действует по-другому. Он пыта-
ется свести многоэкстремальную задач); которую можно
решать только методом перебора, к градиентной, одно-
экстремальной. ко торую вообще не надо решать, так как
в каждой точке нужно оценить и сравнить очень ограни-
ченное число вариантов. Го есть человек создает новое
информационное отображение среды: он решает задачу'
44
1.6. Реальная задача
с помощью обобщения и укрупнения. За счет этого в зна-
комой среде можно действовать почти автоматически —
но прогнозируемому градиенту эмоциональной оценки
ситуации. Несколько подробнее эти вопросы будут рас-
смотрены в следующих главах при описании общей схе-
мы организации и работы модели проблемной среды.
Таким образом, мозг нужен животному для создания
одноэкстремалыюй модели среды, позволяющей помень-
ше думать, полагаясь на локальное правило приня тия ре-
шения н эмоциональный выбор среди альтернативных
вариантов поведения.
Итак, реализацией локального правила выбора ва-
рианта поведения, направленного на выполнение прин-
ципа max Т без определения и сравнения всех точных
далеко прослеживаемых возможных траекторий поведе-
ния. является эмоциональный выбор.
Интеграция оценок, строящихся в зависимости от
значении эмоциональных переменных, и выбор вариан-
та поведения происходят в эмоциональном центре нерв-
ной системы. Повеление в конечном счете направлено
на максимизацию положительных и минимизацию от-
рицательных эмоциональных оценок. В животном мире
управление поведением, основанное па эмоциональных
оценках, как правило работает правильно, реализуя на-
правленность поведения на максимизацию времени су-
ществования, т.е. выживание, особи и вида (maxТ).
У человека в современном цивилизованном обще-
стве с его широкими возможностями формирования
и удовлетворения многочисленных не вполне естествен-
ных. а часто п вполне неестественных вторичных по-
требностей, это. к сожалению, не всегда так. Форми-
рование расширенной области управления с добавлени-
ем неестественных эмоциональных переменных может
45
Глава 1. Устойчивое неравновесие и модель поведения
приводить к получению неправильного результата управ-
ления поведением, т. е. принцип max Г, реализуемый
в искусственно расширенной области управления, может
приводить к рсзулыату, в значительной степени не отве-
чающему задаче максимизации времени существования
особи и вида.
Еще значительно хуже и опасней возможность не-
посредственного химического или электрического воз-
действия на эмоциональный центр. Такое воздействие
может сопровождаться прямым получением положитель-
ных эмоций и иногда почти полностью нарушать работу
эмоционального центра по управлению поведением. Ил-
люстрацией этого являются наркомания, а также извест-
ные классические эксперименты Экклза [79] и других ав-
торов. посвященные исследованиям самораздражения.
В этих экспериментах животное может постоянно на-
жимать на рычаг, посылая через вживленный в мозг
электрод идущие в эмоциональный центр электрические
импульсы, и делает это до полного истощения, забывая
о всех других потребностях.
________________________________Глава 2
Модель целостного
восприятия и «распознавание
с пониманием»
Наряду с задачей управления поведением, другой
важнейшей проблемой, для решения которой возник
и эволюционно развивался мозг, является задача целост-
ного восприятия сложной среды. Ниже рассматриваются
некоторые принципы такого восприятия, конкретизиру-
ющиеся на примере решения задачи автоматического
чтения рукописных символов. Практическая ориента-
ция описываемой системы не привела, как это часто
бывает, к упрощению и выхолащиванию проблемы вос-
приятия. Наоборот, для получения работоспособного ре-
шения потребовалось введение «шггеллектуальных» со-
ставляющих, ориентированных на распознавание «с по-
ниманием».
2.1. Распознавание
С самого начала развития кибернетики машинное
восприятие сложных изображении чаше всего выбира-
юсь для исследования и моделирования интеллекта и,
47
Глава 2. Целенаправленности в зрительном восприятии
в частности, таких составляющих мышления, как постро-
ение системы обобщенных знаний о среде и использова-
ния этих знаний в процессе принятия решений. Воспри-
ятие зрительной информации представлялось наиболее
удобным для моделирования и, в го же время, наиболее
практически значимым.
Сразу было очевидно, что для полного решения за-
дачи машинного зрительного восприятия необходимо
«интеллектуальное» распознавание, или распознавание
«с пониманием». В то же время, практическая ориен-
тация работ в области автоматического анализа зри-
тельной информации, стремление к технической реали-
зуемости привели к серьезной трансформации пробле-
мы. Оказалось практически вынужденным упрощение
рассмотрения процесса восприятия путем сведения его
к классификации по признакам простых объектов, рас-
сматриваемых по отдельности. Это направление стало
называться «Распознавание образов».
Распознавание образов к направлению «Искусствен-
ный интеллект» (ПИ) чаще всего не стали относить,
поскольку в отличие от задач НН в распознавании об-
разов появился хорошо разработанный ми тематический
аппарат, и для нс очень сложных объектов оказалось
возможным строить практически работающие системы
распознавания (классификации). В результате традици-
онное распознавание образов, с одной стороны, не реша-
ет задачу машинного анализа сложных изображений и.
с другой стороны. не является серьезным инструментом
для моделирования интеллекта. Рассмотрим связанные
с этим вопросы более подробно.
В большинстве систем распознавания изображений
обычно применяются растровый, признаковый пли струк-
турный методы. Дпя любого распознавания нужны этало-
48
2.1. Распознавание
ны или модели классов распознаваемых объектов. Клас-
сификация методов распознавания возможна по типам
используемых эталонов.
Растровому подходу соответствуют эталоны. явля-
ющиеся изображениями либо какими-то препаратами
изображений. При распознавании входное изображение
сопоставляется точка в точку со всеми эталонными. Вход-
ное изображение и эталонное должны быть одного раз-
мера и одной ориентации. Например, в так называемых
mult ifont-распозиава гелях печатного текста это достига-
ется построением разных систем эталонов не только для
разных шрифюв. но и для разных размеров символов
(кеглей) в пределах одного шрифта.
Возможен также вариант использования растрово-
го распознавания с приведением входного изображения
к стандартным размерам и ориентации. Получение ин-
вариантности по отношению к размерам, форме и ори-
ентации распознаваемых но растру объектов в общем
случае является сложной, а часто и неразрешимой про-
блемой. Другую проблему в общем случае порождает не-
обходимость выделения из изображения его фрагмента,
относящегося к отдельному объекту.
В подавляющем большинстве систем распознавания
и. в частности, в существующих omnifoiit-систсмах опти-
ческого чтения (OCR) основным является признаковый
метод. При признаковом подходе эталоны строятся с ис-
пользованием выделяемых на изображении признаков.
В качестве признаков может рассматриваться все что
угодно — любые характеристики распознаваемых объек-
тов. Признаки должны быть инвариантны к ориента-
ции, размеру и вариациям формы объектов. Желательно
также, чтобы вектора признаков, относящиеся к раз-
ным объектам одного класса, принадлежали выпуклой
49
1лава 2. Целенаправленности в зрительном восприятии
компактной области пространства признаков. Простран-
ство признаков должно быть фиксировано и одинаково
для всех распознаваемых объектов. Алфавит признаков
придумывается разработчиком системы. Качество распо-
знавания во многом зависит от того, насколько удачно
придуман алфавит признаков. Какого-либо общего спосо-
ба автоматического построения оптимального алфавита
признаков не существует.
Распознавание состоит в априорном получении пол-
ного вектора признаков для любого выделенного на изоб-
ражении отдельного распознаваемого объек та, и лишь за-
тем в определении того, какому из эталонов этот вектор
соответствует. Эталоны чаще всего строятся как стати-
стические либо как геометрические объекты. В первом
случае обучение может состоять, например, в получении
матрицы частот появления каждого признака в каждом
классе объектов, а распознавание в определении веро-
ятностей принадлежности вектора признаков каждому
из эталонов.
При геометрическом подходе результатом обучения
чаще всего является разбиение пространства признаков
на области, соответствующие разным классам распозна-
ваемых объектов, а распознавание состоит в определе-
нии того, в какую из этих областей понадает соответству-
ющий распознаваемому объекту входной вектор призна-
ков. Затруднения при отнесении входного вектора при-
знаков к какой-либо области могут возникать в случае
пересечения областей, а также если области, соответ-
ствующие отдельным распознаваемым классам, не вы-
пуклы и так расположены в пространстве признаков,
что распознаваемый класс от других классов просто, на-
пример, одной гиперплоскостью не отделяется. Эти про-
блемы решаются чаще всего эвристически, например.
50
2.1. Распознавание
за счет вычисления и сравнения расстоянии в простран-
стве признаков от экзаменуемого объекта до центров
тяжести подмножеств обучающей выборки, соответству-
ющих разным классам. Возможны и более радикальные
меры, например, изменение алфавита признаков пли
кластеризация обучающей выборки, пли то и другое од-
новременно.
Структурному подходу7 соответствуют эталонные опи-
сания, строящиеся в терминах структурных частей объек-
тов и пространственных отношений между ними. Струк-
турные элементы выделяются, как правило, на контуре
или «скелете» объекта. Чаще всего структурное опи-
сание может быть представлено графом, включающем
структурные элементы и отношения между ними. При
распознавании строится структурное описание входного
объекта. Это описание сопоставляется со всеми структур-
ными эталонами, например, ищется изоморфизм графов.
Растровый и структурный методы иногда сводят
к признаковому подходу; рассматривая в первом случае
в качестве признаков точки изображения, а во втором —
структурные элементы и отношения между ними.
Недостатки большинства традиционных подходов
и, в первую очередь, признакового подхода — это отсут-
ствие целостности восприятия, отсутствие целенаправ-
ленности и последовательная организация процесса, на-
правленного снизу вверх.
Во-первых, традиционные подходы ориентированы
на распознавание (классификацию) объектов, рассматри-
ваемых по отдельности. Этапу- собственно распознавания
должен предшествовать этан сегментации (разбиения)
изображения на части, соответствующие изображени-
ям отдельных распознаваемых объектов. Методы апри-
орной сегментации обычно используют специфические
51
Глава 2. Целенаправленности в зрительном восприятии
свойства входного изображения. Общего решения зада-
чи сегментации не существует. За исключением самых
простых случаев, критерий разделения не может быть
сформулирован в терминах локальных свойств самого
изображения, т. е. до его распознавания.
Строчный, даже рукописный текст не является са-
мым сложным случаем, но и для таких изображений
выделение строк, слов и отдельных символов в словах
может оказаться серьезной проблемой. Практическое
решение этой проблемы часто основывается на перебо-
ре вариантов сегментации, что совершенно не похоже
на то. что делает мозг человека или животного в процес-
се целенаправленного зрительного восприятия.
Во-вторых, при последовательной организации про-
цесса снизу вверх отсутствует управление восирия гн-
ем с верхних понятийных уровней. Этапу' распознава-
ния предшествует этап получения априорного описания
входного изображения. Операции выделения элемен-
тов этого описания, например, признаков, выполняются
на изображении локально, части изображения подучают
независимую интерпретацию, т. е. отсутствует целост-
ное восприятие, что в общем случае может приводить
к ошибкам — рассматриваемый изолированно фрагмент
изображения часто можно интерпретировать совершен-
но по-разному в зависимости от i ипотезы восприятия,
т. е. от того, какой целостный объект предполагается
увидеть.
Распознавание возможно также с использованием
окутанных чуть ли не мистическим туманом искусствен-
ных или формальных распознающих нейронных сетей
(ФРНС). Иногда их рассматривают даже как какой-то
аналог мозга. В последнее время в текстах просто пи-
шут «нейронные сети», опуская прилагательные искус-
52
2.1. Распознавание
ственный или формальный. На самом деле. <1>1*НС — это
просто признаковый классификатор. строящий разделя-
ющие гиперплоскости в пространстве признаков.
Используемый в этих сетях формальный нейрон —
это сумматор с пороговым элементом, подсчитывающий
сумму произведений значении признаков на некоторые
коэффициенты, являющиеся нс чем иным, как коэффи-
циентами уравнения разделяющей гиперплоскости в про-
странстве признаков. Если сумма меньше порога, то
вектор признаков находится по одну сторону от раз-
деляющей плоскости, если больше — по другую. Вот
и все. Кроме построения разделяющих гиперплоскостей
и классификации по признакам. никаких чудес.
Введение в формальном нейроне вместо порогового
скачка от -1 к 1 плавного (дифференцируемого), чаще
всего сигма-образного перехода ничего принципиально
не меняет, а лишь позволяет использовать градиентные
алгоритмы обучения сети. т. е. нахождения коэффици-
ентов в уравнениях разделяющих плоскостей. и делать
«размазывание» разделяющей границы, присваивая ре-
зультату распознавания, т. с. работе формального ней-
рона вблизи границы, оценку, например, в диапазоне
от 0 до 1. Эта оценка в определенной степени может
отражать «уверенность» системы в отнесении входного
вектора к той или иной из разделяемых областей про-
странства признаков. В то же время, эта оценка, строго
говоря, не является пи вероятностью, ни расстоянием
до разделяющей плоскости.
Сеть из формальных нейронов может также аппрок-
симирован» плоскостями нелинейные разделяющие по-
верхности и объединять ио результату несвязанные об-
ласти пространства признаков. Это и делается в много-
слойных сетях.
53
Глава 2. Целенаправленности в зрительном восприятии
Во всех случаях ФРНС это признаковый класси-
фикатор. строящий разделяющие гиперплоскости и вы-
деляющий области в фиксированном пространстве при-
знаков (характеристик). Никаких других задач ФРНС
решать нс может, причем задача распознавания ФРНС ре-
шает не лучше обычных признаковых распознавателей.
использующих аналитические методы.
Во избежание недоразумений следует заметить, что
на формальных нейронах, в принципе, можно постро-
ить универсальный компьютер, с использованием как
разделяющих плоскостей в пространстве переменных,
так и легко реализуемых на формальных нейронах ло-
гических ф\нкций II. НЛП п НЕ. однако таких ком-
пьютеров никто нс строит, и обсуждение связанных
с этим вопросов выходит за рамки рассматриваемых
проблем. Нейрокомпьютерами обычно называют либо
просто распознаватель (ФРНС), либо специальные си-
стемы, решающие задачи, близкие распознаванию обра-
зов, и фактически использующие распознавание на осно-
ве построения разделяющих гиперплоскостей в про-
странстве признаков. Оценка таких систем приводится
в главе 6.
Выше уже отмечалось, чго для моделирования мыш-
ления очень важно, а может быть, и необходимо по-
нять, как работают нейронные механизмы живого мозга.
В связи с этим возникает вопрос: а не являются ли фор-
мальные распознающие нейронные сети если и нс реше-
нием проблемы моделирования нейронных механизмов
мозга, то хотя бы важным шагом в этом направлении.
Представляется, что, к сожалению, ответ должен быть
отрицательным. В отличие от активной живой нейрон-
ной сети ФР! IC — это пассивный признаковый класси-
54
2.2. Психология машинного зрения
фикагор со всеми недостатками традиционных призна-
ковых классификаторов. Аргументы, па основании ко-
торых сделан этот вывод, более подробно рассмотрены
в главах 6 н 9.
Итак, традиционные системы распознавания, осно-
вывающиеся на последовательной организации пронес
са распознавания и классификации объектов, рассмат-
риваемых ио отдельности, эффективно решать задачи
военрияшя сложной зрительной информации не могут,
главным образом, но причине отсутствия целостности
п целенаправленности восприятия, отсутствия целост-
ности в описаниях (эпигонах) распознавае.мых объектов
и иоследоватезыюй организации процесса распознава-
ния. По этой же причине такие системы распознавания
образов мало что дают для понимания живого зритель-
ного восприятия и процесса мышления.
2.2. Психология машинного зрения
В этом разделе внимание читателя будет привлече-
но к некоторым аспектам живого восприятия. Предпо-
лагается. что для пог троения практически эффективной
системы машинного восприятия недостаточно изобре-
тение изощренных алгоритмов классификации отдель-
ных объектов. Необходима организация целостного, целе-
направленного. управляемого контекстом процесса вос-
приятия, г.е. восприятия «с пониманием».
Название раздела рассчитано па ю, чтобы рождать
у специалистов ассоциации с популярной в 80-е годы
книгой «Психология машинного зрения» [41]. Интерес
к этому сборнику был связан, в первую очередь, с пмена-
55
[лава 2. Целенаправленности в зрительном восприятии
ми Патрика Уинстона и Марвина Минского. Их работы,
как впрочем и большинство других работ сборника, объ-
единяет убежденность в том, что эффективное машинное
восприятие с необходимостью должно н может облада ть
многими свойствами живого восприятия и, в первую
очередь, целенаправленностью.
Работы XL Минского [36] и П. Уинстона [53] стали
определенным шагом от традиционного распознавания
образов к созданию теории машинного зрительного вос-
приятия сложных изображений. Минский выдвинул тео-
рию фреймов, содержащую предположения о том. как
строится и функционирует иерархическая структурная
зрительная мотель мира. Модель Минского, к сожале-
нию. не работала и работать нс могла, поскольку она
была в значительной степени качественной. Тем нс ме-
нее, пользу для общего понимания процесса восприятия
среды с использованием идей структурности и целост-
ности эта модель, безусловно, принесла. К сожалению,
в экспериментальном плане ее ник го серьезно не раз-
вивал. а в теоретическом плане ее не развивал и сам
Минский.
П. Уинстон обратил внимание на необходимость ре-
ализации целенаправленного процесса машинного вос-
приятия. Цель должна управлять работой всех процедур,
в том числе и процедур нижнего уровня, т. е. проце-
дур предварительной обработки и выделения признаков.
Должна иметься возможность на любой стадии процесса
в зависимости от получаемого результата возвращаться
к его началу для уточнения результатов работы проце-
дур предшествующих уровнен. Такне системы П. Уинстон
предложил называть гетерархическими. У Уинстона, так-
же как и v Минского, до решения практических задач
56
2.2. Психология машинного зрения
дело не дошло, хотя в 80-и годы прошлого века вычис-
ли гельпыс мощности больших вычислительных машин
позволяли начать решать подобные задачи.
Безусловный интерес для теории восприятия пред-
ставляет высказанный М. XI. Боигардом принцип имита-
ции [16]. По этому принципу, относящемуся еще к кон-
цу иО-х годов, в основе за ычи узнавания (распознава-
ния) должна лежать умозрительная имитация устрой-
ства, строящего объекты распознавания. От принципа
имитации уже напрашивается переход к рассматривае-
мым ниже принципам структурности, целостности и ото-
бражаем ости.
Представляется, что общее решение задачи машин-
ного восприятия изображений должно основываться
на организации процесса, с включением таких состав-
ляющих, как целостность восприятия, целенаправлен-
ность и предвидение (гипотеза), т.е. моментов, характе-
ризующих наше сегодняшнее представление о процессе
зрительного восприя тия человека. Естес твенно, что кро-
ме этого должны максимально использоваться контекст
восприятия п знания о среде (максимально полная се-
мантическая модель среды).
Важнейшим аспектом восприятия является предви-
дение на основе иерархичной модели мира и многоуров-
нсго процесса восприятия. В знакомой среде и знакомых
ситуациях восприятие идет ~на~уровнях обобщений (об-
'Тпее — частное} и укрупнений (целое — часть) и состоит
в подтверждении предвидения на этих уровнях. Обраще-
ние к уровню детального восприятия происходит только
по мерс поведенческой необходимости или при рассо-
гласовании предвидения и реального входа.
В физиологии известен открытый академиком
П. К. Анохиным [4.5] принцип акцептора действия. Этот
57
Глава 2. Целенаправленности в зрительном восприятии
принцип состоит в том. ччо в нервной системе всегда
(непрерывно) при любом действии с троится модель ожи-
даемой обратной афферентацни, поступающей от ре-
зультата действия. Рассогласование модели и реальной
обратной афферентацни вызывает ориентировочно-ис-
следовательскую реакцию. (В качестве примера можно
вспомнить ощущения, возникающие при входе на непо-
движный эскалатор метро. ) Все это очень похоже на то,
что происходит и при «чистом» восприятии, т. е. при вос-
приятии информации от среды, нс связанным с действи-
ем. Может быть, полезным было бы введение термина
«акцептор восприятия».
В акте зрительного восприятия на всех этапах и всех
уровнях восприятия тесно переплетаются и взаимодей-
ствуют два процесса, которые можно обозначить как
процессы «сверху вниз» (от понимания к изображению)
и «снизу вверх» (от изображения к пониманию).
Важнейший момент восприятия — это формирова-
ние гипотезы о содержании изображения. Гипотеза воз-
никает при взаимодействии процесса «сверху вниз», раз-
ворачивающегося на основе модели среды, модели теку-
щей ситуации и текущего результата восприятия, и про-
цесса «снизу вверх», основанного на непосредственном,
грубом, в первую очередь признаковом восприятии.
Далее происходит подтверждение гипотезы или
уточнение восприятия. На этом этапе также взаимо-
действуют оба процесса — операции над информаци-
ей из модели и операции на изображении. При этом
в рамках текущей гипотезы с использованием модели
среды и информации о контексте восприятия осуществ-
ляется целенаправленный поиск, включающий сегмен-
тацию изображения на искомые в соответствии с гипо-
58
2.2. Психология машинного зрения
тезой части, и совместную интерпретацию выделяемых
частей.
Важнейшим аспектом восприятия является его це-
лостность; результаты локальных операций интерпре-
тируются только совместно в процессе интерпретации
целостных фрагментов и всего изображения в целом.
Используемая при восприятии целостная модель должна
быть структурной, полной и отображаемой. Последнее
означает, что должна иметься возможность мысленно
представить себе объект по его модели.
Используемая при восприятии модель проблемной
среды должна включать иерархию целостных представ-
лений. Применительно к задаче автоматического вос-
приятия изображений можно сказать следующее. По-
мимо совместной интерпретации элементов изображе-
ния в составе распознаваемых объектов, принцип це-
лостности восприятия предполагает также интерпрета-
цию самих распознаваемых обьектов в составе более
крупных целостных образований — конструкций, отоб-
ражающих те взаимосвязи из внешней задачи, в кото-
рых участвуют распознаваемые объекты. Эти взаимо-
связи образуют внешний контекст распознавания. Ис-
пользование внешнего контекста распознавания позво-
ляет не только правильно интерпретировать те объек-
ты, изображения которых допускают при их отдельном
восприятии неоднозначную интерпретацию, но и повы-
сить надежность распознавания всех объектов, задей-
ствованных в той или иной семантической конструк-
ции. за счет их целенаправленной и совместной ин-
терпретации.
Таким образом, в соответствии с принципом це-
лостности восприятия, в общем случае можно говорить
59
Глава 2. Целенаправленности в зрительном восприятии
об иерархии уровней интерпретации элементов распо-
знаваемого изображения: о г интерпретации в составе
самих распознаваемых объектов до интерпретации в со-
ставе наиболее крхттиых семантических конструкций,
представленных на данном изображении.
Очевидно, что в общем случае чем выше уровень ин-
терпретации, т. е. чем крупнее тс целостные образования
п конструкции, задающие внешний контекст, в составе
которых осуществляется интерпретация тех или иных
элементов входного изображения, гем выше надежность
распознавания этого изображения.
Такая организация процесса распознавания в систе-
ме машинного зрения необходима, если мы хотим по-
лучить действительно эффективное решение сложных
практических задач. Естественно, машинное зрительное
восприятие не может пока еще соревноваться со зри-
тельным восприятием человека. Главная причина этого
состои т в том, что мы не умеем строить и использовать
полную машинную семантическую; модель среды воспри-
ятия. Однако для повышения эффективности систем
машинного зрения и. в частности, систем машинного
чтения, отмеченные выше принципы двунаправленно-
сти (от изображения к модели и от модели к изображе-
нию) предвидения (гипотеза), целостности, целенаправ-
ленности н максимального использования информации
о проблемной среде в определенной степени реализо-
вать нс только можно, но и необходимо.
Эти принципы настолько, насколько это оказалось воз-
можным, реализованы в пакете программ Графит [7, 8],
в программах FineReader-рукопись и FormReader — для
распознавания рукописных символов [3, 51, 60] и. ча-
стично, в программе FineReader — для распознавания
неча гиых текстов.
60
2.3. Принципы распознавания рукоп и сных текстов
2.3. Принципы распознавания
рукописных текстов и их реализация
в программах ABBYY
FineReader-рукопись и FormReader
Частным случаем задачи машинного зрительного
восприятия сложных изображений является автомати-
ческое чтение рукописных н печатных текстов.
Практическое значение этой .задачи определяется
необходимое i ью представления, хранения и использо-
вания в электронном виде чрезвычайно ботыиого ко-
личества накопленной и вновь создающейся текстовой
информации. Кроме того, большое значение имеет опе-
ративный ввод в информационные и управляющие систе-
мы информации с машиночитаемых бланков, содержа-
щих как напечатанные, так и рукописные тексты, напри-
мер, ввод банковских платежных документов, бланков
заказов, налоговых деклараций, анкет и т. и. Практиче-
ское значение имеют и многочисленные другие задачи
автоматического анализа изображений.
В системах ABBYY FineReader-рукопись и FormRead-
er при распознавании рукописных текстов используют-
ся структурный, растровый, признаковый, дифференци-
альный и лингвистический уровни. Основным является
структурный уровень,
Ечавный принцип, положенный в основу построения
структурного уровня, — это принцип целостности. В со-
ответствии с этим принципом, распознаваемый объект
рассматривается как целое, состоящее из структурных
частей, связанных между собой пространственными от-
ношениями. Фрагмент изображения интерпретируется
как конкретный целостный объект, в нашем случае —
61
Глава 2. Целенаправленности в зрительном восприятии
рукописный символ, если на изображении присутству-
ют все структурные части этого объекта, и эти части
находятся в определяемых структурно-метрическим опи-
санием объекта отношениях. С другой стороны, части
распознаваемого объекта получают интерпретацию толь-
ко в составе объединяющего их целого. Распознаваемый
объект (целое) сначала присутсi вует в виде гипотезы,
и это позволяет целенаправленно выделять на изобра-
жении и интерпретировать образующие его структур-
ные части.
Гипотезы формируются следующим образом. При-
знаковый и нормируемый растровый уровни порожда-
ют список гипотез, упорядоченный по вероятности их
подтверждения. В формировании списка проверяемых
гипотез участвуют не только растровые эталоны и выде-
ляемые на изображении локальные признаки, но и те-
кущий результат распознавания, а также информация
из моделей, определяемых проблемной средой, т. с. ин-
формацией из внешней задачи.
Требования к признаковому и растровому уровням
на этом этапе состоят лишь в том, что истинная гипотеза
должна присутствовать в формируемом списке и нахо-
диться в нем максимально близко к началу. Кроме того,
при сильно нарушенной структуре символа результату,
полученному на структурном уровне, может соответство-
вать низкая уверенность или отказ от распознавания.
В этом случае предварительным результатом распознава-
ния является упорядоченный список гипотез, получен-
ных на признаковом и растровом уровнях.
Проверка на структурном уровне выдвинутых гипо-
тез сводится к целенаправленному поиску непосредствен-
но на входном изображении совокупности элементов.
62
2.3. Принципы распознавания рукописных текстов
удовлетворяющих структурному описанию (модели) дан-
ного класса распознаваемых объектов. При этом процесс
проверки гипотез характеризуется следующими особен-
ностями.
Сегментация изображения на отдельные элементы,
а также интерпретация этих элементов должны осуществ-
ляться непосредственно в ходе распознавания (этапы
предварительной сегментации и описания отсутствуют)
и проводя гея исключи гсльно в рамках целостного обра-
зования — проверяемой гипотезы.
Сегментация изображения и интерпретация получа-
емых элементов осуществляется целенаправленно и уп-
равляется проверяемой гипотезой и гекущим резуль-
татом, причем все результаты интерпретируются сов-
местно.
После окончания проверки очередной гипотезы, все
полученные в ходе се проверки результаты, связанные
с выделением структурных элементов, аннулируются, по-
скольку они имеют смысл только по отношению к этой
гипотезе. Одновременно с проверкой гипотезы вычис-
ляется интегральная оценка качества се подтверждения.
Структурные описания задают обобщенные метриче-
ские характеристики структурных частей объекта и про-
странственные отношения между ними. Очень прибли-
женно. без какой-либо математической нагрузки, струк-
турное описание можно интерпретировать как ориен-
тированный. раскрашенный, мультис вязный граф с пет-
лями.
Целостное, структурное описание объекта (знака)
состоит из обобщенных описаний структурных частей
объекта и обобщенных пространственных отношений
между ними. Обычно разделяют обобщения и укрупне-
ния как что-то независимое, при этом в проблематике
63
Глава 2. Целенаправленности в зрительном восприятии
НИ чаще рассматриваю гея обобщения (индукция — де-
дукция). Укрупнения, г. с. взаимодействия между частями
п целым (анализ — синтез) рассматриваются реже.
В рассматриваемой системе описание знака явля-
ется укрупнением, поскольку связывает в единое целое
образующие его части. В то же время описание знака
является обобщением, соогвсгствмощнм не отдельному
объекту; а всем объектам данного класса. Эго достигается
гем. что описание определяет не конкретные значения,
а некоторую многомерную область допустимых значений
характеристик частей и отношений между ними.
Назовем метрические характеристики структурных
элементов и отношения между ними структурными пара-
метрами. Описания разных классов изображений неза-
висимы и в общем случае имеют разное число и состав
структурных параметров. Тем нс менее, интегральные
оценки качества подтверждения разных гипотез долж-
ны быть сопоставимы. Сопоставимость достигается тем.
что оценки подтверждения гипотез имеют общий физи-
ческий смысл.
Пусть некоторому класс у изображений соответству-
ют структурные параметры (АДяц.Жч....x„)). Конкрет-
ное изображение класса отображается точкой в п-мерноп
системе координат — X(Ж], ....ж„).
Для всех параметров известны «идеальные*1 н пре-
дельно допустимые значения. Если определить парамет-
ры оценки изображения хг как разность между текущим
и идеальным значением, то все xt 0.
Входящие в описания класса параметры независимы.
Это нс является, как может показаться, недостатком
описаний, посколькч в их состав могут входить любые
отношения между параметрами, в том числе и отношения
между отношениями.
64
2.3. Принципы распознавания рукописных текстов
(1 учетом введенных, ограничении, также как в пер-
вой главе, граница области допустимых значении па-
раметров класса D задастся выпуклой поверхностью
F(X) = 0. Назовем разностью между максималь-
ным и идеальным значением i-го параметра. Поскольку
все предельно допустимые и идеальные значения па-
раметров i независимы и известны, область D — это
n-мерпып нархчлелешшед, и уравнение границы обла-
сти допустимых значении параметров:
F(A') = JJlXilUax - ®i) = 0
/ \ (2-1)
П,[П
\ J'l пых /
Конкретное изображение отображается в простран-
стве {X} точкой Х(зсь я?9,..., хп). Качество изображения
тех! выше, чем ближе эта точка к началу координат и, со-
ответственно, дальше от границы области допустимых
значений — D.
Так же как в первой главе введем оценочную функ-
цию:
Z(X) = F(0)-F(X). (2.2)
( учетом (2.1)
Поскольку функция F(X) выпекла. функция Z{X)
монотонна.
При X — 0. т. с. когда все параметры изображения
идеальны, функция Z(X) = 0. В любой точке границы
области допустимых значений параметров функция при-
нимает максимальное значение Z(X) = 1.
6 За< 115
65
Глава 2. Целенаправленности в зрительном восприятии
Величина, оценивающая качество изображения как
представителя конкретного класса:
W •= 1 - Z(X). (2.4)
Эта же величина является интегральной оценкой
качества подтверждения гипотезы.
Интегральная оценка используется для принятия ре-
шения на структурном уровне в том случае, когда изобра-
жение допускает неоднозначную структурную интерпре-
тацию. Кроме того, неоднозначность может сниматься
парными дифференциальными классификаторами, ко-
торые строятся для путающихся пар, а также лингви-
стическим уровнем (словарь) или контекстом, идущим
от внешней задачи.
Используемые при подтверждении гипотез структур-
ные описания должны быть отображаемыми в объекты
своего класса и только в объекты своего класса. Принци-
пиальная отображаемость является необходимым крите-
рием целостности. С помощью отображения описаний,
т. е. получения изображений для точек Х(Я].я*2.жп),
лежащих вблизи границы области допустимых значений
параметров, разрабо тчик мог бы визуально контролиро-
вать качество созданных им описаний.
Построение и отладка структурных описаний — это
трудоемкий процесс, не поддающийся пока автоматиза-
ции. Также не удастся для общего случая создать алго-
ритмы построения изображений но их (принципиально
отображаемым) структурным описаниям. Обе названные
проблемы сродни затрагиваемым в главе 3 общим про-
блемам описания функциональных взаимодействий меж-
ду частями и целым.
Особенностью системы FineReader-рукопись, описы-
ваемой в [3,51.60]. является то, что в ней нет фик-
66
2.3. Принципы распознавания рукописных текстов
сированного набора отношений, а используется «кон-
структор», позволяющий в процессе создания описа-
ний строить практически любые отношения, и создан
аппарат, дающий возможность работать с любыми от-
ношениями.
В полной схеме автоматического зрительного вос-
приятия, ориентированного на анализ сложных изобра-
жений, процессы «снизу вверх» и «сверху вниз» должны
разворачиваться в диапазоне от исходного нс препари-
рованного изображения до наиболее высокого уровня,
отражающего полную информацию о проблемной среде
и семантике решаемой задачи. В описываемых програм-
мах этот диапазон несколько сужен снизу и значительно
сверху.
Нижним уровнем структурного анализа в програм-
мах чтения рукописных символов являются линии изоб-
ражения, аппроксимированные отрезками прямых. Верх-
ний уровень — это, чаще всего, достаточно ограничен-
ная информация о простых семантических конструкциях
внешней задачи, а также лингвистическая информация
(словарь). Информация из внешней задачи в наибольшей
степени используется при распознавании и вводе форм,
например таких, как анкеты, налоговые декларации или
банковские плат ежпые докумен ты.
Структурный уровень системы FineReader-рукопись
и в настоящее время системы FormReader работает
па векторном представлении изображения, полученном
после его утоньшения. Утоныпение и векторизация изоб-
ражения делаются на этапе, предшествующим распозна-
ванию. Это нарушает основной исходный принцип —
ничего не делать до распознавания и вне распознава-
ния. т. е. без «понимания». Действительно, в результате
6- 67
Глава 2. Целенаправленности в зрительном восприятии
«слепого» утоньшения и векторизации может получаться
результат, в определен поп (иногда значительной) степе-
ни нс совпадающий по форме и структуре с исходным
изображением.
В описываемой системе это частично комиенсирхет-
ся возможностью при необходимости обращаться непо-
средственно к исходному растровому изображению- Кро-
ме того, перспективным представляется рассмотрение
вопросов о разработке алгоритмов целенаправленной,
т. с. ориентированной на гипотезу векторизации, либо
целенаправленного выделения структурных элементов
непосредственно на рас тровом изображении.
Максимально развитый верхний вровень, в пределе
построение полных семантических моделей проблемной
среды, является обшей проблемой для систем моделиро-
вания интеллекта.
Априорная векторизация изображения — это не един-
ственный потенциальный источник ошибок. В последнее
время в статьях и докладах часто используется приду-
манное кем-то красивое наукообразное выражение «при-
ведение изображения к виду, удобному для распознава-
ния». Эти слова означают то же самое, что и давно
употребляющийся термин «предварительная обработка».
Однако в предварительной обрабо тке речь должна идти
не об удобстве, а о необходимости или. как минимум,
о целесообразности, г. с. об улучшении качества работы
системы. При этом всегда нужно помнить, что априор-
ная предварительная обработка изображения, состоящая
в каком-то его изменении еще до распознавания, может
быть источником ошибок.
К предварительной обработке от носится все, что де-
лается с изображением до его распознавания: счигыва-
68
2.3. Принципы распознавания рукописных текстов
ние, бинаризация, фрагментация, фильтрация, вектори-
зация. отделение объектов от фона и т.п. Для программ,
распознающих тексты, это часто cine выравнивание, вы-
деление строк, выделение слов, выделение отдельных
символов.
Принятый в описываемой системе чтения рукоппс
ных символов общий принцип состоит в том, что «сле-
пые»» априорные операции над изображенном нужно де-
лать только по необходимом' минимуму, поскольку они
могут приводить к необратимой потере информации
и ошибкам, либо нужно иметь возможность в зависимо-
сти от текущего результата возвращаться к исходному
изображению.
Считывание изображения происходил' с каким-то
пространственным разрешением. Обычно это около
10 точек на миллиметр. При распознавании маленьких
объектов этого разрешения может быть недостаточно
и нужно иметь возможность в зависимости от каких-
то результатов получать новое изображение с большим
пр<>странственным разрешепнем.
Бинаризация состоит в преобразовании многограда-
цпоипого ио яркости изображения в двоичное, т. е. та-
кое, в котором точки фона имеют значение «0»>. а точки
изображения «1». Преобразование по фиксированном'
порогу яркости обычно дает плохой результат: на изоб-
ражении появляются разрывы и заливки в таких местах,
где человек воспринимает изображение правильно.
Для улучшения бинаризации применяется перемен-
ный порог, выставляемый! для каждой точки по резуль-
татам анализа свойств изображения в некоторой ло-
кальной окрестности. Однако и это может приводить
к ошибкам, которые может компенсировать возможность
69
Глава 2. Целенаправленности в зрительном восприятии
при необходимости обращения к исходному растровому
изображен 11 по.
Фильтрация — э го очистка изображения от помех —
лишних точек и каверн (дырочек), и. в некоторых слу-
чаях, сглаживание контура. Понятно, что в процессе
фильтрации может норгиться изображение, например
удаляться точки над ё пли i. Поэтому, фильтрация должна
быть осторожной и. как всегда, должна иметься возмож-
ность обращения к исходному, не испорченному изобра-
жению.
Априорное отделение объекта or других объектов
и фона (для текстов — выделение строк, слов и отдельных
символов) может быть неоднозначным. 15 некоторых слу-
чаях правильный вариант может noupociy отсутствовать.
Для описанного выше целенаправлен лого структурно-
го распознавания выделение отдельных распознаваемых
объектов в принципе не нужно. Была бы правильная
гипотеза, в списке гипотез, при этом не обязательно
па первом месте. Для работы признакового и растрового
уровней выделение отдельных объектов нужно. Неод-
нозначность па этих уровнях может компенсироваться
перебором вариантов.
Фрагментация — это выделение на изображении от-
дельных, последовательно читаемых блоков: заголовков,
столбцов, подписей к рисункам, текста в графах табли-
цы или формы, отделение рисунков и графики от текста
и т.п. Уменьшение вероятности ошибки при фрагмента-
ции может достигаться за счет использования на этом
уровне целостных структурных описании типов доку-
ментов и организации целенаправленного процесса пх
интерпретации. В описываемой системе эго в определен-
ной степени реализовано для анализа форм, например,
таких, как банковские платежные документы.
70
г
2.3 Принципы распознавания рукописных текстов
Одним из источников гипотез для структурного рас-
познавания является предвари тельное распознавание на
растровом уровне. Для растрового распознавания необ-
ходима предварительная нормализация размеров и ори-
ентации растрового изображения. Кроме того, важно,
чтобы обучение и распознавание проводились не только
при одинаковых размерах и ориентации изображений
объектов, ио и при одной (стандартной) толщине ли
иий. Все это может быть отнесено к предварительной
обработке.
Определение толщины линий можно делать различ-
ными способами. Если выполнена векторизация изобра-
жения, то среднюю толщину линий можно определить,
разделив число черных точек (площадь) па длину век-
торного изображения. Точность этого метода в значи-
тельной степени зависит от качества векторизации.
Если изображение состоит из ’пгний (например, гра-
фика или текст), то вис зависимости от того, выпол-
нялась или пет векторизация, толщину линий можно
вычислять по формуле:
S
Т=-р---------, (2.5)
---Т + 2
2
где Т — толщина линий, S — площадь изображения
(число черных точек), Р — длина контура изображения.
Длина контура в пикселах может приближенно опре-
деляться как число переходов с черного па белое по го-
ризонтали плюс число переходов с черного на белое
но вертикали. При RLE-прсдс гявлсиии изображения дли-
на контура может приближенно определяться как удвоен-
ная сумма числа горизонтальных и вертикальных RLE-ot-
резков.
71
Глава 2. Целенаправленности в зрительном восприятии
Формула даст удовлетворительную точность, особен-
но если была выполнена предвари тельная фильтрация
контура.
Входящая в I они Reader программа чтения рукопис-
ных текстов была выпущена в 1998 году одновременно
с системой ХВВХЛ FineReader 4.0. В настоящее время
разработана новая версия, которая входит в состав си-
стемы FormReader 6.0. Эта программа может читать все
рукописные строчные и заглавные Handprint-символы,
имеющиеся на клавиатуре компьютера. Пример читае-
мых программой символов приведен па рис. 2.
40
, Н> I К> Ю Ю Ю Ю IV 10 И> 'J
ю Ю ч» Ю Ю Ю w Ы Я «
/Ч /' л 7^ Q /4
ЛЯ Я ЯП !• ппяийЯЯЯ
ЯЯЧЯ1<ЯР>1ЯЙ Г. Й яя
EDOCACIQN FtSVCA
CEU60A CflSreUAufi N ИТЕИШЙЯ
Рис. 2
Допускаются ограниченные соприкосновения сим-
волов между собой и с графическими линиями. Читают-
ся символы, входящие в алфавиты 15-ти языков и при
этом учитываются особенности национального письма.
72
2.3. Принципы распознавания рукописных текстов
Ос новное практичес кое применение — распознавание
и ввод информации с машиночитаемых бланков.
1остоверность правильного распознавания зависит
о г качества распознаваемой информации. Для цифр это
99.6-99.8 %. Для русских или английских букв с контекст-
ной обработкой достоверность правильного распознава-
ния в среднем превышает 99%.
Область возможного применения описанного под-
хода нс ограничивается задачей автоматического ана-
лиза изображений, содержащих символьную и графиче-
скою информацию. Целостность и целенаправленность
па основе предвидения важны при любом восприятии
и тем более при восприятии более сложных изображе-
ний. например изображении трехмерных сцен. Эти жс
прппщшы важны и при восприятии нгзрительной мо-
дальности.
Возможность практической реализации подхода при-
менительно к конкретной задаче зависит от нескольких
факторов.
Во-первых, необходима возможность! юстроепия пол-
ных целостных структурно-метрических описаний клас-
сов обьектов восприятия, включающих нс только элемен-
ты целого, по и отношения между ними. Уже отмечалось,
что принципиальная отображаемоегь — эго критерий
целостности и полноты описании зрительных образов.
()ш!саиия должны быть принципиально отображаемыми
в объекты своего и только своего класса. Каков крите-
рии целостности и полноты описании для иезрительиых.
например речевых, образов? По-видимому, таким крите-
рием может быть принципиальная воспроизводимость.
Слово «принципиальная» говорит о том. что в описаниях
достаточно информации для отображения (воспроизвс-
• 115 73
Глава 3. Синергия, целостность и организация
более что в разделах о поведении и восприятии поня-
тие целостность широко используется, но нс хотелось
начинать книгу с материала, который может показаться
абстрактным теоретизированием. Возможно, что посте
рассмотрения более конкретных задач этот материал бу-
дет восприниматься читателем по-другому. Кроме того,
ниже при изложении некоторых вопросов используется
введенный в главе 1 принцип max Г.
3.1. Целостность и теория систем
К понятию «целостность» можно идти от понятия
«система». В последнее время часто применяется сло-
восочетание «системный подход», причем, как правило,
не вполне ясно, что это означает. Иногда шутят, что
«системно» означает попросту «хорошо».
Теория систем как самостоятельная область пауки,
несмотря на свое название, еще не вышла на теорети-
ческий уровень. Более того, становление нового направ-
ления в науке начинается с появления нового предмета
исследования и завершается определением адекватных
предмету’ методов исследования. Теория систем имеет
свой, хотя и довольно расплывчатый, предмет — систему.
Эффективный метод исследования систем не создан. По-
пробуем проясни ть для себя смысл термина «система».
Разные исследователи трактуют понятие системы
по-разному. В то же время, давая определение системе,
все в топ пли иной степени прямо или косвенно за-
трагивают интересующее нас в первою очередь понятие
«целостность». Несмотря на некоторые различия в суще-
ствующих многочисленных определениях понятия си-
стемы. все эти определения появились не произвольно.
76
3.1. Целостность и теория систем
а возникли в результате необходимости охарактеризо-
вать появившеюся в науке новую проблематику. В чем же
состои т эта новая проблематика?
I 1нтересный анализ принадлежи г Уореш'Уиверу [67],
который делит наемные проблемы па проблемы линей-
ных причинных рядов — проблемы двух переменных,
проблемы большого числа слабо связанных перемен-
ных, которыми занимаются статистика и термодинами-
ка, п проблемы большою числа сильно связанных пере-
менных. требующих для своего решения создания новых
понятийных средств и нового формального аппарата.
Для этих классов проблем Уивер вводит названия:
проблемы неорганизованной простоты, проблемы неор-
ганизованной сложности п проблемы организованной
сложности. Проблемы организованной сложности в пер-
вую очередь возникают при исследовании биологиче-
ских объектов и при исследовании сложных современ-
ных промышленных, экономических, социальных и воен-
ных организаций. Именно к проблемам организованной
сложности многие авторы относят понятие «система».
Определение Уивера не затрагивает в явном виде
проблему соотнесения частей и целого. Большинство
авторов считают этен аспект основным и ставят его
на первое место. Так. Эшби [75] говорит о том, что суть
системною подхода состоит в изучении целого, не раз-
деленного па част и, поскольку разделение нарушает вза-
имодействие. Этот же аспект отражает наиболее рас-
пространенное определение: система — целостное мно-
жество взаимосвязанных элементов (Берталаифи [15]).
Приведенное определение даже в сочетании с опреде-
лением Уивера дает не очень много, поскольку остает-
ся невыясненным, что такое целостность и какая роль
77
Глава 2. Целенаправленности в зрительном восприятии
деиия). п что реальное отображение (воспроизведение)
в принципе могло бы быть реализовано.
Во-вторых, для реализации целостного целенаправ-
ленного восприятия должна иметься возможность вы-
делять структурные элементы и проверять отношения
между ними непосредственно в среде восприятия.
11, наконец, желательно, чтобы в системе было мак-
симально полное описание проблемной среды, использу-
емое как на этапе формирования гипотез, гак и па этапе
их проверки. В пределе описание среды должно стать
активной моделью среды. Связанные с этим вопросы
подробно рассма триваются в последующих главах.
Глава 3
Синергия, целостность
и организация
Выше отмечалось. что для понимания феномена
мышления важно определить разницу между живым п не-
живым п особенности задач, которые должны решаться
живыми организмами для обеспечения своего существо-
вания. Представляется, что в этом плане имеют значе-
ние рассмотренные в главе 1 и главе 2 соответственно
модель поведения на основе принципа оптимальности
тахТ и модель восприятия «с пониманием»’ на основе
принципов целостности и целенаправленности. Теперь
рассмотрим вопросы, касающиеся общих принципов ор-
ганизации существующих живых п неживых целостных
систем (объектов).
Понятие «целостность» является одним из централь-
ных в книге.
В главе 3 делается попытка уточнить смысл, который
вкладывается в понятие «целостность», а также в тесно
связанные с ним понятия «организация» и «синергия»».
Рассматриваются также различные принципы организа-
ции (существования) целостных объектов. Может быть,
все это правильнее было бы сделать с самого начала,
до рассмотрения проблем поведения и восприятия, тем
75
-
[лава 3. Синергия, целостность и организация
в образовании и поддержании целостности принадлежит
связности элементов.
Важная сторона проблематики систем связана с вза-
имоотношением между целым и образующими его частя-
ми. Так. например. Рапопорт [42] говорит о том, что
теория систем обязана своим появлением как недоста-
точности механицизма, т. е. объяснения целого через
части, так и недостаточности оргапизмического подхо-
да, т. с. невозможности обьясненпя частей через целое,
и теория систем должна органически объединить оба
названных подхода.
Другой стороной проблематики систем является ор-
ганизация. Выше уже упоминались выделяемые Уивером
системы организованной сложности. Организация опреде-
ляет взаимодействие между элементами системы и воз-
никновение в результате этого новых качеств целого. Ор-
ганизация. другими словами — внутреннее устройство си-
стемы, определяет и сохранение ее качеств во времени.
Приведем в связи с этим высказывание А. Сент-Дьер-
дьи [46]: «Одним из основных принципов жизни являет-
ся „организация"; мы понимаем под этим, что при объ-
единении двух вещей рождается нечто новое, качества
которого нс аддитивны и нс могуч' быть выражены через
качества составляющих его компонент. Эго относится
ко всей гамме форм организации, к объединению элек-
тронов и ядер, образующих атом, к объединению атомов
в молекулы, аминокислот в пептиды, пептидов в белки,
белков и нуклеиновых кислот в нуклеиротеиды и т.д.».
Говоря о целостности, нельзя умолчать о представле-
ниях, разработанных в гештальтпепхологпп. гем более,
что эти представления предшествовали возникновению
теории систем и сыграли роль в становлении системного
подхода. В гештальтпепхологпп и в работах по теории
78
3.1. Целостность и теория систем
систем понятие целостности имеет близкие, но все-таки
несколько различающиеся трактовки.
Большое внимание в гсттальтпспхологип уделяется
восприятию. Геиттальтпсты противопоставляют одномо-
ментное восприятие без расчленения целого объекта
на части, называя эго восприятие целостным, восприя-
тию по частям с последующим синтезом целого. Хбворят
о неструкгурпруемом целом, о целостности как пите-
гральности. не разделенной на отдельные компоненты.
Подчеркивается тезис о песводимости свойств целого
к сумме свойств составляющих целое элементов. Выде-
ляются два разных процесса узнавания: целостный —
по интегральным образам и признаковый — по набор)
элементов, признаков, деталей [69].
Что такое интегральный образ (гештальт), не опре-
деляется. Однако существование двух процессов узнава-
ния — по интегральным образам и по набору элементов
признаков, деталей, подтверждается в некоторых экспе-
риментах. С гештальгнетами спорят, говоря о возможном
подсознательном восприятии частей в процессе воспри-
ятия целого.
Проблемам системной организации уделялось вни-
мание и в физиологии. Так, в теории функциональных
систем П. К.Анохина [4], [5] говорится о динамически
складывающихся для достижения конкретного результа-
та функциональных взаимосодсйствующнх системах ор-
ганизма и о результате, как о системообразующем факто-
ре. Взаимосодейсгвпс и синергия — это синонимы.
В возникшей в последнее время новой науке — си-
нергетике значительное внимание уделяется математи-
ческим моделям починенных динамических процессов,
связанных с возникновением п изменением организа-
ции на уровне частей целого [29, 33, 54, 58] — к ие-
79
[лава 3. Синергия, целостность и организация
решенному вопросу построения формального описания
того, как целостная система устроена, добавляется во-
прос. как система возникла и изменяется. Все это от-
носится к описанию динамических систем. т.е. систем,
характеристики которых выражаются изменяющимися
во времени и в пространстве переменными. При этом
нужно понимать, что синергетика и синергия — это
не одно и го же. В синергетике в центре внимания
находится описание процессов изменения и самооргани-
зации с истем. Несмотря на этимологию предложенного
Г. Хакеном термина идею синергии, т.е. взаимодействия
н hi взаимосодействия в синергетике в конструктивном
плане чаще всего не рассматривают, либо отодвигают
па второй план, ограничиваясь выделением параметра
порядка и принципом подчинения.
Выше приведены типичные взгляды па проблемати-
ку системности и целостности. С учетом этих и других
близких по смыслу взглядов, признаки систем это:
• большое число составляющих элементов:
• связность элементов;
• миоготровиевость — как минимум в системе есть
уровень элементов (частей) п уровень целого:
• новые свойства целого, не сводимые к свойствам ча-
стей. но каким-то неизвестным образом свойствами
час гей определяемые;
• состав и свойства элемен тов каким-то неизвестным
образом определяютс я свойствами целого;
• возникновение устойчивых струкпр и взаимоотно-
шений (взаимодействий) между элементами, объеди-
няющих элементы в целое:
• организация, как систсмообрдзхюший интегральный
фактор. обеспечивающий существование во времс-
80
3.2. Представление целостного объекта (системы)
ни целостного обьскта как некоторой качественной
о п реде юн I юсп 1:
• синергия (взаимосодействие) как необходимое свой-
ство. проявляющееся в функционировании живых
целостных снегом.
Нетрудно заметить, что перечисленными признака-
ми обладает любой материальный, а может бы ть. и нс ма-
териальный объекк п системный подход есть просто
методологический прием. требующий рассмотрения це-
лого и составляющих его элементов в неразрывном един-
стве. Таким образом, слово «система» в рассматриваемом
аспекте — лишнее. Fro мог бы заменить термин « целост-
ности ый объект». Однако в дальнейшем все же будет
использоватьс я п привычное слово «система»
3.2. Представление целостного
объекта (системы)
Итак, целостное гь —это характеристика обьскта (ма-
териального то не материального), состоящего из вза-
имодействующих частей и обладающего новыми каче-
ствами. Повторим самое важное. Новые свойства цело-
го, не сводимые к свойствам частей, каким-то. в общем
случае неизвестным, образом определяются свойствами
частей и их взаимодействием. Состав, свойства и взаи-
модействия элементов (частей) каким-то. в общем случае
неизвестным, образом определяются свойствами целого.
Основным обязательным свойством является организа-
ция. обеспечивающая устойчивое существование объекта
(системы) во времени.
Можно ли как-то представить двусторонние взаимо-
действия между уровнем целого и уровнем частей? По-
81
Глава 3. Синергия, целостность и организация
npoovc.M эю сделать с оговоркой, чго наша цель состоит
лишь в гом. чтобы дать язык, удобную схему, в рам-
ках которой можно обсуждать рассматриваемые явления
по возможности в их существенных п общих аспектах.
Эта схема, которая может показат ься чересчур абстракт-
ной. фактически использована в 1 и 2 главах при рас-
смотрении таких конкретных вопросов, как формальная
модель поведения и алгоритмы системы машинного зри-
тельного восприятия, разработанные для распознавания
изображений рукописных текстов.
При построении описаний по-возможности будем ис-
пользовать язык переменных, называя переменной все.
что можно (хотя бы теоретически) измерить, переве-
сти в показания приборов или оценить количественно
каким-либо другим способом.
Любой объект полностью характеризуется набором
переменных, их текущими значениями, зависимостями
между переменными и зависимостями переменных от
времени. Все объекты обладают качествами (свойствами)
и тем отличаются друг от друга. Переменная отражает
наличие п интенсивность отдельного качества. Качества
объекта проявляю гея только во взаимодействии с дру-
гими обьектами, в частности, с измерительными при-
борами. Все, что можно сказать о целом объекте — эго
перечислить сто качества, определить их интенсивность,
а также указать закон изменения качеств во времени.
Таким образом, объект можно задать точкой в про-
странстве переменных, где каждой оси соответствует
некоторое качество пли свойство. Будем различать внеш-
ние переменные, соответствующие качествам целого,
п внутренние переменные, соответствующие качествам
частей (элементов) и отношениям между элементами
82
3.2. Представление целостного объекта (системы)
В частности, отношения между элементами могут зада-
вать структуру или структурное описание целою. Пример
таких структур, а также способ их задания и an.Lin.ui при-
менительно к задаче построения программной системы,
чтения рукописных знаков приведен в главе 2.
Пусть внешние качества отображаются в npociрапст-
ве внешних переменных вектором Z{Z\. Zo..zn). Внут-
ренние качества отображаются в пространстве внутрен-
них переменных вектором X(Xi,X2....жп).
Пусть переменные z, и ж, отражают не абсолютные
значения соответствующих качеств, а разность между те-
кущими и некоторыми оптимальными значениями. Тогда
все переменные неотрицательны, т. с. Х{ О и 0.
Положение отображающей точки в начале координат
соответствует нормальным (идеальным) значениям пе-
рем енных (качеств).
Положение точки Z(Z[, z^, . , zn) в пространстве
внешних переменных однозначно определяется положе-
нием точки Х(Ж1,я2.... ,хп) в пространстве внутренних
переменных (обратное в общем случае не справедливо).
Зависимость Z от X обычно не может быть определена
аналитически, по может быть иногда охарактеризована
каким-либо другим образом, например, с помощью сло-
весного описания или таблично.
Введем теперь две области: Dz — область допусти-
мых значений внешних переменных и — область
допустимых значении внутренних переменных. Объект
(система) как некоторая качественная определенность
существует, пока отображающие точки Z{z\, z<j, • • . zn) и
X(Xi,X2....хп) находятся соответственно внутри обла-
стей Dz и Ох.
Область DT (праничепа координатными плоскостя-
ми в первом ортапте и некоторой поверхностью, ана-
83
(лава 3. Синергия, целостность и организация
.литическое выражение которой может не существовать.
В конкретных приложениях возможны предположения
о каких-то свойствах этой поверхности (например,
см. гл. 1) либо о точном аналитическом виде ограни-
чивающей поверхности F(X) = 0 (например, см. i 1. 2).
То же самое относится и к области Dz.
При изменениях объекта отображающие точки X
н Z перемещаются в пространствах допустимых значе-
ний. Выход точек X и Z па границу области допусти-
мых значении происходит одновременно. При выходе
отображающей точки на границу области допустимых
значений целостность нарушается и объект прекращает
существование.
(Заметим в скобках, что в рамках введенных пред-
ставлений можно говорить также о существенных п несу-
щественных переменных, об оценке состояния объекта,
о тенденции к разрушению и о вероятности разрешения
и др. Однако обсуждение этих вопросов лучше делать
при рассмотрении конкретных систем.)
3.3. Организация
Материальным объектам присуща единая тенденция,
направленная па выравнивание всех неоднородностей,
разрушение структуры, утерю качеств, т. е. увеличение
энтропии. В основе этой тенденции лежит второй закон
термодинамики.
Если наблюдать за системой, в которой увеличива-
ется энтропия, то окажется, что точка, отображающая
систему в пространстве внутренних переменных, переме-
щается к границе области существования системы. При
выходе точки па границу области существования система
84
3.3. Организация
разрушается. Для того. чтобы системы (объекты) мог-
ли длительно существовать, эта тенденция должна быть
ослаблена или полностью скомпенсирована какими-то
постоянными факторами. Этой цели служит организа-
ция как способ длительного удержания энтропии в преде-
лах, определяющихся областью существования системы.
Итак, система — это не просто набор качеств, про-
являющихся при взаимодействии между ее элементами,
по и основанный на организации способ сохранения
качеств во времени.
На каких же принципах может основываться эта
организация? В рамках пашей абстрактной схемы мож-
но выделить три принципиально отличающихся способа
(принципа), которые ориентировочно назовем пассив-
ным статическим, пассивным динамическим п активным
динамическим. (Оговоримся, что. по-видимому, эти спо-
собы не исчерпывают всех возможных способов органи-
зации и возможна их иная классификация.)
Сущность названных способов организации рассмот-
рим на примере из области механики. Этот же пример,
правда в несколько ином аспекте, частично использован
Шредингером в книге «Что такое жизнь с точки зрения
физики» [72].
Физический маятник, отклоненный от вертикально-
го положения, обладает потенциальной энергией Про-
стейший способ сохранить эту энергию — это поставить
препятствие на пути движения маятника к вертикально-
му положению. Если теперь на маятник и препятствие
не действуют никакие силы, кроме тяготения, потен-
циальная энергия будет сохраняться длительное время,
пока увеличение энтропии не приведет к потере струк-
турности. разрушению ограничений. наложенных на сте-
пени свободы движения маятника, к колебательным дви-
85
Глава 3. Синергия, целостность и организация
жсипям и к превращению потенциальной энергии в ки-
нетическую и тепло.
Воздействия па отклоненный маятник и препятствие
со стороны среды, если только эта среда не организова-
на специальным образом для сохранения потенциальной
энергии маятника, приводят в общем случае лишь к уско-
рению процесса разрушения ограничений. Разрушение
произойдет тем быстрее, чем разнообразней и интен-
сивней воздействия среды, т.е. чем более открытой яв-
ляется система «маятник — препятствие». Другой часто
встречающийся в литературе пример — это камень, ле-
жащий в углублении на склоне горы. Камень обладает
потенциальной энергией и сохраняет ее во времени.
Итак, первый способ организации, направленный
на сохранение качеств системы (в приведенных приме-
рах потенциальной энергии), состоит в создании структу-
ры — постоянных взаимодействий, замедляющих возрас-
тание энтропии. Такой способ является пассивным. Сре-
да на систему оказывает разрушающее воздействие. Назо-
вем этот способ существования пассивным статическим.
Вернемся к примеру с маятником. Если отклонить ма-
ятник и отпусти гь, он будет совершать колебания в верти-
кальной плоскости. Если бы не было сопротивления сре
ды, т.е. потерь на трение и сопротивление воздуха, маят-
ник совершал бы незатухающие колебания и средняя ве-
личина потенциальной энергии сохранялась бы постоян-
ной. При этом потенциальная энергия маятника, умень-
шаясь при его движении к вертикальному положению,
целиком превращается в кинетическую, которая, в свою
очередь, за счет организации целиком тратится па повое
отклонение маятника от вертикального положения и вос-
становление начального уровня потенциальной энергии.
86
3.3. Организация
Организация здесь состоит в конструктивном спо-
собе использования энергии, высвобождающейся при
движении к состоянию равновесия, для восстановления
неравновесного состояния.
Реальный (по математический) маятник потеряет
с течением времени потенциальную энергию из-за со-
противления среды п остановится. Это время зависит
от величины начальной потенциальной энергии и ин-
тенсивности потерь.
Итак, второй способ организации, направленной
па сохранение качеств системы, состоит в том, что энер-
гия. высвобождающаяся при движении системы к рав-
новесному состоянию, используется для восстановления
неравновесного состояния. Процесс целиком замыкает-
ся внутри системы. Среда, также как и в нервом случае,
оказывает преимущественно разрушающее на систему
воздействие. Назовем второй способ организации пас-
сивным динамическим способом существования.
Примерами несколько отличающихся вариантов от-
носительно стабильного существования пассивных дина-
мических систем являются атом и планетная система.
Вопросами, связанными с возникновением, существова-
нием, устойчивостью и изменением динамических си-
стем занимается, в частности, синергетика.
По-внднмому. комбинация первого и второго пассив-
ных способов организации характерна для большинства
неживых систем.
Снова вернемся к маятнику1. Для того, ч тобы маятни-
ковые часы все же ле останавливались, человек присо-
единяет к маятнику дополнительный периодически вос-
станавливаемый внешний источник энергии, компенси-
рующий потери на трение. Нарастание энтропии в систе-
ме теперь компенсируется «поглощением иегэнтропни»
87
(лава 3. Синергия, целостность и организация
внешнего источника энергии. — например, потенциаль-
ной энергии гири. При этом потенциальная энергия ма-
ятника остается в среднем постоянной. Потенциальная
энергия гири монотонно уменьшается и периодически
увеличивается человеком.
Энтропия маятника остается в среднем постоянной
за счет того, что система как бы «питается нстэшропи-
ей*> среды. В приведенном примере этот процесс осу-
ществляется извне, человеком, а нс за счет системной
организации. Система с маятником сама по себе оста-
ется пассивной. Однако в природе существуют актив-
ные системы, пример — живые организмы (животные
и растения), самостоятельно «питающиеся» иегэитропп-
сй среды.
В таких системах необходима организация обмена
спет омы со средой, состоящая в том. что свободная энер-
гия системы, находящейся постоянно в неравновесном
состоянии, выделяется при движении к равновесию (уве-
шчеиис энтропии) н расходуется на обмен со средой,
т. е. на использование обладающих свободной энергией
(нсгэнтроиисй) компонентов среды для восстановления
неравновесной структуры, и продолжения этого непре-
рывно повторяющегося процесса.
Системы, реализующие описанный принцип органи-
зации (существования), могут быть только открытыми,
поскольку для них принципиально необходим непрерыв-
ный обмен со средой. Назовем этот способ о шествова-
ния активным динамическим.
Итак, все существующие в мире системы (объек-
ты) обладают какой-то организацией, обеспечивающей
взаимодействие образующих целое элементов, внешние
качества полостных систем и их существование во вре-
мени. В заключение раздела к приведенным в начале
88
3.4. Возникновение и изменение организации
главы определениям системы не в качестве альтернати-
вы. а лишь как дополнение добавим еще о цю: система —
это основанный на организации способ своего существо-
вания, т. с. способ создания и сохранения целостности
и качественной определенности.
3.4. Возникновение и изменение
организации
Рассмотрим вопрос о том. как возникает организа-
ция, т. е. устойчивое стабильное объединение элементов
в целое, определяющее появление и сохранение во вре-
мени новых качеств как живых, гак и неживых систем.
Как, казалось бы. вопреки законам термодинамики мо-
жет происходить изменение систем, приводящее к ло-
кальному уменьшению энтропии?
Обшпй ответ на этот вопрос прост: случайно —
на основе фундаментальных свойств материи, начни»-
кого « толчка» и случайного объединения в организован-
ную систему взаимодействующих объектов. При этом,
конечно, конкретные составляющие случайного в це-
лом процесса могут иметь свою специфику. Случайность
не отрицает причинность и физическую материальную
основу происходящих в природе явлений.
Мы часто не знаем, как в природе (в мире) возника-
ют свойства объединяющихся в целое элементов, напри-
мер. как возникают свойства объединяющихся в атом
ядер, электронов и субатомных элементов. Мы не зна-
ем. как возникают свойства элементарных физических
частиц, вернее частиц, которые мы называем элемен-
тарными Мы не знаем, что такое и как возникли такие
фундаментальные свойства материн, как электричество.
89
Глава 3. Синергия, целостность и организация
магнетизм, электромагнитное поде. гравитация и мно-
гое другое, лежащее в основе организации систем. Мы
нс имеем представления о том. чго лежит в основе
общей организации наблюдаемой нами Вселенной, тем
более в основе организации недое м иной нашему на-
блюдению части мира. У нас нет достаточных знаний
о фундам октальных свойствах материи и не г целостной
картины мира.
Естественно предположить, что в основе всего лежат
какие-то фундаментальные свойства материи неизвест-
ного нам глубинного уровня, а также упорядочивающее
управляющее и организующее начало. определяющее как
производные происхождение п все физические свойства
любых объектов и законы их взаимодействия. Поиск
так называемых «окончательных законов природы» [18]
или общего принципа оптимальности задачу определе-
ния «исходных» созидающих и управляющих законов
мироздания пока еще не решает и вряд ли реши г, по-
скольку этот поиск ограничивается, как правило, рас-
смотрением только внешней стороны взаимодействий
между объектами и практически не затрагивает природу
фундаментальных свойств и организации материи.
Эти «исходные» или «главные» законы могут иметь
п какое-то другое название, например даже Бог. Но ко-
нечно нс «заинтересованный Бог» [1S] из какой-либо
существующей религии, отвечающий за жизнь н судь-
бу каждого конкретного живущего на земле человека,
а Бог как условное название чего-то, задающего общую
организацию и общие процессы управления в бесконеч-
ном мире.
Возможно, что это управляющее и организующее
начало, оставаясь физическим п рациональным, выхо-
дит за рамки существующих, а может быть, н за рамки
90
3.4 Возникновение и изменение организации
возможных представлений человека о физических свой-
ствах мира и. таким образом, может казаться не мате-
риальным. Так и in иначе, рассуждая о возникновении
систем и их организации, мы всегда можем говорить
только о фрагментах, относящихся к каким-то уровням
организации, и, чаще всего, не с начала процесса, а толь-
ко с промежуточной наблюдаемой памп стадии.
Следствием стабильной организации всегда является
локальное невозрастание, замедление возрастания или
даже локальное уменьшение энтропии. В самом общем
виде можно выделить четыре фактора, лежащие в осно-
ве возникновения новой организации, определяющей
усложнение или упрощение системы. Эти факторы —
проявляющиеся во взаимодействии свойства существую-
щих, объединяющихся в целостную систему элементов,
случайные и не случайные внешние воздействия на уже
существующие элементы и системы, случайный процесс
и отбор. Из этого следует, что возникновение и измене-
ние организации, в гом числе и приводящее к уменьше-
нию энтропии, может происходить только в открытых
системах, что по противоречит законам термодинамики.
Отбор при возникновении и сохранении организа-
ции в пассивных (неживых) системах происходит пас-
сивно. Использование понятий «отбор»», ««выбор»*, «за-
поминание'». «цель»» или «цель существования» примени-
тельно к пассивным системам не выглядит естественным.
Поэтому, я полагаю, что при таком использовании этих
понятий нужно сохранять кавычки. (Во многих совре-
менных работах, например в [58]. это не делается.)
«Отбор» при возникновении и сохранении организа-
ции в пассивных системах выполняет окружающая среда
и время. Вспомним уже приводившийся тезис Спинозы:
91
[лава 3. Синергия, целостность и организация
основной закон вещей — стремиться к максимально дол-
гому существованию [49]. Можно сказать, что «цель» ор-
ганизации пассивной системы — это сохранение во вре-
мени се качественной определенности.
Для того, чтобы пассивная система изменилась, она
должна выйти из относительно устойчивого состояния
п перейти в новое. Эго новое состояние может обладать
как большей, так иногда и меныпей энтропией. Пассив-
ная неживая система выходит из относительно остойчи-
вого состояния за счет внешних воздействий. Вероят-
ность такого события тем больше, чем менее устойчива
система при данных внешних условиях. Таким образом,
изменение, в том числе и усложнение организации пас-
сивных систем, происходит при потере устойчивости.
Итак, процесс изменения и образования новой си-
стемы может приблизительно иллюстрироваться следу-
ющей схемой: внешнее воздействие — потеря устойчиво-
сти — случайный процесс — новое стабильное состояние
(новая организация) — «отбор».
Приведем простейший пример. На склоне горы в уг-
лублении лежит камень. Состояние системы (камень
на склоне горы) стабильно, система обладает какой-то
относительной устойчивостью и потенциальной энерги-
ей. Организация заключается в существовании физиче-
ских ограничений. запрещающих скатывание камня вниз
ИО СКЛОНУ.
При внешнем воздействии, достаточном для потери
устойчивости, камень может переместиться в другое ме-
сто на склоне горы, которое может быть в общем случае
как ниже, так и выше начального положения. В этом
новом положении камень останется, если это положе-
ние соответствует локальному минимуму потенциальной
энергии, или начнет скатываться вниз.
92
3.4. Возникновение и изменение организации
Скатываясь, камень может случайно попасть в повое
углубление и остановиться в новом положении, соответ-
ствующем новому локальному минимуму потенциальной
энергии, величина которой чаще всего будем меньше,
но иногда может быть и больше, чем величина по-
тенциальной энергии системы в начальном состоянии.
Стабильнос ть возникшей таким образом новой пассив-
ной статической системы во времени тем больше, чем
больше ее относительная устойчивоегь и чем лучше се
новая организация в смысле сохранения устойчивости
во времени.
Попятно, что реальные случаи изменения, разру-
шения и возникновения новых систем, в особенности
динамических, могут быть весьма разнообразны, более
сложны и более интересны, чем камень на склоне горы.
Например, процессы распада и синтеза новых химиче-
ских элементов, образование планетной системы или
образование молекул вещества из атомов разных хими-
ческих элементов. Для подробного рассмотрения таких
процессов в рамках приведенной выше общей схемы
возникновения (изменения) организации и детализации
таких факторов, как начальное внешнее воздействие, слу-
чайный процесс, возникновение стабильного состояния
и «отбор», нужно быть профессионалом в соответствую-
щих областях.
Особый интерес в плане основной интересующей
нас общей темы представляют процессы возникновения
и эволюции живых организмов.
Мы не будем здесь подробно рассматривать очень
сложный в своих деталях и не до конца еще опреде-
ленный процесс возникновения жизни. Приблизитель-
но описывая самый обший уровень процесса, можно
93
(лава 3. Синергия, целостность и организация
сказать, что зарождение жизни произошло при случай-
ном объединении элементов в неравновесную систему,
обладающую свободной энергией и свойством само под-
держания неравновесия за счет активного взаимодей-
ствия со средой. Это взаимодействие ограничивалось
захватом из среды углерода, приемом солнечного света
и фотосинтезом неравновесных органических структур.
Реализуемый в растениях фотосинтез неравновесных,
обладающих свободной энергией органических соедине-
ний остается и сейчас необходимым и единственным
созидательным фактором существования жизни на зем-
ле. Без фотосинтеза неравновесных, обладающих свобод-
ной энергией органических соединений жизнь на земле
существовать не может.
Процесс изменения, в том числе и прогрессивная
эволюция живых организмов, может иллюстрироваться
следующей схемой: взаимодействие со средой — нару-
шение процесса поддержания устойчивого неравнове-
сия [9] — случайные изменения, а именно образование
зародышевых клеток с новой структурой (мутации) —
размножение и наследование свойств (новая организа-
ция) — борьба за выживание и естественный отбор.
Так же, как и в приведенной выше схеме процес-
са образования новой пассивной (неживой) системы,
процесс эволюции живых организмов начинается со вза-
имодействия со средой и потери устойчивости (потери
устойчивого неравновесия), ведущей к случайным из-
менениям зародышевых клеток — мутациям. Основная
особенность по сравнению с процессом возникновения
новой организации в пассивных системах заключается
в том, что вместо пассивного «отбора» во времени проис-
ходит активный отбор в процессе конкурентной борьбы
94
3.4. Возникновение и изменение организации
за ограниченные жизненные ресурсы, т. е. за существова-
ние. Другая особенность состоит в том, что появляется
этап размножения и па следования свойств. Еще одна
особенность существования и развития живых систем —
это синергия, т е. взанмосодействпс на уровне клеток
организма, на уровне функциональных подсистем орга-
низма и на уровне социума, т. е. объединение живых
организмов для коллективной борьбы за выживание.
Приведенная схема эволюции отличается от обыч-
ной тем, что процесс изменений, ведущий к возникнове-
нию повой организации, происходит нс в сильном звене,
а, наоборот, в слабом, т. е. также, как и в пассивных систе-
мах. процесс начинается с потери устойчивости, в случае
живых организмов, с нарушения процесса поддержания
устойчивого неравновесия. Мутации в слабом звене при-
водят не только к возникновению сильных, участвую-
щих в дальнейшей эволюции, приспособленных к среде
организмов, но и гораздо чаще к возникновению сла-
бых, не приспособленных. Слабое, не приспособленное
к среде звено иногда становится сильным и приспособ-
ленным. но чаще всего становится еще более слабым.
Смысл этого — устранение в процессе отбора слабых.
Сказанное во многом основывается на выводах, кото-
рые содержатся в работе Э. С. Бауэра [9]: '«Выживание
в борьбе за существование является консервативным,
сохраняющим виды фактором. Наоборот, невыживание
в борьбе за существование является движущим вилооб-
разующим фактором эволюции. Материал для эволюции
поставляют не победители, а побежденные».
Итак, подчеркнем еще раз, что спонтанное нена-
правленное изменение существующих как неживых, так
и живых систем, приводящее к новой устойчивой орга-
низации и образованию систем с новыми свойствами.
95
[лава 3. Синергия, целостность и оргонизация
происходит, в общих чертах, но одной схеме, включаю-
щей внешнее воздействие, по терю устойчивости, случай-
ный процесс п отбор. Этот процесс может приводить как
к локальному увеличению энтропии, так и к локалыюмх
ее уменьшению. Для полноты картины нужно упомянуть
о том. что кроме спонтанного возникновения и изме-
нения организации систем возможно и широко распро-
странено направленное активное «разумное» создание
и разрушение организации систем живыми организма-
ми и. в первую очередь, человеком. Слово «разумное»
здесь взято в кавычки потому, что хотя упомянутые це-
ленаправленные процессы п управляются разумом, они
не всегда разумны с общечеловеческой точки зрения.
Отталкиваясь о г приведенной схемы, со значитель-
ной долей допущения и фантазии можно проинтерпрети-
ровать и определенные процессы развития Вселенной.
В космологии одной из вероятных считается гипотеза
пульсирующей Вселенной. В соответствии с этой гипо-
тезой более 15 млрд лет назад все вещество Вселенной
занимало очень м;пый объем, имело очень большую
плотность и очень высокую температуру. Приблизитель-
но 15 млрд лот назад произошел Большой взрыв, в резуль-
тате которого начался «разлет» материи во все стороны
от центра взрыва, концентрация отдельных частей мате-
рии за счет гравитации в продолжающих разлет галак-
тиках и звездах, синтез в звездах химических элементов
в результате термоядерных реакций, возникновение пла-
нетных систем, возникновение на некоторых планетах
условий для зарождения жизни, появление и развитие
жизни, появление человека разумного, развитие науки,
технологии и культуры. Все эти процессы в значительной
степени являются случайными. Результат этого процес-
са в целом — возникновение разных объектов с разной
96
3.4. Возникновение и изменение организации
организацией п их «отбор» во времени в случае пассив-
ных систем, или активный отбор при эволюции живых
организмов и развитии цивилизации.
В соогветовии с теорией пульсирующей Вселен-
ной разлет галактик будет продолжаться еще миллиарды
лет. после чего начнется сжатие и возврат к начальному
состоянию со сверхплотной материей и сверхвысокой
температурой После этого снова произойдет Большой
взрыв, и случайный процесс возникновения различной
организации и различных систем, в том числе и развития
жизни, повторится и т.д. Теория пульсирующей Вселен-
ной нс является единственной в космологии. Вис зави-
симости от того, будут ли повторные Большие взрывы,
в разлетающихся галактиках происходят, по-видимому,
примерно одинаковые случайные процессы, сводящие-
ся к возникновению относительно устойчивых объектов
с различной организацией.
Имеется ли какой-то смысл во всем этом и если име-
ется, то в чем он заключается, неизвестно. Хотелось бы
думать, что имеется, однако, возможно, что этот смысл
для человека непостижим.
Тем не менее, ничто не запрещает .делать любые,
в гом числе и самые фантастические, к сожалению, не
проверяемые предположения. Представление о пульси-
рующей Вселенной вызывает у меня очень отдаленную
ассоциацию с игрушкой, которая называемся калейдо-
скопом. Если потрясти или повращать калейдоскоп. то
можно наблюдать как после случайного переходного
процесса возникает случайный геометрический и цвето-
вой узор, создаваемый кусочками цветного стекла и зер-
калами Этот процесс можно повторять с получением
нового случайного результата.
6 Зак 115
97
Глава 3. Синергия, целостность и организация
Ассоциация с калейдоскопом сосюит в следующем.
Может быть, смысл происходящего при повторных рас-
ширениях Вселенной состоит в возникновении различ-
ных случайных вариантов организации и отборе как
устойчивых пассивных объектов, так и результатов воз-
никновения и эволюции живых организмов. Может быть,
главный смысл состоит в возникновении и развитии ва-
риантов жизни и, в конечном счете, сознания вариантов
разума. Может быть, смысл возникающих вариантов жиз-
ни при повторных пульсациях Вселенной состоит в появ-
лении вариантов как материальных. так и не материаль-
ных объектов, являющихся производными от мышления
сознания и свободы воли, а именно в появлении вариан-
тов разви тия науки, технологии, искусства и социального
развития. Может быть, смысл состоит в появлении вари
антов еще чего-то, о чем мы не имеем никакого представ-
ления. поскольку абсолютно невозможно представить,
к чему придет развитие жизни и разума во Вселенной
за миллиарды лет. Гак или иначе, сказанное может под-
сказать некоторые варианты ответа на вечный вопрос
о смысле жизни. Правда, не исключено, что возникно-
вение и развитие жизни и разума иа Земле не является
чем-то новым, важным, значительным и интересным с ка-
кой-то точки зрения во временных и пространственных
масштабах Вселен но it
3.5. Устойчивое неравновесие
В разделе 3.3 были определены три основных прин-
ципа организации: пассивный статический, пассивный
динамический и активный динамически!!. Нетрудно за-
метить, что активный динамический способ существова-
ния, соответствующий активному динамическому ирин-
98
3.5. Устойчивое неравновесие
пипу организации, коррелирует с упоминавшимся \же
в 1 главе принципом устойчивого неравновесия Э. С. Бау-
эра [9], трактуемым автором как принцип существования
живых и только живых систем: «Все и только живые систе-
мы никогда не бывают в равновесии и исполняют за счет своей
свободной энергии постоянно работу против равновесия, тре-
буемого законами физики и .химии при существующих внешних
условиях ».
Устойчивое неравновесие и вытекающий из него
как следствие активный динамический принцип органи-
зации, по-видимому, действительно является основным
необходимым принципом существования живых систем.
Однако очень похожий принцип и активный динами-
ческий способ существования могут быть реализованы
и в неживых системах, например, при построении слож-
ных современных промышленных, экономических, со-
циальных и военных организаций и других «систем ор-
ганизованной сложности».
В настоящие время во всех подобных системах в ка-
честве необходимого звена фигурирует человек. Тем
не менее, представляется, что такие системы могут быть
в принципе полностью автоматизированы с сохранени-
ем активного динамического способа организации. Вы-
деляя обшее и существенное в таких системах, их можно
было бы назвать: открытые системы с внутренней не-
устойчивостью и активно поддерживаемым устойчивым
неравновесием. (Несколько подробней этот вопрос рас-
сматривается ниже в разделе 3.6.)
Термины «равновесие» и «неравновесие», «устойчи-
вость» и «неустойчивость» наиболее естественно при-
менять по отношению к пассивным механическим си-
стемам. По отношению к системам, названным нами
8’
99
Глава 3. Синергия, целостность и организация
системами с внутренней неустойчивостью и активно под-
держиваемым устойчивым неравновесием, эти термины
можно применять с определенными оговорками.
Устойчивость — это свойство объекта пли системы
сохранять свое состояние при внешних воздействиях
или возвращаться в начальное положение (состояние)
после вызванного какими-либо причинами отклонения
от этого положения (состояния). Естественнее всего по-
нятие «устойчивость» применимо к системам, находя-
щимся в состоянии устойчивого равновесия со средой,
т. е. к механическим системам, организованным по пас-
сивному ста тическому принципу
Понятие «устойчивость» является относительным.
Возврат в начальное состояние возможен только в слу-
чае, когда внешнее воздействие не превосходит некото-
рый порог. Поэтому правильнее говорить не об устойчи-
вости, а об относительной устойчивости.
Изменения в пассивной системе при отсутствии на-
рушающих устойчивость воздействий происходят, если
в системе есть свободная энергия. Эти изменения на-
правлены на скорейшее уменьшение свободной энергии
и прекращаются в ближайшей точке равновесия, соот-
ветствующей ближайшему огр и нательному экстремуму
(минимуму) свободной энергии
Такое положение равновесия является относительно
устойчивым, поскольку при отклонениях от него возрас-
тает свободная энергия системы и возникают силы, на-
правленные против происходящих изменении. Это вы-
ражается законом Ле-Шатилье—Брауна: по отношению
к каждому воздействию, изменяющему данное устано-
вившееся состояние тела, возникают силы, стремящиеся
вернуть его в первоначальное состояние и направлен-
100
3.5. Устойчивое неравновесие
пыс противоположным образом по отношению к силам,
вызвавшим изменение.
Этот принцип, применимый в механике и в более
общем понимании применимый ко всем пассивным си-
стемам, не пригоден для объяснения изменений, про-
исходящих в динамических активных системах (по па-
шей классификации третий принцип организации). Тем
нс менее, многие исследователи пытались распростра-
ни гь представления об устойчивости и действие закона
Лс-Шатнлье на любые, в том числе и биологические
системы. Отсюда идут представления о подвижном рав-
новесии между организмом и средой, схема «стимул —
реакция», «уравновешивание со средой» по И. П. Пав-
лову, принципы гомеостазиса Кеннона и гомеостатиче-
ского регулирования Эшби и др. Например, типичным
является положение А. А. Ляпунова, который в своей
статье «Кибернетический подход к теоретической био-
логии» [30] одной из наиболее важных характеристик
живого предложил считать наличие повышенной отно-
сительной устойчивости за счет сохраняющих реакций
на внешние воздействия со стороны среды.
Общая суть утверждений, содержащихся в таких тео-
риях, состоит в том. что живая система имеет в ка-
честве цели свое исходное состояние и возникновение
поведения имеет смысл лишь постольку, поскольку су-
щественные переменные системы отклоняются каким-то
внешним фактором от оптимальных значений. Задача
поведения — вернуть систему в исходное состояние при
помощи реакций на внешние факторы. Отсюда же выте-
кает распространенное в биокибернетике представление
о всеобщности и универсальности роли обратной связи
в любом управлении, в том числе и в поведении живых
организмов.
101
Глава 3. Синергия, целостность и организация
В рамках приведенных представлений объяснение
поведения активных динамических систем встречает,
на наш взгляд, непреодолимые трудности. В главе 1,
при рассмотрении принципов поведения живых орга-
низмов. и в разделе 3.3, при рассмотрении принципов
организации, уже отмечалось, что в отличие от пассив-
ных систем, активные динамические системы постоянно
находятся в непрерывно поддерживаемом неравновес-
ном состоянии и главная причина изменения состояния
заключена нс в среде, а в самой системе, в способе ее
организации.
Поведение активных динамических систем направ-
лено по на достижение равновесия со средой, а на обес-
печение обмена со средой, необходимого для сохранения
своего неравновесного состояния При этом, в отличие
от пассивных механических систем, достигается не ло-
кальный минимум, а, наоборот, локальный максимум
свободной энергии, определяемый свойствами системы
и ограничениями, накладываемыми средой.
Наиболее высокоорганизованные активные динами-
ческие системы или открытые системы с внутренней не-
устойчивостью п активно поддерживаемым устойчивым
неравновесием могут накапливать опыт, перерабатывая
информацию, и направлять поведение на достижение
даже не локального, а глобального максимума свободной
энергии, т.е. решают в своем поведении многоэкстре-
мальные задачи.
Равновесие предполагает отсутствие изменений. Ак-
тивные динамические системы, напротив, непрерывно
изменяются — отображающая точка непрерывно движет-
ся в пространстве {А}. Кроме того, непрерывно меняет-
ся и среда — обмен повышает энтропию среды. Для под-
держания обмена необходима постоянная смена среды.
102
3.6. Принцип max Т в поведении живых организмов
Таким образом, понято «остойчивое равновесие» мо-
жет характеризовать и оценивать только состояние и спо-
соб организации пассивных механических систем. Состо-
яние и способ организации открытых систем с внутренней
неустойчивостью и активно поддерживаемым устойчивым
неравновесием может характеризоваться и оцениваться
по среднему ожиданию времени их существования в кон-
кретной среде. Управление (поведение) в этих системах
должно обеспечивать целостность, т. е. существование
системы как некоторой качес гвепноп определенности,
а также быть активным, целенаправленным и подчи-
няться введенному в главе 1 принципу max Т.
3.6. Принцип max Т в поведении живых
организмов и в искусственных
активных динамических системах
В главе 1 был введен принцип шахТ. как принцип
оптимальности, обьяспшощий закономерности поведе-
ния животных. Понятно «живой организм- шире, чем
понятие «животное» Живыми организмами являются
и растения. Живое — эго ю. что построено из органиче-
ских соединений и по определению Г9. Бауера «никогдп
не бывает в равновесии и исполняет за счет своей свобод-
ной энергии постоянно работу прочив равновесия», под-
держивая гем самым уровень свободно!! энергии. В этом
плане растение — это гакон же живой организм, как
и животное.
Более того, жизнь па земле создана н поддержива-
ется растениями. Жизнь возникла тогда, когда возникла
первая растительная клетка, реализующая фотосинтез
обладающих свободной энергией неравновесных органи-
ческих структур. Необходимая для существования среда
103
Глава 3. Синергия, целостность и организация
растений - это солнечный свет, находящийся в воздухе
углерод и находящиеся в почве неорганические элемен-
ты, в то время как необходимая для существования, т. е.
удовлетворения потребностей, среда животных — это
другие живые организмы, в том числе и растения. Таким
образом, растения несут в себе созидательное начало —
создают жизнь, а животные — разрушительное — разруша-
ют жизнь. Растения без животных на земле существовать
могут', животные без растений нет.
По сравнению с поведением животных поведение
растений обладает принципиальными особенностями,
определяемыми отличием потребностей и среды. Как
мы уже отмстили, потребности растущих на земле расте-
ний — это свет, воздух, тепло, вода, элементы почвы. Для
максимального в пределах возможного удовлетворения
этих потребностей достаточно простое градиентное од-
ноэкстрсмальное поведение (тропизмы растений). Для
управления таким поведением мозг не нужен. Тем нс ме-
нее, поведение растений подчинено тому же общему
принципу, что и поведение животных — принципу max Т.
Представляется, что принцип maxТ является все-
общим и сто можно отнести не только к поведению
живых организмов, и даже не только к другим активным
динамическим системам, для существования которых не-
обходимо активное взаимодействие со средой, но и во-
обще к любым не только активным, но и пассивным как
естественным, так и искусственным системам.
Применение этого принципа для объяснения пове-
дения или выбора управления в активных динамических
системах, накапливающих неравновесие и требующих
для сохранения своей целостности направленного взаи-
модействия со средой, наиболее очевидно. В пассивных
104
3.6. Принцип max Т в поведении живых организмов
системах длительное время существования обеспечива-
ется пассивно, за счет начальной организации.
В главе 1 на основе принципа тахТ был получен
алгоритм принятия решения в сипацип выбора приме-
нительно к упрощенной одноэкстреыалыюй формальной
задаче повеления животных и приведены качественные
обоснования распространения полученных результатов
на полный случаи, т. е. на поведение в мпогоэкстре-
мальной среде. В основе описанной модели поведения
кроме принципа оптимальности тахТ лежат принципы
целостности, целенаправленности и активности.
Все это может быть отнесено не только к живым
организмам, по и к любым, в том числе и искусственным
системам, названным нами открытыми системами с внут-
ренней неустойчивостью и активно поддерживаемым
устойчивым неравновесием. Такой системой является,
например, промышленное предприятие или какая-либо
иная система, имеющая следующие характеристики:
• многоиарамстричность;
• ухудшение параметров во времени, например, расход
сырья, горючего или запасов энергии;
• ухудшение качества системы за счет амортизации
компонентов, расхода денежных средств и т.н.;
• ухудшение любого из компонентов приводит с те-
чением времени к снижению запаса устойчивости
системы и в пределе к нарушению или прекраще-
нию ее нормального функционирования;
• восстановление запаса устойчивости системы проис-
ходит извне (замена или ремонт стареющих компо-
нентов, пополнение сырьем и материалами, попол-
нение запасов энергии и т. н.);
7 Зйг.. 115
105
Глава 3. Синергия, целостность и организация
• ограничения возможностей восстановления запаса
устойчивости:
• наличие случайного фактора, накладываемого па
возможности восстановления компонентов за счет
изменений внешней среды, например, перерыв в
снабжении сырьем или денежными средствами, от-
сутствие рабочей! силы н т.п.
Если конкретная искусственная система обладает та-
кими характеристиками и может быть описана рассмот-
ренной в главе 1 математической моделью, то возможно
оптимальное по критерию шахТ управление этой систе-
мой с использованием локального правила выбора управ-
ляющего действия (1 1). Кроме того, если допустима пе-
рестройка технологических процессов внутри системы
или изменение среды, например, смена поставщиков сы-
рья. то возможна оптимизация внутренних процессов
и отношений со средой с учетом критерия R (1-9).
Реальные производственные системы чаще всего
рассмотренной формальной моделью поведения напря-
мую, по-видимому, не описываются. Одна из причин это-
го состоит в том. что в модели поведения предполагается
альтернативность между выбираемыми управляющими
действиями и дискретность обменных взаимодействий
со средой. В отличие от этого, в производственной си-
стеме организация по критерию тахТ обычно должна
учитывать вариант, когда возможна непрерывная ком-
пенсация одновременно всех или многих накапливаю-
щих неустойчивое 1ь компонентов с единственным огра-
ничением по ечмме отпускаемых денежных средств, от-
несенной к единице времени. В таких системах должна
решаться задача не о выборе цели поведения, а об оити-
106
3.6. Принцип шахТ в поведении живых организмов
мяльном по критерию max Т распределению денежных
средств. По-видимому. возможны и смешанные варианты.
.Можно предположить, что критерий шахТ не явля-
ется универсальным и конкретную систему нужно стро-
ить, исходя из других критериев. Например, в каких-то
случаях можно говорить о системе, приносящей макси-
мальную прибыль, или о системе, приносящей прибыль,
но не вообще, а на заданном си резке времени, после че-
го существование системы прекращается, или, допустим,
о системе, максимально надежно защищающей государ-
ственную границу и т. д.» — возможны какие угодно самые
разнообразные формулировки, определяющие систему.
Может показаться, что в названных случаях макси-
мизироваться должно не время, а какие-то другие па-
раметры. Однако ни максимальная ирибыдь, ни макси-
мальная прибыль на отрезке времени, ни максимально
надежная защита границы по являются прямыми крите-
риями управления и должны использоваться только при
проектировании системы для определения состава па-
раметров управления, взаимосвязей между ними н вида
области существования системы.
Система должна быть так спроектирована, что за-
ставаемые внешние критерии, например, максимальная
прибыль, включаются в состав параметров, создающих
качественную определенность системы. В обозначениях
раздела 3.2 это вектор внешних переменных (качеств) си-
стемы — Z(z\,..., zn). Далее нужно решать задачу макси-
мизации времени существования системы как заданной
качественной определенности, т. е. нужно выделить пере-
менные управления — вектор Х(х\....хп), определить
вид границы области допустимых значений переменных,
определить ограничения на управление и решать задачу
управления исходя из критерия тахТ.
107
Глава 3. Синергия, целостность и организация
Построение конкретной математической модели во
многих случаях может представлять самостоятельную не-
простую, а может быть, и не решаемую формально про-
блему:
Рассмотрение разных видов организации позволяет
следа гь следующий вывод: для любых систем главный
результат — это обеспечение своего существования как
некоторой качественной определенности. Критерий ка-
чества организации для пассивных механических систем
и критерий качества организации и управления (пове-
дения) для открытых активных динамических систем
формулируется одинаково: max Т или с учетом недетер-
минированности среды тахМ(Т), где М(Т) — матема-
тическое ожидание времени пребывания существенных
переменных системы внутри области ее существования.
3.7. Свобода поведения активных
динамических систем
Итак, активные системы с накапливающейся внут-
ренней неустойчивостью должны удерживать величины
регулируемых переменных (потребностей) внутри обла-
сти допустимых значений — Dx. Состав переменных {J£}
может определяться по-разному. У животных регулиру-
емые переменные — это первичные физиологические
потребности, удовлетворение которых необходимо для
физического существования как отдельной особи, так
и вида. У человека в состав потребностей, определяю-
щих область существования системы, помимо первичных
физиологических потребностей могут входить и вторич-
ные. чаше всего субъективные потребности. Например,
такими потребностями может быть: играть в карты, хо-
дить в театр, писать стихи, сажать в огороде и т. п.
108

3.7. Свобода поведения активных динамических систем
Выход значений переменных за пределы области су-
ществования системы, построенной с учетом вторичных
потребностей, не ведет в общем случае к физической
гибели. Человек, как правило, может построить взамен
разрушенной иную систему с иной областью существова-
ния, включающей другие вторичные потребности, или,
в пределе, даже не включающей никаких вторичных
потребностей. Хотя иногда творческий человек, напри-
мер. художник или композитор, может с большой долей
истинности утверждать, что для него творить так же
жизненно необходимо, как пить, есть или дышать.
Активные динамические системы можно разделить
на две группы. Критерий разделения — характер необхо-
димого внешнего поведения и взаимоотношения со сре-
дой. Первая группа — это автономные, относительно
свободные системы, поведение которых (управление)
определяется следующими факторами.
1. Обмен со средой осуществляется системой активно,
по всем параметрам, находящимся в устойчивом не-
равновесии. Поведение полностью и непосредствен-
но обеспечивает весь обмен.
2. Существуют ограничения возможностей обмена.
3. Существенным фактором, определяющим поведение,
может являться конкуренция с другими активными
системами и борьба между ними.
4. Помимо обменных взаимодействий возможны как
пассивные ненаправленные, так и активные направ-
ленные воздействия со стороны среды, непосред-
ственно ухудшающие состояние системы. Одни из ас-
пектов поведения — это избегание, компенсация или
преодоление этих воздействий. Решается эта задача
автономно — силами самой системы.
109
Глава 3. Синергия, целостность и организация
Примеры автономных относительно свободных си-
стем — это животные в свободном поведении, человек
вне общественных связей, например отшельник или Ро-
бинзон, натуральное хозяйство, независимая фирма.
Единственный результат функционирования отно-
сительно свободной автономной системы — это ее суще-
ствование как некоторой качественной определенности.
Промежуточные приспособительные результаты направ-
лены на достижение этого главного результата.
Вторая группа — это специализированные системы
с ограниченной свободой поведения. Примерами таких
систем могут быть клетка в составе организма или че-
ловек в обществе. Системы с ограниченной свободой
поведения входят в качестве элементов в состав неко-
торой макросистемы и в общем случае независимо су-
ществовать нс могут. Поведение таких систем обладает
следующими особенностям и:
1. Работа микросистемы направлена не прямо на обес-
печение обмена со средой, а на создание некоторого
фактора (продукта), используемого в макросистеме.
2. Деятельность (поведение) микросистемы узкоспеци-
ализирована.
8. Необходимый обмен микросистемы со средой и ее
защита от агрессивных внешних воздействий обес-
печиваются макросистемой.
Таким образом, деятельность системы с ограничен-
ной свободой поведения в основном направлена на обес-
печение существования макросистемы, которая, в свою
очередь, обеспечивает обмен (удовлетворение потребно-
стей) входящих в нее микросистем и их защиту’ от воз-
действий среды. То есть микросистемы не прямо, а кос-
венным образом, работая на макросистему и гем самым
110
3.7. Свобода поведения активных динамических систем
на другие микросистемы, обеспечивают себе простую,
беспроблемную искусстве!ппто среду. достаточную для
существования.
Мы выделили крайние точки спектра от полной
автономности и полной свободы до полной зависимости.
Как всегда, возможны промежуточные, смешанные ва-
рианты.
Биологическая эволюция прошла путь от полностью
автономной и полностью свободной клетки к многокле-
точному синергическому организму, имеющему в соста-
ве полностью зависимые клетки с регламентированным
поведением. Социальная эволюция идет от полностью
автономных и свободных животных и человека к че-
ловеку в обществе, иными словами — к синергическим
(взаимозависимым) системам с ограниченной свободой
поведения. На этом пути жизнь человека, т. е. борьба
за существование, значительно упрощается, а поведение
все более регламентируется. В то же время, неизбежно
связанные с этим ограничения свободы поведения могут
приводить к уменьшению возможностей возникновения
и удовлетворения вторичных потребностей.
К чему это придет в пределе, неизвестно. Многое
зависит от того, как будут формироваться вторичные по-
требности микросистем и будет ли социальная макроси-
стема обеспечивать удовлетворение этих потребностей.
Некоторые возможные, но безусловно не обязательные
варианты описываются в фантастических романах о то-
талитарных обществах будущего. Кстати заметим, что
без проблем удовлетворяющей первичные и не имею-
щей вторичных потребностей системе с ограниченной
свободой поведения, например клетке в составе много-
клеточного организма, мозг не нужен.
111
Глава 3. Синергия, целостность и организация
В связи со всем этим возникает вопрос: свобода,
за которую часто борются с оружием в руках, это хороню
иди плохо? Полностью свободной автономной активной
динамической системе нужно самостоятельно решать за-
дачу выживания путем организации всего необходимого
взаимодействия со средой. Полностью зависимой спе-
циализированной системе с максимально ограниченной
свободой поведения задачу выживания, а в пределе и ни-
каких других задач, кроме выполнения своей специали-
зированной функции, решать не нужно.
Таким образом, полностью свободной активной ди-
намической системе в общем случае жить трудно, ее
жизнь целиком зависит от среды и может быть сложна,
многообразна, опасна и тяжела. Полностью зависимой
системе с ограниченной свободой поведения жить про-
сто, но пс всегда легко, и обычно нс интересно, посколь-
ку интерес к жизни чаще всего связывается с наличием
вторичных потребностей или со злоупотреблением пер-
вичными. Общего падежного рецепта для определения,
выбора и достижения оптимальною и одинакового для
всех уровня свободы пс существует, хотя и имеются пре-
тендующие на это различные социологические теории.
По-видимому, выбрать и зафиксировать оптимальный
уровень свободы нельзя. Можно только понять законо-
мерности развития синергического человеческого соци-
ума и степень неизбежности этих закономерностей.
Глава 4
Информация
Для существования активных открытых динамиче-
ских систем с накапливающейся неустойчивостью н\ж-
на среда. Для организации эффективного управления
(поведения) в среде необходимо знание среды. Соответ-
ствующая информация определенным образом должна
структурироваться и отображаться в формирующейся
в мозге модели среды. Как уже отмечалось, специфи-
ческая сложная и многоплановая информация о среде
особенно требуется, если в процессе управления (пове-
дения) необходимо решать многоэкстремальные задачи.
В связи с этим сначала коснемся вопросов, связанных
с понятием «информация». После этого в главе 5 и затем
в главе 8 рассмотрим общие представления о структу-
ре. функциях и принципах работы строящейся в мозге
человека (животного) модели среды.
4.1. Подходы к определению и измерению
Описание целостного объекта или системы должно
содержать информацию об этом объекте или системе.
Для того, чтобы построить или просто представить себе
что-то, нужна информация о том, что это такое, каки-
ми обладает свойствами, как это выглядит и т. д. В двух
113
[лава 4. Информация
предыдущих фразах использовано слово «информация»,
н у читателя в связи с этим ие возникает никаких затруд-
нении при их чтении. Ни у пишущего, ни у читающего,
как в приведенных примерах, так и практически в любом
другом случае при использовании или чтении слова «ин-
формация». нс возникает потребности в определении и,
тем более, в формализации этого понятия, если только
этот термин не употребляется в каком-то специальном
смысле.
Тем не менее, попытка формализации понятия «ин-
формация» произвела большое впечатление на предста-
вителей гуманитарных наук. Сразу после выхода класси-
ческой работы Клода Шеиона [67,68], у биологов, нейро-
физиологов, психологов, лингвистов и представителей
других гуманитарных дисциплин почему-то появилась на-
дежда на то, что эти эмпирические дисциплины, исполь-
зуя шенноновскую формализацию понятия «информа-
ция», станут науками более точными и теоретическими.
Этим надеждам не суждено было сбыться, хотя можно
выделить некоторые проводившиеся в этом направлении
интересные частные исследования, например, такие, как
работа Г. Л. Голицина и В. М. Петрова "Гармония и алгеб-
ра живого» [22] или работа И. И. Шмальгаузена «Кибер-
нетические проблемы биологии» [70]. И все-таки теория
информации Шелона относится лишь к одному узкому
аспекту- проблемы и не имеет отношения к решению
основных вопросов, представляющих интерес для иссле-
дований, проводящихся в рамках гуманитарных наук.
После Шеннона представителями математики, ки-
бернетики и даже философии предпринимались много-
численные попытки формализации понятия «информа-
ция» при его более широкой или, наоборот, более узкой
и в каком-либо смысле более полезной трактовке. Однако
114
4.1. Подходы к определению и измерению
до сих пор достаточно полной, законченной, устраива-
ющей всех строгой теории информации не придумано.
Оказалось, что интуитивно понятный термин поддается
формализации с большим трудом, поскольку выражаемое
им понятие обладает большой качественной емкостью.
Рассмотрим связанные с этим вопросы несколько по-
дробней.
Для определения понятия часто достаточно уметь
отвечать на два вопроса: что эго такое и как это изме-
рить? Ответ на первый вопрос даст качественную опре-
деленность, ответ на второй — количественную. Ответ
на первый вопрос необходим всегда. Второй вопрос мож-
но поставить не всегда, а лишь тогда, когда определяемое
понятие относится к маломерной в принципе измеряе-
мой сущности (величине, качеству, переменной). В случае
с информацией это не так. Вопрос — как это измерить? —
применительно к информации можно поставить далеко
не всегда.
Первый вопрос что это такое? — как правило,
ни у кого особых затруднений не вызывает. Обычно всех
на бытовом уровне удовлетворяет примерно такой рас-
плывчатый ответ: информация — это сведения о чем-то,
несущие знание чего-то. Однако при более внимательном
рассмотрении становится ясным, что определение поня-
тия «информация» через два других плохо определен-
ных понятия «сведения» и «знания» явно недостаточно.
Скорее наоборот, эти качественные понятия нуждаются
в определении, которое, может быть, станет возможным
на основе теории информации.
Выделяются два основных научных подхода к опре-
делению того, что такое информация Согласно первому,
информация есть мера неопределенности, снимаемая
полученным сообщением (Шеннон [67,68]). Согласно
115
Глава 4. Информация
второму, информация относится к объекту и есть мера
разнообразия объекта (Эшби [75]).
Для первого подхода важен процесс передачи ин-
формации и включение в рассмотрение нс только объек-
та — носителя информации, но и субъекта — приемника
информации. Классическая теория информации Шенно-
на возникла из статистической теории связи и имеет
прямое отношение лишь к таким операциям с инфор-
мацией, как ее передача по техническим линиям связи
и хранение в памяти технического устройства, например
в памяти электронной вычислительной машины. Предло-
женная Шенноном формула для определения количества
информации такова:
г, . , РЩу)
где 1(х. у) — информация, которую содержит событие
у о событии ж; Р(ж) — вероятность события х до наступ-
ления события у; Р(х/у) — вероятность события х при
условии наступления события у.
Таким образом, в теории Шеннона вводится коли-
чественная мера, которая может быть использована при
проектировании технических устройств для оценки ко-
личества передаваемой или запоминаемой информации,
а также при решении ряда сопряженных проблем, напри-
мер таких, как кодирование, фильтрация, помехоустой-
чивость и т. п.
Для процесса обработки информации, осуществляе-
мого мозгом человека или сложной искусственной систе-
мой. наибольшее значение имеют совсем другие аспек-
ты. Игнорирование теорией Шеннона содержательной
смысловой стороны информации послужило поводом
для утверждений о недостаточности теории, хотя сама
116
4.1. Подходы к определению и измерению
теория имеет четко ограниченный предмет и на всеоб-
щую полнот}’ не претендует.
Итак, при первом подходе к определению того, что
это такое, информация понимается как мера изменения
знаний субъекта об объекте в процессе нх взаимодей-
ствия. Субъект получает информацию не вообще, а лишь
в некотором заданном пли выбранном отношении.
Такой подход с необходимостью вносит субъектов
ность. Одно и то же сообщение может иметь различное
информационное содержание для разных субъектов в за-
висимости от того, что они хотят и что могут узнать.
Например, один субъект избирательно узнает из ради-
оновостей, как сыграл «Спартак», второй не знает, что
такое «Спартак», и узнает, какая будет завтра погода,
а третий хочет и може т узнать и то, и другое.
В общем случае и чаще всего, субъект может полу-
чить информацию не вообще, а лишь как дополнение
к тому, что он уже знает.
Если поступило информационное сообщение о гом,
что чернопольный слон белых стоит на поле е5. то для
того, чтобы получить из этого сообщения информацию,
нужно иметь определенные необходимые знания, на ко-
торые эта информация может быть наложена. Нужно по-
нять. что речь идет о шахматах, нужно знать шахматную
нотацию и то, ч то чернопольный слон может находить-
ся па одном из 32 полей шахматной доски, в том числе
и на поле е5. Только зная это, а также то. какая часть чер-
ных полей шахматной доски, кроме поля е5. свободна,
можно подсчитать, ио формуле Шеннона, сколько бит
информации содержится в сообщении. Так. если каким-
то образом определить, что все черные поля, кроме но-
ля с5, свободны, то можно подсчитать, что в сообщении
содержится 5 бит информации.
117
Глава 4. Информация
В более сложном случае, когда в сообщении приво-
ди'! ся позиция с большим числом фигур, подсчет коли-
чества информации, содержащейся в этом сообщении
по формуле Шеннона, практически невыполним. Прав-
да. если речь идет о записи позиции, как и в иобом
другом случае, этот подсчет никакого значения для шах-
матиста не имеет. Точно так же для человека, получив-
шего сообщение о том. как сыграл «Спартак», никакого
значения не имеет содержащееся в этом сообщении ко-
личество информации.
Априорные знания помогают также выявлять и ино-
гда даже исправлять содержащуюся в сообщении невер-
ную информацию. Так. если в сообщении говорится, что
слоны белых находятся на полях е5 п с5. го получа-
тель сообщения понимает, что произошла ошибка: оба
приведенных в сообщении поля черные, п расположе-
ние на них двух с'юпов белых невозможно. Получил ли
человек в этом случае какую-то информацию? Да, чело-
век получил информацию о том, что сообщение ложно,
и может как-то использовать эту информацию, например,
добиваясь получения исправленного сообщения. По фор-
муле Шеннона количество содержащейся в сообщении
информации равно нулю, поскольку Р(х/у) = 0.
При другом подходе считается, что информация яв-
ляется объективной характеристикой обьекта, такой же,
например, как энергия, т. е. информация заключена в са-
мом объекте. Чем сложнее организован объект, гем боль-
ше он содержит информации, которая является объек-
тивной мерой разнообразия.
Если принять тезис о неисчерпаемое!и материи
вглубь, го при таком подходе неожиданно оказывает-
ся, что все объекты вне зависимости от их сложности
118
4.1. Подходы к определению и измерению
обладают одинаковым количеством информации, рав-
ным бесконечности. В любом случае. сделан, количество
информации о конкретном объекте обозримым можно
только одним способом — вводя уровень рассмотрения.
Количество информации, которое можно получить
об объекте, в этом случае зависит от выбранного уров-
ня рассмотрения и характеризует объект не полностью,
а лишь в определенном отношении. Информации вооб-
ще как бы не существует. Есть лишь информация о чем-то.
Вводя уровень рассмотрения, нужно внести и рассматри-
вающего субъекта. В этой точке два выделенных выше
основных подхода к определению того, что такое инфор-
мация, смыкаются.
Итак, для получения информации нужны информа-
ционный срез (уровень рассмотрения) и в общем случае
априорная информация. Как выделяется уровень рас-
смотрения? Обычно рассматривают два принципиально
различных варианта.
Часто говорят, что объект может содержать инфор-
мацию и исследоваться в отношении целевой функции
субъекта. При достаточно общем понимании термина
-управление» можно говорить о том. что информаци-
онный срез в этом случае определяется собственными
задачами управления субъекта.
Такой подход позволяет достаточно естественно,
правда, не всегда успешно, вводить количественные ме-
ры не только для определения количества информации
в шенноновском или каком-либо ином смысле, по также
и для определения содержательности и ценности полу-
чаемой информации.
В другом варианте говорят, что объект может иссле-
доваться вне зависимости от целевой функции субьскта,
119
Глава 4. Информация
т. е. получаемые сведения нс используются для управ-
ления. В этом случае строятся информационные срезы
в отношении организации самого объек га. в частном слу-
чае, в отношении его устройства пли целевой функции,
если она определена.
Большое внимание в работах по теории информа-
ции уделяется проблеме измерения се количества. После
того, как было выяснено, что предложенный Шенно-
ном [67, 68] статистический подход к измерению коли-
чества информации не учитывает ее смысловую, содер-
жательную сторону и в связи с этим во многих слу-
чаях. очевидно, неприменим, было предложено мно-
го альтернативных подходов, например: алгоритмиче-
ский (Колмогоров [27,28]), семантический (Карнап. Бар-
Хиллел [78], Шрейдер [74]), прагматический (Харкс-
вич [56], Бопгард [16]). топологический (Рашевский [85],
Тракко [86]), термодинамический (Поплавский [40]).
Этим перечнем работ, относящихся в основном ко
времени кибернетического бума шестидесятых годов, да-
леко не исчерпывается список теоретических статей
и авторов, что само но себе говорит о многогранно-
сти, неоднозначности и сложности проблемы. Однако
все последующие работы практически ничего принципи-
ального к приведенной классификации не добавляют.
Обычно во всех работах по определению количе-
ственной меры информации вводится какой-то допол-
нительный аспект путем постановки вопросов типа: как
это используется (объектом или субъектом) или что это
дает (объекту или субъекту)? Правда, на такие допол-
нительные вопросы не всегда возможен точный ответ.
Например, количество информации может определять-
ся как мера устранения неопределенности, имеющейся
120
4.1. Подходы к определению и измерению
v субъекта, по выбору действий, ведущих к достижению
субъектом каких-либо целей.
Такой подход к определению количественной меры
информации типичен. Схема Шеннона, в центре кото-
рой между объектом п субъектом находится сообщение,
по сути сохраняется, по вводится определенная семан-
тика. То есть для вычисления количества передаваемой
от объекта к субъекту информации нужно вычислять ве-
роятности пли меры неопределенности или энтропии
и т. п., но не вообще, а при некоторых дополнитель-
ных условиях, что в определенном смысле эквивалентно
введению уровня рассмотрения. Так, для того, чтобы
приведенное выше определение практически работало,
для измерения количества информации нужно еще знать
о возможных действиях субъекта и о способе их выбора,
а также о целях субъекта, правилах постановки и выбора
целей и о способах их достижения.
Оставаясь в рамках схемы Шеннона, подходящей для
оценки количества информации, передаваемой от одно-
го устройства (субъекта) к другому, оправдать надеж-
ды биологов, нейрофизиологов, психологов, лингвистов
и представителей других гуманитарных дисциплин на то,
что эти эмпирические дисциплины, используя теорию
информации, станут науками более точными и теорети-
ческими, невозможно. Все эти науки по-прежнему оста-
ются эмпирическими. Надежда на помощь этим гума-
нитарным дисциплинам со стороны более точных паук
может снова возникнуть, по-видимому, лишь при другом
взгляде на информацию, других ее частных определе-
ниях, учитывающих каждый раз семантический аспект
конкретной области науки, и при разработке на этой
основе семантической теории информации.
121
Глава 4. Информация
4.2. Ценность информации
Наряду с количеством часто рассматривается вопрос
о ценности подучаемой информации. Выше приводились
примеры, когда одна п га же информация может иметь
разную ценность для разных людей. Человек обычно уве-
ренно отбирает информацию по ее субъективной цен-
ности. Интересно попять, как он эго делает. Интерес
этот не является чисто теоретическим. Проблема отбо-
ра информации по ее ценности из часто очень большого
входного потока имеет важное значение для оператив-
ного управления сложными динамичными системами.
Определения ценности информации вводи лис ь мно-
гими авторами. Обычно эти определения строятся на ос-
нове сопоставления по каким-то критериям вариантов
достижения заданных целей. Например, предлагается
сравнива ть вероя тнос ти достижения определенной цели
с учетом или без учета пришедшей информации (см., на-
пример. [16]), либо сравнивать варианты достижения
цели до и после получения информации по расходу ка-
ких-либо полезных ресурсов, например таких, как мате-
риалы, энергия, денежные средства и т.п. Такие опреде-
ления ценности информации естественно назвать «пове-
денческими». поскольку в них всегда присутствует цель
поведения или управления. Отличия состоят в разных
критериях сравнения вариантов достижения поведенче-
ской (управленческой) цели.
Приведенные подходы к определению ценности ин-
формации имеют серьезные недостатки. Во-первых, по-
веденческий аспект, связанный с задачей достижения
заданной пели, не является единственным при получе-
нии и использовании информации Во-вторых, предла-
гаемые формулы оценки вариантов чаще всего являются
122
4.2. Ценность информации
чисто теоретическими и их практическое применение
может быть невозможно либо связано со значительными
трудностями. Есть п другие недостатки, на которых мы
остановимся ниже.
Можно выделить два варианта использования посту-
пающей в мозг информации. В нервом варианте инфор-
мация принимается п используется для построения в моз-
ге отображения целостной chcicmli знаний о проб.тем-
ной среды. Информационные срезы, которые в этом слу-
чае делает принимающий информацию субъект, конечно
определяются задачей поведения, по не оперативной за-
дачей, а общей задачей удовлетворения первичных п вто-
ричных потребностей, т. е. задачей максимально долгого
удержания потребностей внутри условной субъективной
области существования (принцип max Г). При этом ка-
кие-то вторичные цели, с учетом которых строилась
в мозге субъективная область существования. мо1ут быть
значительно отнесены во времени от текущей ситуации
принятия решения.
Человек целенаправленно отбирает нужную ему ин-
формацию. определяя ее ценность по связи со сформи-
рованной в его мозге субъективной областью существо-
вания. Гак студент математического факультета и студент
консерватории выберут в библиотеке пли в магазине раз-
ные учебники. Информация, содержащаяся в учебнике,
выбранном математиком, как правило, будет иметь нуле-
вую ценность для музыканта, так же, как и информация,
содержащаяся в учебнике, выбранном музыкантом, для
математика. В обоих случаях могут иметься очень общие
отдаленные поведенческие цели — получить музыкальное
или математическое образование г.е. построить специ-
альные отображения проблемной! среды. Колнчествеп-
123
Глава 4. Информация
ное определение ценности информации в этих случаях
вряд ли возможно.
Во втором варианте поступающая в мозг информа-
ция принимается и используется для организации опе-
ративного поведения. На первый взгляд, этот случай
подходит для применения формул подсчета ценности
информации типа предложенной М. М, Бонгардом [16]:
или
Р-р
(4.2)
1 р
где р ~ вероятность достижения цели до получения оце-
ниваемой информации, а Р — вероятность достижения
цели после получения информации.
Однако практически воспользоваться приведенны-
ми формулами в реальных случаях управления чаще всего
будет невозможно. Во-первых, трудности могут возник-
нуть при подсчете вероятностей. Во-вторых, вероятно-
сти достижения цели до и после получения информации
могут быть одинаковыми и оказаться равными, напри-
мер, 1. В этом, как и в других случаях, сравнивать вариан-
ты достижения цели может оказаться полезным не по ве-
роятностям. а по каким-то иным критериям, например
по времени. В общем случае этот выбор может быть мно-
гокритериальным, т. е. сравниваться должны не отдель-
ные параметры, а изменения целевой функции многих
параметров. В-третьих, для работы с приведенными фор-
мулами должна рассматриваться фиксированная цель,
в то время как информация может использоваться для
оценки и выбора целей. Наконец, недостатком является
ито, что при использовании приведенных формул задача
124
4.2. Ценность информации
должна просчитываться до конца (до цели), что не все-
гда возможно. В принципе, те же недостатки относятся
и к случаю, когда предлагается сравнивать не вероятно-
сти достижения цели, а какие го расходуемые ресурсы.
Представляется, что во многих случаях ценность ин-
формации, используемой для оперативного поведения
(управления), может определяться на основе рассмотре-
ния задачи максимизации времени удержания системы
внутри области допустимых значении регулируемых пе-
ременных (принцип шахТ). Информация, используемая
для принятия решения в задаче поведения, может быть
двух типов. Во-первых, это базовая информация о сре-
де. Источник этой информации — построенное в мозге
отображение или модель среды. Во-вторых, это инфор-
мация о текущей ситуации. Эта информация поступает
по сенсорным каналам и актуализирует соответствующий
ей фрагмент модели среды. И та. и другая информация
используется для выбора варианта поведения на основе
оценки вариантов приращения целевой функции на рас-
сматриваемых локальных шагах поведения.
Если задача описывается рассмотренной в главе 1
упрощенной формальной схемой, то выбор варианта
поведения осуществляется по формуле (1.3)
3 J V I ®хг '
Эта же формула лежит в основе эмоциональной оцен-
ки сравниваемых вариантов поведения. Общие принципы
сведения более сложной реальной задачи поведения или
управления к этой упрощенной схеме рассматриваются
как в главе 1. так и в последующих главах. В реальной
задаче управления формула подсчета приращения целе-
125
Глава 4. Информация
вон функции при управлении ио критерию max Г может
быть иной.
Формула (1.3) приведена здесь для иллюстрации то-
го. каким многоплановым может быть процесс приня-
тия решения в сложной динамической системе. Получе-
ние дополнительной информации может изменить ко-
личественную оценку как любого имеющего значение
параметра {г}, так и сравниваемых вариантов управле-
ния {J}- Соответствующее изменение целевой функции,
или эмоциональной оценки в случае поведения, может
происходить как в положительную, так и в отрицатель-
ную сторону Абсолютное нормированное значение это-
го изменения может счи таться ценностью полученной
информации. Если информация истинна, то ценность
всегда имеет положительное значение независимо от то-
го, ухудшает пли улучшает введение новой информации
оценку целевой функции, в том числе независимо от то-
го. увеличивается пли уменьшается апостериорная веро-
ятность достижения цели. (Представляется, что слово
«значимость» здесь было бы лучше, чем принятый тер-
мин «ценность».)
Все сказанное выше относится к случаю, когда по-
лучаемая информация истинна. Получение неверной ин-
формации может приводить к неверным управляющим
решениям, ухудшающим состояние управляемой систе-
мы, оцениваемое ио значению целевой функции. В таких
случаях иногда говорят об отрицательной ценности ин-
формации. Представляется, что в этом случае правиль-
нее говорить не об отрицательной ценности, а о дез-
информации. Значимость дезинформации, в принципе,
можно измерять так же, как и ценность информации,
например по изменению целевой функции.
126
4.3. Определение информации
Для определения ценности, как в случае применения
формулы (1.3), гак п в случае применения формул (4.1)
пли (4.2). информацию нужно получить и решить» задаче
с се использованием либо па локальном шаге поведения,
либо до конца. В обоих случаях определение значимости
полученной и уже использованной информации особого
смысла не имеет.
Полезной была бы какая-то быстрая априорная пред-
варительная оценка и отбор важной информации из
большого входного потока. Например, для оперативно-
го управления полезно ио каким-то простым признакам
отсеивать ненужные сообщения, отбирать нужные доку-
менты, назначать нужные встречи и т. п. Также по каким-
то внешним признакам можно устанавливать градации
важности (ценности) входной информации и соответ-
ствующие приоритеты ее приема и использования. В та-
кой постановке задача определения ценности информа-
ции для ее предварительного «просеивания» близка зада-
че признакового распознавания. Точного решения такая
задача не имеет. Использование построенных на основе
опыта эвристик и решающих правил сопряжено с риском
ошибиться.
4.3. Определение информации
11так, можно ли и нужно ли дать строгое формальное
определение термину «информация»? Общего определе-
ния, по-видимому, давать не нужно. Это слово просто
и попятно. Более того, формальное определение это-
му широкому понятию дать нельзя без конкретизации
и ограничения области определения путем добавления
конкретной семантики, например, говоря об информа-
127
Глава 4. Информация
ции в смысле Шсппона, об информации в смысле Кол-
могорова пли в каком-либо ином смысле.
Тем не менее, часто информации пытаются давать
самые разные общие определения. Например, иногда
отождествляют информацию и отражение, считая при
этом, что информация имеет отношение не только к жи-
вой природе, но в какой-то форме существует и пере-
дастся при взаимодействии обьектов неживой природы.
Иногда говорят даже, что информация имеет тот же
статус, что вещество и энергия, и все в мире состоит
из вещества, энергии и информации. Правда, с этим
согласиться трудно. Если что-то и добавлять к веще-
ству и энергии, то это естественней было бы назвать
не информацией, а организацией, обеспечивающей ка-
чественную определенность и существование во времени
материальных объектов (систем). При этом конкретной
организации может соответствовать и конкретная, опре-
деленным способом зафиксированная и, в принципе,
передаваемая информация об этой организации.
Иногда в некоторых современных и нс только совре-
менных теориях, сопоставляя статус вещества, энергии
и информации, идут еще дальше, утверждая, что инфор-
мация первична, а материя вторична. При этом ссыла-
ются на Библию — в начале было Слово, или на то. что
перед постройкой дома должен существовать его план,
хотя бы в голове строителя. Обсуждать вопросы религии
мы здесь не будем. Что касается плана в голове строи-
теля дома, то этот план не что иное, как информация
об организации задуманной постройки, зафиксирован-
ная на материальном носителе — мозге. Кроме того, план
появляется не па пустом месте, а на основе разнообраз-
ной существующей в мозге информации об организации
128
4.3. Определение информации
и законах взаимодействия обьектов окр\жающей мате-
риальной среды.
Еще раз подчеркнем, что организацию системы (обь-
екта), определяющую его качественную индивидуаль-
ность и сохранение качеств во времени, отождествлять
с информацией не нужно. Организация может быть ^к со-
жалению, по всегда) выражена и записана на каком-то
языке, передана или запомнена. Таким образом, орга-
низация, как и все в мире, несет в себе лишь потен-
циальную информацию. Кроме того, в мозге возможно
возникновение информации об организации воображае-
мых. не существующих реально объектов.
Итак, есть очень много различных трактовок поня-
тия «информация». В конце концов, это дело вкуса или
удобства построения каких-либо теорий. Чтобы не кон-
курировать со многими, в том числе и с появляющимися
в последнее время новыми определениями информации,
например [58], [76] и др., вводить еще одно общее опре-
деление понятия информации мы пытаться не будем.
Тем более, что общее удовлетворяющее всех определе-
ние. по-видимому, дать невозможно.
Мне кажется, что информацию нужно (удобно) свя-
зывать с фиксацией, хранением или передачей (класси-
ческая схема Шеннона), и. следовательно, с фиксирую-
щим. передающим, принимающим или запоминающим
информацию субъектом. Кроме того, информацию все-
гда нужно связывать с используемым информационным
срезом.
Вместо общего определения введем частное понятие
«семантическая информация о проблемной среде». Фун-
даментальным философским понятием считается отра-
жение. Отражение возникает при взаимодействии. У жи-
вых организмов по мере усложнения организации отра-
Ю Зак 115
129
Глава 4. Информация
женис проходит стадии раздражения, ощущения и вос-
приятия. Будем привязывать понятие «семантическая
информация о проблемной среде*' к мозгу, в первую
очередь к мозга- человека, и считать, что семантическая
информация о проблемной среде возникает и фиксиру-
ется в процессе активного, субъективного отображения
материального и не материального мира и самого субъ-
екта отображения (человека пли животного) в его моз-
га'. используемого для построения субъективной модели
проблемной среды и себя в среде, либо для непосред-
ственной организации поведения в конкретной текущей
ситуации. При таком частном понимании информации,
а именно не информации вообще, а семантической ин-
формации о проблемной среде, в рассмотрение вводятся
объект - среда, субъект человек (животное), получение
и фиксация — отображение в мозгу в виде целостной
модели и ее актуализированных фрагментов, соответ-
ствующих текущей ситуации, информационный срез —
проблемная среда и ее специальное частное отображе-
ние, определяемое первичными п вторичными потреб-
ностями.
Результатом исследования мира является строящая-
ся в мозгу человека информационная модель. Инфор-
мационное содержание этой модели в какой-то форме
и в каком-то объеме может быть переносимо на внешний
носитель информации. Информационная модель всегда
не полна, поскольку относится лишь к части мира и к ка-
ким-то информационным срезам. Модель всегда не точ-
на, поскольку является лишь некоторым приближением
к действительности. Модель всегда субъективна. Так же,
как при строительстве дома очередной кирпич кладет-
ся на предыдущий или стыкуется с предыдущим, при
построении модели новые знания сочетаются, стыкуют-
130
4.3. Определение информации
ся, согласуются пли каким-то иным образом учитывают
предыдущие. Добавим еще, что информационная модель
может быть просто неправильной, т. с. строиться на осно-
ве ложных знаний или заблуждений. Следует заметить,
что и так называемая научная картина мира пс только
нс полна и не точна, но и в каких-то аспектах может быть
далека от объективной реальности и, попросту ложна.
Вспомним хотя бы астрономию Птолемея, теорию эво-
люции Ламарка и агрессивную агробиологию Лысенко.
Что такое проблемная среда? Проблемная среда жи-
вотных — это среда, в которой решается задача пове-
дения, оптимизируемого по критерию max Г, т. е. зада-
ча удержания регулируемых переменных — первичных
физиологических потребностей внутри области допусти-
мых значений. Проблемная среда человека — это тоже
среда, в которой решается та же задача max Т с добавле-
нием к первичным физиологическим потребностям вто-
ричных потребностей, определяемых, в первую очередь,
общественным способом существования и развитыми со-
циальными отношениями.
Итак, семантическая информация о проблемной сре-
де — это субъективное отображение мира в модели про-
блемной среды, которая строится в мозге для решения
задач удовлетворения первичных и вторичных потребно-
стей обладающего мозгом организма. Это отображение
определяется в каждый момент целью (задачей), сред-
ствами и возможностями мозга, а также накопленной
к данному моменту информацией. Поэтому нужно еще
раз подчеркнуть, что информационное отображение сре-
ды в мозге не является простым зеркальным отражением.
Информационное отображение всегда не точно, не пол-
но и субъективно.
10*
131
Глава 4. Информация
Чго дает введенное определение семангической ин-
формации о проблемной среде? Для целей измерения ее
количества практически ничего. В го же время определе-
ние семантической информации о проблемной среде да-
ст основание и возможность поговори i ь о том. что такое
модель проблемной среды, сформулировать гипотезы
о том. как эта модель устроена в мозгу человека, как она
строится и используется, чем отличается представление
информации и работа с ней в мозге и в вычислительной
машине. Эго. в свою очередь, может дать возможность
связать получающуюся логическую конструкцию с про-
блемами моделирования нейронных механизмов мозга
п сформулировать качественные требования к этим мо-
делям. Большинство из этих вопросов в той или иной
мерс будет затронуто в следующих разделах.
4.4. Познание и информационное
отображение мира
11иформациоииос отображение мира в мозгу живот-
ного пли человека мы называем моделью мира. Примене-
ние термина «модель» основано на том. чго строящееся
в мозгу отображение мира не должно быть простым
описанием. Это отображение должно обладать свойства-
ми модели — быть активным и динамичным, т.е. его
фрагменты должны актуализироваться на основе выяв-
ленных в предыдущем опыте и отраженных в модели
законов среды. Опережающее моделирование ситуации
взаимодействия со средой и сравнение результатов моде-
лирования с реальным восприятием происходит в мозге
постоянно и непрерывно. Этот процесс получил в фи-
зиологии название «акцептор действия» [4]. Вопросы,
132
4.4. Познание и информационное отображение мира
связанные с построением в мозге и работой модели срс
ды буду г еще затрагиваться в последующих главах.
Формирование модели мира и. в частности, моде-
ли окружающей среды может происходить с использо-
ванием первичных пли вторичных знаний. Вторичные
знания возникают при передаче части .модели одного че-
ловека другому. Источником знания в этом случае может
быть книга, пре подаватель, проповедник, актер плп лю-
бой другой человек. Передача вторичных знаний в основ-
ном осуществляется при помощи передачи информации
в виде устных или письменных текстов.
Ьолыпую час ть первичных конкретных знании о топ
части мира, которая называется средой обитания, каж-
дый человек получает сам в процессе поведенческого
эксперимента, главным образом методом проб и оши-
бок. Первичные знания возникают при прямом взаимо-
действии человека с миром. Это взаимодействие может
происходить при помощи органов чувств пли измери-
тельных приборов. Ограниченность и того, и другого
определяет го, что человек взаимодействует лишь с ча-
стью мира и. соответственно, получает знания только
о его части. Так, радиации как бы не существовало до ее
открытия п создания соответствующих датчиков. Не ис-
ключено, что в мире п непосредственно вокруг нас есть
много такого, чего мы не знаем и поэтому не замечаем.
Находясь па материалистических позициях, будем
считать, что мир реален. Тогда строящаяся в мозге чело-
века модель есть результат частичного, приблизительно-
го. субъективного отражения объективной реальности.
Кроме того, человек строит в своем мозге 'модель себя >
п себя в мире. Возможно, что эго и является основой
сознания. Сознание н самосознание если и не синонимы,
го очень близкие сущности.
133
(лава 4. Информация
Оставаясь на материалистических позициях, будем
считать, что в мире наряду с материальными существуют
и не материальные объекты, явления и даже системы.
Примеры: дружба, любовь, мировоззрение, искусство.
Конечно, все это не существует само по себе без опоры
на что-то материальное. Однако понятно, что в кар-
тине есть что-то гораздо большее, чем краски и холст,
на который краски нанесены, а любовь не сводится к фи-
зическому контакту-.
Познание человеком мира ограничено, во-первых,
выбираемыми информационными срезами, нужными
или полезными в каком-то отношении, и, во-вторых,
существующими экспериментальными возможностями.
Мир как-то устроен. Есть общие принципы опти-
мальности, есть физические, химические, социальные
и другие законы, есть существующие в мире материаль-
ные и не материальные системы и объекты, организован-
ные каким-то образом для сохранения во времени своей
качественной определенности и находящиеся во взаимо-
действии и каких-то других отношениях между собой.
К сожалению, о значительной части всего этого человек
ничего не знает.
Обычно меньше всего человек знает о внутрисистем-
ных взаимодействиях и отношениях, определяющих по-
явление и сохранение во времени качеств целого, не сво-
димых к качествам составляющих целое элементов. Если
считать, что все объекты и явления потенциально со-
держат в себе полную информацию о своих свойствах,
своем устройстве и организации, то можно сказать, чго
мир является своим собственным полным «описанием».
Может ли человек прочесть до конца и понять это
описание, неизвестно. Может ли человек понять беско-
нечность времени, и бесконечность пространства? Ско-
134
4.4. Познание и информационное отображение мира
рее всего, нет. Может ли кролик получить хоть какое-
нибудь представление о сонетах Шекспира? Нет, не мо-
жет. Строящаяся в мозге кролика модель мира не имеет
и нс может иметь никаких пересечений с сонетами Шекс-
пира. Если не разделять представлений древних евреев
о возникновении и устройстве мира и не считать зем-
лю центром мироздания, го естественно допустить, что
в бесконечной и вечной Вселенной может иметься что-то
принципиально не имеющее никаких не только времен-
ных и пространственных, но и смысловых пересечений
со строящейся в мозге человека моделью мира. Прочесть
и понять какую-то часть «описания» бесконечного мира,
касающуюся относительно небольшой конечной и обо-
зримой для человека его части, стремятся наука, религия,
искусство и каждый человек в процессе поведенческого
взаимодействия со средой.
Правда, не известно, может ли человек понять все,
имеющее отношение хотя бы только к его Вселенной
и даже только к обозримой ее части. Например, неплохо
было бы для начала ионя гь природу сильных внутриатом-
ных взаимодействий или природу электричества, а также
гравитационного и электромагнитного полей. Касающи-
еся всего этого физические и математические модели,
в том числе и так называемые «превосходные» [39],
описывают только внешнюю сторону проявлений фун-
даментальных свойств материи и принципов организа-
ции мира па уровне взаимодействия между объектами
макро- или микроуровней и не затрагивают их сущности.
(К «превосходным» физическим теориям Р. Пенроуз [39]
относит такие, которые достигают очень высокую точ-
ность описания существующих явлений.)
Например, только внешнюю сторону объектов и яв-
лений мира описывают превосходные физические тео-
135
Глава 4. Информация
рпи Галилея. Ньютона или Эннии инна. Так. теория гра-
витации Ньютона определяет только зависимость силы
притяжения о г масс притягивающихся объектов и рас-
стояния между ними и ничего пс говорит о том. почему
эти силы такие, а не другие, как эти силы возникают п как
они передаются в пустом пространстве. Внешняя сторо-
на тех же самых явлении совсем по-другому описывает-
ся теорией гравитации Эйнштейна с заменой сил при-
тяжения понятием искривления пространства-времени.
Однако и это. оставаясь только способом внешнего опи-
сания явления на некотором информационном уровне,
не затрагивает глубинных вопросов «почему?» и «как?».
К сожалению, построить более глубокие теории очень
трудно, а может быть во многих случаях и невозможно.
Таким образом, «мечты об окончательной теории» [18],
объясняющей все в нашем мире, еще очень долго, а мо-
жет быть и всегда, будут оставаться только мечтами.
В качестве определенной пл люстрирующей анало-
гии рассмотрим следующий пример. Пусть кто-то не зна-
комый с программированием и вычислительной техни-
кой хочет экспериментальным путем понять, как рабо-
тает компьютерная программа, например текстовый ре-
дактор. Проведя многочисленные эксперименты, можно
выяснить, какие функции выполняет программа, как эти
функции вызывать с помощью клавиатуры или мышки
п как этими функциями пользоваться. Однако, скорее
всего, всех возможностей текстового редактора экспе-
риментальным путем выясншь нс удастся. Например,
может не удаться выяснить, можно ли с помощью про-
1раммы вставлять в текст математические формулы. Гем
нс меиее. на основе экспериментов можно построить до-
статочно хорошее описание текстового редактора, при-
чем не только на уровне таблицы, связывающей возмож-
136
4.4. Познание и информационное отображение мира
ныс действия п их результат ы. но и на уровне каких-го
обобщений. Всё в совокупности экспериментатор смо-
жет назвать теорией конкретного текстового редактора,
и эта теория, даже пс отвечая па все возможные вопросы,
как и любая хорошая теория, будет обладать значитель-
ной предсказательной силой может быть отнесена в раз-
ряд « превосходных и с успехом использоваться самим
экспериментатором п другими людьми в практической
работе.
В то же время, построенная теория будет относиться
только к внешнему информационному уровню исследуе-
мого объекта. 11дя вглубь проблемы с целью получить от-
веты на вопросы «как?» и «почему?», можно было бы раз-
бираться с компьютерной программой редактора. При
этом нужно было бы каким-то образом иолу чип» текст
программы, нужно понять общую теорию программиро-
вания, попять язык, на котором написана программа,
выяснить функционально-логическую схему программы
и назначение отдельных операторов.
I (ереходя к более глубокому информационному у ров-
ню. можно было бы пытаться исследовать систему ко-
манд компьютера, т. е. исходные компьютерные iмашин-
ные) коды, а заодно разобраться и с программой транс-
ляции текста программы в эти коды с языка более вы-
сокого уровня. Можно, в принципе, опуститься и на бо-
лее глубокие информационные уровни, такие как общие
принципы вычислительной техники и их конкретная ре-
ализация на логическом уровне и на уровне физических
электронных элементов, из которых строится память,
логико-арифметическое устройство и устройство управ-
ления компьютера.
Идя еще дальше, можно прийти от полупроводнико-
вых элементов к электрону п к фундаментальной фпзи-
9 За» 115
137
Глава 4. Информация
ческой проблеме — что такое электричество. I кследуя
и згу проблему, можно прийти к следующему. наверняка
не лучшему и не полному, но типичному определению:
электричество — это электродвижущая сила, во «пикаю-
щая в электрической цепи при определенном пересече-
нии се проводниками силовых линий магнитного ноля
и приводящая к направленному движению электронов
в замкнутой цени или к возникновению разности потен-
циалов между концами разомкнутой цепи.
Это внешнее определение, построенное по обыч-
ной схеме «если — то», нс отвечает на вопросы «по-
чему?» и «как?», г. е. не решает проблемы понимания
природы электричества. Опускаясь еще глубже, можно
прийти, например, к заменяющей представления об эфи-
ре идее черной материи, заполняющей все пространство
Вселенной, не взаимодействующей с известными физи-
ческими объектами, но ответственной за полевые вза-
имодействия и передачу’ гравитационных и магнитных
сил. Но даже при экспериментальном подтверждении
подобной теории вопросы «почему?» и «как?» останут-
ся, гак же как останутся и стремления исследователей
опускаться на еще более глубокие уровни познания.
Возвращаясь к началу поставленной эксперпмен силь-
ной проблемы — исследованию программы текстового
редактора, можно сказать, что условный эксперимента-
тор, ничего не знающий о программировании и вычис-
лительной технике, вынужденно остановится па первом
внешнем информационном уровне описания. Единствен-
ное, что он сможет сделать дальше, — это поставить во-
прос: как все это происходит? Полущить ответ на этот во-
прос. идя в рассмотренном случае обычным путем пауки:
эксперимент — теория — эксперимент, т. е. от эксперимен-
та с программой к теории более глубокого уровня, нельзя.
138
4.5. Информация и потребности
Точно так же модель мира, включающая разнооб-
разные научные теории, относится только к внешнему
информационному уровню, т.е. к уровню. на котором
возможно проведение прямых наблюдении пли специ-
ально поставленных экспериментов. Любая научная тео-
рия должна нести в себе информацию, которую можно
было бы хотя бы в принципе проверить. То же самое
можно сказать и о той части модели мира, которую
каждый человек строит сам в процессе прямого экспери-
ментального взаимодействия со своей средой обитания.
4.5. Информация и потребности
Выше говорилось о целенаправленности и непре-
рывной активности на уровне внешнего поведения и вос-
приятия (человека, животного). Целенаправленность и
активность создаются и поддерживаются отражающими-
ся в мозге живого организма возрастающими потребно-
стями, которые удовлетворяются в целевых ситуациях
взаимодействия со средой. Кроме того, животные и че-
ловек» входя в контакт со средой, активно и целенаправ-
ленно строят и корректируют ее отображение в мозге.
Ч го заставляе т мозг делать и эту7 работу?
Естественно предположить, что одной из потреб-
ностей животного, в том числе и человека, является
потребность в получении информации для построения
в мозге модели проблемной среды. (В дальнейшем это
предположение будет несколько уточнено.) Без модели
проблемной среды невозможно не только свободное по-
ведение, но даже и упрощенное поведение, например,
связанное с жизнью в клетке или тюремной камере. Для
построения модели проблемной среды необходимо по-
лучение информации, причем не информации вообще.
9'
139
Глава 4. Информация
а информации конкретной. определяемой первичными
п вторичными потребностями и целями поведения.
Многие исследователи (см., например. [22.23]) счи-
тают получение информации (часто сводимое к просто-
му любопытству) одной из генетически заданных пер-
вичных потребностей живого организма, такой же. как
потребности в пище. воде, сне и г. и. Приведем в связи
с этим описание эксперимента В. С. Ротенберга и В. В. Ар-
шавского. цитируемое по [23].
«Крыс помещали в комфортабельную камеру, где им
создавались „санагорные1' условия, возможность удовле-
творения всех потребностей, жизнь безо всяких забот.
В одной из стопок камеры была дверь, которая вела
в необжитое и неисследованное помещение, таившее
в себе опасность самой неизведанностью После относи-
тельно короткого периода освоения комфортабельной
камеры крысы одна за другой начинали предпринимать
попытки проникнуть в это необследованное помещение.
Это было отнюдь не праздное спокойное любопытство.
Крысы осторожно п род впишись по темному коридору,
проявляли все признаки страха —у них дыбилась шерсть,
усиливалось мочеиспускание, учащался пульс. Они эпи-
зодически в быстром темпе возвращались назад п тем
не менее вновь и вновь пускались в свое рискованное
и ничем не спровоцированное путешествие».
Введя определение семантической информации о
проблемной среде, мы связали информацию со строя-
щейся в мозге моделью. С точки зрения задач поведения
и восприятия первичной потребности, в принципе, мо-
жет быть не потребность в информации как таковой,
а потребность в построении модели проблемной среды.
Живой организм направленно-!! активно входит во вза-
имодействие со средой для удовлетворения всех своих
140
4.5. Информация и потребности
потребностей, в том числе и для получения информации,
необходимой для построения и уточнения модели среды.
Модель среды строится на основе получения семантиче-
ской информации. При лом нет информации вообще.
Информация выделяется ид ограниченных информаци-
онных срезах и служит для пос [роения или уточнения
модели проблемной среды. Слово «проблемной» здесь
имеет важное значение, поскольку именно проблемы,
связанные с первичными н вторичными потребностями
животного (в том числе и в первую очередь человека),
определяют исследуемые им информационные срезы.
Какой вывод можно сделать из всего этого? Явля-
ются ли генетически заданными потребность в получе-
нии информации или потребность в построении моде-
ли проблемной среды? Получение информации (чистое
любопытство) само по себе первичной потребностью
животного или человека по является. Постоянная необ-
ходимость в построении, уточнении и коррекции модели
проблемной среды внешне очень похожа на генетически
заданную первичную потребность животного (челове-
ка). Однако необходимость построения модели — это
слишком общая формулировка. Все потребности живо-
го организма абсолютно конкретны и удовлетворяются
в результате конкретного целенаправленного поведения.
Должна быть конкретной и noipc-бность, связанная с по-
лучением и обработкой информации о среде.
Забегая далеко вперед, сформулируем следующее ги-
потетическое представление: одна из генетически задан-
ных потребностей — эго оп тимизация функционального
состояния нейронов и нейронной сети в целом. Одним
из средств оптимизации является гашение стабильных
очагов возбуждения, возникающих в мозге как при воз-
никновении первичных и вторичных потребностей, так
141
Глава 4. Информация
и при недостаточности информации для решения задач
поведения и восприятия и приводящих к нарушению
нормальной работы мозга по оптимизации его функцио-
нального состояния. Гашение таких очагов возбуждения
происходит, в частности, при построении, достройке
или коррекции фрагментов нейронной модели проблем-
ном среды, необходимой для целенаправленного поведе-
ния в процессе удовлетворения первичных и вторичных
потребностей.
Глава 5
Семантическая модель
проблемной среды
Выше уже упоминалась «семантическая модель ми-
ра». Товорилось о необходимости уметь строить такие
модели при разработке систем искусственного интеллек-
та. Правда, в конкретных разработках несколько пре-
тенциозные и настораживающие слова «семантическая
модель мира» без какой-либо смысловой потери могут
быть заменены более простым и, может быть, более по-
нятным — «модель проблемной среды» В дальнейшем
будем говорить о модели проблемной среды, строящей-
ся в мозге человека или животного и ориентированной
на решение задач восприятия среды, поведения и мышле-
ния. Рассмотрение особенностей этих задач и, в первую
очередь, задач восприятия и поведения може1 позволить
сформулировать общие требования к структуре п функ-
циям модели проблемной среды.
Еще раз нужно отметить, что как в предыдущем из-
ложении, так и в дальнейшем часто используется термин
<модель», а не отображение среды в мозге или описание
среды, потому, что формируемое в мозге отображение
среды и себя в среде должно отражать динамику про-
исходящих в среде процессов, быть активным и «жить»
143
Глава 5. Семантическая модель проблемной среды
ио законам среды, иначе говоря, быть «действующей мо-
делью». Представляется, что именно свойство активно-
сти, рассматриваемое иа уровне нейронных механизмов,
может позволить сделать определенные интерпретации
феномена мышления.
5.1. Некоторые физиологические
предпосылки
Итак, в мозге формируется и используется модель
проблемной среды. Можно ли представления об уст-
ройстве и работе этой модели или, что то же самое,
об устройстве и работе мозга, строить на основе ре-
зультатов нейрофизиологических исследований? Закон-
ченной целостной теории работы мозга при поведении,
восприятии или мышлении в целом в пауке, называе-
мой физиологией высшей нервной деятельности, ист.
но есть много очень интересных результатов, которые
можно считать важными предпосылками к построению
теории. Рассмотрим некоторые из этих результатов, от-
носящихся к исследованию поведения.
Модель проблемной среды строится в мозге для ре-
ализации активного, целесообразного или, как часто го-
ворят физиологи, «эффективного приспособительного»
поведения. Что такое целесообразное и эффективное
приспособительное? Целесообразный и эффективный
вариант поведения — это лучший по каким-то критериям
вариант среди множества возможных. Каковы эти кри-
терии.-' Как в физиологии высшей нервной деятельности
трактуются активность, целесообразность и эффектив-
ность поведения?
В связи с этими вопросами нужно остановиться
па результатах некоторых классических рабо т в области
144
5.1. Некоторые физиологические предпосылки
нейрофизиологии, посвященных исследованию и описа-
нию закономерностей, характерных для активного целе-
направленного поведения живого организма в сложной
среде, т. е. поведения более сложного, чем просто реак-
ции на внешние раздражители.
Наиболее интересные выделяемые в этих работах
свойства нервной системы животных — эго целесооб-
разное по критерию выживания вида поведение, актив-
ность. пластичность, адаптивность, предвидение, умо-
зрительное моделирование реальных процессов (вооб-
ражение), эмоциональная оценка результатов взаимо-
действия со средой, эмоциональная оценка ожидаемых
ре зул ьтато в п о в е д е пия.
Выделим основные отечественные работы, на ко-
торых базируются эти представления. В общем виде
представление о поведении как об активном процессе,
опирающемся па опережающее моделирование, содер-
жится еще в классических работах Сеченова и Павлова.
Так. Сеченов подчеркивал активную основу процесса
восприятия, отмечая, что мы нс слышим и видим, а слу-
шаем и смотрим, а разработанная Павловым [38] теория
условно-рефлекторной деятельности выделяет подкреп-
ление как основу выработки условного рефлекса, а это
подразумевает наличие в нервной системе опережаю-
щего возбуждения модели того, что должно произойти.
На это же прямо указывают в опытах с выработанными
условными рефлексами эксперименты по исследованию
химического состава слюны, который соответствует ожи-
даемому подкреплению.
В плане рассматриваемых ниже проблем особый ин-
терес представляют работы А. А. Ухтомского, в которых
сформулирован принцип доминанты. В соответствии
145
Глава 5. Семантическая модель проблемной среды
с этим принципом доминанта поведения и соответствую-
щий ей очаг возбуждения в нервной системе возникают
как результат «конкурентной борьбы » многих доминант,
отражающих существующие в данный момент первич-
ные и вторичные потребности. «Победившая» главная
доминанта фиксируется как стабильный очаг возбуж-
дения. Остальные доминанты затормаживаются. Одно-
временно получают возбуждение все элементы нервной
системы, которые как генетически, так и в соответствии
с приобретенной и ситуативной информацией должны
участвовать в достижении поведенческой цели, соответ-
ствующей главной доминанте. При достижении пели до-
минанта ликвидируется и возникает новая.
Основные аспекты адаптивного поведения в плане
построения и использования модели среды показаны
в физиологических исследованиях Анохина, Беритова,
Бернштейна и психологических исследованиях школы
Узнадзе. Для всех этих работ характерно продвижение
от павловского «уравновешивания со средой» к направ-
ленном}' целесообразному и необходимому взаимодей-
ствию со средой.
П. К. Анохин [4, 5] разработал понятие динамиче-
ски складывающейся «функциональной системы» как «за-
мкнутого физиологического образования с обратной аф-
ферептацией», направленного на достижение конечно-
го приспособительного эффекта. Составляющие любой
функциональной системы — это «афферентный синтез,
акцептор действия, формирование действия и обратная
аффереитацпя о его результатах»
Направленность целостного поведенческого акт а оп-
ределяется актуальной физиологической потребностью,
которая с учетом текущей ситуации формирует в нерв-
ной системе модель состояния взаимодействия со сре-
146
5.1. Некоторые физиологические предпосылки
дой. при котором потребность удовлетворяется. Дости-
жение конечного приспособительного эффекта фикси-
руется получением «санкционирующей афференташш».
совпадающей с моделью (акцептор действия). При на-
рушении акцептора действия (нарушении предвидения)
поведенческий акт прерывается и возникает ориентиро-
вочно-исследовательская реакция, направленная на уточ-
нение восприятия, корректировку предвидения или кор-
ректировку модели среды.
Важный момент теории II. К. Анохина состоит в том,
что функциональная система и акцептор действия рабо-
тают всегда и непрерывно. Важно также, что центр
внимания смещается от рефлекторного поведения в сто-
рону активного поведения, направленного па достиже-
ние целевого состояния взаимодействия со средой. И,
наконец, важнейшим аспектом теории функциональной
системы является сформулированное в ней свойство ди-
намической синергии, т. е. оперативно возникающего
взаимосодействия между функциональными подсистема-
ми организма в любом поведенческом акте. Все это было
сформулировано еще в 60-е годы прошлого века.
Близкие по смыслу идеи содержатся в работах
Н. А. Бернштейна [13.14], который выделяет две ли-
нии изучения поведенческого акта — физиологию регуля-
ций и физиологию активности. Регуляция основывается
па «вероятностном прогнозировании по воспринимае-
мой текущей ситуации». Кроме того, организм «не про-
сто взаимодействует с окружающим миром, по и актив-
но воздействует на этот мир, стремясь изменить его
в потребном себе отношении». Активность поведения
направлена па достижение «закодированного в нервной
системе отображения пли своего рода модели потребно-
го будущего». Выработка программы действия состоит
147
Глава 5. Семантическая модель проблемной среды
в установлении связи «между наличной ситуацией и гем.
во что она должна быть превращена».
Вопросы, связанные с построением в нервной систе-
ме модели среды и использованием этой модели в про-
цессе поведения, нашли отражение в работах И. С. Бе-
рптова [10-12] и многих других авторов. К сожале-
нию. в большинстве этих работ, в том числе в теории
А. А. Ухтомского о принципе доминанты, в теории функ-
циональной системы П. К. Анохина и в теории поведения
Н. А. Бернштейна, нет четких и строгих представлений
о том. какая потребность становится актуальной, как вы-
бирается целевое состояние взаимодействия со средой
и вариант достижения цели.
Определенное исключение представляет уже упоми-
навшаяся в главе 1 работа Н.В. Асмояна п Г. А. 1олици-
на [(>], посвященная экспериментальному исследованию
принципов принятия поведенческого решения живот-
ным в ситуации выбора. На основании эксперименталь-
ных результатов авторы смогли установить количествен-
ное локальное правило принятия решения и пришли
к естественному выводу о том, что поведение животных
подчиняется некоторому принципу оптимальности. Од-
нако убедительной формулировки этого принципа в ра-
боте Н. В. Асмояна и Г. А. 1олицина получено нс было.
В интересующем пас плайе, отталкиваясь в основ-
ном от результатов классических отечественных работ
по физиологии высшей нервной деятельности, можно
сформулировать следующее:
• в нервной системе строится вероятностная модель
среды п результатов взаимодействия организма со
средой;
148
5.1. Некоторые физиологические предпосылки
• предвидение результатов взаимодейс гвпя организма
со средой постоянно и непрерывно;
• сравнение результатов взаимодействия организма
со средой и результатов предвидения этих результа-
тов но модели (акцептор действия) постоянно и не-
прерывно;
• в нервной системе строится план поведения как ре-
зультат установления связи между моделями текущей
и целевой ситуаций:
• план поведения — это, в свою очередь, модель взаи-
модействия со средой па пути от текущей к намечен-
ной целевой ситуации:
• поиск плана в случае, когда опыта нет, основан на пе-
реборе, т. е. случайных пробах;
• по мерс накопления опыта удачные, г. е. приводящие
к наилучшему приспособительном! эффект}' планы
фиксируются в результате получения положительно-
го подкрепления.
Перечисленные моменты приспособительного по-
ведения проливают свет преимуществен по па общую
структуру поведенческого акта, причем пс на все его
важные аспекты. Как правило, несколько в стороне оста-
ются вопросы о том. как выбираются целевые ситуации,
что такое в количественном смысле «паплучпшй при-
способительный эффект», от чего зависит и как влияет
на выбор и закрепление плана «величина положитель-
ного подкрепления», как измеряется эта величина и как
она связана, с одной стороны, с целевой ситуацией и.
с другой стороны, с пройденным путем к цели.
В сложных случаях, к которым можно отнести боль-
шинство реальных ситуации, однозначная фиксация кон-
149
Глава 5. Семантическая модель проблемной среды
кретпого наплтчшсго плана поведения невозможна вви-
ду разнообразия и неповторяемого! в точности среды.
Удачная программа поведения может быть зафиксиро-
вана и воспроизведена только в обобщенном виде. При
этом остается вопрос по какому количественному Кри-
те рию и как происходит в случае сложного поведения
нс только умозрительный выбор цели, но и выбор пути
к пей? Вернее, оцениваемые и сравниваемые варианты
целенаправленного поведения должны включать сово-
купную оценку пути и цели.
Более или менее точный oibct на часть этих во-
просов. связанных с целенаправленным поведением жи-
вого организма в среде, возможен, по-видимому, с уче-
том рассмотренного выше принципа rnaxT, предполо-
жении о сути базовой задачи мозга, т. е. задачи по-
строения иерархической модели среды, сводящей ре-
альные мпогоэкстремальные мпогонереборные задачи
поведения к умозрительным одноэкстремальным, мало-
переборным.
Может быть, будет очень полезным и проведение
специальных направленных физиологических экспери-
ментов. Например, было бы очень интересно продолже-
ние описанных в работе Н. В. Асмаяна и Г. А. Голицина [6]
экспериментальных исследований алгоритмов принятия
решении животным в ситуации выбора и сопоставление
этих алгоритмов с алгоритмами, вытекающими из прин-
ципа оптимальности тахТ.
5.2. Особенности задачи поведения
Мозг возник н развивался для решения задач по-
ведения и восприятия. В начале книги высказывалось
мнение, что для того, чтобы понять еггь интеллекта (вре-
150
5.2. Особенности задачи поведения
мснпо отвлекаясь от механизмов реализации). его нужно
рассматривать как средство, необходимое для решения
особых '«человеческих* задач, и что в качестве таких
задач, в первую очередь, полезно рассматривать задачу
целенаправленного поведения и задачу восприятия.
Рассматривая задачу поведения, можно выделить
три ее особенности. Первая особенность состоит в на-
капливающейся внутренней неустойчивости организма,
т.е. в непрерывном росте потребностей. определяемом
в конечном счсче принципом устойчивого неравнове-
сия Э. С. Бауэра. Из этого следует принцип управления
внешним поведением, формулируемый как принцип оп-
тимальности шахТ.
Вторая особенность — это постоянная необясни-
мость взаимодействия со средой в определенных целе-
вых ситуациях удовлетворения потребностей. 11 у этого
следует нсобход! imoc i ь постоянной активности и целе-
направленности.
Третья особенность состоит в многоэкс громад ыю-
сти большинства задач поведения. Из этого следует не-
обходимость сведения многопереборных мпогоэкстре-
мальпых задач к мало переборным одпоэкстрсмадьным
дающая возможность пользоваться локальным градиент-
ным правилом принятия решения в ситуации выбора.
Отмеченные особенное ги задачи поведения во мио-
том определяют стрмауpv. функции и работу строящейся
в мозге модели проблемной среды. В главе 1 для слу-
чая олноэкстремалыюй задачи было получено локальное
правило выбора варианта поведения (1.3)
min AZj = min
j
OXt
ofw Y
dx3 } J

151
Глава 5. Семантическая модель проблемной среды
а также сводящиеся при определенных допущениях к это-
му же правилу формальные критерии эмоциональной
оценки вариантов выбора, определяемые формулами:
R=^v, 1 (L9)
11
Ej = -AZ3 = nijVj - У2 m‘vi- (1-Ю)
Из этих формул видно, что эмоциональный меха-
низм принятия решения в ситуации выбора работает
на переборе и сравнительной оценке вариантов даже
в случае одноэкстремалыюй задачи.
В некоторых случаях эмоциональный механизм срав-
нения п выбора вариантов поведения может отключать-
ся. Во-первых, это случаи экстремальных эмоциональ-
ных состояний, таких как страх, горе, гнев, ярость и т. п.
Как уже отмечалось в главе 1, при ситуациях, соответ-
ствующих таким эмоциональным состояниям, обычный
эмоциональный механизм принятия решения чаще всего
бесполезен и должен быть заблокирован. Экстремальные
эмоциональные состояния выполняют функцию преры-
вания. Совершающиеся при этом действия, как правило,
просты и безальтернативны, например, замереть, бе-
жать. кричать, плакать и т.п.
Во-вторых, в часто повторяющихся стандартных си-
туациях также можно действовать без перебора и сравне-
ния вариантов — по шаблону. Если ситуации повторяются
не точно, появляется риск ошибиться. Риск оправдыва-
ется выигрышем времени. Таким образом, при обучении,
т. е. при построении модели проблемной среды, необхо-
димо накопление информации, нужной для организации
152
5.2. Особенности задачи поведения
стандартных программ адаптивного поведения в повто-
ряющихся или сходных ситуациях. Элементарное стан-
дартное поведение, т. е. поведение по схеме «стимул —
реакция», это в первую очередь безусловные и условные
рефлексы, а также динамические стереотипы.
В схему «стимул — реакция» вписывается и более
сложное, чем рефлексы и простые динамические стерео-
типы. стандартное поведение, например, иногда очень
сложное инстинктивное поведение птиц, рыб и особен-
но насекомых. Как рефлекторное, так и инстинктивное
стандартное поведение часто с необходимостью включа-
ет не только восприятие простых сигнальных стимулов,
но н восприятие сложных ситуаций, задаваемых (опи-
сываемых) на уровнях обобщения и укрупнения модели
проблемной среды.
Выше уже говорилось о том, что используемая во
многих работах по описанию или моделированию по-
ведения схема «стимул — реакция» не пригодна для ре-
шения задачи сложного поведения. Помимо стандартных
повторяющихся ситуаций могут возникать и качественно
новые, незнакомые ситуации. Кроме того, для решения
задачи с использованием критерия max? необходима
не стандартная реакция, а сознательная оценка и выбор
цели п п\ти к пей с учетом своего состояния и своих
возможностей.
Задачи поведения животных и человека в общем
случае мпогоэкстремальпы. В таких задачах локальные
(градиентные) правила принятия решения не работа-
ют. а полный перебор и сравнения вариантов чаще всего
невозможны. Поэтому необходима рациональная органи-
зация перебора и сравнения вариантов. Это возможно
только с использованием информации общего характе-
153
Глава 5. Семантическая модель проблемной среды
ра. г. с. с использованием построенных в модели среды
уровней обобщения и укрупнения.
Определенным, нс полностью совпадающим, по. тем
нс менее, интересным иллюстрирующим примером яв
ляются шахматы. В стандартных или типичных ситуаци-
ях дебюта и эндшпиля шахматист часто .может делать
стандартные ходы. В эндшпиле- иногда можно действо-
вать по известному алгоритму. В середине партии также
часто возникают типичные ситуации с напрашивающим-
ся стандартным ходом. Следование рефлекторным стан-
дартным ходам экономит время, по сопряжено с риском
ошибиться, поскольку, во-первых, существующая оцен-
ка стандартной ситуации может оказаться не точной,
и, во-вторых, в случае, когда ситуация чем-то немного
отличается от стандартной.
Продолжим аналогию. В повой сложной ситуации
(полиции) шахматист рассматривает варианты. Однако
он, в отличие от современных программ шахматной иг-
ры, ис делает сплошного перебора, а рассматривает лишь
несколько, а зачастую всего только одну основную про-
блему ситуации, эвристически (без алгоритма) продуци-
рует обобщенные идеи относительно возможных путей
решения текущих проблем п лишь затем просчитыва-
ет ограниченное таким образом очень небольшое число
конкретных вариантов.
Шахматы дают возможность выделять и изучать не-
которые типичные составляющие процесса мышления
в первую очередь потому, что шахматная задача так же,
как и задача поведения животного или человека, в ре-
альной среде многоэкстремальна. В шахматах гак же.
как и в задаче поведения, можно определить максими-
зируемую целевую функцию. Шахматная задача так же.
как и задача поведения, является вариационной, для
154
5.2. Особенности задачи поведения
точного решения которой необходим просчет целевой
функции на всех возможных траекториях управления
п выбор той из них. па которой целевая фхнкцня дости-
гает максимума.
Такое глобальное решение чаще всего требует слиш-
ком большого объема вычислений. Кроме того, такое ре-
шение возможно, в принципе, только тогда, когда задача
(как в шахматах) детерминирована и полностью опреде-
лена. т. е. можно с дос товерностью прослеживать траек-
тории управления на сколь модно большое время вперед.
В задаче управления поведением так же, как и во многих
задачах управления в системах с активным динамиче-
ским способом организации, это условие не выполняет-
ся. Таким образом, в задачах поведения, как п во многих
задачах управления, близких по своей структуре задачам
свободного поведения животных, глобальное решение
невозможно, причем пс только по времени из-за слиш-
ком большого перебора, по и вследствие невозможности
строить и прослеживать достоверные траектории вправ-
ления на сколь угодит) большое время вперед.
В шахматах глобальное решение невозможно только
по времени. Если бы был практически возможен полный
перебор вариантов на сколь угодно большое число ша-
гов вперед, игра бы закапчивалась всегда одним исходом.
К счастью, это невозможно. Для хорошей игры требует-
ся применение эвристик, дающих достаточно быстрое,
но приблизительное решение. В результате мы имеем
не только интересную игру, но и хорошую модель эври-
стической деятельное!и.
При обращении к шахматам как к модели эврисш-
ческой деятельности нужно понимать и принципиаль-
ные отличия шахматной задачи от задачи поведения. Во-
первых. это ужс отмечавшаяся полная определенность
155
Глава 5. Семантическая модель проблемной среды
и детерминированность, дающая принципиальную воз-
можность точного просчета вариантов н;г любое число
шагов. Во-вторых, специфика шахмат определяется и по-
стоянным активным противодействием противника. В-
третьих. хотя в шахматах время (темп) имеет очень
большое, а часто и решающее значение, рационально
определить целевую функцию игры на основе принципа
max 7 трудно, а может быть и невозможно.
Выше, в том числе в главе 1 при рассмотрении
модели поведения, уже достаточно много говорилось
о многоэкстремальности, как о важнейшей характери-
стике задачи поведения животных в сложной среде. Lb-
во рил ось и о том, что мпогоэкстремальность во многом,
а может быть и в основном, определяет информацион-
ную структуру и функции механизме в мышления. В даль-
нейшем в главе 8 в качестве дополнения и некоторой
конкретизации рассматриваются эти вопросы с ориен-
тацией на общие принципы необходимой организации
семантической модели проблемной среды и на решение
характерных задач человеком.
5.3. Особенности задачи восприятия
Основная информация о среде поступает в мозг по-
средством зрения. Восприятие, обеспечивающееся дру-
гими органами чувств — слухом, осязанием, обонянием,
имеет свою специфику, которая в этой книге рассмат-
риваться не будет. В дальнейшем под словом «воспри-
ятие» будет пониматься, в первую очередь, зрительное
восприятие, хотя основные принципы с определенной
коррекцией распространяются и па другие сенсорные
модальности. Задача зрительного восприятия уже до-
вольно подробно рассматривалась в главе 2. Поэтому
156
5.3. Особенности задачи восприятия
ниже кратко затрагиваются только основные моменты,
относящиеся к организации процесса и необходимой
структуре модели среды.
Восприятие окружающей среды на основе моде-
ли проблемной среды служит для организации зача-
стую очень сложного поведения в среде. Акт восприя-
тия может рассматриваться как актуализация какого-то
фрагмента модели среды. Подобная актуализация может
быть и умозрительной (воображение) или актуализаци-
ей во сне. Восприятие является целостным. Ситуация
ис разрывается на отдельные объекты, а воспринимает-
ся целиком, со всеми входящими в ситуацию объектами,
находящимися вдеаких-то пространственных и других от-
ношениях. Выделение в восприятии отдельных объектов
происходит при поведенческой необходимости за счет
направленной концентрации внимания, управляемой но-
кгГёщене вполне определенным уровнем воли или созна-
ния. Принцип целостности восприятия распространяет-
ся не только на описание в модели и узнавание отдельных
объектов, по и на восприятие ситуаций любого уровня
укрупнения или детализации.
Таким образом, информационная модель проблем-
ной среды должна включать иерархию целостных пред-
ставлений. При распознавании объектов восприятия лю-
бого уровня укрупнения принцип целостности предпо-
лагает интерпретацию любых распознаваемых объектов
в составе более крупных целостных образований — кон-
струкций, отображающих те взаимосвязи из внешней
(поведенческой) задачи, в которых участвуют распозна-
ваемые объекты. Эти взаимосвязи образуют внешний
контекст интерпретации. Использование внешнего кон-
текста интерпретации позволяет не только правильно
выделять п воспринимать те части изображения, кото-
157
Глава 5. Семантическая модель проблемной среды
рые допускают при их отдельном восприятии неодно-
значную интерпретацию, но и повысить надежность вос-
приятия всех объектов, задействованных в той или иной
семантической конструкции на всех уровнях укрупнения
информационной модели, за счет их целенаправленной
и совместной интерпретации.
В общем плане, целостность информационной моде-
ли дает возможность не только правильно интерпретиро-
вать части в составе целого и во взаимодействии между
собой, но и осуществлять активный целенаправленный
процесс поиска и выделения информации, необходимой
как для интерпретации объектов восприятия всех уров-
ней укрупнения, так и для использования во внешней
но отношению к восприятию задаче поведения. Еще
одной особенностью задачи восприятия является необ-
ходимое предвидение ситуаций по модели среды и фор-
мирование на этой основе гипотез восприятия. Как уже
говорилось, для реализации предвидения модель должна
быть динамичной и «жить» но законам среды.
Из сказанного уже очевидно, что восприятие и клас-
сическое распознавание образов — это далеко не одно
и то же. Как уже отмечалось в главе 2, при обычном
распознавании образов на вход распознающей системы
поступает не изображение целостной ситуации, а каким-
то образом выделенное изображение отдельного объ-
екта или его какие-то признаки. Распознающая систе-
ма должна по признакам объекта определить, к какому
из известных классов относится данное изображение. Та-
кое распознавание это не целостное восприятие среды
и даже не целостное восприятие отдельных объектов,
а классификация по признакам объектов, рассматривае-
мых по отдельности. Все недостатки как обычного при-
знакового распознавания, так и аналогичных последо-
158
5.3. Особенности задачи восприятия
ватсльных «горизонтальных» подходов уже достаточно
подробно обсуждались.
Во многих работах, говоря о моделировании пли
о каком-то приблизительном описании мышления, зача-
стую ограничиваются ссылками на распознавание обра-
зов, полагая, чго это почти одно и то же. Это нс так. Клас-
сическое распознавание образов — это и не мышление
и нс восприятие среды, В то же время следует отмстить,
что как признаковое, так и растровое распознавание мо-
жет быть определенным важным компонентом в общей
схеме восприятия. В свою очередь, восприятие среды —
это и не мышление в каком-то более или менее полном
обьеме, а лишь специфическая очень сложная и очень ин-
тересная его часть, проливающая, тем не менее, свет на
структуру модели проблемной среды и некоторые важней-
шие принципы организации работы механизмов мозга.
Таким образом, из особенностей задачи восприя-
тия следует необходимость специфической структурно-
функциональной организации модели проблемной срс
ды, обеспечивающей реализацию таких функций, как:
• построение и использование целостных обобщен-
ных структурных представлений объектов и ситуа-
ций в модели среды;
• принципиальная отображаем ость полных структур-
ных описаний объектов восприятия;
• предвидение по модели среды и формирование иа
этой основе гипотез восприятия;
• целенаправленное взаимодействие со средой или ее
изображением в процессе восприя тля;
• многоуровневая иерархичность модели среды;
• использование в восприятии контекста, в том числе
и внешнего контекста, задаваемого семантическими
159
Глава 5. Семантическая модель проблемной среды
конструкциями \ровней обобщения и укрупнения
модели;
• вправление восприятием с верхних понятийных
уровней модели среды;
• активность восприятия.
5.4. Представление в модели проблемной
среды целостных объектов и ситуаций
Поговорим еще раз о целостности, как о необходи-
мом свойстве объектов, и о представлении целостных
объектов в модели проблемной среды. В реальной среде
есть реальные целостные объекты (системы), организо-
ванные каким-то образом для сохранения во времени сво-
ей качественной определенности. Целостный объект все-
гда состоит из частей. 11 пассивный, и активный динами-
ческий способ организации системы (объекта) включают
как организацию взаимодействий системы со средой, гак
и организацию внутренней структуры системы на уровне
се частей, отношений п взаимодействий между ними.
Уже говорилось, что формируемая в мозге семанти-
ческая модель проблемной среды должна быть нс про-
сто пассивным описанием, а действующей моделью. Эго
в равной мерс относится как к модели среды в целом,
так и к моделям отдельных целостных объектов. Поэтому
в моделях объектов должны отражаться (моделировать-
ся) взаимодействия и отношения между частями объек-
тов. а также взаимодействия и о тношения между частями
и целым.
Это означает, что при каких-то изменениях на уров-
не частей объекта в модели должны прогнозироваться
л происходить изменения на уровне целого. Понятно.
160
5.4. Представление в модели проблемной среды
что нейронная модель объекта в мозге пс может обладать
теми же физическими свойствами, что и сам реальный,
находящийся в реальной среде объект. Моделируемые
изменения объектов среды в нейронной модели могут
происходить лишь па информационном уровне.
Как MOivr определяться и задаваться в информаци-
онной модели системные в.шнмоденствия между частями
и целым? Эти взаимодействия могу г отражаться в модели
на основе опыта. Результат этих взаимодействий может
фиксироваться в модели (запоминаться) в виде причин-
но-следственных зависимостей тина «если — то».
Однако это пс единственный способ задания в моде-
ли объекта зависимостей между частями и целым. Хоро-
шо был бы, конечно, использовать аналитический спо-
соб задания системных зависимостей. но в общем случае
это, по-впдимому, практически нереализуемо. Трудности
реализации аналитического подхода к описанию и зада-
нию системных свойств вызваны тем. что неизвестно,
как можно было бы реализовывать сложные аналити-
ческие зависимости па нейронном уровне. Кроме того,
в системные зависимости между частями и целым может
входить много переменных, и эти переменные связаны
сложными отношениями между собой. По упоминавшей-
ся уже классификации У. Уивера [67] это является трудно
решаемой, а может быть и не решаемой в общем случае
«проблемой большого числа сильно связанных перемен-
ных« или «проблемой организованной сложности».
Хороший способ задания системных зависимостей
между' частями и целым — это построение полных це-
лостных структурно-метрических описаний. Чго долж-
ны содержать такие описания графических обьектов
применительно к задаче машинного распознавания руко-
писных символов, было показано в главе 2. Па примере
12 За.- 115
161
Глава 5. Семантическая модель проблемной среды
этих описаний, в частности, можно увидеть п оценить
практическую псреализуемость аналитического подхода.
В общем случае целостное структурно-метрическое
описание объекта должно состоять из описаний его
структурных частей, включающих описания метриче-
ских характеристик этих частей и произвольных отно-
шений между частями объекта. Все сказанное в главе 2
о целостных структурно-метрических описаниях графи-
ческих обьекзов полностью без каких-либо коррекций
может быть перенесено на общий случай после заме-
ны пространственных отношений па произвольные. По-
этому нет необходимости повторять здесь достаточно
подробный текст главы 2.
Можно лишь напомнить, что целостные структурно-
метрические описания являются в нашей терминологии
укрупнением, поскольку связывают части и целое, обес-
печивая возможность как анализа — перехода от целого
к частям, так и синтеза — перехода от частей к целому.
Одновременно эти описания являются и обобщениями,
поскольку для всех характеристик, в том числе и для от-
ношений, задается диапазон допустимых значений, что
в совокупности определяет не единичный объект, а класс
объектов, обеспечивая возможность как дедукции — пе-
рехода от общего к частному, так и индукции — перехода
от частного к общему
Что дают полные структурно-метрические описа-
ния? Во-первых, эти описания дают возможность ор-
ганизации целенаправленною, управляемого с верхних
уровней модели процесса восприятия. Во-вторых, хотя
полные функциональные зависимости между свойствами
частей и свойствами целого структурно-метрическими
описаниями не определяются, само существование цело-
го как некоторой качественной определенности задает-
162
5.4. Представление в модели проблемной среды
ся в пространстве характеристик его частей и имеется
возможность интегральной оценки качества целого в за-
висимости от качеств его частей. Важно, что полное це-
лостное структурно-метрическое описание объекта опи-
сывает объект как таковой вне зависимости от других
объектов. Это позволяет отлича гь данный объект от лю-
бых других, в том числе и неизвестных объектов. Кри-
терий полноты и целостности структурно-метрического
описания — это принципиальная отображаемость. (Эти
вопросы более подробно уже рассматривались в главе 2.)
В аспекте построения полных структурно-метриче-
ских описаний (моделей) целостных объектов проблем-
ной среды можно говорить о двух разных проблемах.
Первая проблема — это формальное построение таких
моделей в системах искусственного интеллекта. Это не-
простая, однако решаемая задача. Пример такого реше-
ния приведен в главе 2. Описание одного рукописного
знака занимает несколько (5-10) страниц текста на неко-
тором формальном языке. Строятся эти описания вруч-
ную. Автоматизации процесс пока еще не поддается и ре-
альных путей к полной автоматизации не видно.
Вторая проблема — это необходимость попять, воз-
можно ли построение подобных моделей в мозгу7 чело-
века, и если возможно, то как эти модели могут авто-
матически строиться и работать на уровне нейронных
механизмов мозга. Сейчас на основе нейронных модель-
ных представлений можно говорить лишь о возможно-
сти реализации причинно-следственных и временных
зависимостей, а также о построении с использованием
формальных нейронных сетей разделяющих плоскостей
в пространстве признаков. Это не решает проблему по-
строения и использования в нейронных моделях полных
структурно-метрических описаний.
12-
163
Глава 5. Семантическая модель проблемной среды
Наряду с целостными объектами в модели проблем-
ной среды должны отражаться ситуации, а также дей-
ствия и процессы, приводящие к изменению объектов
и ситуаций. Ситуацию можно описать так же, как и це-
лостный обьект, перечислив входящие в ситуацию объ-
екты (части ситуации) и отношения между ними. Чем
отличается ситуация от целостного объекта?
Ситуация отличается от целостного объекта отсут-
ствием сильных системных взаимодействий между ее
частями, т. е. отсутствием целостности, а также отсут-
ствием организации, обеспечивающей устойчивое суще-
ствование объекта во времени. Если свойства целого
пс сводятся к сумме или какой-либо другой функции
свойств частей, то свойства ситуаций, как правило, вы-
ражаются через свойства входящих в ситуацию объектов.
Еще одна особенность ситуаций, отображаемых в мо-
дели проблемной среды, состоит в том. что ситуация
в отличие от целостного объекта часто включает и субъ-
екта моделирования, например: «Я нахожусь в своей
комнате и сижу на стуле». Такую и подобные ей ситуации
можно назвать ситуациями взаимодействия со средой.
Для целей управления поведением важны эмоционально
оцениваемые ситуации взаимодействия со средой и в осо-
бенности целевые ситуации.
Сходство междуг ситуациями и целостными объекта-
ми состоит в том, что повторяющиеся типичные ситуа-
ции так же, как и целостные объекты отображаются в мо-
дели проблемной среды на разных уровнях обобщений
и укрупнений. Многоуровневые обобщенные и укрупнен-
ные включающие эмоциональные оценки модели ситу-
аций строятся при обучении и используются как при
восприятии среды, так и при оценке вариантов и плани-
ровании поведения.
164
5.5. Необходимые свойства модели проблемной среды
В «действующей» семантической модели проблем-
ной среды так же, как н в самой среде, должны проис-
ходить изменения объектов и ситуаций. Эти изменения
могут быть результатом действий, воздействий или про-
цессов. Представление в модели действий, воздействии
и процессов и их связи с объектами и ситуациями необ-
ходимы для реализации предвидения, а также активного
«умозрительного» моделирования.
Все это может быть определено и в конкретных про-
граммных системах реализовано по-разному, Важно толь-
ко. чтобы действия (воздействия, процессы) отобража-
лись в модели так же, как объекты и ситуации па разных
уровнях обобщения и укрупнения. Важно также пытаться
понять, как все это может быть реализовано в нейронных
моделях механизмов мозга.
Изменения объектов и ситуаций могут происходить
как в результате независимых процессов в среде, так
и в результате действий. И то, и другое должно от-
ражаться в семантической модели проблемной среды
и определять не только предвидение реально происхо-
дящих событий, но и умозрительное моделирование.
5.5. Необходимые свойства модели
проблемной среды
Для переноса какого-то отражения реальной дей-
ствительности в мозг человека или животного с целью
формирования в мозге модели среды должен быть вы-
бран информационный срез. Общая модель среды может
включать много разных информационных срезов. В даль-
нейшем, как и раньше, мы ограничимся, в основном, рас-
смотрением взаимосвязанных информационных срезов.
165
Глава 5. Семантическая модель проблемной среды
определяемых задачей управления поведением и зада-
чей восприятия, с надеждой, что в рамках таких срезов
можно будет выделить основные и достаточно общие
характеристики и свойства строящихся в мозгу моде-
лей проблемной среды. В то же время, в тех же целях
остается полезным рассмотрение и более простых ин-
формационных срезов, относящихся к рефлекторному
и инстинктивному поведению.
О большей части общих характеристик и свойств
семантических моделей проблемной среды уже упоми-
налось: в главе 1 при рассмотрении задачи управления
поведением, в главе 2 при рассмотрении задачи зритель-
ного восприятия, в главах 4 и 5 в связи с рассмотрением
понятия «информация» и при описании особенностей за-
дач поведения и восприятия. Это уже дает возможность
выделить основные необходимые свойства и функции
семантической модели проблемной среды, используемой
для зрительного восприятия и управления поведением.
Перечислим э ти свойства и функции.
1. Отображение целостных объектов.
2. Отображение ситуаций, действий и процессов в
среде.
3. Многоуровневость.
4. Сведение многоэкстремальных задач поведения к од-
ноэкстремальным путем формирования иерархиче-
ских уровней обобщения и укрупнения.
5. Умозрительное моделирование или предвидение.
б. Эмоциональная оценка ситуаций и вариантов пове-
дения.
7. Активность.
8. Отражение в модели себя и себя в среде.
166
5.5. Необходимые свойство модели проблемной среды
Все перечисленные свойства и функции модели про-
блемной среды представляются необходимыми для реа-
лизации основных механизмов мышления. Подчеркнем
лишь, что три последних свойства — эмоциональная
оценка ситуаций н вариантов поведения, активность
и отражение в модели себя и себя в среде являются
необходимыми для моделирования сознания и волн, без
которых, в первую очередь, невозможно сложное пове-
дение и абстрактное мышление.
Представляется, что модель проблемной среды дол-
жна быть организована приблизительно следующим об-
разом. Модель состоит из иерархически организованных
смысловых структур, объединяющих взаимосвязанные
смысловые элементов. Смысловые элементы — это объ-
екты, ситуации, действия, процессы и абстрактные по-
нятия. Между смысловыми элементами модели имеются
«вертикальные» и «горизонтальные» двунаправленные
активирующие связи. На вертикальных связях строятся
иерархии часть — целое и частное — общее и соот-
ветственно реализуются процессы «анализа — синтеза»
и «индукции — дедукции». Горизонтальные связи между
смысловыми элементами, во-первых, задают отношения
между частями в рамках целого и между частностями
в рамках общего. Во-вторых, горизонтальные связи за-
дают причинно-следственные зависимости тина «если —
то», необходимые для предвидения или умозрительного
моделирования. И, наконец, на горизонтальных связях
строятся ассоциации по сходству и ассоциации по смеж-
ности во времени.
Глава 6
Пассивные нейронные модели.
Нейрокомпьютер
Если придерживаться высказанной выше точки зре-
ния, состоящей в том. что мышление — это не только
способы решения специфических задач, по и, в первую
очередь, специфическая нейронная реализации этих спо-
собов решения, включающая способность строить и ис-
пользовать активную динамическую модель среды, то
для того, чтобы понять, что такое мышление, нгжпо по-
пять не только ф\ нкшюналыюе содержание мышления,
но также устройство н принципы работы мозга.
Первые основополагающие модели нейронных се-
тей Мак-Каллока и Питтса [31,32], также как и перцеп-
трон Розенблатта [43,44], разрабатывались п представ-
лялись авторами как модели механизмов мозга. В со-
временных формальных нейронных сетях теоретиче-
ский аспект о п есней иа второй план. На первый план
вышла прикладная ориентация — распознавание обра-
зов. Однако и об этих распознающих нейронных се-
тях часто говорят как о моделях мозга. Попробуем
разобраться в том, насколько оправданны такие пред-
ставления.
168
6.1. Свойства и функции нейронных моделей мозга
6.1. Свойства и функции
нейронных моделей мозга,
необходимые для решения
основных базовых задач мышления
IIгак. для того. чтобы моделировать мозг, нужно
понять не только то. что мозг делает, но п как он это
делает. И то, и другое одинаково важно.
В главе I были сформулированы предположения
о гом. что делает мозг для решения мпогоэкстремаль-
пой задачи поведения — строит модели среды па уровне
обобщений п укрупнений. сводя мпогоэкстремальпые за-
дачи поведения к одноэкстремальным и обеспечивая тем
самым возможность пользоваться локальными правила-
ми принятия penicillin, основанными па эмоциональной
оценке вариантов поведения в ситуациях альтернативно-
го выбора.
В главе 2 иа примере системы машинного зритель-
ного восприятия были сформулированы предположи
пия об устройстве целостных моделей объектов среды
и основных элементов этих моделей, т.е. укрупненных
п обобщенных структурных описании. Были также выска-
заны предположения о роли предвидения в процессе вое
приятия и промоделировано (программно реализовано)
целостное активное зрительное восприятие на основе
выдвижения п целенаправленного подтверждения гипо-
тез об объектах восприятия, представляемых полными,
целостными сгрукпрно-метрпчсскпми описаниями.
В 3 и 5 главах отмечались проблемы, связанные с не-
обходимостью описания взаимодействия между частями
и целым и сформулированы общие необходимые свой-
ства семантической модели проблемной среды примени
11 За* 115
169
Глава 6. Пассивные нейронные модели. Нейрокомпьютер
тельно к задачам управления поведением и зрительного
восприятия. В 5 главе были также упомянуты некото-
рые результаты классических работ в области нейрофи-
зиологии, относящиеся, главным образом, к поведению
животных.
На основании всего этого с учетом представлений
о накапливающейся неустойчивости и принципа устой-
чивого неравновесия Э. С. Бауэра можно определить
свойства и функции, которыми должны обладать моде-
лируемые нейронные механизмы мозга. Представляется,
что приводимые ниже свойства, как минимум, являются
необходимыми, хотя и возможно, что часть этих свойств
может оказаться только полезными, ио необязательны-
ми. Вопрос о достаточных свойствах остается пока еше
открытым.
11так, сформулируем представляющиеся необходи-
мыми свойства и функции нейронных механизмов моз-
га. В мозге должна строиться и использоваться при по-
ведении и восприятии семантическая модель проблем-
ной среды. Поэтому, естественно, список необходимых
свойств и функций механизмов мозга в значительной
степени пересекается с приведенным в предыдущей гла-
ве перечнем основных необходимых свойств и функций
семантической модели проблемной среды.
1. Для решения задач восприятия и поведения мозг
должен при обучении строить нейронное отображе-
ние среды. Нейронная модель среды субъективна,
т. е. она строится с позиций субъекта восприятия
и поведения и включает информацию, необходимую
для решения задач восприятия и поведения.
2. Нейронная модель среды должна быть активной
и моделировать изменения в среде, как зависящие.
170
6.1. Свойства и функции нейронных моделей мозга
так и нс зависящие от субъекта восприятия и пове-
дения.
3. В нейронной модели должна содержаться и исполь-
зоваться информация, необходимая для реализации
поведения, оптимального но критерию шахТ и ос-
новывающегося на предвидении, построении в во-
ображении и эмоциональной оценке вариантов по-
ведения.
4 В нейронной модели механизмов мозга должны быть
средства для построения целостных структурных
обобщенных отображений классов объектов, опреде-
ляющих, с одной стороны, свойства целого, и, с дру-
гой стороны, состав и свойства частей целого и отно-
шения между ними. Объект в нейронной модели —
это не обязательно реальный физический объект
среды. Объектами в нейронной модели могут быть
также ситуации в среде и действия, изменяющие
ситуации.
5. Нейронная модель механизмов мозга должна иметь
средства для формирования иерархии, т. с. долж-
на быть возможность построения объектов разного
уровня укрупнения. Частями (элементами) объектов
каждого уровня укрупнения должны являться объек-
ты более низкого уровня. Основная цель построе-
ния уровней укрчинения — это сведение многоэкс-
тремальных задач поведения к одноэкстремальным
за счет одношаговых переходов между ситуациями
па уровнях укрупнения.
6. В нейронной модели должно осуществляться модели-
рование переходов как по вертикали — между уров-
нями укрупнения, так и по горизонтали — между7
ситуациями одного уровня.
171
Глава 6. Пассивные нейронные модели. Нейрокомпьютер
7. В нейронной модели механизмов мозга должны быгь
средства для формирования ассоциаций по смежно-
сти во времени и реализации на этой основе пред-
видения п предают!нации.
8. Среда не является статической, поэтому нейронная
модель среды также не должна быть статической.
Нейронная модель должна быть активной и «жить»
по законам среды.
9. В нейронной модели среды должно строиться отоб-
ражение себя и эмоционально окрашенное отобра-
жение взаимодействия себя со средой.
10. В нейронной модели в пределе должно реализовы-
ваться абстрактное мышление. Для моделирования
мыт пения человека необходимо использование вер-
бального уровня, т.е. необходимо построение сло-
весно-логичсской модели.
II. Наконец, будет очень хорошо, если в модели будут
реализовываться подсознательные процессы и эле-
менты творчества.
12. Кроме того, было бы хорошо, а может быть даже
и принципиально, если бы нейронные модели объ-
ясняли эмоциональные реакции, в том числе и такие
неспецифические, как реакции на музыку, абстракт-
ную живопись, свет костра пли морской прибой.
Эти предположения о необходимых свойствах и
функциях нейронных моделей механизмов мышления,
по-видимому, могут быть использованы как при постро-
ении определения мышления, гак и в работах ио мо-
делированию механизмов мозга. В го же время, сами
по себе эти предположения недостаточны для построе-
ния исчерпывающего определения мышления, поскольку
172
6.1. Свойства и функции нейронных моделей мозга
нс определены достаточные свойства механизмов мыш-
ления. Недостаточны эти предположения и для созда-
ния нейронных моделей механизмов мозга. Не хватает
предположений о том. как мозг все это делает. Однако,
по всей видимое гп. без учета этих предположений стро-
ить полные нейронные модели механизмов мозга нельзя.
Уже говорилось о гом, что не все перечисленные
свойства могут оказаться необходимыми. Кроме того,
первичная нейронная модель может не включать всех,
даже необходимых, свойств полной модели. В го же вре-
мя представляется, что нейронная модель механизмов
мозга, как минимум, должна отвечать на вопросы: как
строится включающее целостные обобщенные и укруп-
ненные представления объектов иерархическое много-
уровневое отображение среды и как на этой модели
среды разворачиваются процессы предвидения и оцен-
ки предвидимых ситуаций.
Модель мозга нс должна быть простым пассивным
дешифратором, формирующим выход как функцию вхо-
да. Модель мозга должна быть активна и обеспечивать
«умозрительное моделирование» процессов в среде и ре-
зультатов взаимодействий субъекта поведения со средой.
Именно это позволит говорить, что мышление — это
не только способы решения специфических задач, но и,
в первую очередь, специфическая нейронная реализации
этих способов решения.
Таким образом, одно из выделенных свойств нейрон-
ных механизмов мозга, а именно активность, является,
по-видимому, важнейшим и безусловно необходимым для
моделей мозга. Ниже в последующих главах это свойство
рассматривается более подробно.
В заключение раздела остановимся на неправомоч-
ности часто встречающихся сопоставлений мозга и вы-
173
Глава 6. Пассивные нейронные модели. Нейрокомпьютер
числительной машины. Говоря о работе мозга, не сле-
дует использовать термины «алгоритм» и «программа»,
поскольку то, что управляет работой мозга в процессе
мышления, ни алгоритмом в строгом смысле, ни про-
граммой, по-видимому, не является. Не является то, что
происходит в мозге, и вычислениями.
Тем не менее, в начале работ но искусственном}7 ин-
теллект}- часто проводились неправомочные параллели
между мозгом и вычислительной машиной. Так, сравни-
вая мозг и вычислительную машину, в качестве важно-
го различия часто говорили, а иногда и сейчас говорят
о том, что машина — это последовательный вычислитель,
а мозг — огромный, включающий 14 млрд нейронов, па-
раллельный. Однако сейчас уже совершенно очевидна
неправильность такого сравнения. Говорить о том, что
мозг — это мощный вычислитель, и сопоставлять опера-
ции, которые выполняет человеческий мозг, с операци-
ями вычислительной машины нельзя. Это совершенно
разные операции.
Человек, несмотря на якобы параллельную органи-
зацию своего «вычислителя», не может делать 100 тыс.
сложений в секунду. Он, как правило, и одного сложения
за секунду сделать не может. При этом человеку удает-
ся решать некоторые задачи, которые машина при всей
своей вычислительной мощности решать не может либо
решает долго, на основе полного перебора. И дело здесь
не в том, что машина — это последовательный вычисли-
тель, а мозг — параллельное «устройство». Просто мозг
и вычислительная машина решают свои задачи совсем
по-разному.
В 60-е годы прошлого века возникло и развивалось
научное направление, получившее название «бионика».
174
6.2. Минимальные сведения об элементах мозга
Общая цель формулировалась как перенесение в техни-
ку "Изобретений» природы. Одной из наиболее важных
задач считалось использование в вычислительной техни-
ке знаний из области нейрофизиологии мозга. Однако
достаточно быстро выяснилось, что переносить из ней-
рофизиологии в вычислительную технике нечего, при
этом не только нагому что физиология не располага-
ет достаточной конструктивной информацией о работе
мозга, но и попросту потому, что эта информация вычис-
лительной технике не нужна.
Современная вычислительная машина па мозг нс по-
хожа. Устройство и принципы работы современной вы-
числительной машины нс имеют ничего общего с устрой-
ством и принципами работы мозга.
6.2. Минимальные сведения
об элементах мозга
Как подойти к построению моделей нейронных ме-
ханизмов мозга? Естественнее и проще всего было бы
делать это, имея достаточную нейрофизиологическую
информацию. Однако такой информации ист и, к сожа-
лению, по-видимому никогда не будет. Нейрофизиология
как и 100 лет назад остается преимущественно эмпири-
ческой наукой. О том, как работает отдельный нейрон,
известно все или почти все. Однако в нейрофизиологии
нет законченной теории, а следовательно и понимания
того, как работает целый мозг в процессе мышления.
Ситуацию отчасти иллюстрирует бывшее популяр-
ным в шестидесятые годы прошлого века и остающееся
актуальным до сих пор следующее шуточное сравнение.
Представим себе, что на земле есть изолированная циви-
лизация, незнакомая с телевидением, и что живущие гам
175
Глава 6. Пассивные нейронные модели. Нейрокомпьютер
люди пытаются попять, как работает попавший к ним
телевизор. Проводя всевозможные эксперименты, они
поймет, как включать телевизор, определят назначение
клавиш панели управления, научатся переключать про-
граммы п регулировать громкость. Затем, изучая устрой-
ство телевизора, экспериментаторы проследят и устано-
вят все электрические связи, начнут делать послойные
срезы телевизора и рассматривать их в микроскоп и т. д.
Можно придумать и еще много других тонких исследова-
нии, однако ясно, что таким путем попять, как работает
телевизор, нельзя. Нужен целостный подход и построе-
ние па эюй основе теории работы телевизора.
При думать п экспериментально проверить теорию
работы мозга, по-видпмом\, должны и могут не физио-
логи, а. скорее, математики и инженеры. В этом на-
правлении как раз и ведутся работы по искусственному
интеллекту. При этом, ес тественно, придумывая теорию
работы мозга, нужно максимально использовать суще-
ствующую обширную экспериментальную нейрофизио-
логическую п психологическую информацию.
Основная минимальная информация об устройстве
головного мозга, которук» должен знать инженер, пы-
тающийся понять и смоделировать мышление, была из-
вестна еще в первой половине прошлого века. Состоит
эта информация в следующем.
Подавляющее большинство физиологов считает, что
мышление реализуется объединенными в сеть нервными
клетками — нейронами, которых в мозге человека около
14 млрд. Крайне незначительное меньшинство предпо-
лагает, что в мышлении помимо нейронов участвуют
и нейро!лиальные клетки, которых па порядок больше
и в среду которых погружены нейроны. По основной вер-
176
6.2. Минимальные сведения об элементах мозга
сип нейроглиальные элементы обеспечивают для мозга
только опорную и грофнчсскхю функции.
Обычно пишут. что нейрон имеет много входов
(до нескольких сотен) и один выход. В отношении вы-
ходов это неточно. Отходящая от нейрона одна связь
(аксон) чаще всего разветвляется и эти разветвления
(коллатерали) закапчиваются на разных нейронах. Это
полностью эквивалентно тому, что от нейрона отходи!
много связей, передающих информацию о возбуждении
нейрона одновременно по многим адресам.
Но каждому входу па нейрон может приходить дис-
кретный возбуждающий или тормозящий электрический
импульс от другого нейрона иди рецен горной (сенсор-
ной) клетки, например, от клетки сетчатки глаза. Ампли-
туда и полярность электрических импульсов, передавае-
мых но конкретной связи, постоянны. Может меняться
частота импульсов. Мембрана нейрона имеет исходный
потенциал. Приходящие па нейрон импульсы создают
возбуждающие или тормозящие потенциалы, которые
суммируются (со знаком) иа мембране нейрона. увеличи-
вая или уменьшая ее исходный потенциал, г. с. производя
поляризацию или деполяризацию мембраны. Чаще все-
го считается, что происходит как пространственная, так
и временная суммация накапливающихся на мембране
дополнительных потенциалов. С течением времени, ес-
ли не происходит возбуждения и разряда нейрона, го
накопленный на мембране нейрона дополнительный по-
тенциал поляризации пли деполяризации уменьшается
(но-видимому, экспоненциально).
Полярность всех импульсов при их передаче по свя-
зям одинакова. Импульс приобретает знак. т. е. возбуж-
дающую или тормозящую полярность, проходя через со-
единение между входной связью и телом нейрона. Это
177
Глава 6. Пассивные нейронные модели. Нейрокомпьютер
соединение называется синапсом. Большинство физио-
логов считает, что синапс определяет не только знак
но и величину передаваемого нейрону потенциала Это
связывается с изменением проводимости синапса. Часть
нейрона, па которой расположены синапсы, называется
дендрпгом.
Нейрон является дискретным пороговым элемен-
том. Когда суммарный накопленный на мембране ней-
рона потенциал поляризации достигает некоторого по-
рога, в нейроне происходит разряд. В результате разряда
по отходящей от нейрона связи (аксону) передается не-
затухающий по длине аксона импульс.
Различные аксоны могут иметь разную толщину и су-
щественно разную длину. Скорость передачи импульса
но аксону составляет в зависимости от толщины волокна
примерно от 1 до 100 м в секунду. Аксон на конце обычно
разветвляется на коллатерали, заканчивающиеся синап-
сами па дендритах других нейронов. В результате разряда
нейрона накопленный па нем потенциал обнуляется.
После разряда нейрона наступает период абсолют-
ной рефрактерности длительностью около 1 мс. когда
нейрон невозбудим. Затем следует период относитель-
ной рефрактерности длительностью несколько миллисе-
кунд, в течение которого порог возбудимости нейрона
снижается до нормального уровня, после чего следует
экзальтация — кратковременное снижение порога возбу-
димости ниже нормального уровня. Следует заметить,
что мозг включает нейроны многих типов, отличающие-
ся по своим свойствам. Поэтому периоды рефрактерно-
сти и экзальтации у каких-то нейронов могут иметь свою
специфику.
Существуют не имеющие значительного распростра-
нения и поддержки гипотезы, состоящие в том, что взаи-
178
6.2. Минимальные сведения об элементах мозга
модействие между нейронами осуществляется не только
но связям, но и посредством передачи полей возбужде-
ния п торможения.
Вот собственно и все. Можно пробовать строить
нейронные модели. Для того, чтобы попытаться как-то
по миниму му представить себе, как работает мозг, п по-
пробовать смоделировать эти представления, информа-
ции достаточно. Можно, конечно, предположить, что
в мозге есть еще что-то, не открытое пока еще физиоло-
гами. Допуская это н строя нейронную модель, можно,
конечно, придумывать недостающие необходимые свой-
ства. по делать это нужно только в том случае, если эти
свойства действительно необходимы для работы модели.
Ну и. конечно же, нужно стараться, чтобы нефпзиологич-
ность вводящихся таким образом новых свойств не была
чрезмерной.
Ограничиваясь при моделировании мышления при-
веденной информацией о нейронах и нейронной сети,
можно, главным образом, варьировать всего три вещи.
Первое — это связи между нейронами, их топология,
а также законы или правила формирования связей и их
изменения. Второе — это правила формирования и из-
менения синаптических проводимостей. II третье — это
правила изменения порога нейрона. Точными сведения-
ми обо всем этом нейрофизиология не располагает.
Конечно профессионалы-физиологи могут сказать,
что приведенная информации о мозге неполна и в чем-
то неточна. Это не страшно. Приведенный перечень
свойств элементов мозга, конечно же, является откры-
тым. В то же время, вряд ли к приведенным свойствам
можно добавить многое, что будет иметь решающее зна-
чение. Кроме того, если не придерживаться тезиса, что
179
Глава 6. Пассивные нейронные модели. Нейрокомпьютер
мышление — эго функция мозга п только мозга, го, изоб-
ретая мышление, не обязательно, ориентируясь в целом
на мозг, пытаться его слепо копировать. Можно добавить
элемент фли азии.
Малочисленные известные, а может быть и еще
неизвестные, свойства нейрона часто разбивают на две
группы. Первая группа — эго свойства, определяющие
внешнюю логику работы нейрона и логику работы ней-
ронной сети. Вторая группа — это свойства, обслужива-
ющие «собственные нужды» нейрона как живой клетки.
Разделить эти группы можно попытаться с позиций це-
лостных представлений на основе теории работы мозга.
Правда, можег оказаться и го, что с позиций целост-
ных представлении о работе мозга эти группы свойств
неразделимы. Одновременно теория и успешные ней-
ронные модели механизмов мозга могут стимулировать
целенаправленные нейрофизиологические эксперимен-
ты. Таким образом, целостность и целенаправленность
так же важны при проведении научных экспериментов,
как и при распознавании образов.
Приблизительно в рамках приведенной информа-
ции о нейронах п нейронной сети для объяснения ра-
боты мозга были предложены различные модели, яв-
ляющиеся в подавляющем большинстве производными
о г модели логических нейронных сетей Мак-Каллока
и Питтса [31.32], либо модификациями перцептрона Ро-
зенблатта [43,44]. В следующих разделах описываются
и оцениваются эти модели. Оценивая эти н другие суще-
ствующие модели механизмов мозга, полезно помнить
слова Эйнштейна: «Теория должна быть проста настоль-
ко, насколько это возможно, но не проще». Это же пре-
дупреждение нужно не забывать, строя новые модели.
180
6.3. Логические нейронные сети Мак-Каллока и Питтсо
6.3. Логические нейронные сети
Мак-Каллока и Питтса
В 1943 году Мак-Каллоком и Питтсом была опубли-
кована статья A logical calcula of the ideas immanent
in nervous activity» (Логическое исчисление идей, отно-
сящихся к нервной активности) [31,84] В этой статье
была предпринята попытка описать работу нейронных
механизмов мозга, используя аппарат математической
логики.
Мак-Каллок и Пптгс нс ставили своей целью решать
какие-либо прикладные задачи Их модель была чисто
теоретической попыткой представить мозг как совокуп-
ность связанных в сеть логических элементов. К этому
подталкивало то. что живой нейрон похож, а при опре-
деленных ограничивающих предположениях становится
логическим пороговым элементом, имеющим фиксиро-
ванное ЧИСЛО ДВОИЧНЫХ ВХОДОВ И ДВОИЧНЫЙ выход.
Свойства нейронов и нейронной сети определялись
следую»(IiM11 аксиомами.
1. Возбуждение нейрона соответствует принципу «все
пли ничего».
2. Возбуждение нейрона в какой-то момент времени
происходит, если в предшествующий момент вре-
мени произошли возбуждения определенного фик-
сированного числа синапсов. Это число не завпеш
ни от предыдущей активности, ни от расположения
синапсов на нейроне. Время делится па дискретные
моменты — такты.
3. Возбуждение по связи о г одного нейрона к любому
другому’ происходит без задержки (за одни такт).
181
Глава 6. Пассивные нейронные модели. Нейрокомпьютер
4. Синапсы могут быть как возбуждающими. так и тор-
мозящими. Входной сигнал, прошедший через тор-
мозящий синапс, абсолютно исключает возбужде-
нно данного нейрона в рассматриваемый момент
времени.
5. С течением времени структура сети не изменяется.
Удовлетворяющие приведенной аксиоматике фор-
мальные нейроны и нейронные сети Мак-Каллока и
Питтса обладают следующими свойствами. Во-первых,
доказано, чго эти формальные нейроны могут реали-
зовать любую двоичную логическую функцию. Во-вто-
рых. доказано, что из этих формальных нейронов мож-
но построить сеть, реализующую любое высказывание
логики высказываний. Чго из этого следует? Переска-
зывая фон Неймана (предисловие к [52]), можно ска-
зать, что если функционирование системы заключает-
ся в формировании реакций на се выходе в зависи-
мости от входов, то с помощью формальной нейрон-
ной сети Мак-Каллока и Пиггса в этой системе воз-
можна реализация любого такого функционирования,
которое можно точно и однозначно описать конечным
числом слов.
Модель мозга Мак-Каллока и Питтса вызвала массу
возражений, как со стороны физиологов и психологов,
так п со стороны инженеров. Мы не будем подробно
рассматривать эти возражения. Приведем лишь слова
Ф. Розенблатта; «Требовать точного знания логической
структуры нервной сети для предсказания ее поведе-
ния равносильно тому, чтобы требовать знания точного
положения и скорости каждой молекулы находящегося
в сосуде газа для предсказания его температуры».
182
6.3. Логические нейронные сети Мок-Каллока и Питт со
Предложенная Мак-Каллоком и Питтсом модель, ко-
нечно же. не является моделью мозга. В этой модели
не реализуется ни одно из сформх тированных в предыду-
щем разделе необходимых свойств моделей мозга. Даже
если предположить, чго большинство из этих свойств
не являются необходимыми, то остается необходимым
по крайней мере одно — активность. Модель мозга не мо-
жет быть пассивным логическим дешифратором, жестко
связывающим вход с выходом. Кроме того, вызывает,
по меньшей мере, сомнение физиологичность большин-
ства принятых Мак-Каллоком и Питтсом аксиом о свой-
ствах нейронов и нейронной сети.
Тем не менее работа Мак-Каллока и Питтса была
очень полезна. Во-первых, эта работа стимулировала
многие целенаправленные нейрофизиологические ис-
следования, касающиеся как свойств отдельного ней-
рона, так п сети в целом, например, хотя бы, работы
но попеку эпграм памяти [83].
Во-вторых, эта работа послужила определенным тол-
чком к развитию аппарата математической логики. Оче-
видная недостаточность классической математической
логики для описания работы мозга потребовала разра-
ботки различных пекласспческ!IX логик, например таких,
в которых делаются попы гкп формализации ассоциаций,
аналогий, индукций, учета времени и т. д. Стимулиро-
вались п работы по созданию различных формальных
систем представления знаний
II. наконец, в-трстьпх. нейронная модель Мак-Кал-
лока п Питтса вызвала как разработку ее различных
модификаций, так п создание иных нейронных моде-
лей, например таких, как перцептрон Розенблатта или
современные формальные нейронные сети, широко при-
меняющиеся на практике для распознавания образов.
183
(лава 6. Пассивные нейронные модели. Нейрокомпьютер
6.4. Перцептрон Ф. Розенблатта
В 1958 году Ф. Розенблатт предложил нейропилю се-
тевую модель механизмов зри дельного анализатора моз-
га, которую он назвал «перцептрон» [43,44]. Слово «пер-
цептрон» является производным от ашл. perception или
лат. percept io — восприятие.
Также как и нейронные сети Мак-Каллока и Питт-
са, перцептрон, во всяком случае в начале, был чисто
теоретической моделью, холя п строился как автомат,
реализующий в перспективе такую практически значи-
мую функцию, как распознавание зрительных образов.
Однако возможность эффективного практическою при-
менения перцептрона в начальных авторских вариантах
всерьез не рассматривалась.
Исходная задача состояла в том, чтобы объяснить,
как сеть из венроноподобных элементов может обучать-
ся и распознава ть подаваемые на вход сети изображения.
В подавляющем большинстве случаев все физические
предположения о свойствах нейронов п нейронной сети
реализовывались программно н все выводы основыва-
лись на теоретических построениях и моделировании
на ЦВМ. Как Розенблаттом, гак и другими авторами рас-
сматривались многие разные варианты перцептронов.
Один из вариантов простого трехслойного дискретного
перцептрона устроен следующим образом.
Изображение фиксируется на входном прямоуголь-
ном дискретном поле в виде растра т х п (аналогия —
сетчатка глаза). В каждой точке входного поля располо-
жен дискретный чувствительный (сенсорный) элемент,
передающий дискретный сигнал по отходящим от него
связям, если яркость изображения в соответствующей
точке входною поля больше некоторого порога. Обыч-
184
6.4. Перцептрон Ф. Розенблатта
по этот сигнал может принимать только два значения О
или 1 Входной уровень перцептрона называется сенсор-
ным, или уровнем S-элементов.
Сигналы о г 5-элсмсптов передаются по связям на
входы Л-элементов, ii.hi элементов ассоциативного \ ров-
ня. Л-элемент — эго формальный нейрон, т. е. дискрет-
ный элемент, имеющий порог срабатывания, входы,
связанные с S-элсменгами, и выходные связи, идущие
к Я-элементам (см. ниже). В отличие от формально-
го нейрона Мак-Каллока и Питтса формальный нейрон
в некоторых вариантах перцептрона имеет собственный
вес. Время дискретно, т. е. делится на моменты, син-
хронизирующие работу всех элементов. Ассоциативный
нейрон срабатывает в момент времени t 4- 1. если сумма
сигналов на его входах в момент времени t превышает
порог. Пороги срабатывания всех нейронов равны и по-
стоянны. В варианте, когда нейрон имеет свой вес, вели-
чина выходного сигнала прямо зависит от веса нейрона.
Вес нейрона — величина переменная, изменяющаяся при
обучении.
Сигналы от нейронов ассоциативного уровня пере-
даются по связям па входы R -элем с иго в или элементов
уровня реакций. R-элсмент — это формальный нейрон,
т. с. дискретный элемент, имеющий порог срабатывания,
входы, на которые поступают сигналы от Л-элемеитов,
п два состояния 0 и 1. Порог Я-эле.меп га обычно равен 0.
Если алгебраическая сумма сигналов на входе Л-элемснта
больше 0, то элемент находится в состоянии 1. в против-
ном случае элемент находится в состоянии U. Каждый
R-элемент имеет имя. соответствующее имени одного
из классов распознаваемых объектов. 11мена присваива-
ются Я-элементам при обучении. На выходе системы как
185
(лава 6. Пассивные нейронные модели. Нейрокомпьютер
при помощи их нормализации путем масштабирования,
сдвига пли поворота. Этих операций нейронная сеть пер-
цептрона не делает. Вместо этого в перцептроне, так же
как в imilnfont-ciiCTewx распознавания печатных симво-
лов, для каждого класса изображений может создаваться
много эталонов — по одному на каждый отличающийся
пример изображения из этого класса.
В таких системах возможно распознавание по сход-
ству, когда распознаваемое изображение не совпадает
в точности ни с одним из эталонов, по с каким-то из них
имеет нс очень большие допустимые! различия. Для объ-
единения эталонов одного класса вводится дополнитель-
ный слой Л-элементов (четырехслойный перцептрон).
Перцептрон Розенблатта проверялся, главным обра-
зом, на изображениях горизонтальных и вертикальных
линий. Делались также попытки отличить изображения
треугольника и квадрата.
Как теоретический анализ. так и анализ результатов
экспериментов позволяет сделать вывод, что предложен-
ный Ф. Розенблаттом нейронный анализатор (классифи-
катор) растровых изображений не обладает свойством
обобщения по примерам, т. е. распознает недостаточ-
но хорошо. По опенкам многих исследователей перцеп-
трон пс является и удовлетворительной моделью мозга.
С подробным анализом возможностей трехслойных пер-
цептронов можно ознакомиться по работе М. Минского
и С. Паппсрта [37].
Перцептрон разрабатывался как модель мозга. Ни
одна модель, являясь каким-то приближением, в то же
время не описывает обьект в точности, иначе она просто
стала бы этим объектом. Однако модель, как минимум,
должна давать язык или схему, в рамках которой бы-
188
6.5. Современные распознающие нейронные сети
ло бы можно обсуждать моделируемое явление в каких-
то но возможности общих и существенных его аспектах.
С этой точки зрения с определенной значительной на-
тяжкой перцешрон. гак же как и нейронную сеть Мак-
Каллока п Питтса, можно считать начальными моделями
мозга, однако нужно отметить, что эш модели пс облада-
ют ни одним из выделенных памп необходимых свойств.
В первую очередь, эти автоматы являются пассивными
дешифраторами « вход — выход»», т. с. не обладают ак-
тивностью.
В го же время, перцептрон Ф. Розенблатта, так же
как и работа Мак-Каллока п Питтса, дал значительный
толчок к развитию многочисленных теорий построения
распознающих автоматов, строящихся как сети из фор-
мальных нейронов. Следующим шагом в этом направле-
нии стали современные формальные нейронные сети,
реализующие признаковое распознавание.
6.5. Современные формальные
распознающие нейронные сети
Современные формальные распознающие нейрон-
ные сети (ФРНС) можно считать развитием перцептро-
на Ф. Розенблапа. Часто между ними вообще пс делают
различия, называя перцептроном любой распознаватель,
построенный с использованием формальных нейронов.
Будем проводить условную границу между классическим
перцептроном и ФРНС. называя перцептроном растро-
вый распознаватель Ф. Розенблапа. а ФРНС — признако-
вый. Можно считать, что попытка полущить обобщения
и эффективное распознавание в формальной нейронной
189
(лава 6. Пассивные нейронные модели. Нейрокомпьютер
сети с растровым входом без предварительных преобра-
зовании входной информации не удалась. Это послужило
толчком к развитию признаковых нейронных распозна-
вателей п специальных систем, называемых нейроком-
пьютерами (см., например, [57]).
Необходимость или, по крайней мере, целесообраз-
ность изменения модели Розенблатта путем перехода
от задач распознавания изображений на растре к за-
дачам распознавания но признакам была понятна мно-
гим исследователям. Так. например, это отмечалось еще
В. М. Глушковым [21]. При разработке перцептрона пер-
вичная цель состояла в том. чтобы понять, как работа-
ет мозг в процессе распознавания зрительных образов,
спроектированных на входной растр зрительного ана-
лизатора. При создании ФРНС на первое место вышла
практическая цель — распознавание.
Итак, основные отличия ФРНС от классического
перцептрона Розенблатта состоят в замене входного зри-
тельного растра вектором признаков п. соответственно,
в отсутствии растрового сенсорного слоя (слоя 5-элемен-
тов) , а также в принципиально иной процеду ре обучения.
Формальную распознающую нейронную сеть часто
рассматривают как черный ящик, имеющий вход, выход
и какое-то почти таинственное, строго не определяе-
мое внутреннее функционирование. Попробуем настоль-
ко. насколько это возможно, заглянуть внутрь черного
ящика.
Итак, на вход ФРНС подается не поточечное (раст-
ровое) изображение, а признаки, причем признаки лю-
бой модальности, т. е. распознаваться, как и в любой
признаковой распознающей системе, могут не только
изображения, а все что угодно, например, зв\ки, бо-
лезни по их симптомам, геологические объекты и т. д.
190
6.5. Современные распознающие нейронные сети
Поэтому в гпб’шкацпях часто приводят очень широкие
списки областей применения ФРНС. При этом нужно
поиимап». чю шпрота области применения относи гея
не к распознающим нейронным сетям, а к распознава-
нию по признакам. Одна область применения отличается
от другой не какой-то принципиальной спецификой ра-
боты нейронной сети, а. в первую очередь, алфавитом,
особенное' ! ими и способом получения используемых для
распознавания признаков.
Чго касается живого мозга, то информация в зри-
тельный анализатор коры головного мозга передастся
и как растровая проекция, и как признаки. Первичное по-
лучение простейших зрительных признаков происходит
в рецептивных полях [50], связанных с сетчаткой глаза
в специальных нейронных сетях. Кроме того, зритель-
ный анализатор мозга устроен, по-впднмому. иерархи-
чески с последовательным усложнением анализируемых
признаков. Проблема получения признаков в современ-
ных распознающих ФРНС обычно не рассматривается.
В то же время нс рассматривается и работа с растровыми
изображениями.
Формальный нейрон — это пороговый элемент, име-
ющий число входов, равное числу учас твующих в распо-
знавании признаков, и один выход. Признаки на входах
могут иметь много градаций. Каждая входная связь имеет
свой вес. Веса связей моп г быть как положительными,
так и отри на гельными. Классический формальный ней-
рон считает взвешенную алгебраическую с\ ммх значений
входных признаков и сравнивает се с фиксированным по-
рогом. Если эта сумма меньше порога, то выход нейрона
равен -1. если больше порога, то +1. Это иллюстрирует
сплошная линия иа рис. 3.
191
Глава 6 Пассивные нейронные модели Нейрокомпьютер
Уравнение, определяющее состояние нейрона:
С, (6.1)
где Xi — значение признака, Ki — весовой коэффи-
циент, С — порог срабатывания. Величины признаков
и коэффициентов могут иметь как положительные, так
п отрицательные значения. Уравнение (6.1) определя-
ет гиперплоскость в пространстве признаков (при двух
признаках — прямую линию).
Каждому распознаваемому объекту соответствует
вектор в пространстве признаков. В соответствии с 'рав-
нением (6.1), нейрон строит гиперплоскость в простран-
стве признаков и определяет, но какую сторону о г этой
плоскости лежит точка. соответствующая вектору при-
знаков распознаваемого обьекта. Как проходи г гипер-
плоскость. зависит от коэффициентов К и порога С.
Иногда, рассматривая условие срабатывания нейро-
на — уравнение (6.1), забывают о том, что формаль-
ный нейрон просто строит разделяющую гиперплос-
кость в пространстве признаков, и говорят о весе ?’-го
192
6.5. Современные распознающие нейронные сети
признака, о вкладе признака в сумма К,х,. о различной
значимости признаков в зависимости от их веса и т. и.
По-видимому, может вводить в заблуждение термин «вес
признака". В действп гелыюстп Ki это не вес, а просто ко-
эффициент в сравнении разделяю щеп гиперплоскости,
определяющий ее положение в пространстве признаков.
Для распознавания объектов, относящихся к двум
классам, может оказаться достаточным один нейрон.
Это возможно в случае. когда в пространстве призна-
ков существует такая гиперплоскость, что все точки,
соответствующие векторам признаков объектов первого
класса, лежат по одну сторону от этой гиперплоскости,
а все точки, отображающие объекты второго класса. —
по другую. Этот случай иллюстрирует рис. 4 А.
Качественно определить подобный случай можно
следующим образом: точки, отображающие объекты каж-
дого класса в пространстве признаков, расположены
компактно: поверхности, огибающие множество точек
14 За< 115
193
Глава 6. Пассивные нейронные модели. Нейрокомпьютер
каждого класса, допускают, в принципе, выпуклые не пе-
ресекающиеся аппроксимации.
Задача построения разделяющей гиперплоскости со-
стоит в определении коэффициентов К и порога С. Ре-
шается эта задача при обучении с использованием боль-
шого числа примеров — обучающих выборок. Поскольку
при обучении могут использоваться только конечные
обучающие выборки, то даже в простом случае, подоб-
ном приведенному выше, решается пс задача абсолютно-
го разделения, а лишь задача максимизации вероятности
правильного отнесения неизвестного распознаваемого
объекта к одному из классов или, что то же самое, задача
минимизации вероятности ошибки. Эта задача решается
нс строго и тем лучше, чем представительней обучающая
выборка и чем выше ее статистическая достоверность.
П роведение разделяющей гиперплоскости, т. е. нахо-
ждение необходимых для наилучшего разделения клас-
сов параметров К и С нейрона, усложняется, если по-
верхности, огибающие множество точек каждого класса,
пересекаются. Такой случай показан па рис. 4 В.
Как видно из иллюстрируемого рисунком приме-
ра. провести разделяющую плоскость так, чтобы точки,
представляющие в обучающей выборке объекты первого
класса лежали по одну сторону от плоскости, а второго
класса — по другую, в этом случае невозможно.
Тем не менее, задача решается эвристически с ис-
пользованием. по-прежнему, только одного нейрона. При
этом при нахождении величин К и С можно строить
целевую функцию, вычисляемую на всех точках обучаю-
щей выборки и зависящую, например, от числа ошибок
на обучающей выборке либо от каких-то функций рас-
стояний от точек обучающей выборки до разделяющей
плоскости.
194
6.5. Современные распознающие нейронные сети
Еще усложним задачу. Рисунок 4 С иллюстрирует слу-
чай, когда поверхности, огибающие множество точек
обучающей выборки каждого из двух распознаваемых
классов, не выпуклы и расположены так, что проведе-
ние разделяющей плоскости невозможно. Однако в этом
случае существует разделяющая поверхность, которую
можно попытаться аппроксимировать плоскостями. Для
аппроксимации нелинейной разделяющей поверхности
с использованием нейронов нужно несколько нейронов
по числу аппроксимирующих плоскостей.
Предположим, что для обучающей выборки, состоя-
щей по-прежнему из объектов только двух классов и «не-
выпуклого» случая, иллюстрируемого рис. 4 С, удалось
при обучении получить значения Ki и Сг для всех аппрок-
симирующих гиперплоскостей (нейронов). Назовем эти
нейроны нейронами первого уровня. Теперь для получе-
ния результата распознавания необходим еще один — вто-
рой уровень, объединяющий результаты первого уровня.
В случае распознавания об ъектов двух классов этот уро-
вень должен состоять из одного нейрона, выход которого
+-1 или — 1 указывает, к какому из двух классов относит-
ся распознаваемый объект. Нейрон второго выходного
уровня строит разделяющую плоскость в пространстве
значений выходов нейронов первого уровня.
На втором нейронном уровне могут возникнуть про-
блемы, связанные с необходимостью реализации в не-
которых случаях «исключающего ИЛИ». Снять эту7 про-
блему можно обычным программным путем либо путем
предшествующей обучению кластеризации обучающего
множества. При этом число распознаваемых на первом
нейронном уровне классов увеличивается на число до-
полнительно вводимых кластеров.
14'
195
Глава 6. Пассивные нейронные модели. Нейрокомпьютер
Классический формальный нейрон, реализуя урав-
нение (6.1), строит разделяющую плоскость в п-мерном
пространстве признаков (при п = 2 — прямую линию).
Уйти от необходимости аппроксимировать плоскостями
нелинейную разделяющую поверхность и вводить допол-
нительный результирующий или собирающий нейрон-
ный слой можно, изменив уравнение нейрона. Напри-
мер. нейрон может строить нс уравнение гиперплоско-
сти, а уравнение n-мерпого эллипсоида (на плоскости —
эллипса), т. е. считать взвешенную сумму квадратов зна-
чений признаков. В принципе, на формальном нейро-
не, имеющем п входов, можно строить любую разделя-
ющую поверхность, определяемую любой вычислимой
функцией п-перемен пых. Правда, в этом случае может
значительно усложниться задача построения уравнений
разделяющих поверхностей и усилиться сомнение в пра-
вомочности использован ini слова «нейрон».
До сих пор мы рассматривали задачу распознавания
объектов, относящихся к двум классам. Задача распозна-
вания в случае, когда число классов больше двух, напри-
мер т, сводится к т задачам с двумя классами. В каждой
из этих т задач должна рассматриваться задача распозна-
вания с двумя классами, когда первый класс — это один
из т классов основной решаемой задачи распознавания,
а второй класс — это объединение всех остальных т — 1
классов.
В рамках приведенной выше логики с использова-
нием в явном виде разделяющих гиперплоскостей в про-
странстве признаков можно строить распознающие си-
стемы, не аппелируя к нейронам и нейронным сетям.
Особенно просто и естественно это делать при распо-
знавании двух классов объектов. Именно так органи-
зован п работает дифференциальный уровень системы
196
6.5. Современные распознающие нейронные сети
распознавания символов печатного текста — FineReader,
а также дифференциальные уровни систем распознава-
ния рукописных текстов FineReader-рукопись и Form-
Reader. На этих уровнях распознавателей текстов при
обучении ищутся аналитические зависимости, задающие
разделяющие гиперплоскости в пространстве признаков.
Это же можно реализовать и па формальных нейронах.
При этом в распознавании ровным счетом ничего нс из-
мени гея.
Отметим, что работая с разделяющими гиперплоско-
стями пли. что то же самое, с формальными нейронами
нужно иметь в виду, что мерность пространства призна-
ков должна быть фиксирована и не меняться как при
обучении, гак и при распознавании разных объектов.
Например, нельзя, построив при обучении разделяю-
щую плоскость в трехмерном пространстве признаков,
уменьшить мерность пространства признаков и пытать-
ся распознавать, используя не плоскость, а разделяющую
прямую линию. В связи с этим может возникать опреде-
ленная проблема, поскольку отдельные признаки могут
быть разрушены и новы числи.мы на конкретных объек-
тах распознавания. При обучении такие случаи должны
идентифицироваться, а такие объекты можно попросту
пропускать. При распознавании такие объекты тоже,
конечно, можно пропускать, т. с. не распознавать этим
методом. Но можно и пытаться их распознавать, делая
с целью сохранения мерности разделяющей гиперплос-
кости определенные специальные действия для замеще-
ния отсутствующих признаков некоторыми фиктивными
"безвредными» значениями.
На рис. 3 сплошной линией показана выходная ха-
рактеристика классического формального нейрона. В со-
временных ФРНС обычно используются нейроны, у ко-
197
Глава 6. Пассивные нейронные модели. Нейрокомпьютер
торых пороговый скачок от -1 к +1 заменяется плав-
ным, дифференцируемым, чаще всего сигма-образным
переходом, показанным на рис. 3 пунктиром.
Такой нейрон по-прежнему строит разделяющую ги-
перплоскость. Во всех точках пространства признаков,
лежащих по одну сторону от разделяющей плоскости, вы
ход нейрона равен положительной величине, по другую
сторону — отрицательной.
Введение в формальном нейрине вместо порогового
скачка плавного дифференцируемого перехода ничего
принципиально в распознавании не меняет, а лишь поз-
воляет использовать различные градиентные алгоритмы
обучения сети. т. с. алгоритмы нахождения коэффициен-
тов в уравнениях разделяющих гиперплоскостей. Кроме
того, плавная выходная характеристика нейрона даст
возможность получать оценку’ уверенности распознаю-
щей системы в результате распознавания. Эта оценка
используется в некоторых системах распознавания при
формировании результата. В то же время, как уже от-
мечалось в главе 2. нужно понимать, что эта оценка,
строго говоря, не является ни вероятностью правиль-
ного распознавания, ни расстоянием до разделяющей
гиперплоскости. Правда, ни из чего не следует, что
евклидово расстояние до разделяющей! гиперплоскости
в пространстве признаков всегда является паилучшим
или просто хорошим критерием для получения количе-
ственной оценки « уверенности» системы в правильности
результата распознавания. Не исключено, что в каких-то
конкретных случаях строить разделяющие поверхности
и пространстве признаков и определять в этом простран-
стве расстояния лучше в какой-нибудь другой метрике.
Существующие многочисленные варианты ФРНС в
подавляющем большинстве случаев принципиально от-
198
6.5. Современные распознающие нейронные сети
лIIчаются друг о г друга только используемыми градиент-
ными алгоритмами обучения, г.е. алюритмами нахожде-
ния коэффициентов (весов входов нейронов) и свобод-
ных членов в уравнениях разделяющих гиперплоскостей.
Один из наиболее популярных алгоритмов обучения ней
ронной сети описан в [81].
Таким образом, формальная распознающая нейрон-
ная сеть — это пассивный признаковый распознаватель,
обладающий всеми отмеченными в главе 2 недостатками
признаковых распознавателей. Напомним, что эти недо-
статки. в первую очередь, определяю гея последователь-
ной организацией процесса распознавания, отсутствием
целостности восприятия, целенаправленности и актив
пос in. Еще одним важнейшим недостатком признако-
вых распознавателей, и в частности ФРНС, является
то, что эти сис темы работают только в фиксированном
пространстве признаков, одинаковых для всех объектов
распознавания.
В то же время, формальная распознающая нейрон-
ная сеть не является и серьезной нейронной моделью
мозга. Не является она и удовлетворительной моделью
специфических нейронных механизмов зрительного ана-
лизатора мозга. В этом плане формальная распознающая
нейронная сеть ничем не отличается от логической ней-
ронной сети Мак-Каллока и Пн п са п перцептрона Ро-
зенблатта. Все эти нейронные модели работают по схеме
«стимул — реакция». При этой схеме невозможна органи-
зация целенаправленного (двунаправленного) процесса
восприятия, идущего одновременно снизу вверх, г. е.
от изображения к пониманию, и сверху вниз, т.е. от по-
нимания к изображению. Эти модели нс имеют и других
приведенных выше функций и свойств, необходимых
199
Глава 6 Пассивные нейронные модели. Нейрокомпьютер
для построения модели среды, эффективной в отноше-
нии задач восприятия и управления поведением.
Иногда говорят о принципиальной возможности по-
строения в формальной нейронной модели описаний
целостных обьектов с использованием разделяющих по-
верхностей в пространстве каких-то признаков или ха-
рактеристик. Эта концепция представляется малопродук-
тивной и не физиологичной по трем причинам. Первая
причина состоит в том, что описания целостных объек-
тов в модели среды должны быть независимы и описы-
вать объекты как таковые, а нс стрс пгься па функции
разделения. Независимость описаний позволяет отли-
чать объект от любых других, как известных (описанных
в модели), так и от неизвестных.
Вторая причина состоит в том, что разделяющие по-
верхности можно строить только в фиксированном про
страпстве характеристик, одинаковых для всех объектов
восприятия При этом все характеристики (признаки)
должны использоваться при построении описаний (раз-
деляющих поверхностей) всех объектов. Понятно, что
это абсолютно псфпзиологично и принципиально отли-
чается от приведенного в главе 2 способа представле-
ния в модели объектов восприятия па основе индивиду-
альных целостных независимых описаний. И, наконец,
главная причина состоит в том, что описания объектов
с использованием строящихся в сетях из формальных
нейронов разделяющих гиперплоскостей не подходят
для реализации целенаправленного процесса «распозна-
вания с пониманием».
Остановимся на вопросе о физиологичноеги и неко-
торых других функциях, решаемых сетью из формальных
нейронов. Как уже отмечалось, в основе работы ФРНС
200
6,5. Современные распознающие нейронные сети
лежат две функции. Первая — эго построение ид ней-
ронах разделяющих гиперплоскостей в фиксированном
пространстве признаков. Вторая — построение иерар-
хии распознана гелей, где распознаватель более высокого
уровня cipom разделяющие плоскости в пространстве
некоторых характеристик. являющихся производными
от результатов работы распознана геля более низкого
уровня. Реализуются ли подобные свойства в мозге?
Предположение о том. что реальные нейроны стро-
ят разделяющие гиперплоскости в фиксированном, оди-
наковом для всех распознаваемых обьектов простран-
стве каких-то признаков или характеристик представ-
ляется весьма сомнительным, пли. как минимум, тре-
бующим подробного рассмотрения и определения ме-
ста этой, если и существующей, то безусловно частной
функции в общей картине работы мозга. Весьма сомни-
тельной является возможность формирования величин
синаптических проводимостей отдельных нейронов (ко-
эффициентов в уравнениях разделяющих гиперплоско-
стей) путем решения на сети общей задачи, типа задачи
поиска этих коэффициентов ме тодом обратного распро-
странения ошибки. Более чем сомнительной является
привязка каких-либо логических функций к отдельному
нейрону, в чем убеждают результаты большого количе-
ства нейрофизиологических работ, посвященных попеку
энгр 1мм памя ги.
О необходимости иерархи ческой организации стро-
ящейся в мозге модели среды выше творилось неод-
нократно. Однако в ФРНС возникает очень специфи-
ческая иерархия, определяемая первым свойством, т.е.
тем. что нейроны строят разделяющие гиперплоскости
в пространстве признаков пли каких-то характеристик
и необходимостью объединения этих результатов. Эта
13 Заи 115
201
Глава 6« Пассивные нейронные модели. Нейрокомпьютер
иерархия не является иерархией типа «часть — целое».
Не является она, скорее всего, и иерархией типа «част-
ное — общее». Переход о г частного к общему реализуется
в ФРНС еще в первом слое при построении разделяю-
щих гиперплоскостей. В многослойных ФРНС на верх-
нем уровне к этому, по-видимому, добавляется только
объединение результатов нижнего уровня за счет реали-
зации простых функций, близких по смыслу логическим
функциям «И» и «ИЛИ». Отличие иерархии, реализуе-
мой в ФРНС. от иерархии в строящейся в мозге модели
проблемной среды состоит еще и в гом, что при рас-
познавании процессы в ФРНС'. разворачиваются только
в одну сторону — снизу вверх. В формальных распо-
знающих нейронных сетях не просматривается возмож-
ность создания иерархической модели среды, включа-
ющей действия и процессы, определяющие переходы
между ситуациями. Последнее представляется принци-
пиально необходимым функциональным свойством мо-
делей мышления.
В добавление к отмеченной функциональной исфи-
зиологичиости уточним, в чем состоит нефизиологич-
иость и некоторых конкретных свойств приведенных
выше формальных нейронных моделей. В этих моделях
носителями информации являются отдельные нейроны.
На отдельных нейронах реализуются логические функ-
ции в сети Мак-Каллока и Питтса, отдельные нейроны
формируют выход в перцептроне Розенблатта и стро-
ят разделяющие плоскости в распознающих формаль-
ных нейронных сетях. Разрушение одного единственно-
го нейрона в этих системах должно приводить к полному
нарушению их работы. В живом мозге ничего подобного
не происходит.
202
6.5. Современные распознающие нейронные сети
Уже отмечалось. что разработка формальных моде-
лей нейронных сетей подтолкнула физиологов к прове-
дению многих направленных экспериментов и. в част-
ности. многочисленных экспериментов по поиску так
называемых энграмм намят. например, экспериментов,
описанных в работах [26], [83]. В этих и многих дру-
гих работах ставилась задача соотнесения конкретной
запоминаемой информации или функции с конкретным
нейроном пли местом в коре головного мозга. Экспери-
менты проводились па больных с частичными поврежде-
ниями мозга и па животных с экспериментальным разру-
шением отдельных нейронов или компактных областей
коры головного мозга. Найти энграммы памяти не уда-
лось. Локальные разрушения приводят не к забыванию
конкретного объекта пли к нарушению конкретной функ-
ции, а, например, к ухудшению качества распознавания
многих объектов или к снижению качества выполнения
разных функций.
Вывод, делающийся во многих работах, например
[26,80]. состоит в том. что единицей переработки п хра-
нения информации в мозге является не отдельный ней-
рон. а ансамбль нейронов, объединенных взаимно воз-
буждающими связями. При этом нейроны одного ансамб-
ля распределены ио локально. а в некоторой области
пространства коры головного мозга.
Приведем и другие отличия. В формальных распо-
знающих нейронных сетях нейрон подсчитывает взве-
шенную сумму входов и сравнивает ее с порогом. Эго
значит, что при решении задачи признакового распозна-
вания на каждый вход нейрона поступает значение соот-
ветствующего этому входу признака, которое умножается
на некоторый определенный при обучении постоянный
коэффициент. Значение признака зависит от того, что
13'
203
Глава 6. Пассивные нейронные модели. Нейрокомпьютер
поступило па вход распознающей системы, п может быть
различным. В реальном нейроне в качестве коэффици-
ента связи (входа) может рассматриваться величина си-
наптической проводимости. Второй сомножитель для
конкретной связи является постоянным по амплитуде
и как значение признака интерпретироваться не может.
Сигналы, приходящие на нейрон по конкретной связи,
могут иметь разную частоту. Эго. конечно, может исполь-
зоваться для построения логики какой-то распознающей
нейронной схемы, но это будет уже совсем другая логика
и совсем другие нейроны, т.е. не формальные нейроны,
подсчитывающие взвешенную сумму значений признаков
(входов), а что-то иное.
В формальных распознающих нейронных сетях, так
же как в перцептроне и логических сетях Мак-Каллока
и Питтса, время разбивается на такты, задержки при
передаче сигналов по связям отсутствуют. Отсутствует'
временная суммация возбуждающих и тормозящих воз-
действий. Живой нейрон — это дискретный пороговый
элемент, работающий по принцип}- «все или ничего».
Ведение в формальном нейроне плавной, например, епг-
ма-образиой выходной характеристики делает элемент
непрерывным. Понятия «порог возбуждения (срабатыва-
ния)», «разряд», «выходной импульс», «серия импульсов»
для такого формального нейрона теряю г смысл.
Порог возбуждения (срабатывания) живого нейрона
не является постоянным, а изменяется во времени в за-
висимости от предыстории срабатываний. Сразу после
разряда нейрона возникают динамические составляю-
щие порога — рефрактерность и экзальтация. Благодаря
этому результатом возбуждения нейрона может быть как
одиночный импульс, так и серия импульсов. Есть дан-
204
6.5. Современные распознающие нейронные сети
иые о том. ч1 о в зависимости от предыстории срабаты-
вании изменяется и статическая составляющая порога
нейрона.
II наконец, необходимо еще раз отметить главное
отличие описанных выше формальных нейронных моде-
лей от живого мозга, отличие, состоящее в отсутствии
синергичное ги и активности. Об этих свойствах живого
мозга будет еще подробно говориться в главе 7.
До сих пор мы говорили о формальных распозна-
ющих нейронных сетях. К понятию «формальная ней-
ронная сеть» часто добавляется понятие «нейрокомпью-
тер». Этот термин не очень удачен. Системы, к которым
он обычно применяется, вычислительными машинами
не являются. Нейрокомпьютеры в каком-то приближе-
нии можно разделить на три группы. Первая группа —
это просто описывавшиеся выше формальные распозна-
ющие нейронные сети.
Вторая группа — это системы, построенные на тех же
формальных нейронах, но решающие другие задачи. Это
могут быть задачи, близкие по своему смыслу задаче рас-
познавания. Например, кластеризация. Это могут быть
и совсем другие задачи. Общим в системах этой группы
является то, что в них используются формальные нейро-
ны, строящие разделяющие гиперплоскости в многомер-
ном пространстве каких-либо векторов, характеристик
или признаков. С помощью гиперплоскостей и их объ-
единения в конкретных задачах специальным образом
организуется отделение или выделение каких-то вход-
ных векторов. На основе этого выделения и формирует-
ся результат.
Специфика в этих системах и их особенности опре-
деляются как самой задачей, т. с. тем, что нужно вы-
205
Глава 6. Пассивные нейронные модели. Нейрокомпьютер
делить, так п способом выделения нужных обьектов.
Главное средство решения то же, что и в ФРНС — разде-
ляющие гиперплоскости. В общем случае специфически-
ми решаемыми проблемами в этих системах являются
проблема автоматического нахождения коэффициентов
в уравнениях разделяющих гиперплоскостей и проблема
формирования общего результата па основе использова-
ния результатов работы нескольких (многих) нейронов.
Последнее так же, как и при распознавании, решаегся
введением дополнительных нейронных слоев и специ-
фической организацией связей между нейронами.
Третья группа — это специальные частные системы,
строящиеся на особых элементах. Перечислять и пы-
таться обобщать эти изобретения не представляется не-
обходимым, поскольку это могло бы увести нас слишком
далеко в сторону от основной рассматриваемой темы.
Отметим лишь, что чаще всего в основе специальных
нейрокомпьютеров лежит какой-то особый способ распо-
знавания образов. Безусловно, интересный, оригиналь-
ный. тем более физиологичный, способ распознавания
может быть шагом в направлении понимания работы как
отдельных механизмов мозга, так и мышления в целом.
Но только первым или одним из первых шагов. К со-
жалению, часто такой шаг объявляется последним или
одним из последних.
Оценивая современные нейрокомпьютеры как мо-
дели механизмов мозга, можно повторить все то же
самое, чго уже было сказано при оценке формальных
распознающих нейронных сетей. Таким образом, в от-
личие от распространенного мнения, создание ФРНС
и строящихся на их основе устройств или программ,
называемых нейрокомпьютерами, нс является заметным
шагом в моделировании нейронных механизмов мозга.
206
6.5. Современные распознающие нейронные сети
Тем не менее, вопрос о том. строятся ли в мозге человека
для реализации каких-то специальных функций разделя-
ющие поверхности в пространстве каких-то фиксирован-
ных характеристик, так как это делается с использова-
нием формальных нейронов, остается пока открытым.
В дальнейшем этот вопрос еще будет затрагиваться.
Глава 7
Синергические активные
нейронные модели
В этой и следующей главах будут рассмотрены еще
некоторые варианты нейронных сетевых моделей. Сре-
ди этих вариантов есть как запрограммированные, так
и умозрительные гипотетические. Объединяют все эти
варианты общие многократно уже упоминавшиеся свой-
ства — синергичность и активность. Представляется,
что эти свойства определяют основное отличие актив-
ных живых систем от пассивных неживых.
7.1. Активность
Хотелось бы, чтобы полная модель нейронных ме-
ханизмов мозга обладала в конечном счете всеми приве-
денными в разделе G.I свойствами. Однако, как уже отме-
чалось, наиболее принципиальными и самыми важными
из этих свойств представляются свойства синергичност! i
и активности. Другие важнейшие необходимые функци-
ональные или рабочие свойства мозга могут’ оказаться
в значительной степени производными от свойств си-
пергичпости и активности. В связи с этим, во-первых,
нужно ответить на два вопроса: что такое активность моз-
га и зачем мозгу активность? Во-вторых, нужно ответить
208
7.1. Активность
па вопросы: для чего нужна спнергичность элементов
нервной системы, в чем она состоит и как проявляется?
Определим свойство активности любой системы как
действия, порождаемые внутренней целью системы и со-
стоящие в преследовании этой цели. Активность живого
организма определяется способом организации живой
материн, требующим создания и непрерывного поддер-
жания устойчивого неравновесного состояния. Принцип
организации систем с накапливающейся внутренней не-
устойчивостью и активно поддерживаемым устойчивым
неравновесием выше был назван активным динамиче-
ским. Следует напомнить, что накапливающаяся внутрен-
няя неустойчивость и активный динамический способ
организации характерны не только для живых организ-
мов, но и для некоторых искусственных систем.
Активный динамический способ организации (су-
ществования) требует постоянного направленного вза-
имодействия со средой. На клеточном уровне живого
организма это взаимодействие выражается в процессах
метаболизма, т. е. обмена веществ через кровеносную
систему: па уровне целого организма взаимодействие
со средой осуществляется в процессе внешнего поведе-
ния, направленного на достижение целевых ситуаций
и удовлетворение потребностей.
Для возобновления и сохранения неравновесных
структур живых систем необходима постоянная внутрен-
няя работа. Причина и цели этой работы находятся
внутри живой системы.
Причина и цели внешнего поведения живого орга-
низма в нормальной, не экстремальной ситуации также
определяются преимущественно внутренними фактора-
ми, а именно: непрерывно накапливающейся внутрен-
ней неустойчивостью и, как следствие, объективными
209
Глава 7. Синергические активные нейронные модели
первичными потребностями, а у человека также и в зна-
чительной степени субъективными вторичными потреб-
ностями
Из этого следует, что работа, совершаемая живым
организмом как на клеточном уровне для поддержания
устойчивого неравновесия живых структур, так и на уров-
не внешнего поведения в среде, направленного на макси-
мизацию времени пребывания системы внутри области
допустимых значений pei улпрусмых переменных (прин-
цип шахТ), вызывается внутренними причинами и, та-
ким образом, соответствует введенному определению ак-
тивности.
Существуют многочисленные определения понятия
«жизнь». Приведем классическое определение Ф. Энгель-
са [74]: «Жизнь есть способ существования белковых тел,
и э гот способ существования заключается по своему суще-
ству в постоянном обновлении их химических составных
частей путем питания и выделения». «Типичное совре-
менное определение: „Жизнь — высшая по сравнению
с физической и химической форма существования мате-
рии, закономерно возникающая при определенных усло-
виях в процессе ее развития. Живые объекты отличаются
от неживых объектов обменом веществ — непременным
условием жизни, способностью к размножению, росту;
активной регуляции своего состава и функций, к различ-
ным формам движения, раздражимостью, приспособля-
емостью к среде и т.д.“» (А. А. Малиновский [34]).
Определение жизни, данное Ф. Энгельсом, хорошо
тем, что в нем делается попытка выделить общий прин-
цип (способ существования, заключающийся в том...).
Подобные определения сливаются с объяснением. Опре-
деление Энгельса, конечно, не является исчерпываю-
щим, а дается на некотором уровне понимания проблемы.
210
7.1. Активность
Определение А. Малиновского, так же как и многие
другие современные определения, хуже нс только по сво-
ей сути, хотя это. конечно, очень важно, но и потому, чго
оно по своему характеру является индуктивным, т. е. стро-
ится в основном на перечислении свойств или признаков
определяемого объекта и не дает читателю информа-
ции, которая была бы полезна для какого-то обобщения.
Индуктивные определения неизбежны на эмпирическом
этане развития любой науки.
Я не буду пытаться давать здесь точное общее опреде-
ление жизни. Отмечу лишь, что это определение должно
опираться на принцип устойчивого неравновесия и ак-
тивный динамический способ существования. Устойчи-
вое неравновесие и как следствие активность являются
важнейшими необходимыми, но, может быть, не до-
статочными признаками живого. Эти принципы, по-
видимому, могут быть реализованы и в искусственных
системах. Для получения полного определения жизни
необходимо привязать устойчивое неравновесие к кон-
кретному биологическому субстрату. Э. С. Бауэр вслед
за Ф. Энгельсом считал таким субстратом живой белок.
В современной биологии по этому поводу имеются и дру-
гие мнения (см., например, [70]). Кроме того, представ-
ляется, что в определение жизни полезно включить так-
же с необходимостью возникающее в живых организмах
свойство синергии.
Итак, можно сделать вывод, что активность нужна
всему живому функционально, как на поведенческом, так
и на клеточном уровнях. На этом основаны принципы
работы любых живых механизмов. Слова «жизнь» и «ак-
тивность» хотя и не синонимы, но они относятся к тесно
и неразрывно связанным между’ собой понятиям.
211
Глава 7. Синергические активные нейронные модели
Образующие мозг клетки, как и любые другие клет-
ки организма, активны. Теперь посмотрим, является ли
активным «устройством управления» мозг в целом. Мозг
решает задач}’ оптимального управления активным целе-
направленным поведением. Эта задача постоянна и не-
прерывна. Однако задача управления поведением запус-
кается внешними по отношению к мозгу входными сиг-
налами — первичными и вторичными мотивациями. Для
решения используется входная информация, поступаю-
щая из среды. Выход системы управления, т. е. мозга,
используется для организации внешних действий в про-
цессе поведения. Таким образом, может показаться, что
решая задач}' управления поведением мозг работает как
обычное, имеющее вход и выход, пассивное устройство
управления.
Однако известно, что, в отличие от обычных пассив-
ных систем, мозг не может не работать. Даже если мозг
в какой-то момент времени не занят решением задачи
управления поведением или какой-нибудь другой задачи,
он продолжает постоянно работать. На что направлена
эта работа? Внешне это выглядит следующем образом.
Мозг строит активную модель среды, живущую по ее
законам. Непрерывно происходит восприятие окружаю-
щей среды. Непрерывно происходит обкатка, доводка
и коррекция строящейся в мозг}7 модели среды.
Выше уже говорилось о том. что необходимость по-
строения модели среды, а следовательно и получение
информации по своим внешним признакам, сходно с по-
требностями и может рассматриваться как одна из пер-
вичных потребностей живого организма. (В дальнейшем
это несколько уточняется.) На таком представлении,
подкрепляемом экспериментами на животных, основы-
ваются различные информационные модели поведения,
212
7.1. Активность
например, принцип максимума информации Г. А. Глици-
на [22, 23]. (Следует отмстить, что в информационных
моделях часто «перегибают палку» и говорят о получе-
нии информации как об основной и даже единственной
цели поведения.)
В свете всего сказанного можно полагать, что мозг
активен и что в работе мозга прослеживается внутренняя
цель — построение и совершенствование модели про-
блемной среды. II все же с этим можно не соглашаться,
считая, что построение и поддерживание модели среды
само по себе не имеет для мозга абсолютной ценности,
а необходимо лишь для решения внешних поведенческих
задач целого организма. Тем более, что и информация
сама по себе не имеет абсолютной ценности. Ее ценность
проявляется лишь в свете решаемых задач и выполняе-
мых функций. Ведь известно, что микроскоп и спектро-
скоп ничем не отличаются друг от друга в отношении
функции «колоть орехи».
Если то, что делается в мозге, направлено в ко-
нечном счете на решение внешних задач целого орга-
низма, то активность мозга в свете введенного выше
определения активности можно поставить под сомне-
ние. Но в мозге имеется еще одно полезное свойство.
Эго свойство называется «спонтанная активность», т.е.
активность, нс вызванная прямо необходимостью реше-
ния какой-либо внешней задачи.
Мозг так устроен, что работает всегда, постоянно
п непрерывно. Бодрствующий мозг не может не думать.
Мозг работает даже во сне, причем, по-видимому, именно
работа, т. е постоянная активность, как во время бодр-
ствования. так и время сна. нужна мозгу для нормализа-
ции состояния нейронной сети. Предположения о том,
что такое нормализация состояния и как нормализация
213
Глава 7. Синергические активные нейронные модели
Образующие мозг клетки, как и любые другие клет-
ки организма, активны. Теперь посмотрим, является ли
активным «устройством управления» мозг в целом. Мозг
решает задачу оптимального управления активным целе-
направленным поведением. Эта задача постоянна и не-
прерывна. Однако задача управления поведением запус-
кается внешними но отношению к мозгу входными сиг-
налами — первичными и вторичными мотивациями. Для
решения используется входная информация, поступаю-
щая из среды. Выход системы управления, т. е. мозга,
используется для организации внешних действий в про-
цессе поведения. Таким образом, может показаться, что
решая задач}’ управления поведением мозг работает как
обычное, имеющее вход и выход, пассивное устройство
управления.
Однако известно, что, в отличие от обычных пассив-
ных систем, мозг не может не работать. Даже если мозг
в какой-то момент времени не занят решением задачи
управления поведением или какой-нибудь другой задачи,
он продолжает постоянно работать. На что направлена
эта работа? Внешне это выглядит следующем образом.
Мозг строит активную модель среды, живущую по ее
законам. Непрерывно происходит восприятие окружаю-
щей среды. Непрерывно происходит обкатка, доводка
и коррекция строящейся в мозгу модели среды.
Выше уже говорилось о том. что необходимость по-
строения модели среды, а следовательно и получение
информации по своим внешним признакам, сходно с по-
требностями и может рассматриваться как одна из пер-
вичных потребностей живого организма. (В дальнейшем
это несколько уточняется.) На таком представлении,
подкрепляемом экспериментами на животных, основы-
ваются различные информационные модели поведения,
212
7.1. Активность
например, принцип максимума информации Г. А. 1ол1 ши-
на [22.23]. (Следует отмстить, что в информационных
моделях часто «перегибают палку» и говорят о получе-
нии информации как об основной и даже единственной
цели поведения.)
В свете всего сказанного можно полагать, что мозг
активен и что в работе мозга прослеживается внутренняя
цель — построение и совершенствование модели про-
блемной среды. И все же с этим можно не соглашаться,
считая, что построение и поддерживание модели среды
само по себе не имеет для мозга абсолютной ценности,
а необходимо лишь для решения внешних поведенческих
задач целого организма. Тем более, что и информация
сама по себе не имеет абсолютной ценности. Ес ценность
проявляется лишь в свете решаемых задач и выполняе-
мых функций. Ведь известно, что микроскоп и спектро-
скоп ничем не отличаются друг от друга в отношении
функции «колоть орехи».
Если го, что делается в мозге, направлено в ко-
нечном счете на решение внешних задач целого орга-
низма, то активность мозга в свете введенного выше
определения активности можно поставить под сомне-
ние. Но в мозге имеется еще одно полезное свойство.
Это свойство называется «спонтанная активность», т. с.
активность, нс вызванная прямо необходимостью реше-
ния какой-либо внешней задачи.
Мозг так устроен, что работает всегда, постоянно
и непрерывно. Бодрствующий мозг по может не думать.
Мозг работает даже во сне. причем, по-видимому; именно
работа, т. е постоянная активность, как во время бодр-
ствования, так и время спа, нужна мозгу для нормализа-
ции состояния нейронной сети. Предположения о том,
что такое нормализация состояния и как нормализация
213
Глава 7. Синергические активные нейронные модели
состояния нейронной сети связывается с решением ин-
формационных задач мозга, приводятся в следующем
разделе.
Исходной идеей для моделирования активных ме-
ханизмов мозга может стать представление о мозге как
о непрерывно активной системе, построенной из не-
устойчивых элементов и обладающей внешней поведен-
ческой и внутренней информационной и регуляцион-
ной активностью. Внешняя активность необходима для
решения непрерывной задачи поведения и поддержания
устойчивости организма в целом. Внутренняя активность
клеток мозга — эго не только активность метаболизма,
по и активность синергичного взаимного и спонтанного
возбуждения, необходимая для поддержания устойчиво-
сти составляющих систему неустойчивых элементов —
нейронов.
Близкая по сути идея, касающаяся, однако, только
внутренней активности, впервые была сформулирована
в работах Л. Б. Емельянова-Ярославского [24,25]. При
всей неоднозначности, спорноегп и зачастую противоре-
чивости содержащихся в этих работах предположении
о функционировании нейронных механизмов головного
мозга, идея использования внутренней неустойчивости
нейронов и построения па этой основе модели актив-
ной синергичной нейронной сети заслуживает самого
серьезного внимания.
Если не вдаваться в необязательные авторские фи-
зиологические интерпретации и не пользоваться неко-
торыми авторскими терминами, например такими, как
быстрое старение и быстрое омоложение нейрона и др.
го суть гипотезы Емельянова-Ярославского можно с опре-
деленным приближением сформулировать следующим
образом.
214
7.1. Активность
Реализуемый в мозге принцип оптимальности — это
максимум питания нервных клеток при ограниченном
питании мозга в целом. Для отдельного нейрона этот
принцип сводится к максимизации коэффициента по-
лезного действия обмена нейрона со средой. При этом
гипотетически предполагается, что изменения функцио-
нального состояния пес раба гываюшего нейрона ио это-
му критерию происходят монотонно во времени и сопро-
вождаются потерей устойчивости — повышением возбу-
димости. При срабатывании нейрона происходят про-
тивоположные по знаку дискретные изменения — воз-
будимость снижается (устойчивость восстанавливается).
Оптимальное в среднем состояние нейронов сети, мини
мизирующее их необходимое общее потребление, дости-
гается только при срабатывании нейронов с оптималь-
ной интенсивностью. Свойства нейронов и связей между
ними таковы, чго оптимизация в сети возможна лишь
при групповом взаимодействии (взаимосодействпп) ней-
ронов и их непрерывной активности.
Автор придерживае тся очень близкой точки зре-
ния — модель активной нейронной сети нужно строить,
основываясь на гипотезе о том, что в нейронной се-
ти есть постоянная внутренняя задача, состоящая в не-
обходимости непрерывного поддержания оптимальных
функциональных состояний нейронов и требующая их
постоянной активности Внутренняя задача возникает
как следствие постоянно увеличивающейся неустойчи-
вости нейронов, выражающейся в отклонении от опти-
мума их функциональных состояний. Решается эта зада-
ча при групповом взаимосодействии нейронов за счет
того, что с параметром оптимальности нейрона прямо
связывается величина его порога возбудимости. От это-
215
Глава 7. Синергические активные нейронные модели
го же параметра зависит изменение топологии связей
между нейронами и величин синаптических проводимо-
стей связей.
Постулат о связи оптимального состояния нейронов
с максимизацией питания нервных клеток представля-
ется искусственно притянутым и не обязательным. Как
будет видно из дальнейшего пхчожения при разработке
моделей!, принцип максимума питания никак не участ-
вует в работе нейронов и сети в целом. Что касается
физиологических интерпретаций, то их можно прово-
дить н ио-другому Например, кажется более естествен-
ным связывать оптимальное функциональное состояние
нервной клетки с уровнем неравновесия или уровнем
свободной энергии. Возможны и другие гипотетические
интерпретации.
Итак, что такое активность мозга, в чем она мо-
жет проявляться по-крупному, понятно. Нейрон — эго
живая клетка, находящаяся по Э. С. Бауэру, как и любая
другая клетка организма, в неравновесном состоянии
и поддерживающая это состояние за счет внутренней ра-
боты п процессов метаболизма. Однако нейрон — клетка
особая. 11еравновесное состояние нейрона определяется
нс только неравновесным состоянием структуры живой
клетки. Для работы нейрона определяющее значение
имеет неравновесное состояние окружающей тело клет-
ки мембраны.
Неравновесие возникает и поддерживается за счет
работы ‘-натриевого насоса», создающего разную кон-
центрацию ионов калия и натрия ио разные стороны
мембраны. В результате возникает потенциал поляриза-
ции мембраны, равный приблизительно 70 мВ. Нейрон
может возбуждаться. Для возбуждения необходима депо-
ляризация мембраны.
216
7.1. Активность
При возбуждении в нейроне происходит разряд. Ре-
зультат разрядов — возникновение электрических им-
пульсов, идущих по связям к другим нейронам, на кото-
рых в зависимости от свойств связей приходящие им-
пульсы могут оказывал» возбуждающее либо тормозящее
действие, г. е. действовать в сторону деполяризации мем-
браны или в сторону поляризации.
При моделировании эти особенности нейрона долж-
ны быть у вязаны не только с информационными процес-
сами. реализующимися в мозге, но и с необходимостью
поддерживать устойчивое неравновесие нервной клетки.
Гипотезы о том. как это происходит, формулирующиеся
с учетом [24. 25] приведены в следующем разделе.
В отличие от [24, 25] полагается, что попытки по-
нять. как устроены и работают нейронные механизмы
мозга, должны основываться на том, что мозг развивался
в процессе эволюции нс для решения своих собственных
задач, а для решения задач целого организма. Необходи-
мо ответить на вопрос, как па основе внутренней не-
устойчивости. сипсргичности и активности нейронных
механизмов решаются не только внутренние по и внеш-
ние функциональные задачи мозга. В первую очередь
нужно ответить па вопрос, как осуществляется обуче-
ние. т.е. построение в мозге модели проблемной среды,
и как работает эта модель при решении задач восприя-
тия и управления целенаправленным поведением живого
организма в многоэкстремальной среде.
Понятно, что ис менее интересен и вопрос о том,
как в мозге возникают, фиксируются и умозрительно ре-
шаются задачи абстрактного мышления. При постановке
и решении любых задач, т.е. не только задач поведения,
но и умозрительных абс!рактных задач, работает прин-
цип доминанты А А Ухтомского. При моделировании
217
Глава 7. Синергические активные нейронные модели
мышления важно ответить на вопрос, как на нейронном
уровне происходит возникновение, фиксация и разреше-
ние доминант или возникновение, поддержание и гаше-
ние очагов возбуждения. В дальнейшем делаются попыт-
ки в какой-то степени приблизиться к ответам на эти
вопросы.
Помимо основных функциональных или рабочих
свойств мозг проявляет и специальные свойства и функ-
ции, присущие только живому мозгу: это интуиция, оза-
рение или инсайт, творчество, сон, эмоциональные ре-
акции на музыку, абстрактную живопись (т. с. живопись
без смысловой нагрузки), стихотворный ритм, красо-
ту приро-щых явлений. К этому перечню можно доба-
вить еще любопытство, юмор, навязчивую идею, на-
вязчивый мотив. Было бы хорошо, если бы нейрон-
ная модель объясняла и такие свойства. Нс исключе-
но, что именно внутренняя неустойчивость нейронов
и определяемая этим синергическая активность ней-
ронной сети могут дать ключ к пониманию н этих
свойств мозга.
Отдельные попытки моделирования работы актив-
ных, неустойчивых нейронных сетей проводились [19,20,
24, 25, 59] Полученные результаты и общие представ-
ления достаточно далеки от полноты и закон чей пости.
Некоторые из этих результатов лежат в основе матери-
ала. приведенного в следующих разделах. Следует сра-
зу сказать, что описываемая экспериментальная модель,
в отличие от описываемой н [24,25], не претендует на го,
чтобы считаться полной рабочей моделью мозга. В даль-
нейшем будет говори ться лишь о самых общих контурах
режимов работы различных вариантов моделей актив-
ной нейронной сети (Л-ссгн).
218
7.2. Свойство активной синергичной нейронной сети
7.2. Общие свойства активной
синергичной нейронной сети
и активных нейронных элементов
Приводимые ниже свойства нейронов н нейрон-
ной сегн н различные модификации этих свойств по-
служили основой для разработки, компьютерной ре-
ализации и экспериментальной проверки нескольких
приблизительно одноплановых вариантов моделей ак-
тивных нейронных сетей [19, 20, 24, 25, 59]. Разными
в этих вариантах являются выбираемые для моделирова-
ния конкретные свойства нейронов и связей между ни-
ми. а также исходная структура сети. Принципиальных
отличий между этими вариантами нет. Полученные экс-
периментальные результаты могут претендовать только
па иллюстрации некоторых особенностей активных ней-
ронных сетей. Во-первых, иллюстрируется возможность
формирования в нейронной сети на основе взаимосо-
денствия нейронов режима саморегуляции и. во-вторых,
иллюстрируется возможность построения памяти внеш-
них воздействий, обладающей свойствами ассоциаций
по сходству и по смежности во времени. Работы, описан-
ные в [19,29,59], проводились еще в 60-х годах ХХ-го века
и были прекращены но разным причинам, одна из ко-
торых состояла в том. что вычислительная техника того
времени была еще слишком c iaoa. Описываемая ниже
нейронная модель и результаты экспериментов соответ-
ствуют [59].
Накопленные обширные физиологические сведения
о нейронной сети и свойствах нейронов. по-вндимом\.
обладают определенной (значительной) избыточностью.
При попытках моделирования мышления трудность во
219
Глава 7. Синергические активные нейронные модели
многом связана с необходимостью упорядочения л оцен-
ки этих свойств в отношении их необходимости для
работы целого мозга в процессе мышления. Такой отбор
может бы ть рациональным только на основе начальных
представлений о принципах работы и свойствах всей
целостной системы, в нашем случае мозга. Основные
преимущественно качественные представления общего
характера о работе мозга и особенностях базовых реша-
емых задач, т.е. задач восприятия и целенаправленно-
го поведения, а также о способах решения этих задач,
определяются предыдущим изложением и материалом,
приведенном в главах 8 и 9.
Все объекты обладают качествами (свойствами) и
тем отличаются друг от друга. Все, что можно сказать
о целом обьекте, — это перечисли гь сто качества, опреде-
лить их интенсивность, а также указать закон изменения
качеств во времени. Наличие и интенсивность отдель-
ных качеств выражаются значениями соответствующих
переменных.
Нейрон, как и любой целостный объект, в принципе
может полностью характеризоваться набором перемен-
ных, их текущими значениями, зависимостями между
переменными и зависимостями переменных от време-
ни н внешних воздействий. Аналитическое задание всех
этих зависимостей не представляется удобным. Поэтому
все переменные в описываемой модели определяются
пошаговыми рекуррентными соотношениями.
Принимается (постулируется), что для моделирова-
ния мышления достаточны объекты двух типов: нервная
клетка (нейрон) и нервная связь. Переменные, характе-
ризующие нейрон. — это возбудимость и функциональное
состояние. Переменные, характеризующие связь, — это
се проводимость, топология, знак и временная задержка
220
7.2. Свойство активной синергичной нейронной сети
передаваемого сигнала. (’ведение всех свойств нейро-
на к двум упрощает н делает практически возможным
компьютерное моделирование. В то же время эго со-
пряжено с опасностью игнорирования каких-то свойств
нейрона как живой клетки, что в конечном счете может
отразиться на принципиальных свойствах модели. Одна-
ко представляется, чго этот риск минимален, поскольку
в активной нейронной модели сохраняется главное свой-
ство живого — накопление неустойчивости и устойчивое
неравновесие.
Болес подробно начальные качественные предполо-
жения об основных свойствах нейронных механизмов
сводятся к следующему:
• нейрон является пороговым элементом с перемен-
ной возбудимостью, временной и пространствен-
ной суммацией возбуждающих и тормозящих воз-
действий, экзальтацией и рефрактерпостью после
срабатывания:
• величина н знак передаваемого на нейрон по свя-
зи воздействия определяется величиной и знаком
синаптической проводимости связи;
• между нейронами могут образовываться новые связи;
• элементом памяти в нервной системе является пен
ронная структура (нейронный ансамбль) — груп-
па нейронов, объединенных взапмовозбуждающимп
связями;
• эти структуры — «вторичные нейронные сети»
формируются в нервной системе при повторяющих-
ся информационных (афферентных) воздействиях,
приводящих к одновременному возбуждению группы
нейронов:
221
Глава 7. Синергические активные нейронные модели
• между регулярно возбуждающимися последователь-
но во времени вторичными нейронными сетями
устанавливаются связи, на основе которых осуществ-
ляется предвидение (иредактивацня) н ассоциатив-
ное взаимодействие:
• система памяти (модель среды) имеет многоуровне-
вое иерархическое строение, позволяющее форми-
ровать обобщения и укрупнения;
• свойства нейрона выражаются зависимостями от не-
которой переменной величины, соответствующей
функциональному состоянию или критерию каче-
ства функционирования нейрона и зависящей в каж-
дый момент от интенсивности его срабатываний
в течении некоторого предшествовавшего периода
(предыстории возбуждений);
• оптимизация по параметру -«функциональное состо-
яние» как отдельного нейрона, так и всей сети до-
стигается за счет срабатываний нейронов с опти-
мальной интенсивностью при их групповом взаимо-
содейсгвии;
• оптимизация функционального состояния нейронов
при приходящих на сеть новых внешних информаци-
онных воздействиях достигается за счет структурной
перестройки (память), а при внешних мотивацион-
ных воздействиях только при снятии этих воздей-
ствий в результате целенаправленного поведения;
• решение любых задач в нейронной сети состоит
в формировании и гашении очагов возб\ждения, ме-
шающих нормальному процессу нормализации функ-
ционального состояния.
На основе приведенных предположений задаются
и более точно формулируются ниже свойства нейро-
222
7,3. Свойства нейронов
нов модели. Четыре последних пред положения .должны
в основном рассматриваться как постулаты. Этими по-
стулатами определяется свойство сппергичности и не-
прерывной активности нейронной сети, направленной
на оптимизацию своего функционального сос тояния. Во-
прос о физиологичное ги остальных предположении рас-
сматривается в следующем разделе.
7.3. Свойства нейронов
Приведем общие, преимущественно качественные
свойства нейронов модели. Точные количественные ха-
рактеристики могут широко варьироваться при проведе-
нии экспериментов.
Функциональное состояние нервном клетки зави-
сит от предыстории ее возбуждений и выражается не-
которым параметром Q. Этот параметр имеет оптималь-
ное значение (При проведении физиологических
интерпретации можно предположить, хотя это н не обя-
зательно, что при Q — QOpt метаболизм клетки наиболее
эффективен.) Пусть параметр Q дискретно увеличивает-
ся при каждом разряде нейтрона и монотонно уменьша-
ется во времени у нссрабатывающего нейрона. 11з этого
следует, что для оптимизации функциональных состоя-
ний нервных клеток необходимы срабатывания (разря-
ды) нейронов с некоторой от и.мальной частотой. Ней-
рон может сработать при поступлении на его вход внеш-
него возбуждения. Достижение оптимального в среднем
функционального состояния нейтронов но всей сети до-
стигается только при их взаимодействии — взаимном
возбуждении пли торможении.
В гипотетической полной модели среднее значение
параметра Q по всей сети должно быть «эмоциональной
223
Глава 7. Синергические активные нейронные модели
переменно!!», т. е. должно учитываться в эмоциональном
центре при выборе линии поведения наравне с Дру-
гими эмоциональными переменными, формирующими
первичные и вторичные мотивации. В частности, это
должно приводить к возникновению и гашению очагов
возбуждения, мешающих обшей оптимизации сети. т. с.
к возникновению и решению абстрактных задач мыш-
ления. а также к попеку информации, необходимой для
достройки модели проблемной среды.
Нейрон представляет собой пороговый элемент с
временной и пространственной алгебраической (т. с.
с учетом знака) суммацией возбуждающих п тормозящих
воздействий, переменной возбудимостью, рефрактерпо-
егью п экзальтацией! после срабатывания
Условие срабатывания нейрона:
W > U.
где U — порог срабатывания, IV — накопленный потен-
циал.
На нейрон может приходить любое количество воз-
буждающих п тормозящих связей от других нейронов пли
рецепторов. От нейрона отходит один аксон, разветв-
ляющийся па любое количество возбуждающих и тор-
мозных коллатералнй, заканчивающихся па разных ней-
ронах.
Порог срабатывания нейрона отражает его текущее
функциональное состояние. Порог срабатывания имеет
две составляющие — статическую и динамическую:
U — Us -й UA.
Статическая составляющая порога срабатывания моно-
тонно снижается у несрабатывающего нейрона (возбуди-
мость повышается) и увеличивается па малую дискрет-
ную величину при каждом срабатывании (возбудимость
224
7.3. Свойство нейронов
снижается). Статическая составляющая порога срабаты-
вания связана прямой зависимостью с параметром Q,
т.е. U, = KQ.
Динамическую составляющую порога срабатывания
иллюстрирует рис. 5.
Сразу после разряда порог срабатывания нейрона
резко повышается, затем экспоненциально снижается
до величины, меньшей чем начальное значение статиче-
ской составляющей порога срабатывания (экзальтация
и затем повышается до величины, несколько превыша-
ющей начальное значение статической составляющей.
Интервал соответствует абсолютной рефракгерпо-
сгп, когда разряд нейрона невозможен при любых внеш-
них воздействиях. Интервал t)-t\ соответствует относи-
тельной рефрактерности, интервал соответствует
экзальтации
Связи между нейронами н\жны для осуществления
возбуждающих и тормозящих взаимодействий. От ией-
16 Зак 115
225
Глава 7. Синергические активные нейронные модели
рона может отходить любое в пределах технических
ограничении количество связей. Величина п знак переда-
ваемого по связи потенциала определяются переменной
величиной и знаком синаптической проводимости свя-
зи- Правила изменения синаптических проводимостей
связен междх нейронами наряду с правилами изменения
порога возбудимости нейрона являются основой, опре-
деляющей работу нейронов и сети.
Синаптическая проводимость связи между 2-м и j-м
нейронами Sjj может «активно» изменяться при прохо-
ждении по этой связи сигнала. Положительное прира-
щение возможно только при условии срабатывания j-ro
нейрона. Если условий для 'активного» изменения нет,
синаптическая проводимость экспоненциально уменьша-
ется, приближаясь к величине 511Ш1. Знак и величина «ак-
тивного» изменения синаптической проводимости связи
зависят от сочетаний значений величин Q, и Q3 (функ-
циональных состояний) нары нейронов в момент прохо-
ждения сигнала по связи между ними.
Общий качественный смысл зависимостей, опреде-
ляющих приращения синаптических проводимостей, со-
стоит в следующем. Величина положительного прираще-
ния возбуждающей синаптической проводи мости связи
от нейрона г к нейрону j при прохождении но пей сиг-
нала прямо зависит от разнос ти Q(jpi Qy. Кроме того,
это приращение связано прямой зависимостью с раз-
ностью Qi - Qj. Наоборот, приращение проводимости
тормозящего синапса увеличивается при увеличении Q3
в прямой зависимости от разности Q3 — Qt.
Таким образом при прохождении сигнала но связи
ее синаптическая проводимость может увеличиваться,
уменьшаться или оставаться неизменной в зависимости
от сочетания значений Qlipl, Qt и Q,. При прохождении
226
7.3. Свойства нейронов
значения величины синаптической проводимости связи
через ноль связь меняет знак, превращаясь из возбуж-
дающей в тормозящую пли наоборот. При моделирова-
нии licit ройных механизмов рассматривался также ва-
риант. в котором уменьшения значений синаптических
проводимостей как возбуждающих, так и тормозящих
связей ограничивались некоторой минимальной вели-
чиной 5|111П. При SlnlII — 0 связь может уничтожаться,
но менять знак не может, т е. возбуждающая связь нс мо-
жет стать тормозящей, также как и тормозящая связь
не может стать возбуждающей.
Изменения величин синаптических проводимостей
связей между нейронами направлены па оптимизацию
функционального состояния сети в целом и объединение
во взанмовозбуждающую группу одновременно срабаты-
вающих нейронов.
Все идущие от одного нейрона связи передают сиг-
нал с одинаковой задержкой после срабатывания нейро-
на. (Вариант работы сети, в котором функциональную
роль иг|Х1ю'г разные задержки сигналов, передаваемых
по разным связям, приводится ниже.)
Между одновременно возбуждающимися нейронами
могут образовываться новые связи. Образование новых
связей между нейронами происходит в соответствии с за-
висимостями, качественно совпадающими с зависимостя-
ми. по которым изменяются возбуждающие синаптиче-
ские проводимости. Связи наиболее интенсивно образу-
ются па те нейроны, v которых величины Q. т.е. функ-
циональные состояния наиболее далеки от оптимальных
значений!. В области Q(,pt условий для образования новых
связей нет.
Накопленный на нейроне потенциал W определя-
ется алгебраической суммой пришедших на нейрон воз-
*6-
227
Глава 7. Синергические активные нейронные модели
буждшощих и тормозящих воздействий. Накопленный
потенциал у несрабатывающего нейрона экспоненциаль-
но уменьшается во времени:
И'„+1 = + 52 Sta, - w(Wn).
где Wn — значение накопленного потенциала в n-м так-
те; ИЛп+] — значение накопленного потенциала в n + 1
такте: w(Wn) - слагаемое, определяющее уменьшение
накопленного потенциала во времени; St величина
синаптической проводимости г-н связи; а, — признак
активности г-н связи в п -т- 1 такте.
После срабатывания нейрона накопленный на нем
потенциал становится равным нулю.
Остановимся на вопросе о филиологпчности вве-
денных предположений. Представление о нейроне как
о пороговом элементе с временной н пространствен нон
суммацией возбуждающих и тормозящих воздействий эк-
зальтацией и рефрактерное! ъю после срабатывания рас-
пространено достаточно широко. В некоторых работах
рассматривается так называемый «пластичный» нейрон
с изменяющимся по определенным правилам порогом
возбудимости. Прямых физиологических данных, одно-
значно подкрепляющих представление о том. что порог
срабатывания нейрона повышается при каждом разряде
н снижается у несрабатывающего нейрона, по-впдпмому,
нет. Косвенные подтверждения содержатся в некоторых
работах но исследованию спонтанной активности изоли-
рованной нервной ткани, а также в ряде работ, показыва-
ющих «утомляемость» нейронов (повышение порога сра-
батывания) в некоторых интенсивных режимах работы.
Предположение о том, что элементом памяти в ней-
ронной сети является не отдельный нейрон, а группа
нейронов, объединенных во вторичную нейронную сеть
228
7.3. Свойства нейронов
(ансамбль), подкрепляется многими работами, напри-
мер [26,80]. Для объединения нейронов при обучении
в модели необходимы такие свойства, как изменение си-
наптических проводимостей и образование новых свя-
зен. Во многих работах аналогичные предположения
базируются на представлении об изменении при обуче-
нии весов синаптических контактов [35, 78], а также
о росте коллагер<инш и дендритов. Однозначных экс-
периментальных доказательств или опровержений этих
представлений нет. Даже если подобные свойства в ней-
ронной сети предполагаются и частично подтверждают-
ся, то нет никаких данных не только о точных зависи-
мостях, определяющих изменения связей, но и данных
о качественном характере этих зависимостей.
Особенно много возражений обычно вызывает по-
стулирование образования новых связен между нейро-
нами. Однако имеются физиологические работы, напри-
мер [82], посвященные экспериментальном}'доказатель-
ству подобного свойства у взрослых животных. То, что
от нейрона в модели может отходить много связей, пол-
ностью эквивалентно тому, что отходящий от живого
нейрона один аксон может разветвляться v конца на мно-
го коллатералий.
Введение предположения о том. что элементом па-
мяти в нейронной сети является выделяемое информаци-
онным воздействием (афферептацией) структурное объ-
единение нейронов, находится в кажущимся противоре-
чии с некоторыми физиологическими экспериментами,
посвященными поиску энграмм памяти [83]. Однако от-
сутствие в мозге энграмм памяти доказывает лишь то. что
носителем памяти не может являться отдельный нейрон.
Равномерно распределенное в большом объеме мио-
гол ровневое стрхклурнос объединение нейронов может
229
Глава 7. Синергические активные нейронные модели
быть очень мало чувствительно к локальным на} л тени-
ям — перерезкам и коагуляциям, и эти нарушения могут
в равной степени отражаться на всех образованных при
обучении структурах. Именно это и наблюдается в экс-
периментах.
В модели вводится принципиальное понятие — «функ-
циональное состояние нервной клетки» и соответству-
ющий ему параметр — Q. имеющий оптимальное значе-
ние — ф(>р|. Можно вслед за Емельяновым-Ярославским
давать этом\ параметру пнюютическую, не подкреплен-
ную никакими экспериментами физиологическую интер-
претацию, например, считая, что со значением парамет-
ра Q связана .эффективность метаболизма (коэффици-
ент полезного действия обменных процессов) нервной
клетки.
Однако это не обязательно. 11апример, для целей мо-
делирования достаточно считать, что средняя величина
параметров Q нервных клеток является одной из фи-
зиологических констант живого организма, таких как,
например, температура тела пли артериальное давле-
ние. Удерживается эта величина в нужных пределах как
средствами внутренней рсчуляцнн (взаимовозбужденис
нейронов), так и средствами удовлетворения потребно-
стей путем внешнего поведения (сон, отдых).
Описываемая модель активной нейронной сети
(Л-сети) имеет общие черты с моделью Хебба [80]. В ка-
чественной модели Хебба посту ли р\ется. что одновре-
менно возбуждающиеся нейроны связываются в функци-
ональные структуры — нейронные ансамбли. Последова-
тельно возбуждающиеся струкпры связываются в «фазо-
вые последовательности». Эти процессы основываются
на изменении связен между нейронами. Как спонтанная
230
7.4. Режимы роботы активной нейронной сети
активация нейронного ансамбля нпн «фазовой последо-
вательное гн •. так и их активация внешним стимулом
вызывают соответствующий образ или ощущение.
Все эго может быть оiнесено и к Л естям, но есть
важные принципиальные отличия. Нейроны в Л-ссгях
ЗЮ пехсюнчивые элементы. у которых снижается iiopoi
возбудимости и ухудшается функциональное состояние
при отсутствии срабатываний, или повышается порог
возбудимости и также ухудшается функциональное состо-
яние при слишком частых срабатываниях. Это свойство
нейронов является определяющим. Все. что происходит
в Д-сстях. как па стадии обучения, т. с. в процессе изме-
нения связей между нейронами, формирования нейрон-
ных ансамблей, формирования связей между ансамблями
и т.д., гак и на стадии работы, включающей воспроизве-
дение результатов обучения, все это подчиняется одному’
критерию — оптимизации функционального состояния
нейронной! сети. Из этого вытекают важнейшие свойства
нейронной сети — сннергичность и активность. Кроме
того, в отличие от модели Хебба. хотя н не все. но некото-
рые описываемые варианты мо le.aii 4-сетей не являются
качественными, а задаются в виде рекуррентных соотно-
шений. предназначенных для компьютерного модели-
рования п экспериментальной проверки Результаты ча-
стичной! экспериментальной проверки приводятся ниже.
7.4. Режимы работы активной
нейронной сети
Исходно предполагается, что введенных предполо-
жений о свойствах нейронов и нейронной сети доста-
точно для того, чтобы общая схема работы активной
231
Глава 7. Синергические активные нейронные модели
нейронной сети быта примерно такова. При отсутствии
внешних воздействий на сеть в нейронной! сети за счет
изменения топологии и синаптических проводимостей
связей организуется первичная нейронная сетьи автома-
тически устанавливается режим первичной саморегуля-
ции активности (интенсивности срабатываний), поддер-
живающий значения Q нейронов вблизи оптимального
значения Qopi- Соответственно, пороги срабатывания
нейронов U поддерживаются в некотором диапазоне
вблизи Режим первичной саморегуляции состоит
в распространении ио нейронной сети воли актив! io-
ст! I. При этом v о сдельного ней рона фаз ы ни rei ic 1 г bi 1ых
срабатываний чередуются с фазами ‘«отдыха».
Внешнее информационное воздействие на нейрон-
ную сеть состоит в поступлении возбуждающих сигналов
на некоторую часть нейронов, соответствующих этому
воздействию. Такое воздействие, создавая стабильный
очаг возбуждения, должно нарушать режим первичной
саморегуляции, приводить к отклонению величин Q и U
or оптимальных значений и вызывать перестройку сети.
Выделенные информационным воздействием нейроны
должны объединяться в группы с взаимным возбужде-
нием — вторичные нейронные сети. После образования
вторичных нейронных сетей и прекращения внешних
возденет ним режим саморегуляции во всей сети должен
восстанавливаться. Приход на сеть того же (знакомого)
короткого одиночного информационного воздействия
режима саморегуляции существенно нарушать не дол-
жен. Образовавшаяся вторичная сеть (ансамбль нейро-
нов) становится элементом памяти, обладающим свой-
ствами ассоциаций как по сходству, так и по смежности
во времени. Таким образом связываются задачи отобра-
232
7.4. Режимы работы активной нейронной сети
женин информации с задачей оптимизации состояния
нейронной сети.
Кроме кратковременных информационных возбуж-
дений возможны и длительные возбуждения, метающие
режиму общей саморегуляции сети.
Эти стабильные очаги возбуждения соответствуют
первичным и вторичным потребностям. Прекращение
возбуждения происходит при удовлетворении потреб-
ности и снятии соответствующих возбуждающих воздей-
ствий. Таким образом связываются поведенческие задачи
с задачей оптимизации состояния нейронной сети.
Длительная активация каких-то фиксированных ней-
ронных ансамблей, приводящая к формированию так на-
зываемых вторичных очагов возбуждения, должна про-
исходить и при постановке абстрактных задач. Схема
решения абстрактных задач мышления, т.е. схема гаше-
ния очагов возбуждения, в дальнейшем рассматривается
только в самом общем виде.
Описанные в [59] эксперименты, соответствующие
одному из вариантов принятых свойств нейронов модели
и связей между ними, касаются только задач формирова-
ния в .модели первичной нейронной сети и вторичных
нейронных сетей, т.е. нейронных ансамблей. Рассматри-
валась также задача экстраполяции временных последо-
вательностей возбуждений нейронных ансамблей. Моде-
лировался только один уровень гипотетической много-
уровневой иерархической нейронной модели проблем-
ной среды.
Предполагается, что на каждом уровне иерархии
модели должны строиться укрупнения и обобщения объ-
ектов (ситуаций), представленных в виде нейронных
ансамблей более низкого (более конкретного) уровня.
15 Зак 115
233
Глава 7. Синергические активные нейронные модели
Па каждом уровне укрупнения нейронной модели, поми-
мо объектов и ситуаций, должны пре щтавляться в виде
нейронных ансамблей также и действия, определяющие
переходы между ситуациями. Действия, так же как и объ-
екты. должны иметь иерархически организованные сте-
пени обобщения и укрупнения.
Предполагается, что возбуждения, приходящие на
нейроны каждого уровня иерархии, порождаются либо
объектами другого уровня, либо информацией поступа-
ющей от сенсорного входа. Принципиальных оз гичий
между нейронами и сгруктурой сети разных уровней
иерархии быть нс должно, хотя, конечно, могут быть
и, скорее всего, должны быть различия в количествен-
ных характеристиках предполагаемых свойств и функци-
ональных зависимое гей
7.5. Однослойная А-сеть
Образование связей между нейронами и изменение
величин синаптических проводимостей осуществлялось
в зависимости от сочетаний величин Q , Q и Q ,р(. На-
чальные условия: величины порогов возбудимости ней-
ронов распределены случайно, равномерно, связен меж-
ду нейронами нет, внешние воздействия отсутствуют.
Самопроизвольное формирование первичной сети
происходит следующим образом. Пороги возбудимости
несрабатывающих нейронов снижаются до 0. и начина-
ется спонтанная генерация активности. У сработавше-
го нейрона повышается статический порог возбудимо-
сти но срабатывания продолжаются до тех пор, пока
величина статического порога возбудимое ги не станет
больше чем величина экзальтации после срабатывания.
234
7.5. Однослойная A-сеть
В процессе спонтанной активности между нейронами
образуются возбуждающие связи, интенсивность сраба-
тываний повышается, увеличиваются величины Q и U
срабатывающих нейронов. При увеличении значений Q
нейронов до величин, превышающих Q(ipt. образование
и увеличение синаптических проводимостей возбуждаю-
щих связей прекращается и повышается интенсивность
образования тормозящих связей.
Процесс может несколько раз обрываться и возоб-
новляться в результате спонтанной генерации активно-
сти после снижения порогов возбудимости нейронов.
В конечном счете устанавливается устойчивый процесс
регулирования величин Q без срыва активности в неко-
тором диапазоне значений Q нейронов вблизи Qopt.
Исследовалась устойчивость полученного процесса
при внешних воздействиях. Па всю сеть либо на отдель-
ные нейроны подавались как шумовые, так и постоянные
возбуждающие либо тормозящие воздействия. При пода-
че на сеть внешнего воздействия установившийся режим
регулирования нарушается, разброс значений парамет-
ров Q нейронов по отношению к Q))p( увеличивается.
Нейронная сеть адаптируется к воздействиям, ва-
рьируемым в широких пределах, изменяя величины си-
наптических проводимостей таким образом, что после
переходного процесса при непрекращающемся внешнем
воздействии восстанавливается режим с оптимальной
интенсивностью срабатываний.
Процесс регулирования нарушается при подаче на
сеть больших тормозящих воздействий либо при рез-
ком снятии больших возбуждающих воздействий, если
не успевают произойти компенсирующие изменения си-
наптических проводимостей связей. Восстановление ак-
тивности и процесса регулирования функциональных со-
15*
235
Глава 7. Синергические активные нейронные модели
стояний нейронов происходит после снижения порогов
возбудимости и спонтанной генерации возбуждений.
В описанных экспериментах с однослойными А-сс-
гями внешние воздействия на сеть вызывали специфиче-
ские структурные перестройки в сети, т. е. запоминались.
Это запоминание было относительно кратковременно.
П осле снятия воздействия через некоторый промежуток
времени в нейронной сети восстанавливалась равномер-
ная однородная структура связей (воздействие забыва-
лось). После этого повторно подаваемое воздействие
воспринимается как новое. Время забывания незначи-
тельно больше времени обучения, т. е. времени переход-
ного процесса на сети при подаче внешнего воздействия.
Примерно такого же рода экспериментальные результа-
ты при моделировании однослойной активной нейрон-
ной сети были получены в работах [19, 20]. Длительное
запоминание внешних воздействий было эксперимен-
тально получено на двухслойной нейронной сети.
7.6. Формирование двухслойной
первичной нейронной сети
Во втором, рассматриваемом ниже варианте ней-
ронная сеть имеет два слоя. От нейронов первого слоя
на элементы второго слоя образуются только возбуж-
дающие связи. От элементов второго слоя на нейро-
ны первого слоя образуются только тормозящие свя-
зи. В физиологии известны подобные схемы взаимодей-
ствия нейронов. Их название — структуры с возвратным
торможением.
Свойства нейронов первого слоя и элементов второ-
го слоя аналогичны свойствам нейронов однослойной се-
236
7.6. Формирование двухслойной первичной сети
ти. Связи между слоями и величины синаптических про-
водимостей связей изменяются по зависимостям, сход-
ным с зависимостями изменения связей в однослойной
сети, т. е. в эти зависимости в качестве аргументов вхо-
дят QOpt, Qi, Q , а также время с момента срабатывания
нейрона источника и нейрона приемника сигнала.
Начальные условия эксперимента по формированию
двухслойной первичной сети: пороги возбуждения ней-
ронов первого слоя и элементов второго слоя распре-
делены случайно, равномерно, связей нет, внешние воз-
действия на сеть отсутствуют.
В переходном процессе формирования двухслойной
первичной сети происходит распределение нейронов
первого слоя по группам, обьединенным торможением
от общего элемента второго слоя, который преимуще-
ственно возбуждается нейронами этой группы. В устано-
вившемся режиме нейроны первого слоя чередуют сра-
батывания с интенсивностью, несколько превышающей
оптимальную, и групповые синхронные срабатывания
с периодом, равным времени спада тормозного потен-
циала. Элементы второго слоя чередуют срабатывания
в фазе с групповыми срабатываниями нейронов перво-
го слоя с паузами. При этом функциональные состоя-
ния нейронов первого слоя и элементов второго слоя,
выражаемые величинами Qt, изменяются в некотором
диапазоне вблизи Qopt.
Таким образом, в процессе автоматического форми-
рования двухслойной первичной нейронной сети обра-
зуется структура связей, разделяющая нейроны первого
слоя на группы, объединенные возбуждающими связями
между нейронами внутри группы и возвратным тормо-
жением от общего для всех нейронов группы элемента
237
Глава 7. Синергические активные нейронные /подели
второго слоя. Эти группы являются основой для обра-
зования вторичных нейронных сетей при внешних ин-
формационных воздействиях, т.е. для запоминания этих
воздействий.
В рассматриваемых в дальнейшем режимах работы
сформировавшейся двухслойной нейронной сети па ней-
роны первого слоя подается шумовое возбуждающее воз-
действие, десинхронизирующее срабатывание нейронов.
При этом срабатывание элемента второго слоя — случай-
ное событие, имеющее вероятность, зависящую от функ-
ционального состояния элемента и соответствующего
функциональному состоянию порога возбудимости, т.е.
в конечном счете от предыстории срабатываний.
7.7. Запоминание внешних
информационных воздействий
на двухслойной нейронной сети
Задача запоминания регулярных внешних воздей-
ствии решается по-разному в зависимости от того, каким
образом связываются точки входного информационного
ноля с нейронами первого слоя нейронной сети. В этом
плане интересны два типа организации связей.
В первом случае имеется прямое соответствие: от
каждой точки входного поля, например, от рецептора,
идет одна возбуждающая связь на «свой» нейрон первого
слоя, и входное воздействие проектируется па нейрон-
ную сеть. В термин «проекция» нс вкладывается гео-
метрический смысл, так как распределение нейронов,
соответствующих входному воздействию, не повторяет
геометрических форм входного образа — нейроны выде-
ляются равномерно по всей сети.
238
7.7. Запоминание информационных воздействий
Во втором случае от каждой точки входного ноля
отходи 1 большое число возбуждающих и тормозящих
случайных связей оканчивающихся па разных нейро
пах сети Входном\ образу до обхчения соответстme'i
равномерная передача возбуждающих и тормозящих воз-
действий на всю нейронную сеть.
Проводились три варианта экспериментов В первом
варианте от каждой точки входного информационного
поля имелась одна возбуждающая связь па соответс гвую-
щии нейрон первого слоя сети. Точки входного поля по-
стоянно возбуждаются случайным образом. Входное воз-
(ействие подается па с гучайно выбранные точки входно
го поля, синхронизирует возбуждение фиксированных
точек, синхронизирует возбуждение соответствующих
нейронов первого слоя и создает характерное распреде-
ление возбуждающего потенциала па элементах второго
слоя, при котором вероя гность сработат ь у них различна.
Элемент второго слоя, имеющий наибольшую ве-
роятность возбуждения, начинает срабатывать в фаю
с выде генной входным воздействием группой нейронов,
в рез\ штате чего происходит перераспределение связей
между слоями и обра потея структурная i руина — вторич-
ная сеть. Выделенные информацией нейроны возбужда-
ют один элемент второго слоя, через который подается
возвратное синхронизирующее торможение па нейроны
группы Обучение происходит без подкрепления
Описанный процесс возможен, если в сети между
первым и вторым слоями имеется много лишних связей
(заготовок), которые образовались на начальной стадии
формирования первичной сети, а затем оказались избы-
точными для первичного разделения па группы, охва-
ченные возвратным торможением, и уменьшили до gnlin
значения величин синаптических проводимостей
239
Глава 7. Синергические активные нейронные модели
Во втором варианте обучение происходит с диф-
ференцированным подкреплением. Необходимость под-
крепления при обучении связана с тем, что в этом ва-
рианте от каждой точки входного поля идет много слу-
чайных возбуждающих и тормозящих связей на нейроны
первого слоя и при подаче любого входного возбужде-
ния вся сеть возбуждается равномерно. Связи и величи-
ны синаптических проводимостей связей между точками
входного ноля и нейронами первого слоя изменяются
ио зависимостям, сходным с зависимостями изменения
связей в однослойной сети.
В процессе обучения периодически возбуждаются
фиксированные, случайно выбранные точки входного
поля. Одновременно дается подкрепление — возбуждает-
ся один из элементов второго слоя сети. При этом про-
исходит изменение синаптических проводимостей вход-
ных связей. От возбуждающихся точек входного поля
увеличиваются возбуждающие и уменьшаются тормозя-
щие синаптические проводимости связей па нейроны
первого слоя, объединенные возвратным торможением
от элемента второго слоя, на который дается подкреп-
ление. Синаптические проводимости возбуждающих свя-
зей, идущих от выделенных входным воздействием то-
чек входного поля па все нейроны, которые не входят
в подкрепляемую группу, уменьшаются, тормозящие уве-
личиваются, до тех пор, пока входное воздействие не пе-
рестает оказывать несипхронизирующего влияния на ре-
жим регулирования функциональных состояний в пер-
вичной сети.
Таким образом происходит привязка подкрепляемой
группы первичной сети к выделенным информационным
воздействием точкам входного поля. После обучения по-
данное па вход «знакомое» кратковременное информа-
240
7.7. Запоминание информационных воздействий
ционпое воздействие запускает периодический процесс
срабатывания одной группы — образованной вторичной
сети, которая одновременно является группой первич-
ной сети. Работа этой группы заканчивается за счет уве-
личения порогов срабатывания нейронов первого слоя
и пс оказывает десинхронизирующего влияния на работу
других групп.
При подаче «знакомого» информационного воздей-
ствия и изменении подкрепления переучивание состо-
ит в перестройке связей между точками входного по-
ля и нейронами первого уровня сети. В результате это
информационное воздействие привязывается к другой
группе нейронов.
В третьем варианте обучение происходит с общим
шумовым подкреплением, подающемся на все элемен-
ты второго слоя. В отличие от второго варианта одно-
временно с подачей входного ипс]эормационного воздей-
ствия подается шумовое возбуждение на все элементы
второго слоя и происходит их поочередная активация
(между элементами второго слоя преимущественный тип
взаимодействия — торможение). Цель перебора — найти
нужную группу первичной сети, которая считается задан-
ной. При активации заданной группы перебор прекра-
щается. Дальнейший процесс не отличается от второго
варианта.
Во всех случаях обучение связано с перестройкой
нейронной сети. Эта перестройка не должна искажать
результатов предыдущего обучения, т. е. нс должна за-
трагивать образованных при обучении вторичных ней-
ронных сетей. В модели эта проблема может решаться
формально — либо с помощью блокировок, либо при по-
мощи направленного подкрепления. Физиологичность
и того, и другого способа может вызывать сомнения.
241
Глава 7. Синергические активные нейронные модели
Во всех трех приведенных вариантах обучения, если
входной образ подается многократно с небольшими де-
формациями и искажениями, то после длительного про-
цесса структурных изменений в сети сформированная
входным воздействием структурная группа — вторичная
сеть — включает только регулярно работающие нейроны
первого слоя. Случайные искажения отбрасываются.
Если сеть обучена некоторому набору регулярных
входных информационных воздействий, каждому из ко-
торых соответствует определенная вторичная сеть, то
в системе возможны ассоциации но сходству: при подаче
на сеть нового информационного воздействия, которое
в общем случае может состоять из случайного набора
точек входного поля, вероятность активации вторичных
сетей, имеющих общие входные точки с этим входным
воздействием, увеличивается. Чем больше общих вход-
ных точек, тем выше вероятность активации соответ-
ствующей вторичной сети, поскольку для запуска про-
цесса срабатывания вторичной сети необходимо близ-
кое во времени срабатывание входящих в нее нейронов
первого слоя, и входное воздействие синхронизирует
срабатывания части этих нейронов.
После запуска процесс некоторое время поддержи-
вается сам за счет взаимных возбуждающих связен между
входящими в группу нейронами первого слоя и возврат-
ного синхронизирующего торможения. Таким же обра-
зом па вероятность активации вторичной сети влияет
подача на вход искаженного знакомого информационно-
го воздействия или его части.
На вероятность запуска вторичной сети влияет нс
только число общих входных точек этой сети с входным
воздействием, по и функциональные состояния, т. с. по-
роги возбудимости входящих во вторичную сеть пеиро-
242
7.7. Запоминание информационных воздействии
нов перво! о уровня Вследствие этого могут происходить
отдаленные. г. с. не самые близкие но числу общих точек
ассоциации
В нейронной модели, обладающей свойством актив-
ности. должны происходить процессы нредактивацпи
нейронных ст руктур, основанные на предвидении В ги-
потетической полной иерархической! многоуровневой!
.модели предвидение может основываться на моделиро-
вании процессов в среде и процессов взаимодействия
организма (автомата) со средой!. В рассматриваемой од-
ноуровневой двухслойной сети предвидение, т с. нре-
дактивация вторичных нейронных сетей, должна осно-
вываться не только на ассоциациях по сходству, по и,
в первый очередь, на ассоциациях но смежности во вре-
мени поступления информационных воздействий.
В описываемой упрощенной системе, когда рассмат-
ривается только один двухслойный уровень нейронной
сети, эти ассоциации строятся на возбуждающих и тор
мозягцих взаимодействиях между активируемыми в по-
вторяющихся последовательностях вторичными сетями
Соответствующие структурные изменения в нейронной
сети происходят следующим образом.
Если на сет ь регулярно подавать последовательность
входных информационных воздействий! Si, So. S3, то со-
ответствующие этим входным воздействиям вторичные
сети /].Й2,7з будут активироваться в той же последова-
тельности. Если две вторичные сети и входящие в них
элементы второго слоя регулярно срабатывают близко
во времени и в одной и той же последовательности
то в соответст вии со свойствами элементов уменьшают
ся величины синаптических проводимостей тормозящих
связей, идущих от элемента, который регулярно начи-
нает срабатывать раньше, на элемент, включающийся
243
Глава 7. Синергические активные нейронные модели
в работу вслед за ним, поскольку порог возбудимости
у элемента, начавшего срабатывать раньше, в общем
случае больше, чем у элемента, начавшего срабатывать
позже. В нашем случае будут уменьшаться тормозящие
связи от к I2 и от /о к Д. В обратном направлении
от L> к I] и от Г3 к /о тормозящие связи увеличиваются.
В режиме «покоя» — при отсутствии внешних ин-
формационных воздействий в сети, подверженной рав-
номерному случайному внешнему воздействию, если уро-
вень возбудимости элементов второго слоя достаточно
высок, идет процесс поочередной активации вторич-
ных сетей, направленный на поддержание оптималь-
ного функционально!о состояния нейронов. На необу-
ченной сети последовательность активации вторичных
сетей случайна. После обучения, при котором на сеть
подавались регулярные последовательности входных ин-
формационных воздействий, в режиме «покоя» процесс
становится не случайным — возникает тенденция воз-
буждения вторичных сетей в последовательности, опре-
деляемой обучением. Эти последовательности пример-
но то же самое, что и «фазовые последовательности»
Хебба [80].
Логическая емкость такой схемы ассоциативных вре-
менных взаимодействий невысока, поскольку в этой
схеме учитываются только смежные парные взаимодей-
ствия. Например, если S\,$2, •., Sn — это буквы алфа-
вита, п система обучалась путем подачи на вход последо-
вательностей букв, соответствующих произвольным тек-
стам, то почти все парные вероятности очень быстро вы-
равняются и временных ассоциаций практически не бу-
дет. И, тем не менее, парные ассоциации по смежности
во времени могут играть свою важную роль для нредви-
244
7.7. Запоминание информационных воздействий
дення повторяющихся в определенной фиксированной
последовательности событий или ситуаций.
Следует отметить, что входное поле не отождеств-
ляется с рецепторным, например с сетчаткой глаза, хотя
в частном случае такое отождествление возможно. Как
уже отмечалось, гипотетическая полная нейронная мо-
дель среды имеет многоуровневое иерархическое стро-
ение. В общем случае точки па входном поле какого-то
уровня иерархии возбуждаются при активации инфор-
мационных элементов другого уровня иерархии. Напри-
мер, в такой модели, кроме уровня букв, будет и уровень
слов, а возможно и/или другие уровни иерархии, отра-
жающие семантику проблемной среды.
Экстраполяция регулярных временных последова-
тельностей в иерархической модели среды, содержаще i
уровни различной степени укрупнения, должна быть .зна-
чительно лучше, чем в отдельном конкретном уровне,
поскольку поднимаясь в модели по иерархии «часть —
целое», чаще можно приходить к эффективным парным
ассоциациям. Так, если временные ассоциации между
почти любыми парами входящих в слова букв приблизи-
тельно равновероятны, то временные ассоциации между
разными парами слов, тем более с учетом синтаксиса,
а может быть и семантики более высокого уровня, чаще
всего сильно отличаются.
Однако в каких-то случаях парные ассоциации по
смежности во времени даже в mhoi оуровневоп модели
среды могут быть недостаточны. Схема распознавания
и воспроизведения временных последовательностей, об-
ладающая существенно бо 1ыпими возможностями, чем
связь но времени появления между парами событий,
описана в 66] В этой схеме вводятся задержки при пе-
редаче сигналов по связям между нейронами, и на этой
245
Глава 7. Синергические активные нейронные модели
основе учитывается время появления событий на входе
обучающейся системы.
Вероятность правильных временных ассоциаций в
схеме с временными задержками при передаче возбуж-
дений существенно повышается, но сравнению со случа-
ем. когда все связи имеют одинаковую задержку, равную
одному такгу. Однако ошибки возникают и при схеме
с задержками. При запоминании регулярных последова-
тельностей вероятность правильного воспроизведения
повышается при использовании описанной в [66] веро-
ятностной схемы запоминания.
Как уже отмечалось, существенное повышение ве-
роятности правильного воспроизведения временных по-
следовательностей возможно, по-видимому, только в мно-
гоуровневой иерархической системе памяти. В этой си-
стеме должны вырабатываться обобщения но смежности
во времени, и при воспроизведении должны учитываться
не только взаимодействия между отд ел ьны ми парами эле-
ментов, но и групповые взаимодействия внутри и между
регулярными группами элементов.
Все описанные выше модели нейронных сетей —
модель Мак-Каллока и Питтса, перцептрон Розенблатта,
распознающие формальные нейронные сети и модель ак-
тивной нейронной сети — обладают общим свойством —
задержки при передаче возбуждающих и тормозящих сиг-
налов но связям отсутствуют. Точнее, задержки но всем
связям одинаковы и равны одному такту. Такое свой-
ство нейронных моделей плохо согласуется с данными
нейрофизиологии.
В реальных нейронных сетях время передачи сигна-
лов по связям варьируется в широких пределах. Скорость
передачи сигналов но различным нервным волокном мо-
жет составлять от 1 до 100 метров в секунду. Естественно
246
7.7. Запоминание информационных воздействий
предположить, что время учитывается в логике работы
нейронной сети. Более того, можно предположить, что
на временном аспекте* строится логика работы некото-
рых нейронных механизмов Как это можс пре сх
дпть. было показано в [66] при описании автомата для
воспроизведения временных последовательностей (ассо-
циативного автомата).
Глава 8
Модель мышления
и творчества
8.1. Общие замечания
Сначала немного о терминологии. Часто используе-
мое выше слово «модель» перегружено. Во-первых, гово-
рится о с l роящейся в мозге модели проблемной среды и,
во-вторых, о модели нейронных механизмов мозга. Фак-
тически во втором случае говорится о модели модели.
Термин «модель проблемной среды» возник не случайно.
Он выражает суть того, к чему он применяется. Ин-
формационное отображение среды в мозге не должно
быть просто пассивным описанием. Тем не менее, для
упрощения создавшейся ситуации в дальнейшем там, где
это не слишком нарушает смысл изложения, вместо «мо-
дель проблемной среды» будет говориться «отображение
проблемной среды». При этом важно помнить, что стро-
ящееся в мозге отображение среды должно быть активно
и обладать свойствами действующей модели.
Для отображения проблемной среды в виде много-
уровневой иерархии понятий и отношений в направ-
лении [III используются различные системы представ-
ления знаний, например, системы на основе аппарата
248
8.1. Общие замечания
математической логики, фреймовые системы пли семан-
тические сети. Принципиальная проблема состоит в том,
как сделать такие системы активными, т. е. «действующи-
ми моделями среды».
Мы пытаемся моделирован» мышление. Поэтому ра-
бота модели должна совпадать с представ.гениями о ра-
боте мозга. В начале киш и говорилось о том, что к пони-
манию мышления полезно, а может быть и необходимо
идти от анализа задач восприятия и поведения, также
как и от понимания работы активных нейронных меха-
низмов мозга. Излагаемое ниже основано на этом, хотя
и носит достаточно общий, в основном гипотетический
характер. Конкретная реализация полной многоуровне-
вой нейронной модели может быть связана с непросты-
ми проблемами. Возможно, что при построении каких-то
вариантов компьютерной модели полезны будут макси-
мально допустимые упрощения.
Описанные выше эксперименты па модели Л-ссти
относятся к одному (любому) уровню иерархической пол-
ной нейронной модели. В мозге строится иерархическое
многоуровневое отображение проблемной среды. Это
отображение используется для управления поведением,
для восприятии среды и для решения абстрактных задач
мышления. Описание этого отображения, отвечающее
на вопросы о том. из чего оно состоит, как структурно
устроено, как формируется и как работает, будет фак-
тически определять функциональную сторону' полнот!
нейронной модели механизмов мозга. Некоторым важ-
ным аспектам такого описания будет уделено основное
внимание в последующем изложении.
Относительно нейронных механизмов модели пол-
ных конструктивных гипотез нет. Можно говорить толь-
ко о более или менее общих свойствах, не выходящих.
249
Глава 8. Модель мышления и творчества
в принципе, за рамки представлении, сформулирован-
ных при описании одноуровневой Л-сети. Кроме того,
можно, конечно, говорить и о проблемах, решение кото-
рых необходимо для создания полной нейронной модели
механизмов мозга. Эти проблемы приведены и обсужда-
ются в следующей главе.
Полная (гипотетическая) нейронная модель должна
быть такой же активной системой, как и рассмотрен-
ная выше Л сеть. Единство всех процессов, связанных
с построением и работой полной нейронной модели,
основывается па принципе активности, направленном
на оптимизацию состояния сети, построенной из не-
устойчивых элементов. Общая схема по сути такая же,
как и рассмотренная выше схема формирования первич-
ной сети и вторичных нейронных сетей — нейронных ан-
самблей в одноуровневой модели. Суть схемы всегда, как
при обучении, так и про работе системы, сводится к фор-
мированию стабильных очагов возбуждения нейронов,
мешающих процессу оптимизации функционального со-
стояния сети, и к гашению очагов возбуждения. Нужно
еще раз подчеркнуть, что при построении конкретных
нейронных механизмов модели можно широко варьи-
ровать свойства нейронов, сохраняя основные — синср-
гичность (взаимосодействие) и активность, основываю-
щиеся на свойстве внутренней неустойчивости и общей
направленности всех свойств па оптимизацию функцио-
нального состояния сети.
Мышлением можно называть все происходящие в
мозге процессы, связанные с осознанной переработкой
информации. Это могут быть разные процессы, кото-
рые можно по-разному классифицировать. Естественно
различать процессы, связанные с восприятием и позна-
нием среды, управлением поведением, решением фор-
250
8.2. Мышление
мольных задач и творчеством. Общим для любых про-
цессов мышления является, во-первых, отражение их
результатов в сознании и, во-вгорых. сознательное целе-
направленное управление процессом на основе исполь-
зования модели проблемной среды и умозрительного
моделирования.
Протекающие в мозге процессы восприя тия и умо-
зрительного моделирования среды будем называть пер-
цептивным мышлением. Процессы, результатом которых
является построение па основе восприятия модели сре-
ды, будем называть когнитивным мышлением. Процессы,
направленные на управление поведением или решение
формальных задач, будем называть практическим (пове-
ден ч ес ким) м ы ш л е и и ем.
8.2. Мышление
Рассмотрим гипотетические представления о про-
цессах мышления и творчества человека. В полной актив-
ной нейронной модели должны реализовываться те же
процессы. Ниже обсуждаются достаточно общие предпо-
ложения о том. как может интерпретироваться мышле-
ние вообще и в частности на уровне модели нейронных
механизмов мозга. Естественно, эти интерпретации, ори-
ентированные па главное, упрощены и нс затрагивают
многих вариантов, особенностей и тонкостей реальных
процессов. Термины «мышление» и «творчество» нс име-
ют общепринятых четких определений. Поэтому мы име-
ем право давать своп определения и интерпретации.
8.2.1. Перцептивное мышление
Процесс перцептивного мышления связан с воспри-
ятием. осознанием и пониманием реальной ситуации
251
Глава 8. Модель мышления и творчества
в среде. Перцептивное мышление — это актуализация
в мозге и вывод на уровень сознания части модели среды,
включающей реально воспринимаемый органами чхвств
фрагмент среды. Возникающая при этом в сознании
часть среды может выходить за пределы непосредствен-
но воспринимаемого фрагмента как в пространстве, так
и во времени. Кроме того, к перцептивному мышлению
будем относить процессы умозрительного перцептивно-
го конструирования новых обьектов и ситуаций. Пояс-
ним это на следующих примерах.
Я гляжу на экран и вижу появляющиеся на нем сим-
волы, слова и фразы. Я вижу монитор, клавиатуру, иногда
мышку и поверхность стола. Периферическим зрением
менее четко я вижу настольную лампу телефон и другие
находящиеся на столе предметы. При желании я могу
переключить внимание и вывести на уровень сознания
с любой доступной мне степенью детализации любой
из этих предметов. Не оборачиваясь назад я представ-
ляю, что находится у меня за спиной, но это представле-
ние является уже обобщенным и не таким точным и де-
тальным. Я слышу направляющиеся ко мне шаги и пред-
ставляю, кто идет, и даже догадываюсь зачем. Я могу7 пред-
ставигь себе не только ситуацию, которая будет через
какое-то время, но и си гуацию, которая была в прошлом.
Описанные примеры относятся к актуализации фраг-
ментов перцептивной части модели среды. Эти фрагмен-
ты могут включать как конкретные объекты и ситуации,
так и представления разной степени обобщения и укруп-
нения. Кроме того, я могу7 себе представить не только
то, что в явном виде отображено в моей модели про-
блемной среды. В моем умозрительном представлении
могут возникать объекты и ситуации, недоступные пря-
мому восприятию. Я могу7 себе представить и то, что
252
8.2. Мышление
я никогда нс видел и никогда нс увижу; например, избуш-
ку на курьих ножках, паровоз, стоящий на рельсах вверх
колесами, либо другие физически невозможные объекты
и ситуации. Представления такого рода можно назвать
умозрительным перцептивным конструированием.
Приведенные примеры умозрительного моделиро-
вания и умозрительного конструирования объединяет
с процессами непосредственного реального восприятия
то, что все они являются принципиально отображае-
мыми перцептивными представлениями хотя бы только
в воображении.
Таким образом, перцептивное мышление включает
как узнавание отдельных объектов, так и целостное вос-
приятие окружающей среды, но не ограничено только
этим. Классическое распознавание образов, даже реали-
зованное на формальных нейронах, прямого отношения
к перцептивному мышлению не имеет. Описанное в гла-
ве 2 «восприятие с пониманием» можно считать упро-
щенной, но в то же время важнейшей частью перцеп-
тивного мышления. Восприятие и умозрительное моде-
лирование среды в процессе перцептивного мышления
должно основываться на тех же принципах целостно-
сти, целенаправленности и активности. Должны разво-
рачиваться и взаимодействовать процессы «снизу вверх»
и «сверху вниз» в иерархически организованной моде-
ли проблемной среды, отражающей двусторонние связи
между частным и общим, а также между частями и це-
лым. Восприятие должно умозрительно разворачиваться
во времени и в пространстве за пределы отражающего-
ся в мозге с помощью органов чувств фрагмента среды.
Должно происходить управление процессом восприятия
с понятийного уровня. Восприятие с пониманием долж-
но основываться на предвидении — «акцепторе воспри-
253
Глава 8. Модель мышления и творчества
я гпя». Должен использоваться контекст и максимально
полная семантическая модель проблемной среды.
Компьютерная реализация всего этого, гем более
реализация на основе активных нейронных механизмов,
представляет собой проблему, далекую от полного ре-
шения Еще большую проблему представляет собой ней-
ронная компьютерная имитация второй составляющей
перцептивного мышления, а именно имитация умозри-
тельного перцептивного конструирования.
8.2.2. Когнитивное (познавательное) мышление
Когнитивное мышление — это формирование в мозге
модели среды. Исторически, как в эволюционном плане,
так и в онтогенезе, построение в нервной системе отоб-
ражения проблемной среды начинается с формирования
в ней простых конкретных чувственных образов объек-
тов, ситуаций и действий. В нейронной модели смысло-
вым элементам, являющимся конкретными объектами,
ситуациями или действиями, соответствуют нейронные
ансамбли нижних уровней иерархии. Далее в модели
строятся причинно-следственные связи между образами
на основе непосредственных парных сочетаний во вре-
мени — временных ассоциаций. Эти связи могут строит ь-
ся примерно гак же, как и рассмотренные выше связи
между последовательно возбуждающимися нейронными
ансамблями Л-сети. Выше была рассмотрена и более
сложная, и более логически емкая схема формирования
временных ассоциаций с использованием задержек при
передаче сигналов между нейронами
Конкретные чувственные образы и простые связи
между ними формируются при отображении проблем-
ной среды в нервной системе животных. У человека
образное отображение среды формируется в нравом по-
254
8.2. Мышление
лушарип головного мозга. Понятийное словесно-логи-
ческое отображение формируется в левом полушарии.
Образная и понятийная модели функционально и струк-
турно разделены, но работают как единое целое, взаимно
дополняя дрм друга. ( вязанные с этим сгруктурно-логи-
ческие особенное гп модели проблемной среды будут еще
затронуты в разделе 8.2.4.
Как \же многократно отмечалось выше, отображе-
ние среды в гипотетической нейронной модели так же,
как и отображение среды в мозге человека, должно быть
многоуровневым и иерархическим. Построение иерар-
хической многоуровневой системы представления объ-
ектов, ситуаций, действий и процессов происходи! од-
новременно как по линии формирования укрупнений
(часть — целое), так и но липин формирования обобще-
ний (частное — общее). Входами на нейроны каждого
уровня иерархии являются выходы с информационных
объектов — нейронных ансамблей более конкретного
(более низкого) уровня.
В такой схеме естественно реализуется связь между
целым и входящими в него частями на основе функции
Объединения (П). Эти конструкции леч ко реализуют ассо-
циации ио сходству. Возможны также парные ассоциации
по смежности во времени. Реализация в нейронной сети
более сложных отношений между входящими в цс юс ча-
стями представляет важную принципиальную проблему.
Формирование в модели отображения среды, включаю-
щего понятия высокою уровня укрупнения, обобщения
и абстракции, невозможно без вербализации, т. е. языка.
В гипотетической многоуровневой нейронной моде-
ли должна происходить активация смысловых элементов
(нейронных ансамблей) по вертикали — снизу вверх, т.е
от частного к общему, или ин [укция, и от частей к целому.
255
Глава 8. Модель мышления и творчества
или синтез. Должны происходить и встречные возбужде-
ния сверху вниз. т. е. от общего к частному, или дедукция,
и от целого к частям, или анализ.
Построение в мозге модели проблемной среды про-
исходит при взаимодействии процессов, называемых
перцептивным мышлением, состоящим в восприятии
и воображении, и когнитивным (познавательным) мыш-
лением, состоящим в исследовании общих и частных
свойств воспринимаемых объектов разных уровней обоб-
щения и укрупнения
Когнитивное мышление во многом опирается на на-
глядно-образное конструирование (воображение), а так-
же и на наглядно-действенное конструирование. При на-
глядно-образном конструировании в воображении пред-
ставляются объекты, в гом числе могут устанавливать-
ся непривычные или невероятные сочетания предметов
и их свойств. Эти представления играют роль гипотез,
требующих проверки. При наглядно-действенном кон-
струировании происходит реальное физическое преоб-
разование ситуации и опробование свойств объектов.
Все сказанное может относиться нс только к реальной
воспринимаемой или отображаемой среде, но и к фор-
мальным и абстрактным, например, матемач ичсским объ-
ектам.
Для того, чтобы модель «жила» по законам среды,
кроме общего свойства активности необходимо пред-
ставление в модели действий и процессов, определяю-
щих варианты возможных переходов о г одной ситуации
к другой Иерархия действий и процессов необходима
для того, чтобы на любом уровне укрупнения ситуаций
между’ ними были представлены одношаговые перехо-
ды, т.е. укрупненные действия, а пс цепочки, состоящие
256
8.2. Мышление
из последовательности действий! и ситуаций Сообщен-
ные действия при их конкретизации порождают вариан-
ты. сравниваемые в процессе решении задач поведения
и мышления.
Как уже говорилось, основная часть модели среды
строится на основе личного опыта индивида. Ч го застав-
ляет животное или человека получать из среды инфор-
мацию, г. с. проводить эксперимент, и структурировать
эгу информацию, г. с. обобщать, укрупнять и привязы-
вать к уже существующей? Последнее в каком-то смысле
эквивалентно построению теории.
В главе 5 приводилось описание эксперимента
В. С. Ротенберга и В. В. Аршавского, в котором (экспери-
менте) крысы, не имеющие никаких первичных физио
логических потребностей, покидали комфортабельна ю
камере' для исследования нового темного, неизвестного
и поэтому представляющегося им опасным помещения.
На основании подобных наблюдении и экспериментов
часто делается вывод о том, что получение информации
(любопытство является одной из первичных генетиче-
ски заданных потребное гей животных.
Выше уже говорилось о том, что у живого организма
имеется потребность не в получении информации во-
обще. а в построении модели проблемной среды, при
этом строятся информационные срезы, определяемые*
его первичными и вторичными потребностями. 1бвори-
юсь. что живой организм направленно и активно входит
во взаимодействие со средой для удов ютворения всех
своих потребностей в том числе и для удовлетворения
потребности в построении и дополнении модели среды.
Теперь, имея гипотетическое пред с гавление об акт ивных
нейронных сетях, можно сделать следующее ггочнепие.
18 За< 115
257
Глава 8. Модель мышления и творчества
В нейронной сети, состоящей из активных неустой-
чивых элементов, постоянно возникают потребности
в оптимизации своего функционального состояния. Ни-
каких других потребностей в нейронной corn нет. Воз-
никновение потребностей но оптимизации состояния
связаны с формированием в coin стабильных очагов воз-
буждения, приводящих к неравномерному возбуждению
нейронов сети, что ведет к ухудшению функциональ-
ного состояния отдельных нейронов и сети в целом.
Удовлетворение таких потребностей достигается за сче т
гашения очагов возбуждения.
Эти свойс тва нейронов и нейронной сети должны
быть заданы генетически. Кроме того, генетически за-
даны первичные физиологические потребности и их
отображение в нейронной сети в виде стабильно под-
держиваемых первичных очагов возбуждения. Гасятся та-
кие очаги возбуждения только при удовлетворении пер-
вичных потребностей. Как возникают вторичные очаги
возбуждения, связанные с вторичными потребностями.
остается вопросом как на физиологическом уровне, так
и на уровне моделирования. Точно также вопросом оста-
ется и то, как работают реальные и модельные нейрон-
ные механизмы при возникновении и гашении вторич-
ных очагов возбуждения в случае построения, коррекции
или дос ! ройки модели среды.
В эксперименте Ротенберга и Аршавского в мозге
крысы при постоянном наблюдении приоткрытой двери
в незнакомое темное помещение строился незакончен-
ный фрагмент модели проблемной среды, и формиро-
вался вторичный очаг возбуждения, погасить который
можно, только исследовав эго помещение и достроив
фрагмент модели.
258
8.2. Мышление
Таким образом, получение информации, построе-
ние модели среды и даже гашение вторичных очагов
возбуждения — это не потребности организма, а лишь
средства удовлетворения потребности. Потребность же
состоит в необходимости оптимизации функционально-
го состояния нейронной сети при его ухудшении за счет
появления очагов возбуждения. Вторичные очаги воз-
буждения гасятся, в частности, при активном и целена-
правленном получении информации, необходимой для
достройки модели среды. Целенаправленность состоит
в том, чго по информации, имеющейся в существующей
модели среды, строятся и затем проверяются гипотезы
о свойствах исследуемого неизвестного объекта.
Итак, познание активно и целенаправленно. Состо-
ит оно в формировании гипотез о свойствах исследуе-
мых объектов и в получении информации, необходимой
для их проверки. Познание активно, поскольку непо-
средственно направлено на гашение очагов возбуждения
и оптимизацию функционального состояния сети. В ко-
нечном счете этот процесс должен приводить к форми-
рованию в мозге целостной модели среды.
Интересно в связи с этим привести цитату из сло-
варя практического психолога (1998): «Непрерывное ге-
нерирование взаимосвязанной системы познавательных
гипотез, идущих навстречу внешним стимулам, есть вы-
ражение активной природы образа мира — в противопо-
ложность традиционным представлениям о познаватель-
ных образах как возникающих в результате рефлектор-
ных процессов — реактивных, развертывающихся в от-
вет на внешние воздействия». Это очень созвучно изло-
женному выше и. в определенной степени, подкрепляет
приведенные представления. Можно добавить еще, что
активный целенаправленный процесс познания имеет
18*
259
Глава 8. Модель мышления и творчества
много общих черт с описанным в главе 2 процессом
активного целенаправленного восприятия.
Выше описывалось, как возникает очаг возбуждения
в одноуровневой 4-сети при подаче на нее стабильного
информационного воздействия. Описывалось, как при
этом формируется вторичная нейронная сеть. т. с. ан-
самбль нейронов, являющийся элементом памяти. При
конкретной разработке многоуровневой нейронной мо-
дели необходимо будет определить логику и механизмы
возникновения и гашения очагов возбуждения па всех
уровнях нейронной сети.
8.2.3. Практическое (поведенческое) мышление
В психологии термин практическое мышление чаще
всего относят к процессу постановки целей поведения
и выработки планов действий. Для определенной при-
вязки к гипотетическим механизмам мышления будем
считать практическим (поведенческим) мышлением по-
иск и выбор лучшего по эмоциональной оценке пути,
соединяющего в модели проблемной среды смысловые
элементы, соответствующие текущей и целевой ситуа-
циям. Эта же схема подходит для описания постановки
и умозрительного решения формальной задачи, не свя-
занной с реальным поведением в среде. Для конкретно-
сти в дальнейшем будем рассматривать задачу управления
поведением.
Мозг и мышление были созданы эволюцией для
управления поведением. Важной характеристикой задач
поведения часто является их мпогоэкстремальность. Как
уже отмечалось. представляется, что именно эта осо-
бенность задач поведения животных с необходимостью
вызвала развитие мозга и мышления. Ниже рассматри-
вается приближенная схема решения многоэкстрсмаль-
260
8.2. Мышление
пых задач поведения с использованием многоуровневой
иерархической модели проблемной среды.
Уже отмечалось, что ввиду многоэксгремальпости
задач поведения и сходных задач управления в активных
динамических системах их глобальное решение может
быть практически невозможно. Однако, когда задача од-
поэкстрсмальна. она может быть решена с применением
локального алгоритма, при котором не нужен просчет ва-
риантов до конечной целевой ситуации, а ограниченным
перебором определяется лишь наилучший одношаговый
переход в каждом узле дерева траекторий, т. е. движение
осуществляется по градиенту целевой функции.
Имеются экспериментальные данные, частично рас-
смотренные в главе 1, говорящие о том, что поведение
животных и человека подчиняется локальному алгорит-
му принятия решения в ситуации выбора. В то же время,
в свободном поведении решаются многоэкстрсмальные
задачи. Каким же образом применить локальный алго-
ритм к многоэкстремальным задачам?
Естественно, прямое применение локального алго-
ритма в этом случае нс даст решения, т.е. может приво-
дить к ошибке. Так человек, начинающий учиться играть
в шахматы, рассматривая возможности очередного хода,
выбирает тот ход. который непосредственно приводит
к локальной максимизации функции ценност и, что, оче-
видно, не может привести к успеху ввиду многоэкстре-
мальности шахматной задачи.
Применять локальный алгоритм можно только по-
сле сведения многоэкстрсмальпой задачи к одноэкстре-
мальной. Мпогоэкстремальность может проявиться толь-
ко тогда, когда система двигаясь от текущей ситуации
к целевой, последовательно проходит промежуточные
ситуации, в которых оценивается целевая функция. При
261
(лава 8. Модель мышления и творчества
переходе от текущей ситуации к целевой в один шаг
многоэкстремальности возникнуть не может.
Таким образом, свести многоэкстремальную задачу
к одноэкстремалыюй можно, перейдя на новый инфор-
мационный уровень модели проблемной среды. Этот
новый информационный уровень всегда должен быть
уровнем обобщения и укрупнения. Однако просто перей-
ти на более высокий уровень укрупнения недостаточно.
Нужно перейти на такой уровень, где возможны одноша-
говые переходы между текущей и целевой ситуациями.
Рассмотрим пример. Пусть я нахожусь в Москве
и должен по каким-то причинам быть завтра в Петер-
бурге. Спланировать и оценить перемещение из Москвы
в Петербург на уровне элементарных действий невоз-
можно. Поэтому я сначала но имеющейся у меня модели
выделяю и сравниваю наиболее укрупненные одношаго-
вые переходы. Такими переходами могут быть, напри-
мер, лететь на самолете, ехать на поезде, идти пешком.
Выбрав вариант одношагового перехода — ехать в Пе-
тербург на поезде, я намечаю достижимые в один шаг
последовательные подцели укрупненного, но более низ-
кого уровня: собрать необходимые вещи, ехать па вокзал,
взять билет, сесть в поезд, ехать в поезде.
На каждом из этих одношаговых переходов я могу
сравнивать и выбирать варианты, выделять подцели и од-
ношаговые переходы более конкретного уровня вплоть
до конкретных действий, например, «встать со стула».
В рамках каждого одпошагового перехода возможна це-
почка действий и ситуации более конкретного уровня,
па которых происходит изменение, в том числе может
происходить и ухудшение эмоциональной оценки рас-
сматриваемой ситуации. Однако это уже не имеет ре-
шающего значения — за все «отвечает» более высокий
262
8.2. Мышление
и в первую очередь самый высокий уровень укрупнения
модели среды.
На каждом уровне модели выбирается просто луч-
ший из возможных одношаговых переходов, даже если
все они имеют отрицательную эмоциональную оценю.
На самом высоком уровне — уровне удовлетворения по-
требностей (в рассматриваемом случае потребность —
это быть завтра в Петербурге) выбираемый лучший одно-
шаговый переход должен иметь положительную общую
эмоциональную оценку, являющейся совокупной оцен-
кой пути и цели. В противном случае человек (животное,
система) в данной ситуации нс справляется пли плохо
справляется с задачей удержания регулируемых перемен-
ных внутри области допустимых значении.
Итак, целевая функция максимизируется на наибо-
лее высоком одноэкс гремальном уровне модели проблем-
ной среды. Таким образом реализуется локальный алго-
ритм принятия решения. При выборе решении с необ-
ходимостью делаются лишь предварительные приблизи-
тельные оценки изменения целевой функции, основан-
ные па умозрительном моделировании и предвидении
с использованием многоуровневой модели проблемной
среды.
Описанная схема планирования и реализации пове-
дения в многоэкстремалыюй среде использует одношаго-
вые переходы в многоуровневой иерархической модели
проблемной среды. На основе сравнения одношаговых
переходов и выбора лучшего из них но эмоциональ-
ной оценке в соответствии с принципом доминанты
А. А. Ухтомского формируется и фиксируется главная по-
веденческая доминанта и тормозятся остальные. Доми-
нанта по А. Ухтомскому — эго стабильно сохраняющийся
263
[лава 8. Модель мышления и творчество
очаг возбуждения. Оз главной доминанты, т.е. очага воз-
буждения самого верхнего уровня обобщения и укрупне-
ния модели проблемной среды, на более низкие уров-
ни распространяется коте или «дерево» возбуждений
и формируется ассоциативно-смысловая зона нредакти-
вацип. Одновременно передается торможение на ней-
ронные ансамбли, соответствующие альтернативным од-
ношаговым переходам. На каждом уровне иерархической
модели среды выбирается и фиксируется своя времен-
ная доминанта, соответствующая выбранному на этом
уровне одношаговому переходу. Доминанта (очаг возбуж-
дения) гасится при реальном выполнении соответствую
щего перехода.
Таким образом, за счет оцениваемых одношаговых
перехо iob достигается сведение многоэкстремальных за-
дач поведения к одноэкстрсмальным, что лежит в основе
процесса поведенческого мышления. К этой же схеме мо-
жет сводится и процесс мышления при решении многих
умозрительных конкретных и абстрактных задач.
8.2.4. Механизмы репродуктивного практического
(поведенческого) мышления
В психоло! ин репродуктивным называется мышле-
ние, основанное па применении готовых знании и уме-
нии Практическое (поведенческое) мышление может
быть как простым (репродуктивным), гак и творческим.
Текущая и целевая ситуация представляются в нейрон-
ной модели проблемной среды возбужденными нейрон-
ными ансамб 1ямп — очагами возбуждения. Путь в модели
проблемной среды — это последовательность переходов
«ситуация — действие — ситуация», выражающаяся в по-
следовательном возбуждении нейронных ансамб. ich
264
8.2. Мышление
Ла качественном уровне процесс поиска и сравнения
вариантов пути в многоуровневой мо (ели среды рассмот-
рен выше в разделе 8.2.3 Представления о возможной
реализации такого процесса в нейронной мо (ели реаль-
ных механизмов мышления доста i очно прибли штельны.
Очаги возбуждения - это стабильная активация соответ-
ствующих нейронных ансамблей Формироваться и фик-
сироваться главные повс (епческие доминанты и соот
ветствующие нм очаги возбуждения должны при выборе
между постоянными первичными или вторичными по-
требностями в процессе решения задачи оптимизации
поведения но критерию шахТ. Гаситься очаги возбуж-
дения должны при удовлетворении потребностей, для
которого необходимо либо достижение реальных целе-
вых ситуаций вереде либо, при постановке абстрактных
задач, достижение «умозрительных целевых ситуации
в модели. Достижение целевых ситуаций в нейронной
модели проблемной среды — это последовательное воз-
буждение нейронных ансамблей, соответ с i вующих пере-
ходам от текущей к целевой ситуации.
При поиске пути в модели проблемной среды снача-
ia происходит выделение области поиска, а затем порож-
дение и сравнение вариантов Ь\дсм называть область
поиска ассоциативно-смысловой зоной нредактивации
нейронных ансамблей. Выделение ассоциативно-смыс-
ловой области поиска не является абсолютно жестким.
Осуществляется оно фоновой возбуждающей нредактп-
вацией нейронных ансамблей, связанных с нейронными
ансамблями, непосредственно возбуждаемыми постав-
ленной задачей, г. с. с главной доминантой и соответ-
ствующим очагом возбуждения, а также с подчиненными
доминантами па более низких уровнях иерархической
модели с рсды.
17 За< 115
265
[лава 8. Модель мышления и творчество
«Связанные» в данном случае означает «входящие
в конус иди ..дерево" возбуждений» (см 8.2.3) и связан-
ные в модели проблемной среды по «вертикали», г. е.
по линии «часть — целое» и «общее частное», либо свя-
занные ио «горизонтали», т. с. отношениями типа «при-
чина — следствие» или ассоциациями но сходс тв\ или
смежное in во времени. Таким образом, активируются
не только «вертикальные» связи между уровнями иерар-
хии внутри зоны доминантной предакiинации, но и ас-
социативно-смысловые «горизонтальные» связи, идущие
как от главной доминанты, так и от производных доми-
нант на всех уровнях модели проблемной среды
Выделение области поиска направленно на то, что-
бы рассматривать только осмысленные варианты и сни-
зить вероятность рассмотрения вариантов, не имеющих
отношения к решаемой задаче. Так, при планировании
поездки из Москвы в Петербург вряд ли нужно рассмат-
ривать варианты, включающие подводную лодку или ра-
ке годром.
Порождение вариантов и ре имущее i венно в выделен-
ной ас с оциагивио-смысловой зоне предакiивацин проис-
ходит на основе случайного перебора и взаимного тормо-
жения нейронных ансамблей, соответствующих альтер-
нативным вариантам переходов между моделируемыми
ситуациями На все нейроны поступаем дополни iс и>ное
случайное возбуждающее воздействие, ко торое складыва-
ется с предак гивацией нейронных ансамблей в области
поиска. Будем называть это дополнительное случайное
воздействие внутренним шумом. Можно предположить,
что в мозге такие случайные внутренние возбуждающие
воздействия поступают на нейроны коры из каких-то дру-
гих отделов головного мозга, например из ретикулярной
формации.
266
8.2. Мышление
Порождающее перебор внутреннее случайное воз-
действие похоже на рассматриваемый в синергетике так
называемый перемешивающим слой. Дополнительное
случайное возбуждающее воздействие поступает на все
нейронные ансамбли и нс должно быть слишком боль-
шим. иначе оно «забьет» и нивелирует ассоциативно-
смысловую прсдактпвацпю. I Imcihio поэтому мышлению,
как правило, мешает си н.ный внешний шум.
В свете всего сказанного будем называть простым
ренро 1УК1 ивным практическим (поведенческим) мышле-
нием поиск но модели проблемной среды и выбор лучше-
го пути между текущей и целевой ситуациями г е. выбор
одношаговых переходов и последовательных переходов
между ситуациями на всех уровнях иерархии модели, при
условии, что искомый путь существует в модели и лежит
в зоне ассоциативно-смысловой прсдактивации. Найден-
ный и все промежуточные пути реализуются в возбуж-
дении соответствующих смысловых элементов модели
проблемной среды, т. е. в возбуждении пред ставляющих
эти э 1емепты модели нейронных ансамблей Все ска-
занное относится как к задачам управления поведением
в реальной среде, так и к решению абстракциях задач.
8.2.5. Структурно-логическая особенность модели
проблемной среды человека
Развитым мозгом и мышлением обладают животные
и человек. В го же время мышление человека во многом
отличается от мышления животных. В значительной сте-
пени эти различия определяются тем, что строящаяся
в мозге модель проблемной! среды человека принципи-
ально отличается от модели проблемной среды живот-
ных. В мозге животного строится так называемая образ-
но-двигательная модель. У человека модель проблемной
17
267
Глава 8. Модель мышления и творчества
среды состоит из двух частей — словесно-логической
и образной. Эти части имеют нс только функциональное
различие, но и четкое структурное и пространственное
разделение. Словесно логическая модель расположена
в левом полушарии коры головного мозга, образная мо-
дель — в правом. Соответственно в психологии различа-
ются словесно-логическое и образное мышление.
Чем отличаются эти модели и связанные с ними
типы мышления? В словесно-логической модели все вхо-
дящие в нее объекты, ситуации, действия п процессы
именуются. Это позволяет создавать иерархические мно-
гоуровневые обобщения и оперировать по только с кон-
кретными единичными сущностями, но и с их классами.
В словесно-логической модели возможно формирование
понятий разной степени абстракции. Например, воз-
можны такие понятия, как «здоровье», «ошибка» или
«плохое обслуживание». Словесно-логическое мышление
J
является последовательным. Результатом такого мышле-
ния становятся непротиворечивые в пределах имеюще-
гося опыта причинно-следственные цепочки ситуаций
и действии разных уровней обобщения, укрупнения и аб-
стракции.
В образной модели отражаются конкретные объ-
екты, ситуации и действия. Возможность построения
обобщений и укрупнений минимально достаточна для
процесса восприятия, в первую очередь зрительного.
В нашей терминологии это только два уровня иерар-
хии. Помимо зрительных образов могут восприниматься
и запоминаться звуки, музыка и простая информация
других сенсорных модальностей. Возможность восприя-
тия и понимания более или менее сложной информации,
выражаемой словами, минимальна.
268
8.2. Мышление
В отличие от словесно-логической модели образная
модель работает параллельно. В образной модели проис-
ходит одномоментное многозначное целостное восприя-
тие обьектов и ситуаций.
Образное мышление ограничивается преимущест-
венно ассоциациями но сходству и по смежности во вре-
мени. И что очень важно, в образной модели происходят
основные эмоциональные оценки, в том числе и оценки,
иа основании которых принимаются поведенческие ре-
шения в ситуации выбора. С этими особенностями образ-
ной модели связано то. что правое полушарие в основном
отвечает за воображение и творчество.
В нормальном здоровом мозге человека словесно-ло-
гическая и образная модели работают совместно. При-
ближенно и грубо это можно представить себе следую-
щим образом. Обратимся еще раз к планированию поезд-
ки в Петербург. В словесно-логической модели отражены
одношаговые переходы, например, «лететь самолетом»,
«ехать на поезде», «ехать на автомашине». При выборе
между ними идет обращение к образной модели и в созна-
нии возникают образы, соответствующие сравниваемым
вариантам, и их эмоциональная оценка.
Вариант «ехать на поезде» связан с возникающей
из памяти одной последовательностью образов, вариант
«лететь на самолете» — с другой. Эти образы и их эмоци-
ональная оценка зависят от конкретного опыта человека
и у разных людей могут быть разными. Например, могут
возникнуть такие конкретные образы: очередь в билет-
ную кассу, «Красная стрела», сервис в вагоне, стук колес,
плохой сон и т. д. Таким образом, варианты одношаговых
переходов порождает словесно-логическая модель, а их
сравнение основывается на оценках образной модели.
269
Глава 8. Модель мышления и творчества
Другой пример. Вспомним Маяковского: «Любить —
это с простынь, бессонницей рваных, срываться, ревнуя
к Копернику, его, а не .мужа Марии Ивановны, счи-
тая своим соперником». Или очень образное: «Взвоют
и замрут сирены над Гудзоном, будто бы решают выть
или не выть. Лучше бы не выли, пассажирам сонным
нужно просыпаться, думать, есть, любить». Поэт напи-
сал слова, взятые из его словесно-логической модели.
Слова эти появились на основании конкретных, эмоци-
онально оцениваемых образов из сто образной модели.
При этом поэте7 удалось обобщить эти образы так, что
у читателя эти слова вызывают из сто образной мо-
дели его частные образы и их эмоциональную оценку,
близкие в обшем случае образам и их эмоциональной
оценке поэта.
В свое время еще Белинский написал: «Искусство —
это мышление в образах». Возможно, что это нс вполне
точно. Во всяком случае по отношению к литературе,
о которой и писал Белинский, можно, по-видимому, ска-
зать: искусство — это сочетание словесно-логического
и образного мышления. Возможно, что в искусстве, как,
чаще всего, и в любом творчестве, образное мышление
стоит па первом месте.
Существует представление, состоящее в том, что для
науки, в отличие от искусства, главным, а .может быть
и единственным, является сухое строгое словесно-ло-
гическое или. что то же самое, символьно-логическое
мышление. Это не верно. Для Л1060Г1 творческой дея-
тельности и. может быть, в первую очередь для пауки,
необходимы фантазия, воображение, образное мышле-
ние. целостное, часто зрительное, представление про-
блемы, эмоциональная оценка.
270
8.3. Творчество
8.3. Творчество
8.3.1. Творческий поиск
В этом разделе рассматриваются некоторые в прин-
ципе моделируемые и. возможно, основные аспекты
творческого мышления. К творческому практическому
(поведенческому) мышлению. во-первых, будем относить
с.тучаи. когда искомый п\ть между очагами возбуждения
в модели проблемной среды существует, полежит вис зо-
ны ассоциативно-смысловой прсдактнвации. Этот случай
можно назвать творческим поиском. Типичный простей-
ший пример расширения зоны ассоциативно-смысловой
нредактивации — это задача: построить четыре равнос то-
ронних треугольника из шести спичек, требующая для
своего решения перехода o i представлений на плоскости
к представлениям в трехмерном пространстве.
Если искомый путь в модели проблемной среды су-
ществует. во находи тся вне юны прямой ассоциативно-
смысловой предаютивацпи, то выход на него. т.е. воз-
буждение соответствующих нс предактивируемых ней-
ронных ансамблей, затруднен и является случайным со-
бытием. вероятность которого меньше, чем вероятность
возбуждения прсдакгивпрусмых нейронных ансамблей
Кроме того, в соответствии с принципом доминанты
А. А. Ухтомского и но некоторым модельным гипотезам,
от доминантных очагов возбуждения не только передают-
ся активирующие воздействия на все ансамбли, которые
имеют прямые ассоциативные и смысловые связи с воз-
бужденными, но также передается и торможение на все
другие ансамбли. В результате возбуждение от внутрен-
него шума (перемешивания) оказывается недостаточным
для активации нужных нейронных ансамблей.
271
Глава 8. Модель мышления и творчества
Какая ситуация может порождать «зацикливание»,
выражающееся в последовательном повторном возбуж-
дении одних и тех же нейронных ансамблей, относя-
щихся к зоне ассоциативно-смысловой иредактивацип.
Это часто и происходит у человека при решении труд-
ных задач. Выход из зацикливания и активация искомого
нейронного ансамбля соответствует состоянию, которое
в психологии называется инсайтом, или озарением.
Факторов, способствующих возникновению инсай-
та, несколько. Во-первых, это повышение порога возбу-
димости у интенсивно работающих нейронов, входящих
в ансамбли зоны ассоциативно-смысловой предактива-
цип. Это происходит при интенсивной повторяющей-
ся работе над решаемой задачей. Во-вторых, это, ча-
сто случайное, получение дополнительных возбуждений
па нейроны искомого ансамбля через не прямые, иногда
достаточно отдаленные ассоциации, зависящие от на-
копленной в модели среды информации. Эти дополни-
тельные возбуждения могут создаваться слабо возбуж-
денными и не выходящими на уровень сознания нейрон-
ными ансамблями. Последнее можно интерпретировать
как влияние подсознания. В-третьих, таким фактором
может быть случайное внешнее возбуждение. Вероят-
ность инсайта повышается и за счет интуиции, состо-
ящей в замыкании пути в модели через слабо возбуж-
денные и не выходящие на уровень сознания нейронные
ансамбли (смысловые э.тементы). 11птуиция делает поиск
более направленным, вспомните: «мне кажется, пли ин-
туиция мне подсказывает, что в этом что-то есть». Прав-
да, интуиция, т.е. связь между нейронными ансамблями
через ансамбль, слабо возбужденный и не выходящий
на уровень сознания, может оказаться и ложной.
272
8.3. Творчество
Таким образом, инсайт — это случайное событие, ве-
роятность ко торого повышается при совпадении во вре-
мени перечисленных факторов со случайным возбужда-
ющим воздействием, поступающим от вттреиисго «шу-
ма» или «перемешивания». Результат выхода за преде-
лы ассоциативно-смысловой зоны поиска, приводящий
к решению творческой задачи, запоминается в моде-
ли проблемной среды путем образования новых связей
между нейронными ансамблями. На этой основе новые
сходные задачи могут решаться проще с использованием
более широкой облас ти ассоциативно-смысловых связей.
Гворческому мышлению первого типа часто помо-
гает и искусство. При восприятии произведения искус-
ства может происходить процесс сотворчества, приво-
дящий к расширению стандартных ассоциативно-смыс-
ловых связей. Это может происходить как в образной
(в первую очередь) и словесно-ло1 пчсской частях моде-
ли среды, так и в связях между ними.
8.3.2. Креативное (созидательное) мышление
Второй вариант творческого мышления относится
к случаю, когда искомый путь между очагами возбужде-
ния в нейронной модели среды отсутствует, а в самой
среде существует или может возникнуть в результате
направленного преобразования среды. Конкретный про-
стой пример — это ставящаяся перед обезьяной задача:
достать высоко подвешенный банан, для решения кото-
рой нужно представить, а затем построить сооружение
из находящихся в помещении ящиков. (Животные, в пер-
вую очередь приматы и дельфины, могут решать нс очень
сложные творческие задачи.) Отсутствие пути в модели
проблемной среды, если в самой среде искомые ситуации
и/или переходы между ситуациями существуют, означа-
273
Глава 8. Модель мышления и творчества
ст, что модель не полна и се нужно достраивать. Когни-
тивное (познавательное) и креативное (созидательное)
мышления I рудно разделимы Как. впрочем и вс е другие
условно выделяемые кипы мышления.
Достройка модели в обычном случае — это отобра-
жение в ней конкретной среды в процессе се изучения
либо направленного изменения, г. с. отображение не-
посредственно воспринимаемых органами чувств новых
объектов, ситуаций и действии. Достройка модели мо-
жет происходить и при умозрительном перцептивном
пли абстрактном конструировании. В этом случае вооб-
ражение поставляет требующие проверки гипотезы. При
творческом мышлении достройка модели может состоять
нс только в отображении конкретных или абстрактных
новых объектов, ситуаций и действий, но и в ностро
спин отсутствующих священ междх объектами модели,
а также в построении обобщений и укрупнений, т. е.
в переходах между частными явлениями и их обобще-
ниями (индукция, дедукция) и между частями и целым
(синтез, анализ).
Примером такого творческого .мышления является
построение научной теории. Процесс мышления всегда
осповывас 11 я на умозрительной работе модели среды,
т. с. на воображении. Творческое мышление первого ти-
на гак же. как и простое репродуктивное мыш гение.
использует процесс, который может быть назван умозри-
тельным моделированием. Творческое мышление вто-
рого типа (креативное) использует процесс, который
может быть назван умозрительным конструированием
В творческом мышлении первого типа важное значение
имеет случайное возбуждение необходимых нейронных
ансамблей Точно так же случайность и инсайт участ-
вуют и в креативном мышлении Однако вероятности
274
8.3. Творчество
возбуждении нхжиых нейронных ансамблей всегда ia-
висят от существующих знании (существующей модели
проблемной среды) и от проделываемой направленной
умственной paooi ы.
Построение обобщений в общем творческом случае
не должно сводиться к перечислению прецедентов. т. с.
к построению обьединенпя частностей на основе логи
ческой функции «ПЛИ», а должно фактически состоять
в создании теории. Построение укрупнении в общем
творческом случае нс должно сводиться к перечислению
час тей целого, т. с. к пос т роению обьединенпя элементов
на основе логической функции «II», а должно состоять
в отображении взаимосвязей час тей между (обои, в пред
сказании качеств целого и в отображении взаимосвязей
между частями и качествами целого. Полная реализация
и тою, и другого в нейронной модели проблематична.
У человека построение обобщений и укрупнений
происходи! как в словесно-логической (понятийной),
так и в чувственно-образной частях общей модели про-
блемной среды. В словесно-логической части (в левом
полу парии) строится иерархия понятий, в чувственпо-
обра шоп части (правое но lyniapne) строят ся коп Крет
лыс и обобщаемые образы. Обе части .модели работают
вместе и согласованно Если нет патологии, то параллель-
ной независимой работы которая могла бы приводить
к раздвоению личности, не бывает.
Образные представления помогают формированию
понятийных представлений и, как правило, опережают
их. С образно-чувственным представлением объектов
сипаний. действий и процессов в первую очередь свя
зывается их эмоциональная опенка. С образными пред-
ставлениями чаще всего связано построение гипотез
с понятийными представлениями — проверка гипотез.
275
Глава 8. Модель мышления и тдорчестда
Гаким образом, понятийные и образные представления
работают совместно и дополняют др\т друга
Второй вариант творческого мышления чаще все-
го реализуется в науке и искусстве. При этом, если
наука ориентируется, в первую очередь, на словесно-
логическую попятишпю модель, формируя в ней свои
результаты и используя образную модель как вспомога-
тельную. го искусство ориентируется, в первую очередь,
па чувственно-образную модель, формируя в ней свои
результаты и используя словесно-логическую модель как
вспомогательную.
Особенность искусства состоит в том, что это не про-
сто процесс творчества создателя художественного про-
изведения, по и средство приобщения к процессу сотвор-
чества других людей (зрителей, слушателей, читателей),
помощь в формировании в их моделях мира эмоциональ-
но окрашенных образов и свя той между ними в образной
модели, помощь в обобщении образов, помощь в обра-
зовании и обобщении понятий и помощь в образовании
связей между образами и понятиями.
Наиболее простые естественные примеры сотвор-
чества дает театр. Для этого вида искусства характер-
но то. что процесс творчества актера и сотворчества
(зрителя, слушателя) часто, хотя и нс всегда, совпадают
во времени. В других видах искусства, когда создание
и восприятие произве щния разнесены во времени, если
произведение понимается, то также происходит процесс
сотворчества.
В творчестве много общего с простым мышлением.
Гак же, как и при простом мышлении, процесс запуска-
ется от очагов возбуждения. Так же ищутся или строятся
в модели проблемной среды пути между очагами воз-
буждения Так же, как и при простом мышлении, веду-
276
8.3. Творчество
щую роль играет эмоциональная оценка, связывающаяся,
в первую очередь, с гашением очагов возбуждения. Имен-
но поэтому как художественное и научное творчество,
так и просто изобретательство сопровождаются сначала
мучениями, вызываемыми возникновением стабильных
интенсивных очагов возбуждения, а затем получением
положительных эмоций при их гашении. Точно так же
возникновение очагов возбуждения и их гашение, со-
провождаемое получением положительных эмоции, про-
исходит в процессе сотворчества зрителя, слушателя,
читателя.
Для первого варианта творческого мышления, соот-
ветствующего случаю, когда искомый путь между очага-
ми возбуждения в модели проблемной среды существует,
но лежит за пределами зоны ассоциативно-смысловой
предактпвации. определенные конструктивные предпо-
ложения о соответствующих модельных нейронных ме-
ханизмах построить можно Некоторые предваритель-
ные, безусловно, требующие уточнения предположения
приведены выше В то же время нужно еще раз подчерк-
нуть, что пока еще нет конструктивных (потенциально
моделируемых) представлений о том, как па уровне ак-
тивных нейронных механизмов происходят процессы
творческого мышления во втором описанном случае,
т.е. процессы, связанные с умозрительной достройкой
иерархической модели проблемной среды, включающей
построение обобщений и укрупнений.
8.3.3. Работа мозга
и некоторые функции творчества
Трет nii вид творчества ни понятийным, пи образ-
ным мышлением не является. Этот вид творчества ре-
ализуется в любом виде искусства, часто называется
277
Глава 8. Модель мышления и творчества
формой и может быть направлен на создание допол-
нительной эмоциональной окраски смысловой содержа-
тельной составляющей. Этот же вид творчества может
быть и не связан со смысловой составляющей искусства
и состоять го 1ько в эмоциональной окраске так называе-
мого «свободного потока сознания». Наиболее четко это
проявляется в музыке и абстрактной живописи
По приведенным выше модельным представлениям
эмоциональное воздействие связывается с возникнове-
нием и удовлетворением потребностей. Можно нредно-
южить, чго в мезыке эмоциональное воздействие свя-
зывается с созданием, кратковременным поддержани-
ем и гашением очагов возбуждения. Временные очаги
возбуждения могут возникать иа основе предвидения
и гаситься при совпадении предвидения с приходящим
внешним воздействием. Подобные процессы на уров-
не восприятия формы независимо от содержания, т. с.
еще без смысловой нагрузки пли параллельно с ней,
происходят, по-видимому, и в других видах искусства.
Например, в стихах есть ритм (закономерное чередова-
ние ударных и безударных слогов) и рифма. На основе
н того, и другого возникает предвидение. Ритм с озда
ei временные ассоциации (экстраполяции , рифма
ассоциации но сходству Кроме того, рифма может яв-
ляться знаком конца ритмической фразы. Предвидение
выражается в прсдактивации определенных нейронных
ансамблей Совпадение предвидения с реальным собы-
тием создает положительное эмоциональное ощущение.
Несовпадение, например, диссонанс, нарушение ритма
или отсу гствпе рифмы сопровождаются отрицательным
эмоциональным ощущением.
Таким образом, к творчеству в искусстве относи тся
не только создание у воспринимающего новой модели
278
8.3. Творчество
мира или ее коррекция, но и создание внешнего воздей-
ствия, прямо направленного на положи тельное эмоци-
ональное восприятие в процессе оптимизации работы
нейронной сеiн.
Кроме того и музыка. и юс грактная живопись мо-
гут способствовать равномерному возбуждению нейрон
ной сети, т.е «перемешиванию». приводящем} к опти-
мизации фу нкциональпых состояний нейронов Эта со-
ставляющая внешнего возбуждения может сопровождать
восприятие произведения искусства и действовать пеио-
срс (ственпо па нейронную сеть запуская и по щерживая
режимы оптимизации функциональных состояний ней-
ронов и сети в це юм...
Приведенные гипотетические представления о про-
цессах творчества имеют очень общин характер Нейро-
физиологические интерпретации процессов творчества
и особенно творчества в искусство наверняка юлжиы
учитывать много профессиональных нюансов. С учетом
31 ого было бы очень интересно определит!» количествен-
ные характеристики процессов возбуждения и измене-
ния функциональных состояний нейронов мозга, напри-
мер при слушании музыки, а также характеристики ра-
но 1ы нейронной се ай на разных уровнях иерархии отоб-
ражения среды, и сравнить эти характеристики с коли-
чественными характеристиками музыкальной гармонии
и диссонанса Точно так же было бы интересно уста-
новить корреляции между физиологическими парамет-
рами и количественными характеристиками вариантов
формальной составляющей поэзии.
II. наконец несколько слов о ненаправленной умо-
зрительной умственной работе. Точнее, нс о работе,
а об отдыхе. Нейроны мозга работают, т.е. возбуждают-
ся. всегда. Ненаправленная умозрительная работа проис-
279
Глава 8. Модель мышления и творчество
ходит в состоянии бодрствования при временном отсут-
ствии задач. (Постоянное отсутствие задач, т. е потреб-
ностей, v активной динамической системы невозможно.)
Если очагов возбуждения в нейронной сети нет, то под
действием внутреннего шума (перемешивания) происхо-
дит ненаправленная активация случайных отрывочных
цепочек смысловых элементов модели проблемной сре-
ды — последовательных возбуждений нейронных ансам-
блей, соответствующих образам, понятиям и конкрет-
ным объектам. Происходит так называемый «случайный
поток сознания», нс заданный внешней или внутренней
задачей и состоящий из случайных обрывков мыслей,
ассоциаций и представлений.
Этот процесс, поддерживаемый внутренними слу-
чайными возбуждающими воздействиями, способствует
равномерному возбуждению нейронов, т. е. оптимизации
функционального состояния сети. Однако для полно-
го отдыха всей сети необходима равномерная нагрузка
всех нейронов, что может происходить только при пол-
ном отключении от всех потребностей и от восприя-
тия внешних ситуаций, объектов и событий, например
во сие. Этому же может способствовать и подача па вход
помогающего внутреннему внешнего равномерного шу-
ма, создающего дополнительные случайные возбуждения
нейронов сети и переключающему на себя внешнее вос-
приятие. Таким внешним шумом может быть, например,
свет костра или морской прибой. Как уже говорилось,
отчасти и при соблюдении некоторых условий эту роль
могут играть музыка и составляющая живописи, не име-
ющая прямой смысловой нагрузки.
. Глава 9
Основные проблемы,
связанные с моделированием
нейронных механизмов мозга
В этой главе речь пойдет о проблемах, связанных
с моделированием нейронных механизмов мозга. В по-
следнее время в отношении таких проблем в научно-попу-
лярной и даже в научной литературе часто встречаются
оптимистические прогнозы. Такие прогнозы не пред-
ставляются обоснованными. Сразу необходимо отметить,
что нерешенных принципиальных проблем много боль-
ше, чем решенных. Более того, полностью и до конца
решенных проблем попросту ист. В частности, в отноше-
нии описанных выше Л-сетей есть лишь гипотетические
представления об общих принципах, а также намечаю-
щиеся отдельные пути, причем не столько пути решения,
сколько пеги исследования.
9.1. Еще раз об общей оценке
существующих нейронных моделей
Общая оценка логических нейронных сетевых моде-
лей Мак-Каллока, перцептрона Розенблатта и распознаю-
щих формальных нейронных сетей приведена в главе 6.
281
Глава 9. Проблемы моделирования механизмов мозга
Вывод состоит в том. что эти «пассивные нейронные
сети» сколько-нибудь существенными моделями механиз-
мов мозга нс являются. Еще раз подчеркнем, что реа-
лизуемое в формальных распознающих нейронных се-
тях признаковое распознавание не обладает свойствами
целостности, целенаправленности, сипсргичности и ак-
гивности. т. е. не похоже на живое восприятие. Функция
признакового восприятия безусловно существует в нерв-
ной системе, но занимает там частное вспомогательное
место. Причем, вряд ли эта функция реализуется в нерв-
ной системе так же, как в Ф1Ч IC.
В главе 6 были сформулированы необходимые свой-
ства и функции более или менее полных нейронных
моделей механизмов мозга. Для удобства чтения приве-
дем эти свойства и функции еще раз.
1. Для решения задач восприятия и поведения мозг
должен при обучении строи 1ь модель проблемной
среды. Модель проблемной среды субъективна, г. е.
она строится с позиций! субъекта восприятия и по-
ведения и включает информацию, необходимою для
решения задач восприятия и поведения
2. Модель среды должна быть активна и моделировать
изменения в среде, как зависящие, так и нс завися-
щие от субьекта поведения.
3. В модели должна содержаться и использоваться ин-
формация. необходимая для реализации поведения,
оптимального по критерию тахТ и основывающе-
гося на предвидении и эмоциональной оценке вари-
антов поведения.
4. В модели должны быть целое гпые структурные обоб-
щенные отображения классов объектов, определяю-
щие. с одной стороны, свойства целого, и с другой
282
9.1. Об оценке нейронных моделей
стороны, cot гав и свойства частей целого и отноше-
ния между ними. Объект в моде ш — это не обяза сель-
по реальный физический объект среды. Объектами
модели могут быть также ситуации в среде и дои
ствпя. изменяющие ситуации.
5. Модель должна быть иерархической, т. с. должна
быть возможность построения объектов разного
уровня укрупнения. Час гями (элементами) объек-
тов каждого уровня укрупнения должны являться
объекты более низкого уровня. Основная цель по-
строения уровней укрупнепня — это сведение мно-
гопереборных многоэкстремальных задач поведения
к малопереборпым одпоэкстрсмальным за счет од-
ношаговых переходов меж и ситуациями па уровнях
укрупнения.
6. Должно осуществляться моделирование переходов
как по вертикали — между уровнями укрупнения,
так и по горизонтали — между ситуациями одного
уровня.
7. В модели должны реализовываться ассоциации но
сходству и по смежности во времени и на эюи осно-
ве предвидение и предан! ивация.
8. Среда не является статической, поэтому модель сре-
ды также не должна быть статической. Модель долж-
на быть активной и «жить» по законам среды.
9. В нейронной модели среды должно строиться отоб-
ражение себя и эмоционально окрашенное отобра-
жение взаимодействия себя со средой
10. В нейронной! модели в пределе должно реализовы-
ваться абстрактное мышление.
283
[лава 9. Проблемы моделирования механизмов мозга
11. Для моделирования мышления человека необходимо
использование вербального уровня, г. е. необходимо
построение словесно-логической модели.
Как уже отмечалось, приведенными свойствами ло-
гические нейронные сети МакКаллока и Питтса, перцеп-
трон Розенблатта и современные формальные распозна-
ющие нейронные сети не обладают.
Глядя на 310'1 список необходимых функций и < войств,
можно прийти к выводу, что не являются сколько-нибудь
полными рабочими моделями механизмов мозга и рас-
смотренные в главе 7 активные нейронные сети (Д-сети).
Эти модели, по-видимому, более физиологичны, чем мо-
дели, названные выше пассивными. Отличаются они,
в первую очередь, гем, что нейрон как логическая еди-
ница заменяется нейронным ансамблем, возможны ассо-
циации по сходству, возможно запоминание и экстрапо-
ляция временных последовательностей и на этой основе
предвидение и предактивация нейронных ансамблей.
Но самое главное принципиальное отличие Д-сети —
эго синергичпость и активность, неоднократно упоми-
навшиеся выше необходимые свойства моделей нейрон-
ных механизмов мозга. Свойства, которые могут сделать
естественными и неформальными процессы обучения
и работы сети. Свойства, на основе которых можно
строить предположения и гипотезы о том, что делает
нейронную сеть «живой», определяя возникновение по-
требностей в получении информации и отображении
среды в моде ш. На основе этих свойств можно строить
и предположения о нейронных механизмах логического
мышления Эти же свойства, по-видимому, необходимы
для моделирования сознания.
284
9.1. Об оценке нейронных моделей
11а вопрос, достаточно ли экспериментально получа-
емых или гипотетически предполагаемых свойств Л-се-
тей для объяснения основных рабочих функций моз-
га, можно еще раз ответить, что. безусловно, напрямую
нет. Описанные выше Л-сети имеют, в основном, ил-
люстративный характер. Остается еще очень много не-
решенных проблем. Эго относится и к преимуществен-
но умозрительным экспериментам Л. Б. Емельянова-Яро-
славского [24.25]. вопреки его утверждениям о постро-
ении полной логики модели механизмов мозга. В связи
с этим представляется полезным выделить и определить
нерешенные конкретные проблемы.
Рассмотрим вопросы, связанные с получением в Л-се-
ти, как и в любой нейронной модели, основных важных
свойств, необходимых в первую очередь для восприятия
и поведения, более сложного, чем рефлексы и инстинк-
ты. Все эксперименты с Л-сетям и проводились па «плос-
кой» модели, относящейся к одному уровню гипотетиче-
ской полной иерархической модели. О том, как должна
работать многоуровневая активная нейронная модель,
в очень общем плане говорилось в предыдущей главе.
Однако о том, как может работать такая модель, можно
говорить только предположительно.
Что заставляет работать мозг? Предполагается, что
всякая работа «активного» мозга направлена на оптими-
зацию функциональных состояний отдельных неустойчи-
вых нейронов и сети в целом. На это же должна быть
направлена и работа Асети. Поэтому приводимые ниже
основные проблемы, которые с неизбежностью возникнут
при попытках более или менее полного моделирования
нейронных механизмов мозга, нужно стараться решать не
формально, а на основе свойств неустойчивости нейронов,
синергичности и активности нейронной сети в целом.
285
Глава 9. Проблемы моделирования механизмов мозга
9.2. Сознание
Первая н, может быть, одна из наиболее важных
проблем — эго моделирование сознания, включающая
проблему коппсш рации и переключения внимания. 11си-
хология определяет сознание как субъективный образ
части объективного мира, как непрерывно меняющу-
юся совокупность чувственных и умственных образов,
непосредственно предстающих перед субъектом в его
вн\ трением опыте, включающем представ leniic о сво-
ем «Я» [48].
Выше уже говорилось о том, что в нейронной моде-
ли среды должно строиться эмоционально окрашенное
отображс ние фрагментов среды и взаимодействий себя
со средой. Такое о тображение наряду со свойством актив-
ности. лежащем в основе выбора актуального фрагмента,
переключения и концентрации внимания, и должно фор-
мировать модельное сознание
Применительно к гипотетической Л-cei и сначала не-
сколько упростим проблему и определим сознание как
эмоционально окрашенное реальное или умозрительное
восприятие, выражающееся в направленном избиратель-
ном возбуждении нейронных ансамблей, соотве гств\ ю-
щих смысловым элементам какой-то части сформирован-
ной в мозге модели проблемной среды.
В А сети любая отображаемая в модели проблем-
ной среды информационная единица отождествляется
с нейронным ансамблем. При работе Л-сети происходит
последовательное возбуждение нейронных ансамблей
При работе мозга в сознании последовательно возни-
кают ситуации, слова, объекты. Если поглядеть в окно,
то можно, например, увидеть улицу; дома, людей, ма-
шины. При этом в сознании возникает одна ситуация,
286
9.2. Сознание
которая можем бы ть названа «вп i па улицу из моего ок-
на». Отдельный входящий в ситуацию объект находится
иа полуподсозпательном уровне и возникает в сознании
только при концентрации на нем внимания, оставляя
при этом на но п подсознательном уровне все остальные,
вхо 1ЯЩИС в ситуацию объекты и вытесняя па полуподсо
зпательпып уровень ситуацию в целом.
Очевидно, что при этом действует какой-то меха-
низм управления сознанием обеспечивая порядок в ра-
но те мозга. Например, в сознании не могут появиться
два, а тем более три. слова, произнесенные одновре-
менно разными людьми Если одновременно говорят два
человека, то в любой момент вы слушаете и слышите
только одного из них. 11сльзя одновременно делать и два
дела, например, писать письмо и говорить но телефону.
Способности, приписываемые Цезарю, если и могут су-
ществовать, го то 1ько как исключение.
Возможно, что сознание и, в частности, концен-
трация внимания связаны с доминантностью мышления
в соотве тствии с принципом доминанты А. А. Ухтомского
и с формированием конуса пли «дерева» ассоциативно-
смысловой предактивацин в нейронной модели среды
(см. гл. 8). Такого же рода работа должна происходигь
в многоуровневой Л-сети. Последовательное возбужде-
ние нейронных ансамблей Л-сети в целом обеспечи-
вается свойствами нейронов, но в эксперименте чаще
всего наблюдается частично одновременная работа по-
следовательно возбуждавшихся нейронных ансамблей.
Проблема копненi рации внимания имелась в виду при
экспериментах с одноуровневыми Л-сетями. но детально
не прорабатывалась.
Эту проблему Н.М. Амосов с сотрудниками [ 1.2] ре-
шали при разработке своего сетевого автомата, введя
287
Глава 9. Проблемы моделирования механизмов мозга
внешнюю по отношению к cei и формальную систему
усплсния-торможения (С 5 Г). СУ Г подает дополнитель-
ное возбуждение па самый активный в данный момент
информационный элемен т сети и торможение на вс с
остальные. Нейронный уровень в [2 не рассматривался.
Таким образом, о дна из важных проблем, решение
которых необходимо при построении нейронных моде-
лей! механизмов мозга и, в частности. А сети — это про-
блема моделирования составной части сознания, а имен
ио направленной концентрации внимания. Использова-
ние идеи СУ Г заманчиво, однако нужно, чтобы анало-
гичная функция выполнялась нс внешним алгоритмом,
а нейронным механизмом. Кроме юго работа но прин-
ципу С5 I может приводить к слабо направленной актива-
ции нейронных ансамблей. Аналогия — ненаправленный
беспорядочный «поток сознания».
Интересно было бы также получить в модели и про-
межуточные уровни активации нейронных ансамблей,
с которыми может связываться опрс селенная логика ра-
боты, интерпретируемая, например, в терминах «ста-
бильные очаги возбуждения», «подсознание», «полу под-
сознание» и т.н При этом нейронный механизм управ-
ления сознанием, как и все остальные, должен сфор-
мироваться автоматически на основе свойств нейронов
и это сформирование должно подчиня гься единому обще-
му критерию оптимизации функциональных состояний
нейронов и активной сети в целом.
Как уже отмечалось, концентрацией и переключе-
нием внимания нс исчерпывается функция сознания
Не менее важная а может быть и основная (функция
сознания — это осознание себя во взаимодействии с про-
блемной средой. Причем нс только осознание себя как
288
9.2. Сознание
физического, наделенного воз приятием и возможностя-
ми дейс гвий об век га среды, но и как абс грактпого умо-
зрительного оператора, в том числе и в абстрактной! сре-
ie формальных, например маге ма гических, задач. 11 з это-
го следует. что в не йронной модели проблемной среды
на всех ее уровнях должен быть представлен и особый
объект — «Я».
Фор.ми лованпс мо юли «Я» во взаимодействии с: дру-
гими объектами на всех уровнях укрупнения и обобще-
ния модели проблемной среды происходит всю жизнь
обладающего мозгом живого организма. В психологии
«Я» (эго) определяется как «результат выдс гения чело-
веком себя самого из среды, позволяющий ему ощутить
с ебя субъектом своих физических и психических сос то-
яний. действий и пронес сов, переживать свою целост-
ность и тождественность с самим собой в отношении
прошлого, настоящего и будущего» [48].
4 зким образом, с о знание* можно определить как эмо-
ционально окрашенные) целенаправленную активацию
фраз ментов мо дели проблемной среды, включающих мо-
1сль «Я» во взаимодействии с реальными пли абстракт-
ными объектами среды. Однако и это определение не яв-
ляется полным В сознании при восприятии среды мот
практически без временной задержки появляться объек-
ты. огс утс 1 веющие в модели проблемной среды. Кроме
того, при умозрительном конструировании в сознании
могут появляться и сохраняться в течение какого-то вре-
мени любые неизвестные, отсутствующие в реальной
среде, в том числе и физически невозможные, объекты.
В этих с [учаях своди гь со знание к активации нейронных
ансамб 1сй. соответствующих фрагментам мо юли среды,
недостаточно. Изжпы еще какие-то гипотезы о механиз-
мах мозга, например гипотезы, включающие не только
20 За- 115 289
Глава 9. Проблемы моделирования механизмов мозга
представления о долговременной памяти в виде ней-
ронных ансамблей, но и представления о нейронной
либо какой-то другой реализации моментальной и крат-
ковременной памяти а также гипотезы о механизмах
абстракт ною воображения.
С учетом всего сказанного можно сделать вывод, что
полное нейронное моделирование сознания. безуслов-
но, представляет собой сложную и сите очень далекую
ог решения проблему.
Проблема моде трования сознания многими ставит-
ся на первое место при оценках возможности моделиро-
вания мышления. Однако работа мозга в процессе мыш
[сипя не состоит в вы по hichihi отдельных функций. При
целостном подходе может оказаться, что сознание — эго
лишь одна из многих неразрывно связанных и о пшаково
важных компонент.
Часто считается важным соотнести сознание с ка
кой-го конкретной областью головною мозга. Я полагаю
что локализация сознания не имеет принципиального
значения. Для понимания проблемы привязка сознания
к гипоталамусу, ретику [ярной формации или какому-либо
другому нейронному су борату полностью равноправна.
Гораздо важнее понять его фу нкциона п»пую сторону в цс-
юсгноп картине работы мыслящего мозга и реализацию
на уровне нейронных либо каких-то других механизмов
нервной системы.
Под сознанием обычно понимается нечто большее,
чем просто активация актуального фрагмента нейрон-
ной модели проблемной среды. Это нечто большее,
как правило, считается интуитивно понятным и четко
не определяется. В пос [еднес время иногда (см., напри-
мер, [39] в поисках нс определенного четко и невычис-
1ИМОЮ феномена сознания опускаются вглубь нейрона
290
9.2. Сознание
на мо гскулярный уровень и ш на уровень папобиоло! ни
п добавляю! к нерешенным проблемам мышления нере-
шенные проблемы квантовой механики. Попутно вновь
всплывает ничем не обоснованный и, казалось бы. давно
уже похороненный со времен Мак-Каллока и Розенблат-
та вопрос о биологических вычислениях внутри клетки,
ио теперь уже о вычне к’пиях, реализуемых молекуляр-
ными клеточными автоматами.
Утрируя, можно сказать, что поиск сознания на мик-
роуровне подчиняется примерно такой логике. Что та-
кое мышление, непонятно. Для мышления необходимо
сознание или осознание Что эго такое, тоже непонят-
но, но эго неалгоритмично. Одновременно предполага-
ется, что в целом понятно, как устроены и работают
нейроны и связи меж iy ними на макроуровне, а имен-
но нейрон — это пассивный суммирующий пороговый
элемент, осуществляющий простую передаточную функ-
цию. I. е. формирующий па своем выходе сигнал в за-
висимости от входов и передающий этот сигнал другим
нейронам, но эти вычислимые и алгоритмически реа-
лизуемые функции непонятного и неалгоритмичного со-
знания не объясняют. 11оэтому в поисках сознания нужно
опускаться на молекулярный уровень — уровень кванто-
вой механики где не все однозначно и пс все вычислимо.
Например, в нейроне есть мпкроуровень, содержащий
мельчайшие элементы — тубулины Как они устроены,
как связшы с макроуровнем и для чего нужны, непопят-
но. А не являются ли эти непонятные микроэлементы-
губулины или какие-то друт нс объекты квантовой меха-
ники носителями непонятного невычислимого сознания
и, как с 1едствие, необходимыми элементами нспонятно-
I о мышления?
20*
291
Глава 9. Проблемы моделирования механизмов мозга
Все это очень интересно и убедительно написа-
но в [39]. Однако вспомним еще раз Эйнштейна: теория
должна быть настолько проста, насколько это возмож-
но. Правда, v Эйнштейна есть и продолжение фразы:
ио не проще Рискуя слишком упростить проблему, как
выше, так и в дальнейшем я стараюсь все же не опускать-
ся на микроуровепь и не использовать аппарат квантовой
механики, пока это нс будет действительно необходимо.
Надежда на то, что для объяснения и даже почти пол-
ного моделирования мышления будет достаточно уровня
объединенных в сеть синергических взаимосодействую-
щих нейронов, основывается па гипотезах о том, что
нейрон нс просто пороговый сумматор, а активный эле-
мент, накапливающий неустойчивость, имеющий изме-
няющийся порог возбудимости, изменяющееся функци-
ональное состояние и связи, изменяющиеся в зависи-
мости от параметров и активности (возбуждений) свя-
зываемых нейронов. Все это, в принципе, для каждого
отдельного iieitpoua вычислимо. Но интересующие нас
интегральные функции мозга определяются не отдельны-
ми нейронами, а специфически организованной актив-
ной нервной сетью, подверженной к тому же случайным
шумовым воздействиям. Использующие такие представ-
ления интерпретации процессов мышления, в том числе
и творческого, приведены в предыдущей главе.
Отрицая возможность компьютерной имитации
мышления и ставя сознание иа первое место по важно-
сти, часто считают достаточным уже упоминавшийся ар-
гумент, состоящий в пеалгоритмичпости сознания. Впол-
не возможно, что алгоритм полной реализации функции
сознания построить трудно или вообще невозможно. Бо-
лее того, может быть, мозг и в целом в большинстве
292
9.2. Сознание
своих высших функций, связанных с мышлением, не ал-
горитмичен. Выше уже отмечалось, чго то, что делает
мозг в процессе мышления, ни реализацией каких-то ал-
горитмов. ни вычислениями не являе тся. Можно условно
сказать, что мозг — это «эвристическая машина», кото-
рая даже будучи построенной из детерминированных,
алгоритмически определяемых элементов, в процессе
своей работы не даст гарантированного решения задач.
Пример — творческие задачи, решаемые далеко не все-
гда и далеко не каждым. Однако это не значит, что
мозг и мышление нельзя моделировать на компьютере.
Например, рскуррентпо вычислимые цифровые модели
физических обьектов и процессов в них можно модели-
ровать на вычислительных машинах с любой задаваемой!
точностью. При этом количественная точность модели-
рования процесса мышления не представляется прин-
ципиальной.
Таким образом, моделирование мозга как физическо-
го объекта и реализуемого мозгом нс алгоритмического
в целом процесса мышления в принципе возможно вне
зависимости от алгоритмичности или нс алгоритмичпо-
сти сознания и других функций высшей нервной дея-
тельности. При этом для целей моделирования строить
сверхсложный специальный компьютер нс нужно. Доста-
точно иметь обычный универсальный компьютер с до-
статочными вычислительными ресурсами и рскуррентпо
вычислимую физическую модель мозга.
Отрицая возможность полной компьютерной ими-
тации мышления, нужно логически обосновывать не-
возможность объяснения разума (мышления, сознания,
свободы воли) без введения некоторого нематериально-
го субстрата. Такой субстрат может иметь название —
душа. Логического обоснования необходимости души
293
Глава 9. Проблемы моделирования механизмов мозга
для процесса мыш гения пока еще нет. Использование
в аргументации априорного постулата о необходимости
нематериальной души для объяснения мышления и не-
возможности компьютерного моделирования, конечно,
недостаточно.
Возможна также еще и логика, строящаяся на сле-
дующих формальных допущениях. В мире есть вполне
материальные, но не объясняемые современной наукой
сущности и поэтому представляющиеся нематериальны-
ми. Можно также допустить, чго материальная основа
этих сущностей в принципе человеком непостижима. И.
наконец, последнее допущение может состоять в том,
что такая материальная, по неизвестная, а может быть
и непостижимая сущность лежит в основе жизни и мыш-
ления и, в частности, сознания Такая непостижимая
материальная сущность будет в принципе не модели-
руема. Однако при обсуждении вопроса о возможно-
сти моделирования мышления, приведенные формаль-
ные допущения и в особенности последнее могут рас-
сматриваться в качестве аргументов только в случае их
хотя бы минимального фактического или логического
обоснования
То, что действительно может оказаться не модели-
руемым, — эю чувства, ощущения, переживания эмоции
С кажется ли это на функциональном уровне, i с на уров-
не решения задач, нс известно. Однако можно предполо-
жить. что эти специфически «живые» феномены пред-
назначены либо для осуществления рефлекторных и ин-
стинктивных реакции, либо дчя оценки и выбора в нерв-
ной системе вариантов реального или абстрактного пове-
дения в процессе мышления. Если варианты сущее гвуют.
ю их оценку и выбор можно делать и алгоритмически
294
9.3. Умозрительное моделирование и свобода воли
Так ан эк), может показа ть лишь дальнейшее теореч иче-
ское и экспериментальное изучение проблемы.
9.3. Умозрительное моделирование
и свобода воли
Такой же важной, как проблема сознания, и трудно
отделимой от него являются проблемы «умозрительного
моделирования» и «свобо ibi воли». Очевидно, что «\мо
зрительное» моделирование в нейронной сети не долж
но сводиться к простом* предвидению, основывающе-
муся на запоминании при обучении и воспроизведении
временных последовательное гей событий. Выше гово-
рилось о логической схеме сведения многоперсборных
многоэкстремальных задач к малонереборным одно жс-
тремальным, происходящем в мозгу человека и in жи-
вотного при решении задачи управления поведением
в мною экстремальной среде. При этом приблизительно
определялась структура используемой многоуровневой
моде ап среды. Приблизительно определялась и общая
логика происходящих в этой модели процессов.
Кратко эти процессы выражаются в моделирова-
нии. эмоциональной оценке, сравнении и выборе среди
разных вариантов переходов между текущей и целевой
ситуациями разных уровней укрупнения в много* ров-
невой иерархической модели среды. Сначала оценива-
ются наиболее укрупненные и общие переходы, а кг
тем по мере необходимости все более и более конкре-
тизируемые. Кроме того, к умозрительному моде шро
ванию относя !ся и упоминавшиеся в предыдущей гла-
ве очень важные для понимания мышления процессы
перцеп 1 ивиого и абстрактного конструирования в во-
ображении.
295
Глава 9. Проблемы моделирования механизмов мозга
Что заставляет мозг непрерывно в процессе поведе-
ния плп абстрактного мышления упорядоченно выпол-
нять всю эту работу и как она может реализоваться реал в
ными и модельными нейронными механизмами? Также,
как и при управлении сознанием, нейронный механизм
управления «умозрительным» моделированием и сравне-
нием вариантов должен формироваться автоматически
на основе свойств нейронов, и э го формирование долж-
но подчиняться единому общему критерию оптимизации
функциональных состоянии нейронов и активной сети
в целом К этому критерии,) могут априорно (генетиче-
ски) добавляться только какие-либо стру ктерные характе-
ристики сети, а также специфические (для конкретного
случая) и нссиецифическис возбуждающие и тормозящие
воздействия на сеть.
Эго очень общее положение должно работать при
построении любых конкрс пых нейронных механизмов.
Для этого нужно придумать и экспериментально прове
рпть необходимые свойства нейронов и сети
Очень грубо и приближенно можно говорить о том,
что при решении любой задачи в нейронной сети, в том
числе и задачи абстрактного мышления, должны возни-
кать очаги возбуждения — активированные нейронные
ансамбли, соответствующие начальной и целевой ситуа-
циям. Постоянная принудительная работа фиксирован-
ных ансамблей должна нарушать регулирование опти-
мальных состояний нейронов сети и стимулировать ак-
тивацию цепочек ансамблей и переходов, связывающих
эти ситуации. При моделировании необходимы привя-
занные к конкретным нейронным механизмам представ-
ления о (формировании поддержке и гашении очагов
возбуждения.
296
9.3. Умозрительное моделирование и свобода воли
В самом общем плане можно полагать, что для га-
шения очагов возбуждения и восстановления общей ре-
гуляции в сет должно быть необходимо физическое
достижение целевых ситуаций, а при абстрактном мыш-
лении — возбуждение очагов возбуждения одновременно
с активацией нейронных ансамблей, соответствующих
переходу между текущей и целевой ситуациями. При
этом нужно отметить отдельную проблему — реализа-
цию на нейронном уровне эмоциональных оценок пе-
реходов между ситуациями и сознательный направлен-
ный выбор на основе этих оценок нанлучшпх вариантов
переходов.
Осуществляемые в мозге в процессе мышления со-
знательный перебор, сравнение на основе эмоциональ-
ных оценок и фиксация лучшего варианта приводят к не-
обходимости понимания не только на психологическом
уровне, но и на уровне нейронных реальных и модель-
ных механизмов еще одного феномена, который может
быть назван «свобода воли». Я думаю, что проблема
понимания и моделирования свободы воли не менее су-
щественна и пс менее сложна, чем проблема понимания
и моделирования сознания.
Выше говорилось о проблемах моделирования во-
ображения и управления целенаправленным сравнением
воображаемых вариантов. Воображение может строить-
ся на основе возбуждения существующих в модели про-
блемной среды нейронных ансамблей. При творческом
мышлении используются перцептивное и когнитивное
конструирование, т. е. воображаемое построение в со-
знании объектов, отсутствующих в модели среды, а мо-
жет быть отсутствующих и в самой среде. Для полного
моделирования мышления необходимо конструктивное
решение и этой проблемы.
19 Зан 115
297
Глава 9. Проблемы моделирования механизмов мозга
9.4. Получение признаков, отношений
и метрических характеристик
Эта, казалось бы. проблема значительно более низ-
кого уровня может быть сопряжена при моделировании
с очень серьезными затруднениями. Выше отмечалось,
что входное поле любого, в том числе и первого самого
низкого уровня 4-сети, не отождествляется с рецептор-
ным. например с сетчаткой глаза, хотя в час гном случае
при растровом распознавании такое отождествление воз-
можно. В общем случае* «вертикальные» входы какого-то
уровня иерархии возбуждаются при активации информа-
ционных элементов другого уровня иерархии, например,
па уровень слов должны подаваться входные воздействия
с уровня букв или с уровня фонем.
Переход от входных рецепторов к каким-то элемен-
тарным смысловым единицам типа «признак», «отно-
шение» или «метрическая характеристика» нс только
в А-сети, но и ни в какой другой нейронной модели
не рассматривается. Гак, в ФРНС на вход сразу поступа-
ют признаки, полученные где-то и как-то вне нейронной
модели.
Таким образом, уже на самом нижнем уровне при
входе в нейронную модель возникает проблема форми-
рования в нейронной сети признаков, отношений и мет-
рических характерис гик.
В зрительном анализаторе животных имеются ре-
цептивные нейронные ноля, выделяющие простые пер-
вичные признаки, такие как контуры, линии, направле-
ния линий, движения, грубую оценку размера объекта
(большой, маленький). Такие простейшие преобразова-
ния входной информации в нейронной сети можно моде-
лировать, но их явно недостаточно. В анализаторах вход-
298
9.4. Получение признаков и метрических характеристик
ной информации животных и человека, по-видимому,
происходит последовательная, усложняющаяся, много-
уровневая обработка, направленная на формирование
все более сложных характеристик воспринимаемых объ-
ектов и ситуаций.
Как строить на нейронах функции выделения в об-
щем случае сложных произвольных признаков, отноше-
ний и метрических характеристик, неизвестно.
Неизвестно также, как на нейронах или нейронных
ансамблях выделять, передавать, запоминать и сравни-
вать количественные характеристики. В частности, это
относи тся к количественной эмоциональной оценке, не-
обходимой для сравнения вариантов поведения. В экспе-
риментах, описанных в главе 1, собака выбирала вариан т
поведения в соответствии с формулой выбора:
max mjVj,
где mj — мотивация. V} — скорость удовлетворения соот-
ветс гвующей потребное ги.
Собака, конечно, делала приблизительные оценки,
но, тем не менее, в мозгу собаки каким-то образом на ней-
ронном уровне при обучении запоминались ожидаемые
величины скоростей удовлетворения потребностей, оце-
нивались величины соответствующих мотиваций и в про-
цессе сравнения вариантов определялись какие-то вели-
чины, коррелирующие с произведением mjVj. (Вряд ли
собака производила точное умножение.)
Таким образом, еще раз подчеркнем, что в мозгу
определяются и запоминаются величины (количества),
а также производятся операции с этими величинами.
Простейшая из необходимых операций с количества-
ми — эго операция сравнения (болыпе-меныпе). При по-
19*
299
Глава 9. Проблемы моделирования механизмов мозга
строении моделей необходимо попять, как это делается
нейронными механизмами мозга.
9.5. Управление процессами
получения информации
с понятийного уровня модели
Важной проблемой является построение нейронных
механизмов управления выделением первичных и, вооб-
ще, любых информационных характеристик среды с по-
нятийного уровня модели. При построении функции лю-
бого уровня, в том числе и функции получения первич-
ных признаков и других характеристик, нужно помнить
о том, что недостаточно строить просто дешифратор
«вход — выход». Необходимо, чтобы в модели реализо-
вывалось управление с верхних понятийных уровней,
обеспечивающее целенаправленность и предпастройку.
Рассмотрим следующий пример. Пусть дана фраза:
в правом верхнем углу картинки должна быть красная
прямая линия, отклоняющаяся па угол 30 градусов от го-
ризонтали. Прочтя эту фразу, человек понимает, о каких
объектах и характеристиках идет речь, что искать — пря-
мую красную линию, где искать — в правом верхнем углу.
Понимает он также и то, что такое «правый», что такое
«верхний», что такое «горизонталь» и что такое «угол
картинки». После этого направленно в нужном месте
выделяется линия и проверяются ее характеристики —
прямолинейность, цвет и направление. Ничего лишнего
не делается. В приведенном примере речь идет о простых
признаках и отношениях. II признаки, и отношения мо-
гут быть гораздо более сложными. Информация, управля-
ющая работой нижнего уровня, в общем случае не посту-
пает извне, а содержится в модели проблемной среды.
300
9.6. Построение многоуровневых описаний
Именно так, но не на нейронных механизмах, а чи-
сто формально. организован процесс целенаправленно-
го распознавания «с пониманием», описанный в главе 2.
Никаких конкретных конструктивных предположе-
ний о нейронных механизмах реализации подобных про-
цессов ни в нейрофизиологии, ни на уровне моделиро-
вания пет.
9.6. Построение целостных
многоуровневых иерархических
структурно-метрических описаний
Требующей решения является проблема образова-
ния на нейронном уровне иерархических целостных
структурно-метрических описаний, обеспечивающих дву-
направленное взаимодействие между частями и целым,
а также между частным и общим, т. е. построение обоб-
щений и укрупнений.
В главе 2 было показано, как целостному объект}'
может быть поставлено в соответствие сложное струк-
турно-метрическое описание, включающее структурные
части объекта, их метрические характеристики и отно-
шения между частями. Такое описание необходимо для
реализации целостного целенаправленного восприятия
Подобные описания должны формироваться в нейрон-
ной модели и для решения других задач. Можно ли реа-
лизовать какой-то эквивалент таких сложных описаний
в нейронной модели объекта?
Проблема выделения, запоминания и передачи коли-
чественных характеристик уже отмечалась. Кроме этой
проблемы при представлении описания целостного объ-
екта на нейронном уровне возникает еще три. Во-первых,
301
Глава 9. Проблемы моделирования механизмов мозга
нужно, чтобы в рамках с троящегося описания отража-
лись обобщенные метрические характеристики час 1 ей
объекта и взаимозависимости между входящими в опи-
сание элементами. Во-вторых, в пространстве структур-
ных элементов, отношений и метрических характери-
стик должна каким-то образом выделяться область суще-
ствования описываемого обьекта или класса объектов.
В лретьпх, должны моделироваться отношения между ча-
стями и целым.
Те же самые вопросы возникают при попытке пред-
ставить себе, как на нейронном уровне отражаются не
только описания целостных обьектов, но также и описа-
ния как обобщенных, гак и конкретных текущих, дина-
мически изменяющихся ситуаций
Выше уже говорилось, что иерархическая много-
уровневая модель среды должна иметь несколько уров-
ней укрупнения. Упрощенно взаимодействие между уров-
нями выгля Ц1т следующим образом. Выходы с элементов
нижнего или промежуточного уровня укрупнения фор-
мируют (активируют) элементы более высокого уровня
укрупнения Выходы с элементов верхнего или промежу-
точного уровня укрупнения активируют входящие в это
укрупнение элементы предыдущего, более низкого уров-
ня. Упрощение состоит в том. чт о в гаком представлении
не учитывается главное — целое формируется не просто
совокупное 1ыо частей, а частями, находящимися в ка-
ких-го взаимодейст виях между собой Эти взаимодей-
ствия могут задаваться соответствующими отношениями
между частями целого
Часто описания иерархических или, как иногда го-
ворят. пирамидальных модельных представлений иллю-
стрируются схемой типа дерева. Например, подобной
302
9 6. Построение многоуровневых описаний
схемой иногда иллюстрирую! иерархию и взаимодей-
ствие меж и уровнем букв и уровнем слов. Нс состаточ-
ность такой схемы сля описания связей между частями
и целым очевидна, поскольку в гакой схеме: объедине-
ние элемс нтов нредшсстве ющего уровня в зле мент бо iee
v кру пленного уровня происходи г то п.ко за с чет подразу-
меваемой логичес кой функции «II». В общем случае для
задания связи меж ц частями и целым могу г требоваться
сру I не отношения.
Например, одни и тс же буквы в зависимости о г их
порядка формируют разные с юва. Го есть для описания
целого (слова) необходимы отношения, определяющие
порядок букв в слове. Д 1я произносимого слова такими
отношениями должны быть задаваемые между фонемами
отношения следования во времени.
Реализовать такие отношения в модели нейронной
сет можно с использованием схемы, подобной схеме
рассмотренного в главе 7 автомата для воспроизведения
временных носледоватс п.ностей. Напечатанное или на-
писанное с юво тоже может быть задано отношениями
с [едовапия во времени между входящими в слово буква-
ми. Однако для напечатанного или написанного слова
более естественны отношения тина слева», «справа»
и in «следует за». Как реализовать в нейронном авто-
мате таки^ отношения без свс сепия их к ( тношенням
следования во времени, неизвестно.
В бо ice сложных случаях описания целого в терми-
нах час I с и и отношении между ними могут оказаться
значительно более сложными. Характеристики некого
рых подобных описании при вс сены в главе 2 Реализа-
ция таких описаний в нейронном автомате представляет
важнейшею нерешенную проб 1сму.
303
Глава 9. Проблемы моделирования механизмов мозга
9.7. Возникновение и гашение
очагов возбуждения
Оча1 возбуждения — эго постоянно либо часто ра-
ботающий (возбужденный) отдельный нейронный ан-
самбль пли группа нейронных ансамблей. На возникно-
вении и гашении очагов возбуждения в гипотетической
полной нейронной 4-сети строятся все представления
о се работе при восприятии, поведении и мышлении.
Выше высказывалась гипотеза о том. чго подобным же
образом работают и реальные нейронные механизмы.
В главе 7 описывались эксперименты, когда в 4-сети
создавался очаг возбуждения путем подачи на часть ней-
ронов внешних возбуждающих воздействий. Очаг воз-
буждения нарушал работу сети, что приводило к образо-
ванию вторичной нейронной сети — элемента памяти.
В более или менее общем виде можно представить и про-
моделировать появление в нейронной сези очагов воз-
буждения при возникновении первичных генетически
определенных физиологических потребностей.
Первичным потребностям соответствуют первич-
ные доминанты и отображающие их нейронные ан-
самбли Доминанта по А. Ухтомскому — это стабильно
сохраняющийся очаг возбуждения. При наличии потреб-
ностей происходит возбуждение соответствующих ней-
ронных ансамблей с интенсивностями, определяемыми
величинами пот ребностей. В соответствии с принципом
доминав 1 ы А. А. Ухтомского на основе сравнения потреб-
ностей и с учетом текущей внешней ситуации формиру-
ется и фиксируется главная поведенческая доминанта
и тормозятся остальные. Одновременно передается воз-
буждение на все нейронные структуры. которые должны
304
9.7. Возникновение и гашение очагов возбуждения
участвовать в решении поведенческой задачи и снятии
доминанты, т.е. в гашении очага возбуждения.
В соответствии с рассмотренными выше гипотезами
доминанта возникает при оптимизационном решении
поведенческой задачи по критерию max 7\ От главной
доминан ты, т.е. очага возбуждения самого верхнего уров-
ня обобщения п укрупнения модели проблемной среды,
па более низкие уровни распространяется конус или «де-
рево» возбуждений. Одновременно передается торможе-
ние на нейронные ансамбли, соответствующие альтер-
нативным одпошаговым переходам. На каждом уровне
иерархической модели среды выбирается и фиксируется
своя временная производная доминанта, соответствую-
щая выбранному на этом уровне одношаговому переходу.
Доминанта (очаг возбуждения) гасится при реальном
выполнении соответствующего перехода. Наибольшую
трудность при нейронном моделировании описанных
процессов будет, по-видимому, представлять реализация
перебора вариантов поведения, т.е. одношаговых пере-
ходов на всех уровнях нейронной модели проблемной
среды, их сравнения по эмоциональной оценке и фикса-
ция в виде дли тельных и временных очагов возбуждения.
Моделированием процесса возникновения и гаше-
ния очагов возбуждения при формировании доминант,
соответствующих генетически заданным первичным по-
требностям, проблема далеко нс исчерпывается.
В соответствии с рассмотренной выше логикой оча-
ги возбуждения должны возникать и гаситься в нейрон-
ной сети также и при возникновении и удовлетворении
вторичных потребностей, при постановке и решении аб-
страктных, в том числе творческих, задач, при достройке
и коррекции модели проблемной среды.
305
Глава 9. Проблемы моделирования механизмов мозга
Четких представлении о том, как все это происхо-
дит в реальных или моделируемых нейронных сетях, нет.
Нет также конструктивных гипотез, т.е. представлений
на уровне нейронных механизмов, о том. как возникают,
поддерживаются и изменяются постоянные вторичные
потребности, т. с. потребности, пс заданные генетиче-
ски. То же самое относится и к временным вторичным
потребностям, связанным с постановкой и решением аб-
страктных, в гом числе и творческих, задач мышления.
Таким образом, общей возникающей и фиксируемой
в мозге потребностью является потребность в гашении
очагов возбуждения. В наиболее общем плане мышление
сводится к формированию и гашению очагов возбужде-
ния. Оча1 и возбуждения наряду со свойством накопления
неустойчивости нейронных элементов являются причи-
ной и источником активности мозга. Поэтому можно
сказать, что мыслящая система должна пс только уметь,
но и хотеть мыслить.
9.8. Проблема моделирования памяти
В нейрофизиологии и психологии имеются под-
крепляемые многочисленными экспериментами теории
о существовании двух видов памяти — кратковременной
и долговременной, соответствующих запоминанию ин-
формации на короткий срок и надолго. Соответственно
предполагается и существование двух разных механиз-
мов запоминания. Точных конструктивных представле-
ний о том, как устроены кратковременная и долговре-
менная память, в физиологии нет.
Гипотезы обустройстве долговременной памяти сво-
дятся в основном к предположениям о запоминании
306
9.8. Проблема моделирования памяти
информации па уровне нейронных ансамблей и синап-
тических проводимостей связей между нейронами, либо
запоминание связывается с изменением структуры бел-
ка рибонуклеиновых кислот. Обоснованных и убедитель-
ных гипотез об устройстве кратковременной памяти нет.
Чаще всего говорится, например, о каких-то абсолютно
непонятно как устроенных «биоэлектрических контурах
колебаний в нервной системе» или о циркуляции инфор-
мации в замкнутых цепочках возбуждения.
Функциональная роль этих двух видов памя i и изу-
чена и показана достаточно подробно. Очевидно, что
важно понять и промоделировать механизмы кратко-
временной и долговременной памяти и режимы пере-
дачи информации из кратковременной памяти в долго-
временную.
Предполагается, что в Л-сети долговременная па-
мять, т.е. модель проблемной среды, должна строиться
на нейронных ансамблях разных уровней обобщения
и укрупнения, а также на возбуждающих и тормозящих
связях между ними. Обучение в Л-сетях — это довольно
продолжительный процесс. При обучении изменяется
топология и проводимости связей. В этих изменениях от-
ражаются и запоминаются только повторяющееся собы-
тия — объекты, ситуации, последовательности ситуации
Единичное и случайное при обучении пс учитывается.
Мозг человека отражает не только типичное и по-
вторяющееся. Отражаются также и мимолетные динами-
чески изменяющиеся ситуации
Обычно «моментальные» ситуации в памяти не хра-
нятся и забываются так же быстро, как и возникают.
Однако некоторые «моментальные» ситуации, действия
или слова иногда запоминаю 1ся па очень длительное вре-
мя и всплывают в памяти через много лет. Это особенно
307
Глава 9. Проблемы моделирования механизмов мозга
характерно для эмоционально значимых ситуации, хотя
бывает, что мгновенно и надолго запоминаются и мало-
значимые события.
Механизм моментального восприятия и запомина-
ния нового в нейронных моделях отсутствует. Не только
в Л-сетях, но также в перцептроне и ФРНС для восприя-
тия и запоминания нового требуется продолжительный
процесс обучения.
аким образом, проблема, котор\ю нельзя проигно-
рировать при разработке моделей механизмов мозга, —
это построение физиологичной модели памяти, вклю-
чающей как моментальное запоминание отдельных объ-
ектов и событий, так и статистически корректируемое
продолжительное запоминание на уровнях обобщения
и укрупнения.
При моделировании, по-видимому, нужно учитывать
предположение о том, что информация передается из
кратковременной памяти в долговременную, а также
предположение, что эта передача происходит во сне,
во время которого осуществляется многократное возбуж-
дение соответствующих нейронных информационных
элементов долговременной памяти. Эти предположения
опираются на сведения о некоторых амнезиях, при ко-
торых забывается только та информация, которая была
получена и запомнена после последнего спа.
9.9. Переход от нейрона
к нейронному ансамблю
Представляется, что отдельный ненадежный нейрон
не может быть логической единицей мозга и носителем
какой-либо значимой содержательной информации. Как
308
9.9. Переход от нейрона к нейронному ансамблю
уже отмечалось, из mhoi их физиологических эксиери
ментов следует, что логической единицей мозга является
нейронный ансамбль — группа нейронов, объединенных
взаимовозбуждающимп связями. Можно было бы счи-
тать, чго нейронный ансамбль является логической еди-
ницей и в А-сети, если бы во втором слое каждой вто-
ричной сети нс имелся отдельный тормозящий нейрон
со своими отдельными функциями и связями с нейро-
нами первого слоя и с другими отдельными нейронами
второго слоя.
Реальное взаимодействие — передача возбуждений
и торможений в нейронной сети — происходит между
нейронами. При описании логики работы нейронной
сети нужно переходить к рассмотрению взаимодействий
между ансамблями нейронов. Если описывается работа
мозга или строится нейронная модель, то нужно опре-
делить, что такое входные возбуждающие и тормозящие
воздействия на ансамбль, как передаются возбуждения
и торможения между ансамблями, как происходит обуче-
ние в ансамблях.
Более ясно характер возникающих в связи с этим
проблем виден из следующего примера. В ФРНС раз-
деляющие гиперплоскости строятся на отдельных неи-
ронах — пороговых элементах, считающих взвешенную
сумму входов. Предположим, мы хотим в целях повы-
шения надежности заменить такой нейрон ансамблем
нейронов. Возникает проблема, как сделать ансамбль
нейронов единым пороговым элементом и не только
заставить считать взвешенную сумму входов, но и обу-
чаться, т. е. менять при обучении веса входов. Сходные
проблемы возникнут в А-сетях. если заменить тормозной
нейрон (элемент) вторичной сети ансамблем нейронов.
309
Глава 9. Проблемы моделирования механизмов мозга
Конечно, проблему «нейрон — ансамбль нейронов»,
рассматриваемую как проблему надежности, можно ре-
шить простым дублированием нейронов и связен. Эго
обеспечит надежность, по потребует слишком большого
числа нейронов и, особенно, связен.
Можно также пойти по пути, реализованному
11. М. Амосовым с соавторами [2], и моделировать ме-
ханизмы мо зга не па уровне нейронной с етп. а на уровне
информационных логических элементов. При этом, ко-
нечно, нужно. чтобы информационные элементы модели
обладали свойствами накапливающейся неустойчивости
и активности и правила образования связей между ними
подчинялись задаче оптимизации функционального со-
стояния сети, т. е. свойствами, сходными со свойствами
нейронов Л сети. Нужно также понимать, что в этом
случае будет строиться не модель нейтронных механиз-
мов мозга, а модель работы мозга, и эта модель может
работать не совсем так, как нейронная модель.
9.10. Проблема моделирования языка
и абстрактного мышления
Язык и абстрактное мышление — это то, что отлича
ст мышление человека о г мышления животного. Выше
говорилось о двух строящихся в мозгу человека моделях:
словесно-лот ической и образной Понятно, что модели-
рование словесно-логической модели ново можно без мо-
делирования языка, что представляет большую и очень
сложную проблему. Говорилось также о взаимодействии
между словесно-логической и образной моделями в про-
цессе .мышления. Как реализуется это взаимодействие,
т. е. передается информация и осуществляется управле-
ние процессом мышления на уровне взаимодействующих
310
9.11. Проблемы второго плана
нейронных механизмов двух полушарий головного моз-
га. неизвестно.
Далеко не все ясно и при рассмотрении процесса
мышления отдельно только в словесно-лот ической моде-
ли или отдельно только в образной модели. Можно лишь,
как уже говорилось, предположить, что любое мышление
сходно с процессом поиска лучшего в каком-то смысле
пути межд\ шумя ешхациямп, отображаемого в мозге
стабильными очагами возбуждения и последовательно
активпрлемы.ми нейронными ансамблями.
Приблизительно можно сказать, что в словесно-ло
гическоп модели это должен быть каким-то образом реа
лизованный поиск непротиворечивого нуги (последова-
тельности возбуждений ансамблей! нейронов) межд\ дву-
мя возбужденными ансамблями нейронов, определяющи-
ми задач). Этот поиск должен основываться на нос трое-
нии одношат овых переходов в виде предположений или
гипотез на уровнях обобщения и укрупнения, а также
в проверке реализуемости этих переходов на более коп
кретных уровнях Выбор между несколькими нейро шво
речивыми вариантами переходов должен, по-видимому,
управляться эмоциональным центром. Реализация этих
процессов в модели является одной пз наиболее трудных
проблем.
9.11. Проблемы второго плана
Кроме выделенных основных проблем существуют
и проблемы, которые условно можно отнести к пробле-
мам второго плана. Относительно некоторых из них воз-
можны приблизительные интерпретации, но, безуслов-
но, необходимы и тщательные, в том числе и экспери-
ментальные, проработки. Перечисляемые в этом разделе
311
Глава 9. Проблемы моделирования механизмов мозга
допо.шп I ельные проблемы при их подробной проработ-
ке .могуч’ оказаться пе менее важными и не менее сложны-
ми, чем проблемы, условно отнесенные выше к группе
основных.
К проблемам второго плана можно отнести:
• отображение ситуации, процессов и действии;
• отображение себя в среде:
• реализация переходов между уровнями модели снизу
вверх и проекции сверху вниз;
• переходы но горизонтали — связь между причиной
и следствием;
• экстраполяция временных последовательностей;
• предвидение результатов действий и процессов;
• связь между потребностью в оптимизации функцио-
нального состояния нейронной сети с необходимо-
стью получения информации о среде и построения
модели проблемной среды.
Кроме того, общие свойства активных нейронов
и Л-сетей позволяют строить гипотетические интерпре-
тации таких особенностей работы мозга, как сон и песпе-
цифические эмоциональные реакции. Важно уточнить
и промоделировать эти интерпретации.
О ироде. 1спные качественные интерпретации нссне-
цпфических эмоциональных реакции уже приводились.
Относительно просто па достаточно общем уровне ин-
терпретируется и моделируется сон. При работе Л-сети
последовательно возбуждаются вторичные нейронные
сечи (нейронные ансамбли), соочветсiвующис каким-то
информационным элементам. Какие вторичные сети воз-
буждаются и в какой последовательности, определяется
312
9.11. Проблемы второго плана
решаемой Л-сетью задачей!. В любом случае при перера-
ботке какой-то информации возбуждается только часть
вторичных сетей.
Параметр Q нейрона при каж ю.м срабатывании уве-
личивается на дискретный величине. У несрабатываю-
щих нейронов параметр Q уменьшается. Если какая-то
часть вторичных сеч ей регулярно возбуждается, а другая
часть нс возбуждается, го происходи! увеличение сред-
них отклонений значений параметров Q от онгимально-
I о значения У нейронов неработающих вторичных сетей
параме тры Q становятся меньше значения Q,,p(. у нейро-
нов работающих вторичных сетей эти параметры могут
стать больше, чем Эго приводит к ухудшению об-
щего функционального состояния сети Нормализация
функционального состояния сети возможна то п.ко при
«отдыхе».
Как уже говорилось в предыдущей главе, отдых сети
при бодрс твовании и отсутствии актуальных внутренних
задач основан на равномерном возбуждении нейронов
за счет внутреннего случа шого возбуждения (перемеши-
вания). Отдыху при бодрствовании способствует также
подача не нейронную сеть внешних равномерных слу-
чайных возбуждающих воздействий.
Если реальный нейрон живого мозга так же, как
и нейрон Л-сети. имеет параметр, аналогичный парамет-
ру Q, и среднее отклонение этих параметров нейронов
мозга от оптимального значения является эмоциональ-
ной переменной, то оптимизация при бодрствовании
этой переменной будет восприниматься как приятное
ощущение.
С з!нм по-видимому, связаны неспецифическпс эмо-
циональные реакции например такие, как реакции на
спокойную музыку, свс! костра пли морской прибой. Эти
313
Глава 9. Проблемы моделирования механизмов мозга
положительные реакции могут возникать, когда случай-
ный или ритмический характер внешних воздействий
способствует равномерной работе нейронов и оптими-
зации функционального состояния нейронной сети. Из-
вестно, чго для быстрого повышения работоспособно-
сти интенсивно работающих диспетчеров используется
спокойная тихая музыка или специально подобранные
случайные зрительные или, чаще, звуковые воздействия.
Для полного отдыха нейронной сети необходим спе-
циальный тин работы, когда прекращается обработка
информации, блокируются внешние воздействия и вклю-
чается описанный выше экспериментально полученный
в Л-сети режим саморегуляции. Этот режим полного
отдыха интерпретируется как сон. Среднее отклонение
параметров Q нейронов интерпретируется как «эмоцио-
нальная переменная». Увеличение этой эмоциональной
переменной требует смены режима работы сети от крат-
ковременного отдыха до длительного, т. е. спа. Прибли-
зительно в том же аспекте могут интерпретироваться
разные, зависящие от режимов работы мозга ритмы элек-
троэнцефалограммы.
Вполне возможно, что со сном связаны не только
нормализация функционального состояния нейронной
сети, но и некоторые функции, направленные на «приве-
дение в порядок» запомненной информации. Например,
во сне может осуществляться коррекция горизонталь-
ных и вертикальных связей в модели проблемной среды
или уже упоминавшаяся функция переноса информации
из кратковременной памяти в долговременную.
На основе представлений о неустойчивости нейро-
нов, синерг ичности и активности нейронной сети можно
с разной степенью приближения интерпретировать и та-
кие свойства мозга, как доминанта, навязчивый мотив.
314
9.11. Проблемы второго плана
интуиция, инсайт (озарение) и творчество. Часть таких
интерпретаций приведена в предыдущей главе. Интер-
претировать и тем более моделировать такие свойства
не просто интересно, а очень полезно для понимания
работы механизмов мозга.
Рассмотрение проблем, связанных с моделировани-
ем нейронных механизмов мозга, приводит к выводу
о том, что нерешенных проблем много и они сложны.
В отношении многих проблем нет не только никаких
конструктивных гипотез решения на уровне моделирова-
ния, но отсутствует и конструктивная нейрофизиологи-
ческая информация. Эти проблемы будут представлять,
по-видимому, наибольшие и очень серьезные затрудне-
ния при моделировании более или менее полных ней-
ронных механизмов мышления.
Появляющиеся иногда оптимистические прогнозы
о перспективах моделирования нейронных механизмов
мозга малообоснованы. Внимательное рассмотрение пе-
речисленных проблем приводит к значительному сни-
жению уровня оптимизма в отношении существующих
и предполагаемых ближайших результатов моделирова-
ния мышления. И, тем не менее, если рассмотренные
функции мозга и реализующие их нейронные механиз-
мы имеют реальную материалистическую природу, то
они в принципе решаемы, а следовательно решать их
можно и нужно.
Представляется, что для решения отмеченных про-
блем чрезвычайно полезным может быть продолжение
и развитие компьютерного моделирования активных
нейронных сетей, т. е. в конечном счете изобретение
и экспериментальная проверка вариантов мышления.
Безусловно, в плане понимания и конкретизации пере-
численных вопросов значительную пользу могут и долж-
315
Глава 9. Проблемы моделирования механизмов мозга
ны принести результаты целенаправленных нейрофи-
зиологических исследований, выполняемых по возмож-
ности с позиций целостных представлений или гипотез
о работе мозга.
Описанные в главе 7 Л-сети имеют, в основном, ил-
люстративный смысл. Иллюстрируют они возможность
построения активных, синергичных, «живых» моделей
нейронных механизмов мозга. Эта возможность возника-
ет, во-первых, в результате введения в модели свойства
накопления неустойчивости, выражающегося в ухудше-
нии функционального состояния и снижении порога
возбудимости у несрабатывающего нейрона. Во-вторых,
свойства нейронов и связей между ними выбираются так,
чтобы обеспечивать оптимизацию функциональных со-
стояний отдельных нейронов во взаимосодействии и, как
следствие, оптимизацию функционального состояния се-
ти в целом.
Все остальные постулаты о структуре сети, конкрет-
ных свойствах нейронов и связей между нейронами
не имеют обязательного характера. Варьируя эти по-
стулаты и зависимости, можно получить другие и, может
быть, гораздо более интересные экспериментальные ре-
зультаты.
В Л-сетях были экспериментально получены и не-
которые не описанные в книге иллюстративные режи-
мы. Это, например, режим образования и разрушения
«сонных веретен» электроэнцефалограммы млекопитаю-
щих [64] и режим управляемой залповой авторитмиче-
ской активности [65].
Заключение
Моделирование мышления —
миф или реальность
Итак, что такое мышление? Можем ли мы теперь
дать исчерпывающий и строгий ответ на этот вопрос?
Ист, конечно, не можем. Ответ неоднозначен и может
быть сформулирован лишь па некоторых уровнях при-
ближения. Однако я думаю, что рассмотренные в книге
модели и проблемы и сформулированные на этой основе
гипотетические представления в определенной степени
приближают пас к полному ответ}; т. е. к пониманию
феномена мышлс1!ия.
Можно, например, дать такое достаточно общее ка-
чественное определение: мышление — это процесс ре-
шения задач поведения, восприятия или абстрактного
мышления, реализующийся в мозге (человека), обладаю-
щем сознанием, пониманием и активностью. Приведен-
ное определение очень обще и требует интерпретаций!
понятий «сознание», «понимание» и «активность». Этим
интерпретациям и посвящено основное содержание кни-
ги. Выделяя главное, в самом обобщенном виде мож-
но сказать, что мышление характеризуется пониманием
на основе использования иерархической семантической
модели проблемной среды, умозрительным моделирова-
317
Заключение
пнем на основе носj роения и использования семанти-
ческой модели проблемной среды и активностью как
при построении модели среды, так и при решении задач
на основе синергического взаимодействия накапливаю-
щих неустойчивость неравновесных «живых» элементов.
Мыслящим мозгом обладают только животные и че-
ловек. Поэтому к объяснению мышления естественно
идти oi понимания различия между живым и нс живым
В этом плане главным является представление о гом, что
живое строится из обладающих свободной энергией! вза-
пмосодействующпх активных неустойчивых элементов
и 41 о в основе всего живого лежит сформулированный
Э. С. Бау эром принцип устойчивого неравновесия. Это
приводит к ряд> выводов. На уровне полого организма
выводы таковы.
Первый: живой! организм не только на клеточном
уровне но и в целом — это система с непрерывно накап-
ливающейся внутренней неустойчивостью.
Второй: поддержание устойчивости на уровне ор-
ганизма происходит в резу гьгате активного поведения
в среде и подчиняется принципу шахТ — максимизации
времени пребывания системы внутр!! условной области
существования, определенной как область допустимых
значений накапливающих неустойчивость регулируемых
переменных — первичных и вторичных потребностей.
Третий: живой организм должен быть постоянно
активен, поведение — непрерывная задача. Поведение
не oi ранпчивается ответными реакциями на внешние
стиму пл и не преследует цели «уравновешивания со сре-
дой». Главная и постоянная задача поведения — это удо-
влетворение потребностей, для которого необходимо
достижение целевых ситуаций в среде.
318
Моделирование мышления — миф или реальность
Что из этого следует д ш понимания мышления? Во-
первых, рассмотрение задачи поведения позволяет сфор-
мулировать гипотезу о специфике основной решаемой
мозгом задачи.
Человек и животные в отличие от растений, суще-
ствуют в многоэкстремальной среде. Именно необходи-
мость достижения целевых ситуаций в многоэкстрсмаль-
ной среде и определила, в первую очередь, образование
и развитие такого управляющего органа, как мозг. Поэто-
му к пониманию мышления ведет рассмотрение задачи
управления поведением н построение на этой основе
предположения о том, что главная решаемая мозгом пер-
вичная проблема — это формирование и использование
многоуровневой иерархической модели среды для ре-
шения задачи управления поведением путем сведения
мпогонсреборных многоэкстремальных задач к малопс-
ре б о р н ы м од I юэкстре м ал ьп ы м.
В результате такого сведения возникает возможность
приближенно (эвристически) решать мпогоэкстремаль-
ные задачи с использованием локальных правил приня-
тия решения в ситуации выбора, путем сравнения одноша-
говых переходов на разных \ ровнях обобщения и укрупне-
ния иерархически организованной модс'лп проблемной
среды Такого же рода организация и нс пользование зна-
ний необходимы, по-видимому, не только для решения
задачи управления поведением в сложной многоэкстре-
малыюй среде, но и при решении других задач, в гом
числе и задач абстрактного мышления.
Во-вторых к объяснению мышления ведет и рас-
смотрение задачи восприятия, в результате которого
удалось сформулировать i ипотетические представления
о полных целостных структурно-метрических моделях
319
Заключение
зрительного восприятия, а также об организации процес-
са «восприятия с пониманием», основанного на управле-
нии процессом с понятийного уровня. включающем фор-
мирование гипотез (предвидение) и целенаправленное
подтверждение гипотез, т. с. восприятия. базпрыощего-
ся на активных взаимодействующих процессах «сверху
вниз» или от модели к среде и «снизу вверх» или от среды
к модели.
Переходя от особенностей и принципов решения
задач целого организма к механизмам реализации этих
принципов, иными словами — от общих способов реше-
ния задач поведения и восприятия к нейронным меха-
низмам мышления, можно сказать следующее. Рассмот-
рение всех процессов в живом организме с единых пози-
ций позволяет сделать гипотетическое предположение
о том, что активная работа мозга определяется его эле-
ментами — нейронами, обладающими накапливающейся
внутренней неустойчивостью. Накопление внутренней
неустойчивости нейронов приводит к ухудшению функ-
ционального состояния нейронной сети. В результате
в мозге имеется постоянная внутренняя задача — опти-
мизация функционального состояния и разряды в нейро-
нах. а также передача возбуждений и торможений по свя-
зям между нейронами являются средс твом для решения
этой задачи.
Из этого вытекает необходимость сппсргичности
и постоянной активности нейронной сети. Это же пред-
положение позволяет сформулировать ряд гипотез о том,
как в нейронной сети происходит организация нейрон-
ных ансамблей, необходимая как для первичной оп тими-
зации функциональных состояний отдельных нейронов
и сети в целом, так и для последующей оптимизации
320
Моделирование мышления — миф или реальность
нейронной сети в процессе получения, обработки и хра-
нения информации.
Из этих гипотез также следует, что получение ин-
формации. необходимой для построения и коррекции
модели проблемной среды, является постоянной! потреб-
ностью живого организма. Такой же потребностью явля-
ется и решение мозгом задач, состоящее в нахождении
наилучшего в каком-то отношении пути между очагами
возбуждения. Очаги возбуждения и путь между ними
отражаются в мозге в виде возбужденных нейронных
ансамблей, соответствующих текущей, целевой и проме-
жуточным ситуациям.
Удовлетворение этих потребностей как при форми-
ровании модели проблемной среды, так и при решении
мозгом задач приводит к нормализации функциональ-
ного состояния нейронов, что. в свою очередь, ведет
к нормализации функционального состояния всей ней-
ронной сети.
Все затронутые в книге проблемы рассматривались,
но возможности, с общих позиций. Это обеспечивалось
тем, что везде при объяснении тех или иных явлений,
сущностей или вопросов во главу угла ставилось пред-
ставление о накапливающейся внутренней неустойчиво-
сти. а также принципы целостности, целенаправленно-
сти и активности, являющиеся в конечном счете произ-
водными от общего принципа оптимальности — шахТ.
Я надеюсь, что удалось показать роль и значение
этих принципов. Целостность — это основа для постро-
ения укрупненных и обобщенных целостных иерархи-
ческих моделей объектов, ситуаций и явлений мира,
используемых как при восприятии, так и при поведении.
Целенаправленноеть — это основа всех процессов мыш-
ления и. в частности, основа для организации эффектив-
21 Зак. 115
321
Заключение
них процессов восприятия и поведения. Целостность
и целенаправленность — это основа для организации ак-
тивного восприятия, г. с. < распознавания (восприятия)
с пониманием».
Активность — это главное необходимое свойство
существования живых организмов, проявляющееся не
только в восприятии и поведении, но и в любых процес-
сах умственной деятельности. 1 [оэтому активность — это
важнейшее свойство, присущее всему живому.
Я полагаю, что активность — эго главное необхо-
димое свойство мышления. Означает ли это, что мыш-
лением могут обладать только живые организмы? Нет,
нс означает. Увеличивающимися во времени и требую-
щими удовлетворения потребностями и, соответственно,
необходимой активностью могут обладать и искусствен-
ные системы. Могут обладать активностью и компьютер-
ные модели нейронных механизмов мозга. Это в какой-
то степени удалось, во всяком случае хотелось, показать
в главе 7.
Представляется, что синергичность (взаимосодей-
ствпе) и активность как необходимые свойства в первую
очередь должны лежать в основе .моделирования меха-
низмов мозга. Однако следует еще раз подчеркнуть, что
из этих необходимых свойств все функции мышления
автоматически не вытекают. На уровне модельных ме-
ханизмов мышления нужно еще многое осмысливать,
придумывать и проверять.
Итак, подводя самый общий итог, можно еще раз
сказать, что главное отличие работы мыслящего мозга
от работы компьютера, запрограммированного на реше-
ние каких-то. в том числе и так называемых интеллекту-
альных, задач — это сознание, понимание и активность.
322
Моделирование мышления — миф или реальность
Основное содержание книги фактически состоит в ин-
терпретации этих и сопряженных с ними понятий.
Понимание всех этих моментов не привело к постро-
ению законченной рабочей или хотя бы умозрительно
работающей более или менее полной нейронной модели
мозга, но позволило все же сформулировать некоторые
гипотезы, а также выделить некоторые, возможно основ-
ные, нерешенные проблемы. Эти проблемы относятся,
главным образом, к логической структуре модели про-
блемной среды, к некоторым процессам, реализующим-
ся с использованием этой модели, а также к пониманию
и моделированию устройства и работы активных ней-
ронных механизмов.
Нерешенных принципиальных проблем, относящих-
ся к уровню нейронного моделирования, много и они
очень сложны. Рассмотрение этих проблем позволяет
сделать вывод о том. что оптимистические оценки со-
временного уровня нейрофизиологии, также как и со-
временного уровня так называемого нейрокомиыотинга
необоснованны. %
Чем мышление человека отличается от нынешних
и возможных будущих компьютерных имитаций? На этот
вопрос есть два разных ответа. Первый — принципиаль-
но ничем. Второй — отличаются принципиально (см., на-
пример, уже упоминавшуюся книгу Р. Пенроуза [39]).
Сторонники второй точки зрения полагают, что живое
и неживое — это принципиально разные сущности и,
поэтому, моделировать живое в неживом невозможно.
Как уже отмечалось, если эти принципиальные различия
не носят нематериальный или непознаваемый характер
и не состоят, например, в наличии у живого нематериаль-
ной души, а определяются все-таки чем-то познаваемым
21*
323
Заключение
и материальным, то это материальное различие можно
моделировать.
Более того, выше уже было определено, в чем, воз-
можно, заключаются эти материальные и в принципе
моделируемые различия. Я думаю, что нынешние ком-
пьютерные имитации работы мозга, а именно пассив-
ные программные системы искусственного интеллекта
и формальные распознающие нейронные сети, действи-
тельно принципиально отличаются от мышления чело-
века, и это отличие состоит, в первую очередь, в отсут-
ствии устойчивого неравновесия и вытекающего из него
как следствие активного динамического принципа ор-
ганизации, в том числе в отсутствии неустойчивости,
синергичпости и активности на уровне решающих ме-
ханизмов. В то же время, я думаю, что накопление не-
устойчивости, синергичность и активность могут быть
реализованы в компьютерных решающих нейронных ме-
ханизмах будущего. Эти свойства могут быть смоделиро-
ваны и в современных универсальных компьютерах.
Часто говорят, что многие принципиально важные
проявления человеческого мозга не алгоритмичны, и по
этой причине компьютерная имитация мозга невозмож-
на. В первую очередь, в качестве таких проявлений на-
зываются сознание и свобода воли. Это, по видимому,
действительно так, если имеется в виду алгоритмическая
компьютерная имитация процесса мышления, сводяща-
яся к организации памяти компьютера и решению за-
программированных задач. Однако уже отмечалось, что
имитация может быть и совершенно иной, если стро-
ить, например, рекуррентно-вычислимую компьютерную
модель мозга, рассматривая моделируемый мозг как фи-
зический объект. Такая модель мыслящего мозга может
324
Моделирование мышления — миф или реальность
быть, также как и живой мозг, «эвристической маши-
ной», порождающей на основе иерархической модели
реальной или абстрактной среды эвристики для реше-
ния поведенческих или абстрактных задач Эта модель
должна эвристически решать все задачи, решаемые че-
ловеком. в том числе пеалгоритмичпыс. певычислимые
и творческие, правда, без гарантии решения.
В то же время возможно, что для полной имита-
ции человеческого мышления потребуется в терминах
«неустойчивость» и «активность» более точно и кон-
структивно, чем это было сделано в главе 9, определить
феномены сознания и свободы воли. Также необходи-
мы, по-видимому, будут конкретизация и моделирование
эмоциональных механизмов.
Имитация работы и реальное построение «живо-
го» мыслящего мозга — вещи разные. Интуитивно пред-
ставляется, что смоделировать потребности, вычислить
величину даже полностью соответствующую совокупно-
сти всех составляющих эмоциональной оценки ситуа-
ции и реальное ощущение эмоции — это не одно и то
же. Точно так же реальное или умозрительное эмоцио-
нально окрашенное осознание себя во взаимодействии
с реальными или умозрительными объектами модели
проблемной среды — это не то же самое, что вычисле-
ние интенсивностей срабатывания модельных нейронов.
Таким образом, очевидные отличия живого мозга от ма-
шины состоят в наличие чувств, ощущений и пережива-
ний, сопровождающих эмоциональные оценки. Но это,
скорее всего, специфические «живые» механизмы, не-
обходимые для оценки, сравнения и выбора вариантов.
Оценка, сравнение и выбор — это процедуры, поддаю-
щиеся в принципе алгоритмизации.
325
Заключение
Проявятся ли эти различия на фу нкциоиальиом уров-
не, г. е. на уровне решения задач, — это вопрос, остаю-
щийся пока еще открытым. Однако можно еще раз отме-
тить. что четкого логического обоснования нсобходпмо-
с ги какого-то нематериального субстрата для объяснения
работы мозга нс существует. (К нематериальному здесь
может быть отнесено и непознаваемое.
Гем не менее, многие считающие себя материали-
стами психологи, не вводя в явном виде представление
о нематериальной душе, в го же время говорят о прин-
ципиальной невозможности свести уровень психологи-
ческого анализа к уровню анализа физиологического,
психологические законы к законам деятельности ней-
ронных механизмов мозга. Я думаю, что это неверно.
Если жизнь имеет материальную основу и эта основа
познаваема, то рассмотрение и изучение процессов в ак-
тивных нейронных сетях может со временем позволить
интерпретировать иа физиологическом уровне многие,
а в конечном итоге и все, психологические факты, зако-
ны и явления.
Нс исключено, что все интерпретации психологиче-
ского уровня окажутся возможными и па уровне компью-
терного моделирования мозга. В том числе и интерпре-
тации таких особенностей работы мозга, как интуиция,
инсайт, творчество и даже юмор.
Литература
1. Аликов II. Al. Алгорш мы разума. Киев: Паукова думка, 1976.
220 с.
2. Амосов Н. Л/.. Касаткин А. М.. Касаткина Л. Л/., laaaee (\А.
Автоматы и разумное поведение. Киев. 1973. 375 с.
3. Анисимович К. В., 1 срони н ко В. В.. Шамис А. Л., Ян Л. В. Мето-
ды распознавания рукописных текстов // Материалы семи-
нара «Динамические интеллектуальные системы в управле-
нии и моделировании». М.. 1996.
1. Анохин ILK. Узловые вопросы теории функциональных
систем. М.: На\ ка, 1980. 198 с.
5. Анохин II. К. Теория функциональной системы как пред-
посылка к построению физиологической кибернетики //
Биологические аспекты кибернетики. М.: АН СССР. 1962.
6. Асмами Н.В.. Гоаииин Г. А. Особенности афферентного син-
теза в условиях выбора Вопросы радиоэлектроники.
( ер. Бионика. 1967. Выи.9. С 18-58.
7. Пайков А. А!.. Кузин Е. Шамис А. Л. 1 (елостное целенаправ-
ленное распознавание н «поражений в ЭВМ // Вопросы
кибернетики. Автоматизированные системы ввода-вывода
графической информации. М . 1987. С. 78-90.
8. Пайков А. М.. Кузин Е. ('... Шамт А. Л. Пакет программ для
распознавания рукописной символьной и графической ин-
формации // Искусственный интеллект. Кн. 1 М.: Радио
и связь. 1990. С. 179-181.
9. Пауэр Э. (.. Теоретическая биология. М.; Л.: ВПЭМ. 1935.
350 с.
327
Литература
К). Беритов II. С. Об основных формах нервной н психонерв-
ной деятельности. М.; Л.: АН СССР. 1947.
11. Беритов II. С Структчрные и фчнкциональные основы пси-
хической деятельности. М.: АН СССР, 1963.
12. Беритов II. С. Нервные механизмы поведения высших по-
звоночных. М.: АН СССР, 1961.
13. Бернштейн II. А. На путях к биологии ак тивности ? Вопро-
сы философии. 1965. № 10.
14. Бернштейн И. А. Пути разви тия физиологии и связанные
с ними задачи кибернетики // Биологические аспекты
кибернетики. М.: АН СССР, 1962.
15. Берталанфи Л. ' Исследования ио общей теории систем.
М., 1969.
16. Бонгард А/. А/. Проблемы узнавания. М.: Пачка, 1967.
17. Винер II. Кибернетика. М.. 1968.
18. Вайнберг С. Мечты об окончательной теории. М.: УРСС,
2004. 253 с.
19. Власов А. В., Калиничев А. II. Моделирование на I IBM равно-
весного состояния нейронной сети // Вопросы радиоэлек-
троники. Сер. Общетехничсская. Выи. 1. 1969. (7 34-42.
20. Власов А. В., Калиничев А. II. Образование элементов памяти
в нейронной сети Вопросы радиоэлектроники. Сер.
Общетехническая. Выи. 1. 1969. С. 34-42.
21. Глушков В. А/. Теория обучения одного класса дискрет-
ных перцептронов Жч-рнал вычислительной математики
и математической физики. Киев, 1962. 4.2. №2. С. 317-335;
Он же. Нейронные сети: история развития теории. М.: Ра-
диотехника, 2001. С. 115-133.
22. Голицин Г. А., Петров В. AI. Информация и биологические
принципы оптимальности. Гармония и алгебра живого.
М.: КомКнига URSS. 2005. 125 с.
23. Голицин Г. А., Петров В. М. Информация поведение творче-
ство. М.: Знание. 1991. С. 222.
328
г
Литература
24. Емельянов--Ярославский Л. Б. I line ыектуальная квази-биоло-
гическая система «Индуктивный автомат». М.: Наука, 1940.
110 с.
25. Еиельянов-Ярославский Л. Б. Об одном подходе к построению
нейронных ав томатов Вопросы радиоэлектроники. Сер.
Общетехничсская. Выи. 1. I960. С. 3-13.
26. Коган А. Б. 1 1ейронные ансамбли как элементы конструкции
нервных центров , Механизмы обьединенпя нервных
клеток в нервные центры. Киев: АН УССР, 1971,
27. Колмогоров Л. II. Три подхода к определению понят им «коли-
чество информации» // Проблемы передачи информации.
М., 1965. Т. 1. Вып. 1.
28. Колмогоров А. II. Три подхода к определению «количества
информации» // Колмогоров А. Н. Чеория информации
и теория алгоритмов. М.: Наука, 1987.
29. Курдюмов С.. Малинеикий Г. Синергетика — теория самоор-
ганизации. Электронная версия НиТ. Текущие публикации.
1997.
30. Ляпунов А. А. Кибернетический подход к теоретической
биологии // Кибернетика живого. Биология и информа-
ция. М.: Наука, 1984. С. 38-45.
31. Мак-Коллок У., Питтс И. Логическое исчисление идей, от-
носящихся к нервной активности Нейронные сети: ис-
тория развития теории. М.: Рад иотехника. 2001. С. 5-22.
32. Мак-Каллок У. Надежность биологических систем Ней-
ронные сети: история развития теории. М.: Радиотехника.
2001. С. 150-165.
33. Малинеикий Г. Г. Нелинейная динамика и ист орическая ме-
ханика // Общественные науки и современность. 1997.
№2. С. 99-111.
31. Малиновский А. А. Жизнь // Философский энциклопедиче-
ски и словарь. М.. 1989. С. 192-193.
35. Милнер П. М. Обучение в нервных системах // Самоорга-
низующиеся системы. М.. 1964.
329
Литература
36. Минский М. Структура для нредсгавления знанш! Пси-
хология машинного зрения. М.: Мир. 1978.
37. Минский М.. Пайпгрт С. Перцептроны. М: Мир. 1971.
38. Наилов II. П. Поли. соор. соч. М.; Л., 1951.
39. Пенроуз Р. Новый ум короля. М.: УРСС. 2005. 398 с.
40. Поплавский Р. II. Термодинамика информационных процес-
сов. М.: Наска. 1981. 256 с.
И. Психология машинного зрения. М.: Мир, 1978.
42. Рапопорт 4. Математические аспекты абстрактного апалн ia
систем // Исследования по общей теории систем. М.. 1969.
43. Розенблатт Ф. Принципы пейродннампки. М.: Мир, 1965.
180 с.
44. Розенблатт Ф. Перцептрон: вероятностная модель хранения
информации и организации мозга z Нейронные сети:
история развития теории. М.: Радиотехника, 2001. (5 29-57.
45. Ротенберг Р. С. Адаптивная функция сна. М.: Натка. 1982.
1 78 с.
46. Сз-нтДьердъи .4. Введение в субмолекслярную биологию.
М.: Физматгиз, 1964.
47. Силитов II. Я., Что такое эмоция? М.: Наска. 1966. 96 с.
18. Словарь практического психолога. Минск: Харвесг. 1998.
19. Спиноза Б. Этика // Соч. 1.1. М., 1957.
50. Супин Л. Я. Выделение информативных признаков раздра-
жений нейронами зрительной коры мозга // Самооргани-
зация и адаптивные информационно-справляюшие систе-
мы. М.. 1979. C.51-G4.
.>1. Терещенко 11.. Рыбкин 11.. Шамис .4.. Ян Д. Принципы рас-
познавания рукописных символов в системе ABB5Y Fine-
Reader / Материалы конф. РОАН-Ш. Н.Новгород. 1997.
52. Гыоринг А. Может ли машина мыслить? М.: КомКии-
га/ URSS. 2006.
53. Уинстон. Робот МП' Интегральные робогы. Г. 2. М.: Мир.
1975. С. 47-87.
54. Хакен Г Синергетика. М.: Мир. 1980.
330
Литература
55. Ханин ALA.. Дорфман Л/. Л., Бухаров If. Б.. Л( видный /J. Г. Экс-
тремальные принципы в биологии и физиологии. М., 1978.
36. Ха/жевич Л. А. О ценнос ти информации // Проблемы ки-
бернетики. 1960. Вын.4.
57. Цыганков В. Д. Виртуальный нейрокомпьютер «Эмбрион».
М . ('ин тег, 2005.
58. ЧЦнавский Д. С. Синергетика и информация. М : УРСС.
200 I. 287 с
59. Шамис Л. Л. Эксперименты ио организации динамической
нейронной сети Вопросы радиоэлектроники. Сер. Об-
ще техническая. Вын. 1 1969. С. 1 1-33.
60. Шамис А.Л. Принципы «интеллектуализации» машинного
распознавания изображении и их реализация в системах
оптического чтения текстов ABBYY FineReader и Form-
Reader Новости искусственного интеллекта. 2002. .\» 1.
С.27-31.
61. Шамис А.Л. От поведения к мышлению // Новости искус-
ственного интеллекта. 2003. .У 3.*С. 11-15.
62. Шамис А.Л. Формализация и моделирование интеллекту-
альной деятельности // Вопросы радиоэлектроники. Сер.
Общетехиическая. 1973. № 1 1. С. 9-16.
63. Шамис А. Л., Левит Б. К). 11одход к пос троению формальной
модели поведения. М.: Назка. 1972. С. 34-49.
64. Шамис А. Л.. Мухаметов Л. \1. Модель возможного механиз-
ма сонных веретен электроэнцефалограммы млекопитаю-
щих // Биологические натки. 1967. №5. С. 67-71.
65. Шамис А.Л. Модель нейронной сети с управляемой зал-
повой авторптмической активностью // Кибернетические
аспекты в изучении работы мозга. М.: Наука. 1969.
66. Шамис А. Л. Поведение, восприятие, мышление. М.: УРСС,
2005. 224 с.
67. Шеннон К.. Уивер У. Математическая теория связи // Шен-
нон К. Работы по теории информации и кибернетике.
М.: НЛ. 1963.
331
Литература
68. Шеннон К. Работы по теории информации и кибернетике.
М„ 1963.
69. Шехтер М. С. Зрительное опознание. М.: Педагогика, 1981.
70. Шмалъгаузен И. И. Кибернетические вопросы биологии. Но-
восибирск: Наска, 1968. 223 с.
71. Шнолъ С. Э. О динамике новых истин в науке о жизни //
Кибернетика живого: биология и информация. М.: Наука,
1984. С. 84-94.
72. Шредингер Э. Что такое жизнь с точки зрения физики. М.,
1947.
73. Шрейдер Ю. А. Об одной модели семантической теории
информации // Проблемы кибернетики. 1965. Вып. 13.
74. Энгельс Ф. Анти-Дюринг. М., 1951. С. 322.
75. Эшби У. Р. Общая теория систем как новая научная дис-
циплина // Исследования по общей теории систем. М.,
1969.
76. Янковский С. Я. Концепция общей теории информации //
[Электронный ресурс]. Библиотека «Биометрики». 2000.
77. Эшби У. Р. Введение в кибернетику. М.: КомКпига/URSS,
2006.
78. Bar-Hillel Y., Carnap R. Semantic Information // British Journal
of the Philosophy of Science. 1953. Vol. 4. № 14.
79. Eccles J. C. The Neurophysiological Basis of Mind. Oxford Uni-
versity Press, 1953.
80. Hebb D. O. The Organisation of Behevier. N.Y., 1949.
81. Hopfield J. J. Neural network and physical systems with emergent
collective computational abilites // Proc. Nat. Acad. Sci/US.
1982. Vol. 79. P. 2554-2558.
82. Kappers C. U., Huber С. C., Crosby F. C. The Comparative Anatomy
of the Nervous Sustem of Vert ebration, including Man. N.Y.,
1936.
83. Lashley K. S. In search of the Engram. Cambridge University
Press. 1960. Vol. 4. 195 p.
332
Литература
84. McCulloch IT., Pitts IE A logical calculus of the ideas immanent
in nervous activiti // The Bulletin of Mathematical Biophysics.
1943. №5. P. 115-133.
85. Rashmsky A'. Information Theory and Topology // The Bulletin
of Mathematical Biophysics. 1955. Vol. 17. №3.
86. Trucco E. On the Information Content of Ggraphs // The
Bulletin of Mathematical Biophysics. 1956. Vol. 18. jV3.
URSS.ru URSS.ru URSS.ru URSS.ru
URSS.ru URSS.ru URSS.ru URSS.ru UWSS.ru URSS.ru
Уважаемые читатели! Уважаемые авторы!
Наше издательство специализируется на выпуске научной и учебной
литературы, в том числе монографий, журналов, трудов ученых Россий-
ской академии паук, научно-исследовательских институтов и учебных
заведении. Мы предлагаем авторам свои услуги на выгодных экономи-
ческих условиях. При этом мы берем па себя вею работу по подготовке
издания — от набора, редактирования и вершки до тиражирования
и распространения.
URSS
С ре in вышедших и готовящихся к изданию книг мы предлагаем Вам следующие:
Росс Эшби У. Введение в кибернетик).
Бир С. Кибернетика и менеджмент.
Бир С. Мозг фирмы.
Ворожцов Я. В Путь в современную информатику.
Крои род .А. С. Беседы о программировании.
Тьюринг А. .Может ли машина мыслить?; Нейман Дж. фон Общая и логическая теория
автоматов.
Рапопорт Г. И.. Герц А. 1 Искусственный и биологический интеллекты.
Голицын Г. А., Петров В. М. Информация и биологические принципы оптимальности.
Голицын Г. А.. Петров В. М. Социальная н кулыурпая динамика.
Моль А. Соииотинамика культуры.
Болотов А. А.. Геликов С. Б.. Фролов А. Б., Часовских А. А. Элементарное введение
в эллин 1ическую криптографию: .Алгебраические и алгоритмические основы.
Болотов .4. !.. Гашков С. Б.. Фролов А. Б. Элементарное введение в эллиптическую
криптографию: Протоколы криптографии па эллиптических кривых.
Карабутов И. И. .Адаптивная пден|ификания систем: информационный сишез.
Закревский А. Л. Параллельные алгоритмы логическою управления.
Закревский А.Д. Логические уравнения.
Закревский А.Д. Логика распознавания.
Жилин Л. М. Теория систем: опыт построения курса.
Клини С Математическая логика.
Бахтияров К. И. Логика с точки зрения информатики.
Киселева И. А. Коммерческие банки: модели и информационные технологии.
Сгибнев А. В. Информационные технологии и реинжиниринг бизнес-проиессов.
Арлычев А. Н. Сознание: информационно- деятельностный подход.
Бейтсон Г. Шаги в направлении экологии разума. Кн. I -3.
Бриллюэн Л. Научная неопределенноезь и информация.
Емельянов С. В (гл. ред.) Информационные технологии и вычислительные системы.
Арлазаров В. Л. (ред.) Организационное управление и искусственный инте.1.тек1.
Лапин Н. И. (ред.) Социальная информатика: основания, методы. иерснекппзы.
Вайдлих В. Социодинамика: системный подход к маземагическому моделированию
социальных наук.
Каплун А. Б . Морозов Е. М.. Олферьева М.А. VSSYS в руках инженера.
По всем вопросам Вы можете обратиться к нам:
тел./факс (495) 135-42-16. 135-42-46
или электронной почтой L'RSS« L RSS.ru
Полный Kaia.ior изданий представлен
в Интернет-магазине: http://LRSS.ru
Научная и учебная
литература
URSS.ru URSS.ru URSS.ru URSS.ru URSS.ru URSS.ru
URSS.ru URSS.ru URSS.ru URSS.ru
URSS.ru URSS.ru URSS.ru URSS.ru
URSS.ru URSS.ru URSS.ru URSS.ru URSS.ru URSS.ru
Представляем Вам наши лучшие книги:
Серия «Науки об искусственном»
Шамис А.Д. Поведение, восприя i не, мышление. Проблемы со пан ия
искусственного интеллект. URSS
Саймон Г. Науки об искусственном.
Ардиб М. Метафорический мол.
Гаазе-Рапопорт М. Г.. Поспелов Д. А. От амебы до робота: модели ново гения.
Попов 3. В. Общение с ЭВМ на естественном языке.
Финн В. К. Интеллектуальные системы и общество.
Редько В. Г. (ред I От моделей поведения к искусе!венному интеллекту.
Математическое моделирование
Тарасевич Ю. Ю. Математическое и компьютерное моделирование.
Тарасевич Ю. Ю. Перколяция: теория, приложения, алгоритмы.
Плохопшиков к. 3. Математическое моделирование и вычислительный эксперимент.
МышкисА.Д. Элементы теории магематческих моделей.
Блехман И. И.. Мышкис А. Д.. Пановко Я. Г. Прикладная математика.
Кал.шш Р. Фат И., Арбиб М. Очерки но математической теории систем.
Ресин В. И.. Попков Ю. С. Ра зви i не больших городов в условиях переходной экономики.
Ресин В. И.. Дархое-ский Б. С.. Попков Ю. С. Вероятностные ихнологии в управлении
развитием города.
Оптимизация и управление
Софиева IO. П.. Пир.ит А. Л/. Введение в задачи и методы условной оптимизации.
Галеев 3. М Ошимизайми: теория, примеры, задачи.
Ковалев М. М. Дискретная оптимизация (целочисленное программирование).
Ковалев М. М. Матроиды в дискретом оптимизиции.
Балакрчшнан А. Введение в leopmo оптимизации в гильбертовом пространстве.
Понтрягин Д. С. Принцип максимума в оптимальном управлении.
Зеликин М. И. Оптимальное управление и вариационное исчисление.
Хинчин А. Я. Работы по ма!ематческой теории массового обслуживания.
Гнеденко Б. В.. Коваленко И. И. Введение в теорию массового обслуживания.
Абрамова И. А.. Гинсберг К. С.. Новиков Д. А. (ред.) Человеческий фактор в управлении.
Смотяков 3. Р. Неизвестные страницы истории оптимального управления.
Афанасьев А. П. Продолжение траекторий в оптимальном управлении.
Прикладная лингвистика
Хомский Н.. Миллер Дж. Введение в формальный анализ ес1ественных языков.
Венце,в .1. В.. Касевич В. Б. Проблемы восприя>ия речи.
Пита пела Р. К. Речь: коммуникация, информация, кибсриетка.
Потапова Р. К. Таины современного кентавра. Речевое взаимодействие.
Потапова Р. К. Новые информационные технологии и лишние гика.
Потапова Р. К. Речевое управление роботом.
Потапов В. В. Динамика и статика речевого ритма.
Гладкий ,1. В. Синтаксические структуры естественного языка в автоматизированных
системах общения.
URSS.ru URSS.ru URSS.ru URSS.ru URSS.ru URSS.ru
URSS.ru URSS.ru URSS.ru URSS.ru
URSS.ru URSS.ru URSS.ru URSS.ru
URSS.ru URSS.ru URSS.ru URSS.ru URSS.ru URSS.ru
Представляем Вам наши лучшие книги:
Серия «Синергетика: от прошлого к будущему»
Пенроуз Р. НОВЫЙ УМ КОРОЛЯ. О компьютерах, мышлении
и законах физики. Пер. с англ URSS
Хикеп I Информация и самоорганизация Макроскопический подход
к сложным сис1емам. Пер. с англ.
Редько В. Г. Эволюция, нейронные сети, интеллект: Модели и концепции
эволюционной кибернетики.
Чернявский Д. С. Синергетика и информация (динамическая теория информации).
Безручко Б. П. и др. Путь в синергетику. Экскурс в деся ти лекциях.
Князева Е. П.. Курдюмов С. И. Основания синергетики. Синергетическое мпровидение.
Данилов Ю.А. Лекции ио нелинейной динамике. Элементарное введение.
Трубеиков Д. И Введение в синергетику. В 2 кн.: Колебания и волны; Хаос и структуры.
Ариоаьд В. И. Теория катастроф.
Маяинецкий Б. /’. Математические основы синергетики.
Малинецкий Г. Г., Потапов А. Б. Нелинейная динамика и хаос: основные понятия.
Малинецкий Г. Г.. Потапов А. Ь . Подлазов А. В. Нелинейная динамика по гхо ты.
результаты, надежды.
Капица С. П.. Курдюмов С П., Малинеикий /'. Г. Синергетика и прогнозы будущего.
Малинецкий Г. Г. (рсд.) Будущее России в зеркале синергетики.
Быков В. И. Моделирование критических явлений в химической кинетике.
Чумаченко Е. Н. и др. Сверхпластичность: материалы, теория, технологии.
Баренцев Р. /. Синергетика в современном естествознании.
Баранцев Р. Г. и др. Асимптотическая математика и синертетика.
Котов Ю. Б. Новые математические подходы к задачам медицинской лиат нос тики.
Гельфанд П. М. и др. Очерки о совместной работе математиков и врачей.
Пригожин И Неравновесная статистическая механика.
Пригожин И. От существующего к возникающему.
Пригож ин И . Стенгере И. Время. Хаос. Кван г. К решению парадокса времени
Пригожин И.. Стенгере И. Порядок из хаоса. Новый диалог человека с природой.
Пригожин И.. Ииколис Г. Познание сложного. Введение.
Пригожин П. Глеиедорф П. Термодинамическая теория структуры, устойчивости
и флуктуаций.
Сугдалев И. П. Нанотехнология: физико-химия нанокластеров. тснтоструктур
и паиомагериалов.
Тел./факс:
(495) 135-42-46,
(495) 135-42-16,
E-mail:
URSS@URSS.ru
http://URSS.ru
Наши книги можно приобрести в магазинах:
«Библно-Глобус» (и.Лубянка, ул. Мясницкая. 6. Тел. (495) 925-2457)
«Московский дом книги» (и Арбатская, ул. Новый Арбат 8. Тел (495) 203-8242)
«Молодая гвардия» («.Полянка, ул.Б. Полянка, 28. Тел. (495) 238-5001,780-3370)
«Дом научно-технической книги» (Ленинский пр-т, 40. Тел (495) 137-6019)
«Дом деловой книги» (м Пролетарская, ул. Марксистская 9 Тел. (495) 270-5421)
«Гнозис» («.Университет, 1 гум.корпус МГУ, номн.141. Тел. (495) 939-4713)
«У Кентавра» (РГГУ) (м Новослободская, ул. Чаянова, 15 Тел. (495) 973-4301)
«СПб. дом книги» (Невский пр, 28. Тел. (812) 311-3954)
URSS.ru URSS.ru URSS.ru URSS.ru URSS.ru URSS.ru
URSS.ru URSS.ru URSS.ru URSS.ru

Об авторе
Александр Львович Шамис (род. в 1933 г.) — кандидат тех-
нических наук, лауреат премии Правительства РФ в области
науки и техники. Долгие годы проработал в Научно-иссле-
довательском центре электронно-вычислительной техники
(НИЦЭВТ). В настоящее время — научный консультант фирмы
ABBYY. Более сорока лет занимается теоретическими и прак-
тическими проблемами искусственного интеллекта, разра-
боткой прикладных интеллектуальных технологий. Основная
сфера его интересов — моделирование восприятия и по-
ведения. Ведущий ученый страны в области машинного зри-
тельного восприятия и автоматического распознавания текс-
тов. Один из создателей знаменитых систем распознавания
FineReader и FormReader.
в Мышление — это не изощренные алгоритмы решения задач, а специ- "
11 фический принцип их реализации в живом мозге.
Живой организм не только на клеточном уровне, но и в целом — это
система с непрерывно накапливающейся внутренней неустойчивостью, ж
" Поддержание устойчивого неравновесия на уровне организма проис-
в ходит в результате активного поведения в среде и подчиняется прин- и
в ципу оптимальности maxT. в
Следствия принципа шахТ — это целостность, целенаправленность и
активность.

• Если жизнь имеет материальную основу и эта основа познаваема, то не «
исключено, что все интерпретации психологического уровня окажутся ж
в возможными и на уровне компьютерного моделирования мозга. В том в
числе и интерпретации таких особенностей работы мозга, как эмоции, ж
ж интуиция, инсайт, творчество и даже юмор.