Текст книги "Что такое бионика"

Автор книги: Петр Асташенков

Жанры:

Прочая научная литература

сообщить о нарушении

Текущая страница: 5 (всего у книги 5 страниц)

При оценке способности машины распознавать снимки ей было «показано» большое количество фотографий кораблей в море, ракетных установок, самолетов. Оказалось, что правильно «обученная» машина способна различать на снимках одиночные цели, а также объекты, находящиеся в окружении других по форме предметов. Например, уже у первой модели машины правильность опознавания ангаров и капониров достигала 100 процентов, самолета в капонире – 92 процентов, самолетов вне укрытий – 94 процентов.

Не случайно военно-морской флот США заинтересовался созданием образца машины с тысячей запоминающих ячеек. Предполагается, что такая машина не превзойдет по размерам обычного стола. Правда, пока запоминающие ячейки очень сложны и дороги. Поэтому главное внимание конструкторы уделяют разработке компактных, недорогих и надежных запоминающих ячеек. По последним сообщениям, второй образец перцептрона уже построен. Он содержит в 20 раз больше элементов «памяти» и более сложную схему взаимосвязей, чем первая модель. Американская военщина намерена этот усовершенствованный перцептрон уже в ближайшее время применить для автоматической расшифровки результатов воздушной разведки – аэрофотоснимков и опознавания на них целей.

С применением искусственных нейронов уже создаются машины, обладающие способностью распознавания, еще более совершенные, чем первые перцептроны. Уже создана, например, машина на разновидности электронного нейрона – артроне. Этот электронный нейрон сложнее других аналогов. Он обладает 16 состояниями и свойством задержки. Это чрезвычайно чувствительный элемент, имеющий два входа и один выход. Входной и выходной сигналы имеют цифровую форму. Отличие машины на артронах от первых перцептронов заключается в том, что пути прохождения сигнала между чувствительными элементами и артронами изменяются непрерывно случайным образом, пока в процессе «обучения» не будут найдены оптимальные пути. Но даже и после «обучения» машина легко возвращается к этапу случайного прохождения сигнала.

Основной механизм, с помощью которого такая машина «обучается», составляют четыре высокоскоростных переключателя. Они, сравнивая поступивший сигнал с пороговым уровнем, определяют, разомкнуть переключатель или оставить замкнутым. В первом случае сигнал к артрону не проходит, во втором – проходит. Схема обратной связи и здесь обеспечивает «поощрение» или «наказание», уменьшая или увеличивая пороговый уровень переключателя.

Машина на артронах, по данным зарубежной печати, может применяться для автоматического управления беспилотными космическими летательными аппаратами, будет способствовать созданию быстродействующих командных машин для штабов войсковых подразделений, облегчающих выработку решений командиром. Машина может успешно управлять оборудованием, работающим в опасных условиях.

В печати сообщается и о создании еще одного аналога нейрона для логических устройств. Это – нейристор. Он может выполнять все логические операции существующих электронно-вычислительных машин и даже некоторые функции, которые им пока, как говорят, не под силу. По схеме это канал, содержащий термисторную полоску и распределенную емкость. В них распространяются сигналы – электрические разряды, проходящие с постоянными скоростью и амплитудой. После прохождения разряда прибор в течение некоторого времени становится невосприимчивым и не поддерживает разряды. Спустя некоторый период он восстанавливает работоспособность. Логические устройства на нейристорах характерны тем, что прибор и соединительные провода составляют одно целое.

Одна зарубежная фирма предложила самопрограммирующую машину, которая самостоятельно выбирает оптимальный подход к решению задачи. Она предназначена для распознавания сигналов гидролокатора.

Перед применением машину «обучают». На перфорированную ленту блока «памяти» записываются сигналы гидролокатора и эхо-сигнал, создаваемый кораблем. Если машина путает то и другое, процесс сравнения повторяется, пока она не даст правильный ответ. «Обученная» таким путем машина может анализировать сигналы подводной локации лучше, чем оператор.

Одна из американских фирм построила бионическую обучающуюся машину для быстрого опознавания и классификации трехмерных объектов, имеющих форму шара, куба, пирамиды и эллипсоида. Это качество, по мнению специалистов США, оказывается очень ценным при просмотре, анализе, отборе фотографий на разведывательных спутниках перед передачей их на Землю. И не только в этом случае, но и при распознавании мест запуска снарядов или самих снарядов с борта самолетов или спутников, а также обнаружении боеголовок ракет среди ложных целей.

Такая бионическая машина состоит из объектива, 400 фотоэлементов, усилителей сигналов фотоэлементов, ассоциативного блока «памяти», состоящего из 400 простых логических схем, ответных логических устройств и цифровых логических устройств, указывающих форму наблюдаемого объекта. Выход каждого усилителя соединен (по случайному закону) со входами девяти логических схем блока «памяти».

Как же работает такая бионическая машина? Когда оптическое изображение проектируется на фотоэлементы, сигналы от них после усиления поступают в логические схемы ассоциативной «памяти», оттуда – на два ответных логических устройства. Вот здесь-το и происходит процесс обучения машины. На входе ответных устройств сигналы «взвешиваются», то есть в зависимости от того, способствует или нет наличие этого сигнала правильному опознаванию, он либо усиливается, либо ослабляется. Это достигается благодаря уменьшению или увеличению сопротивлений на входе ответных логических схем.

Из моделей нейронов создаются целые сети, которые предназначаются для имитации тех или иных функций нервной системы. Конструируются сети, меняющие свои параметры в соответствии с изменениями характера раздражений, а также сети, предназначенные для запоминания данных и способные к «обучению».

На втором симпозиуме по бионике сообщалось, что в США создана обучающаяся машина на нейронной сети из 102 мемисторов. Мемисторы – это жидкие элементы, конструктивно оформленные в виде небольших пластмассовых сосудов объемом в одну треть кубического сантиметра. Сосуды заполнены электролитом и имеют электроды. Действие элементов основано на изменении сопротивления от 3 до 100 ом. Сеть из таких мемисторов имитирует работу зрительного органа человека при распознавании образов. На базе этой машины предполагается создать устройство для решения комплексных навигационных задач, предсказания погоды и т. п.

В США разрабатывается также машина, предназначенная для распознавания речи и печатания текста с голоса. Специалисты занимаются также проблемой преобразования набора чисел в записанный на магнитную ленту человеческий голос. Этот голос вводится в электронно-вычислительную машину, и она производит математический анализ звуков. А затем из полученных чисел вновь воссоздается (синтезируется) человеческая речь, также записанная на магнитную пленку. Подобный анализ и синтез речи будут очень ценными для сужения каналов связи.

Большое значение для связи в особых случаях боевого применения военной техники, например самолетов, будет иметь преобразование речевого спектра частот в механические колебания. Эти механические колебания будут восприниматься не ухом, а кожей человека.

Дело в том, что в летящем самолете шум мешает приему звуковых сигналов органами слуха. Кожа восприимчива к частотам, в девять раз меньшим, чем частоты, воспринимаемые ухом (1000–4000 гц). Поэтому, когда преобразовали звуковые частоты в механические колебания, операторы могли определять некоторые звуки при помощи пальцев, находящихся на вибраторе. Кроме снижения влияния шума такая передача обладает и большей скрытностью.

Исследования в области обучаемых и самообучающихся машин ведутся и в СССР. Как сообщил в одном из своих выступлений в печати известный советский ученый В. М. Глушков, в Вычислительном центре Академии наук УССР (теперь он называется Институтом кибернетики) электронную машину «обучали» смыслу фраз на русском языке. Программа была предусмотрена такая: машине сообщается некоторое число осмысленных фраз; затем в процессе проверки она правильно отсортировала осмысленные фразы от бессмысленных, причем делала это не только для тех фраз, которые она усвоила в процессе «обучения», но и для незнакомых ей фраз.

При моделировании на машине процесса «обучения» смыслу фраз на русском языке можно было имитировать различные типы «обучения» – от голой зубрежки до склонности к поспешным обобщениям и неуемному фантазированию.

Одним из сотрудников Института автоматики и телемеханики Академии наук СССР была выдвинута гипотеза компактности, позволяющая объяснить процесс обучения и искусственно воспроизвести его. В настоящее время гипотеза компактности проверяется на животных.

Чтобы понять смысл гипотезы компактности, представим себе плоскость, разделенную на клетки и заполненную «n»-фотоэлементами, имитирующими «приемники» световых раздражений-рецепторов (рис. 28, слева). Если на это своеобразное фотополе проектируется изображение, то возбуждаются вполне определенные фотоэлементы. Состояние всего фотополя можно охарактеризовать одной точкой, как говорят, в пространстве рецепторов (рис. 28, справа).

Рис. 28. Схема процесса «обучения» машин опознаванию буквы А.

Эта точка – вершина единичного куба. Значит, букве А будет соответствовать в зависимости от написания одна группа точек, букве Б — другая группа точек в пространстве рецепторов. Ученые предполагают, что и в мозгу человека каким-то путем формируются области в пространстве рецепторов, соответствующие тому или иному образу.

Гипотезу компактности можно сформулировать так: человек воспринимает множество различных зрительных ощущений как единый образ, если множество точек, которое соответствует этому ощущению, в пространстве рецепторов является в известном смысле компактным множеством. Задача «обучения» машины, таким образом, заключается в проведении в пространстве поверхностей, отделяющих одну область от другой, а это и означает способность различать образы. В процессе «обучения» машина «запоминает» положение точек, соответствующих буквам А, Б и т. д. в пространстве рецепторов. В результате, когда потом машине показывают букву, она определяет, где лежит точка, характеризующая показанное изображение, и в зависимости от этого «отвечает», какая это буква.

На основе этой гипотезы была разработана программа, реализованная на цифровых машинах. И оказалось, что машины очень легко «выучиваются» распознавать пять цифр: 0, 1, 2, 3 и 5 (в связи с тем, что цифра 4 похожа на цифру 1, ее в первых опытах не использовали).

В ходе обучения машине показывали 40 отобранных цифр и сообщали условным кодом, какие это цифры. Затем показывали остальные 160 вариантов каждой цифры, не виденных ранее машиной. Ей предстояло распознать их. И она из 800 случаев допустила лишь… четыре неточности.

За первыми успешными опытами советских ученых последовали новые. На небольшом учебном материале машина «научилась» распознавать все десять цифр. Сейчас изучается возможность распознавания машиной всех букв алфавита и даже портретов.

Советские ученые считают, что в ближайшее время машины удастся обучить не только распознаванию образов, но и обучить их более сложным процессам. Такие машины в будущем могут заменять человека при выполнении им самых тонких операций. Например, они будут способны судить по звуку работающего агрегата о его исправности или, прослушивая биение сердца, ставить диагноз. При этом интересно, что строить машины можно одинаковыми, а затем специализировать их, «обучая» тому или иному «ремеслу».

Действительный член Академии наук УССР В. Глушков утверждает, например, что электронная вычислительная машина, обрабатывая некоторый экспериментальный материал, может открыть какой-то новый закон природы, абсолютно неизвестный составителю программы. Разумеется, более естественно говорить, что соответствующий закон открыт машиной вместе с программистом, но ведь когда ученый открывает что-либо, то авторство не распространяется на тех, кто его учил.

Самообучающиеся машины – это дальнейшее развитие систем с автоматическим приспособлением, о которых шла речь в предыдущей главе. Самообучающиеся устройства накапливают опыт управления и повышают свою «квалификацию». При этом они способны выполнять такие функции, которые заранее не были заложены в них. Речь идет о том, что если конструктор заложил в машину способность совершенствоваться и обучаться, то, реализуя эту способность, автомат сам находит наилучшую структуру и законы поведения, которые могут оказаться неожиданными для самого конструктора. Таким образом может быть осуществлен процесс совершенствования автоматов на манер живых форм, сулящий самые замечательные результаты.

* * *

В заключение хотелось бы еще раз подчеркнуть общность законов управления в технике и живой природе. Эта идея – краеугольный камень кибернетики. Изучение процессов управления в живых организмах имеет чрезвычайно важное значение для развития техники, в особенности автоматики.

Управление, как целенаправленное воздействие, предполагает наличие цели. Такая цель может быть лишь у живого организма. Теперь благодаря творческому гению человека появились автоматы, в которых целенаправленные воздействия совершаются без непосредственного участия живых организмов. Цель в эти автоматы вложил их создатель – человек.

Процесс управления в автомате или живом организме состоит из трех частей: изучения управляемого объекта, выработки стратегии управления, реализации выбранной стратегии. Выше мы говорили об обучаемых и самообучающихся машинах: они могут взять на себя одну из операций управления, а именно изучение управляемого объекта. Вторая часть процесса – выработка стратегии управления – может осуществляться также рассмотренными выше системами автоматического поиска. Третья операция – реализация принятой стратегии управления – осуществляется техническими устройствами, задача которых состоит в том, чтобы возможно оперативнее и точнее устанавливать выбранные режимы работы. При этом важно обеспечить наибольшую эффективность управления.

По мнению специалистов Института автоматики и телемеханики Академии наук СССР, некоторые процессы управления в живых организмах протекают в соответствии с принципами оптимального управления. Поэтому сотрудники Института совместно с биологами и медиками проверяют свои предположения на живых объектах. Внедрение все более совершенных автоматов не умаляет, а увеличивает роль человека в применении современных технических средств. Ему принадлежит в царстве автоматики по праву место командира, принимающего окончательное решение. Это особенно ярко проявляется в военном деле, где также происходит бурное внедрение автоматики и телемеханики.

В свете всего вышесказанного можно яснее понять, почему при решении задач управления учитываются не только технические стороны дела, но и психологические и физиологические факторы, связанные с участием человека в процессах управления. Такие работы в СССР ведутся специалистами по автоматике в содружестве с психологами и физиологами.

Решению этих сложных задач призвана помочь и бионика. Не случайно один советский ученый образно назвал автоматическое управление деревом, питающимся соками актуальных практических задач автоматизации, с вершиной, уходящей в область тончайших проблем высшей нервной деятельности человека. Нет сомнения, что развитие этого плодотворного направления позволит достигнуть новых успехов в создании и совершенствовании техники коммунистического общества, необходимой как для расцвета производительных сил Родины, так и для защиты ее безопасности от любых посягательств извне.