Внешний вид ТАИРа представлен на рис. 4. В настоящее время мы продолжаем работы по созданию новых систем управления роботами. Эти системы пока не претендуют на достижение высокого уровня интеллекта. Правда, для ограниченных целей нейроноподобная семантическая сеть на физических элементах с СУТ хорошо себя зарекомендовала и привлекла внимание исследователей и конструкторов, которые думают об автономных роботах. Планы отдела биокибернетики по совершенствованию автоматов предполагают реализовать обучение, создать ансамблевую организацию из элементов, позволяющую резко увеличить количество моделей при том же числе элементов, улучшить зрительное восприятие среды и даже дойти до человеческой речи. Я не уверен, что эти планы воплотятся в металл достаточно скоро, не потому, что идеи несостоятельны, а исключительно вследствие трудностей их технической реализации. Почти пятнадцать лет попыток моделирования разума человека привели меня лишь к ответу на вопрос «Что такое интеллект.», но существенно не приблизили к созданию его модели. Нейроноподобная семантическая сеть с переменной активностью элементов связей и с СУТ кажется наилучшим аналогом коры мозга, но размеры ее жестко ограничены сложностью воспроизведения, элементарные поведенческие реакции, полученные на описанных моделях, весьма далеки от человеческих и ничего не могут доказать. В самом деле, разве несколько сот элементов нашей сети могут заменить 10 миллиардов нейронов мозга. Если к этому прибавить, что каждая нервная клетка представляет собой функциональную систему из многих тысяч макромолекул, что она имеет несколько сот «входов» и может участвовать в работе различных клеточных ансамблей, давая почти астрономическое число моделей, то разве можно все это воспроизвести. К этому нужно добавить самоорганизацию в виде избирательной тренировки «входов» — синапсов, обеспечивающих память, и тренировку «выхода», резко повышающую активность нейрона. Нервная система — не просто сеть из одинаковых элементов. В ней имеется начальная структура связей и клеток с разной активностью, обеспечивающих врожденные рефлексы, чувства, программу доминирования. Тренируемость клеток и связей позволяет развивать и адаптировать врожденные реакции и наслаивать на них иерархию функциональных актов различных уровней обобщения и содержания. Все это, вместе взятое, дает человеческий разум — изумительное произведение природы, которое, раз возникнув, открыло в мозге новые возможности.

Рис. 4. Внешний вид ТАИРа.

После такой характеристики сложности и возможностей мозга задача его воспроизведения в модели кажется безнадежной. Трудно представить себе искусственную сеть из десятка миллиардов элементарных усилителей, каждый из которых может иметь сотни входов, обладает способностью к тренировке — то есть изменению характеристик. Трудно, но не безнадежно. В отличие от длительной естественной эволюции прогресс науки и техники стремителен и все более ускоряется. Поэтому в перспективе возможна и аналоговая сеть, сравнимая по мощности с мозгом. Важно правильно поставить задачу — в данном случае сказать, какими должны быть элементы и как их соединять друг с другом. Пожалуй, еще важнее представить алгоритм интеллекта в достаточно обобщенном виде, позволяющем реализовать его различными средствами.

Велики технологические трудности на пути до аналогового интеллекта. Поэтому так заманчивы универсальные цифровые машины, которые уже теперь достигли большой мощности. Совершенствуется их внешняя память и растет объем оперативной памяти. Быстродействие исчисляется миллионами операций в секунду. Разделение времени и создание параллельных программ позволяют повысить эффективность компьютеров. Создается впечатление, что возможности ЦВМ еще не достаточно использованы для реализации алгоритма интеллекта. То обстоятельство, что до сих пор наши попытки создания СИ не увенчались успехом, еще не означает, что исследования закончены. Нужно сохранить обобщенный алгоритм, но отказаться от сети с тем, чтобы уменьшить объем расчетов. Однако при этом следует лишь в минимальной мере поступиться принципами. Мы решили предпринять такую попытку — создать алгоритмическую модель интеллекта. Соображения к ее проекту будут представлены в заключительной части книги. А пока перейдем к изложению идей, положенных в основу этой модели.

Системы и модели

Современный этап развития науки ознаменован достижением принципиальной важности: вычислительные машины дали возможность овладеть сложностью. Все значение этого достижения как раз и состоит в том, что появилась надежда на создание количественных моделей, приближающихся по сложности к биологическим системам. Возможно, что при разработке таких моделей недостаточно внимания уделяется значению пространственных структур объектов, хотя наблюдения природы указывают на их исключительную роль (вспомним двойную спираль молекулы ДНК).

Весь физический мир можно свести к пространственным структурам, состоящим из атомов и молекул, а также к действующим между ними силам, связывающим материальные частицы в комплексы, которые условно можно назвать «телами». Общеизвестно, что все объекты в мире взаимосвязаны, однако степень прочности этих связей весьма различна: от жестких связей внутри твердых тел до гравитационных и электромагнитных сил, лишь ограничивающих пространственную свободу частиц. Пространство, энергия и время — вот самые общие координаты частиц и тел. Еще недавно казалось, что энергетические и материальные взаимоотношения между частицами и телами достаточно объясняют мир. Но вот появилось понятие информации и понятие сигнала как носителя информации, и это поколебало представления об исключительно энергетическом и материальном характере балансов отношений между объектами. Сигнал, несущий ничтожное количество энергии, может вызвать огромные вещественные и энергетические пертурбации в сложной системе, на которую он направлен (пример — атомная война).

Рис. 5. Схемы простых систем — закрытой и открытой. Между элементами происходит обмен энергией Эн и веществом В.

Сложность структурных и энергетических отношений стала самостоятельным и значимым понятием, без учета которого уже невозможно объяснить мир. Понятие системы тоже более или менее определилось: это пространственная структура из неких элементов, объединенных внутренними «силами» настолько прочно, что она выступает как единое целое, противопоставленное всем другим объектам. Системы зависят друг от друга в обмене энергией и веществом, но в меньшей степени, чем элементы внутри них (рис. 5). Хотелось бы дать количественное понятие системы, но очень нелегко установить, когда простое сочетание взаимодействующих элементов уже становится системой. Степень «зрелости» системы условно можно определить по степени зависимости ее элементов друг от друга: сколько времени они могут «самостоятельно прожить», не распадаясь на более простые частицы, если их отделить от системы. В связи с этим понятие элемента системы тоже не просто — в конце концов все объекты разложимы до элементарных частиц. Мне кажется, что элементом системы нужно считать некое более простое образование, уже обладающее чертами данной системы. Если взять живые биологические объекты, то можно перечислить иерархические ступени их сложности: элементарные частицы, атомы, молекулы, макромолекулы (ДНК, белки), клетки, органы, организмы, сообщества, биоценозы... Каждый уровень сам по себе достаточно сложен по структуре, чтобы претендовать на звание «сложности», но все-таки, какие из них допустимо считать сложными, какие отнести к простым, какие признать лишь элементами сложных. Без условности здесь не обойтись.

Рис. 6. Схема сложной системы: Рц — рецептор; Эн — энергия; В — вещество.

Сложные системы

Будем считать сложными такие системы, в которых между элементами циркулируют не только частицы вещества и энергии, но и сигналы (рис. 6). В структуре сложных систем можно условно выделить рабочие подсистемы, ведающие преобразованиями вещества и энергии, и управляющие, которые воздействуют на рабочие с помощью сигналов. Хотя сигнал тоже имеет физическую, то есть вещественную и энергетическую, природу, но дело не в ней, а в характере сигнала, то есть его временной структуре и, особенно, месте приложения к управляемому объекту — в данном случае к рабочей подсистеме. При таких условиях — обязательность наличия управляющих сигналов и рабочих подсистем — грань сложных систем проходит на уровне одноклеточных существ: их управляющим органом является генетический аппарат ДНК, рабочими подсистемами — органеллы клетки (оболочка, митохондрии, лизосомы и др.). Роль сигналов выполняют информационные РНК. Макромолекулы — белки и нуклеиновые кислоты — достаточно сложны по структуре, но не удовлетворяют требованиям, предъявляемым к сложной системе. На более высоких уровнях иерархии систем эти условия соблюдены. Например, в организме органами управления являются нервная и эндокринная системы, сигналами — молекулы гормонов и медиаторов (передатчики нервных импульсов). Сообщество животных не всегда становится сложной системой. Только у высших млекопитающих и птиц есть внутренняя организация в стае и система управляющих сигналов, и только у человека эта система приобретает достаточную «зрелость». В обществе легко обнаружить структуры, аналогичные рабочим и управляющим подсистемам, в нем циркулируют многочисленные и разнообразные сигналы. Иерархия сложных систем представлена на рис. 7.

Рис. 7. Иерархия сложных систем.

Элементом сложной системы каждого уровня являются системы предыдущего уровня, в которых уже заложены некоторые качества высшей системы. Для организма — это клетки, для общества — люди. Элементом клетки являются макромолекулы. Они способны воспроизводить себя лишь при наличии ферментов, действующих извне. Именно поэтому макромолекулу нельзя считать сложной системой. Скачок от молекулы до клетки очень велик — этим определяются трудности объяснения возникновения жизни на Земле. На других, высших уровнях такие качественные скачки менее выражены. Клетки многоклеточных, будучи отделены от тела, способны еще некоторое время жить, так же как и отбившиеся от стаи животные. А уровень «зрелости» такой системы, как человеческое общество, возрастает буквально на наших глазах. Еще пять — десять поколений тому назад, когда преобладало натуральное хозяйство, большинство людей было способно существовать в условиях весьма ограниченных связей с обществом. Теперь же брошенный в лесу человек может погибнуть через несколько дней.

Самое общее качество сложных систем «типа живых» — способность к поддержанию своей целостности и к противодействию разрушающим влияниям окружающей среды. Однако оно не беспредельно, поэтому необходимо другое качество, более сложное в своем структурном выражении,— способность к воспроизведению самих себя. Еще более сложным качеством является способность к усложнению в процессе воспроизведения. В живой природе это выражается изменчивостью. В человеческом обществе усложнение структуры и функции наблюдается постоянно и является следствием феномена творчества и труда, отсутствующих в стае животных.

Принцип структурности предполагает, что для реализации всех этих качеств должны быть соответствующие структуры. Нужна структура для постоянного возобновления своих разрушающихся частей и для утилизации с этой целью энергии среды, нужны структуры для размножения и структурное выражение программы их «удвоения» и, наконец, необходимы некоторые структурные возможности для наращивания новых структур, то есть для усложнения. Более того, должны быть структуры, отражающие внешний мир, поскольку на него замыкается реализация программ, которые являются выражением названных «способностей». Программа творчества тоже требует структурного выражения.

Модели

Существует хороший термин для обозначения структуры, отражающей другую структуру. Этот термин — модель; у каждого из нас есть его интуитивное понимание. Модель отражает объект не полностью, а с упрощениями и искажениями — в зависимости от того, для какой цели она предназначена и какие есть возможности для ее построения.

Органы управления сложных систем «типа живых» содержат в себе модели и программы (иными словами, тоже структуры), управляющие рабочими подсистемами в соответствии с этими моделями. Программа — это «считывание» модели сигналами, которые регулируют потоки энергии и вещества между элементами системы.

Как объяснить, что сравнительно простая структура — модель в ДНК зародышевой клетки человека — может отразить всю сложность самого человека с его разнообразием клеток и всеми человеческими качествами. Для того чтобы из яйцеклетки вырос человек, нужно извне получить массу сложных веществ («кирпичиков»), а модель должна только предусмотреть, как сложить из них «здание». Само «складывание» состоит в значительной мере в повторении одинаковых операций. В ДНК заложены структуры всех белков организма и порядок, в каком следует «считывать» их при построении органов. Заложены и обратные связи, отмечающие выполнение этапов формирования организма. Следовательно, принцип управления по модели не исключает возможности построения более сложной, чем сама модель, системы, поскольку в модели должен быть предусмотрен лишь порядок включения структур, получаемых извне.

Мы привыкли к статическим моделям: игрушка, чертеж, текст — все это чистая структура. Основу моделей в органах управления сложных систем тоже составляют структуры: ДНК, сети нейронов в центральной нервной системе. Несомненна избыточность этих структур — например в каждой клетке имеется полный набор генов, достаточный для построения целого организма. Для реализации управления нужна программа «считывания» структур сигналами, а для этого — активация определенных частей модели. Таким образом, важна не только структура, но и активность, энергия различных элементов модели. Понятие активности тоже можно свести к изменению структур, только на уровне более низком, например в молекулах, атомах, составляющих структуру. Сам сигнал представляет собой такую «активированную порцию структуры». Пример — информационная РНК или активность синапса на теле нервной клетки, когда на него подается импульс с другого нейрона.

Структура нам представляется чем-то стабильным, хотя в действительности это относится лишь к грубым материальным конструкциям из многих молекул и атомов. В живых системах структуры ДНК очень прочны, чего нельзя сказать о структурах нервной системы. Конечно, нейроны не передвигаются, отростки их у взрослого растут медленно, но тонкие структуры синапсов — мест соединения нейронов, обеспечивающих прохождение энергии с одного нейрона на другой,— довольно нестабильны во времени. То же касается и «рабочих» элементов нейрона, обеспечивающих его активность — процесс возбуждения.

Рис. 8. Динамические характеристики элементов модели (нейронов) : «вход» — время раздражения извне, «выход» — величина активности на выходе элемента. Характеристики отмечают длительность активности после прекращения действия «входа».

Рис. 9. Статические характеристики элементов модели (нейронов): «вход» - величина раздражителя; «выход» — уровень активности. Показаны три характеристики — в зависимости от степени тренированности элемента.

Активность элементов модели, так же как и сигналы,— это ее функции. Модель, в которой элементы взаимодействуют друг с другом и с внешней средой через сигналы, можно назвать действующей, в противоположность статичной, лишенной функции и возможности самостоятельно взаимодействовать с внешним миром. Структуры живых клеток подчиняются закону тренировки и детренировки: при функционировании их «мощность» возрастает, при покое — уменьшается. Эти процессы развиваются неравномерно. Уровень и длительность активности живого структурного элемента не только заложены в его генах, но и являются результатом тренировки в процессе предшествовавшей деятельности. Изменение структуры модели в результате получения сигналов извне составляет память. Временная активность комплекса структурных элементов модели — это временная или активная память. Организация новых структур в соединениях элементов модели — ее длительная или пассивная память. На рис. 8 показаны временные (динамические) характеристики различных типов элементов, а на рис. 9 — статические характеристики их тренированности.

Итак, сочетание постоянных и изменчивых структур, состоящих из элементов с разными динамическими характеристиками активности,— вот черты моделей систем «типа живых».

Восприятие и память

Восприятие и управление

Управляющие органы сложных систем можно представить как их интеллект, «тело» — как рабочие подсистемы. Сигналы представляются комплексами подвижных структур, как, например, РНК в клетках или импульсы в нервных проводниках.

В связи с этим можно говорить о «коде» моделей и сигналов.

Под словом «код» понимается определенный набор структурных элементов, из которых строятся статические модели. Письменная речь — это код букв. Есть код рисунков, код математических формул. Структура клеток и организмов записана генетическим кодом — набором генов, составленных из нуклеотидов и объединенных в ДНК. Структурный код нервной системы — это нервные клетки различного типа.

Функция моделей выражается сигналами, и к ним тоже применяется понятие кода. Примеры — код нервных импульсов, код информационных РНК, код сигнальных флагов и масса других.

Управление любым объектом предусматривает цепь из трех звеньев: рецептор — датчик, воспринимающий энергию объекта и превращающий ее в сигналы, сами органы управления (моделирующая установка, мозг, разум, интеллект) и эффектор — орган воздействия, превращающий управляющие сигналы, исходящие от интеллекта, в некоторый вид энергии, достаточно мощный, чтобы изменить деятельность объекта. Рецепторы специфичны: рецептор одного вида воспринимает только один вид энергии; но разные рецепторы одной системы превращают их в знаки одного кода, характерного для данного управляющего органа, интеллекта, разума. Например, рецепторы глаза, уха, кожи — все кодируют свои сигналы нервными импульсами. То же касается и эффекторов: они превращают сигналы универсального для системы кода в специфическую энергию воздействия. Например, сокращение мышцы или выделение слюны. Рецепторы и эффекторы имеют статические и динамические характеристики, подобные нейронным (см. рис. 8, 9). Как правило, активность рецептора продолжается до тех пор, пока на него падает внешняя энергия.

Рис. 10. Схема кратковременной памяти. Модель представлена кратковременной высокой активностью элементов (нейронов), показанных в виде заштрихованных кружочков.

Если представить себе, что каждый рецептор воспринимает энергию из ограниченного пространства внешнего мира или «тела», что он активирует один элемент в моделирующей установке (например, один нейрон «рецепторного поля» мозга), то совокупность активированных в данное время элементов составит мгновенную модель пространства внешнего мира, или «тела», энергию которого воспринимает система рецепторов (рис. 10). Модель будет изменяться так же быстро, как изменяются воспринимаемые объекты внешнего мира, и с той скоростью, с какой их изменения улавливаются рецепторами. Для превращения такой сугубо временной модели в постоянную нужно, чтобы между активированными элементами установились связи (рис. 11). В этом случае повторное возбуждение извне некоторого числа элементов модели по таким связям могло бы активировать всю модель, иными словами, произошло бы вспоминание воспринятой ранее картины. Однако при этом придется отключать рецепторы, чтобы не наслоились новые картины, воспринимаемые извне. Для непрерывного запоминания новых картин нужно подключать к рецепторам новые поля элементов. Тогда мы получим серию картин-моделей, как на кинопленке. Невозможно на одни и те же элементы воспринимать новые картины и одновременно запоминать их.

Рис. 11. Схема длительной памяти. Модель представлена проторенными связями между элементами (нейронами).

Интеллект — это целенаправленные действия с моделями, так можно перефразировать первоначальное его определение. Естественно предположить, что действия будут тем более эффективными, чем более подробными будут модели. Это значит: необходимо точное отражение структуры объекта управления в моделях, отражение его изменений во времени и пространстве. Для этого нужно прежде всего множество рецепторов, поскольку объект можно отразить, либо воспринимая его большим количеством точек одновременно, либо сканируя его с высокой скоростью и передавая энергию всякий раз на новые элементы «рецепторного поля». Первый способ используется глазом, второй — телекамерой. Изображение на телевизионном экране светится, то есть запоминается в виде первичной модели, очень недолго. Чтобы запомнить «впрок», следует записать его на видеомагнитофон, а для этого нужно много кадров. Человек воспринимает глазами и на короткое время отпечатывает в мозге огромное количество картин, в которых полезная информация составляет ничтожную часть. Именно ее нужно выбрать, а все остальное — забыть, чтобы не перегружать память.

Обобщенность восприятия

Основная проблема моделирования сложных объектов для целей интеллекта — это преодоление избыточного разнообразия, борьба с избыточной информацией. Чем более развит интеллект, тем более подробными должны быть модели управляемых объектов, тем большие отрезки времени они должны отражать. И тем не менее значительная часть информации о внешней среде, не представляющая ценности для целей интеллекта, должна быть отброшена, модели стерты. Но как произвести отбор. Для этого нужны критерии и способы отбора. При отборе используются все этапы действий с моделями: первичное отражение внешней среды при восприятии, первичное запоминание воспринятого, последующий анализ отраженного в первичной модели. Выход из противоречия между необходимостью запоминать большое количество информации и ограниченностью памяти только один — в огрублении моделей и в отборе их наиболее важных частей. На рис. 12 показано, как можно отразить сложный объект моделями разного уровня обобщенности. Разумеется, по мере упрощения теряется информация, возможно, ценная. Но всегда ли ценность — в подробностях картины, в деталях структуры. Нет, не всегда. Чаще главная информация представлена в грубой модели. И не все детали одинаково ценны. Следовательно, необходимо воспринимать, запоминать и забывать объекты «выборочно», обязательно «в целом» и, кроме того,— интересующие нас детали.

Рис. 12. Объект и его отражение в моделях разного уровня обобщенности. «Входы» и «выходы»: Эн — энергия; В — вещество.

Огрубление модели я называю термином «обобщение». Он относится одинаково к описанию как пространственных, так и временных изменений структуры.

Рис. 13. Модель, отражающая пространственное расположение объектов внешней среды с различной степенью активности и фокусирования. Объект а отражен четко и с высокой активностью. Объект б находится позади него и отражен менее четко и с меньшей активностью. Еще менее активным является отражение объектов в и г. Объект д находится впереди всех и отражен в модели весьма нечетко.

Понятия «обобщение», «обобщенность» и «степень обобщенности» модели я считаю важнейшими в теории интеллекта. В структурном выражении обобщенная модель — это такая модель, в которой представлены только крупные блоки структуры объекта или пространственного расположения объектов, без деталей (см. рис. 12).

Интенсивность возбуждения рецептора зависит не только от количества падающей на него энергии, но и от изменения его чувствительности, что описывается статической и динамической характеристиками. Яркость восприятия отражается активностью элементов первичной модели во временной памяти «рецепторного поля». Чувствительность рецептора определяется его настройкой и напряжением, регулируемых интеллектом. Восприятие объекта рецепторами непосредственно связано с характером первичной модели (ПМ на рис. 1, 2). «Орган зрения» любого интеллекта должен удовлетворять ряду требований. Первое — должно быть возможным фокусирование зрения, позволяющее ярко, с высокой активностью запечатлевать избранные части (детали) картины, а все остальное представлять в крупных блоках и с меньшей активностью. Второе требование относится к восприятию трехмерных структур. В модели нужно отразить не только часть, выделенную на плоскости, но и часть, выделенную по глубине. Все другие части, расположенные с боков, впереди и позади избранной, необходимо представлять в «крупноблочном» изображении и с меньшей активностью (рис. 13). Настройка рецептора должна обеспечить передвижение фокуса с одной части объекта на другую как по плоскости, так и по глубине, фиксируя эти движения в специальной модели настройки. В результате получится несколько кадров с плоскими моделями по типу системы моделей, представленной на рис. 17, причем каждый будет маркирован «знаком настройки». Передвижение фокуса или центра восприятия по деталям объекта может представить самостоятельную модель, отражающую его структуру (вспомним детские рисунки из палочек!).

Глаза человека наилучшим образом приспособлены к восприятию внешнего мира с разной степенью обобщенности и разной активностью частей картины. При напряжении внимания предмет рассматривается сфокусированным зрением, при этом мы четко видим мелкие детали в ограниченном пространстве, периферия же видна очень расплывчато, только в крупных структурных блоках. Если намеренно не фокусировать зрение, можно видеть одновременно большое количество объектов, но все они будут нечеткими, расплывчатыми. Разная настройка на глубину позволяет получать модели пространственного расположения объектов с выделением значимой фигуры на фоне второстепенных (см. рис. 13). Угол схождения глаз при фокусированном рассмотрении дает расстояние предмета от субъекта.

Виды и механизмы памяти

Понятие модели неотделимо от структуры памяти так же, как и от механизмов восприятия. На рис. 1, 2 были показаны два варианта ИИ. Их основное отличие — в носителях памяти, которыми определяются различия в действиях с моделями.

Слово «память» имеет два значения. С одной стороны, это явление, феномен фиксации модели в результате восприятия объекта рецепторами. С другой — это сами запечатленные модели. В последнем случае первостепенную роль играет носитель памяти.

Основной параметр всякой памяти — длительность запоминания. Наиболее короткая память у рецепторного элемента: она длится ровно столько времени, сколько необходимо для накопления энергии, нужной, чтобы выдать в мозг один импульс. В этот момент рецептор освобождается для нового восприятия энергии, его память мгновенная.

На рис. 1, 2 выделен блок запоминания первичной модели ПM — на время, пока она распознается и по ней активируется распознанная модель РМ, которая в свою очередь используется для выбора моделей действия МД. Память для всех этих моделей естественно назвать активной, кратковременной или оперативной в противоположность длительной памяти — основному хранилищу моделей. Возможен и третий вид памяти — «внешняя», находящаяся вне «мозга», вне интеллекта (например, собственные записи, рисунки, которые можно повторно привлекать к использованию). Деление памяти на такие виды условно, но необходимо. В СИ активная и длительная память совмещена на одних сетевых элементах, в АИ массивы памяти совершенно различны.

Рис. 14. Схема запоминания последовательности звуков. Возбужденные нейроны «рецепторного поля» заштрихованы.

Характер первичной модели, отражающей трехмерную структуру, был показан на рис. 13. В моделях из длительной памяти структура фона очень неясная и обобщенная, выделяется только фигура. Для алгоритма важны параметры модели и ее частей. Они следующие: активность определяется яркостью объекта, настройкой и напряжением рецептора, четкость — фокусированием рецептора. Расстояние до рецептора для главной фигуры отмечается точно, а для «фона» — приблизительно. Степень обобщенности модели и ее деталей зависит от параметров настройки, расстояния до рецептора и помех.

В СИ мгновенная первичная модель остается в кратковременной памяти наряду с распознанной моделью. В АИ она перекодируется цифровым кодом, который должен отразить все параметры каждого объекта и их пространственных отношений. Именно это и представляет самую трудную задачу для моделирования интеллекта.

Модель во временной памяти выступает как единое целое, следовательно, между ее возбужденными элементами сразу же должны устанавливаться связи, хотя бы тоже временные. Для примера на рис. 14 показана схема запоминания последовательности из семи звуков, составляющих слово. Память на слова есть у высших животных и птиц. По горизонтали отмечены номера условных тактов времени, по вертикали — номера однородных элементов, последовательно соединяемых с одним и тем же рецептором в каждый такт времени. В первый такт возбужден рецептор 1, во второй такт — рецептор 3, в третий такт — снова рецептор 1 и т.д. Модель станет действовать как единое целое только в том случае, если последовательно активируемые элементы (на рисунке они заштрихованы) в течение семи тактов будут соединены связями и сохранят активность все вместе по крайней мере на время от первого до седьмого такта. Без такого условия — это лишь разрозненные точки, не составляющие единой модели как действующей единицы информации. Отсюда, однако, следует, что каждый рецепторный элемент должен иметь связь со многими элементами «рецепторного поля» и соединяться с ними последовательно, всякий раз с новыми. Это не вызывает особых затруднений для случая, рассмотренного в нашем примере, где один звук соответствует одному элементу в каждый такт. А как обстоит дело, если мы воспринимаем не последовательность звуков, а, скажем, зрительную картину, то есть множество взаимосвязанных объектов. Тут нужны уже не столбцы элементов, а «кадры», которые будут мысленно прокручиваться наподобие киноленты. И сколько же связей нужно установить между возбужденными (яркими) точками кадров!

К сожалению, что-нибудь другое предположить трудно. Можно представить, что энергия с рецептора подается все время на один и тот же, «свой» элемент временной памяти. Допустим, что в следующий момент активируется другой элемент от другого рецептора и между ними устанавливается связь. К следующему моменту первый и второй элементы уже утратили активность, но связь «запомнилась» и т.д. Предположение еще менее вероятное, потому что в таком случае нужны специальные механизмы памяти, отмечающие последовательность возбуждения элементов, чтобы, к примеру, иметь возможность повторить слово. Но для такого «счетчика адресов» тоже нужны структуры.

Память человека действительно обширна. Есть люди, которые могут прочесть наизусть поэму «Евгений Онегин». Но мало таких, которые способны повторить в точности длинное стихотворение после одного прослушивания. Это значит, что «кадры» временной памяти постепенно освобождаются и, таким образом, становятся способными снова запоминать новые модели. Правда, они освобождаются не совсем, кое-что переходит в постоянную память, но очень немногое, если сравнить объем информации, который мы воспринимаем ежедневно, и то, что из него остается в постоянной памяти. Как правило, мы запоминаем из воспринятого только то, что потом многократно мысленно повторяем.

Гипотеза о механизмах памяти

Трудно предложить гипотезу о механизмах памяти, пригодную для алгоритма интеллекта. Попробую изложить свою попытку. Для обозначения моделей и их сочетаний я буду пользоваться следующими заимствованными из лингвистики терминами. «Буква» — элементарная модель, самый малый значимый признак. «Алфавит» — совокупность буквмоделей, формируемых одним типом рецепторов; «алфавитов» может быть много: световые, звуковые и др. (см. ниже) «Слово» — более сложная модель, состоящая из элементарных моделей, то есть «букв», но очень хорошо организованная и выступающая как одно целое. «Фраза» — соединение «слов», чаще всего временное и непрочное. «Буква обобщенности» —знак, указывающий уровень обобщения моделей, их место в «иерархии блочности».

Модели и ансамбли нейронов. У человека в коре очень много нейронов, их количество оценивают в 10 и более миллиардов. Каждый нейрон соединяется с многими сотнями других. Таким образом, имеются почти беспредельные возможности для образования структур из нейронов, объединенных проходимыми («проторенными») связями. Такие структуры — нейронные ансамбли — могут выступать в качестве моделей объектов внешнего мира. Один нейрон может включаться в несколько ансамблей, как это показано на рис. 15. Модель повторно возбуждается («вспоминается»), если возбудится некоторый процент входящих в ее ансамбль нейронов. Почему не возбуждаются все нейроны коры. Ведь связей между ними вполне достаточно. Чтобы ответить на этот вопрос, нужно сделать еще одно предположение: когда один нейрон возбуждается, соседние тормозятся. Этот принцип «индуктивного торможения» установлен И. П. Павловым. Таким образом, если допустить, что 30% нейронов данной модели возбудятся извне, то все окружающие должны бы затормозиться. Так и происходит, но связи к остальным 70% нейронов данной модели настолько проторены, что эти нейроны больше возбуждаются по связям, чем тормозятся «по площади». В результате активируется весь ансамбль, вся модель, а другие модели остаются заторможенными, несмотря на то что часть возбужденных в данной модели нейронов входит и в них. Такова гипотеза об ансамблях нейронов.

Рис. 15. Нейронные ансамбли.

Для проверки этой гипотезы сотрудниками отдела биокибернетики разработан макет нейронной сети, содержащий 22 узла и наборное поле, которое позволяет осуществлять все возможные соединения между узлами. Узлы (модели нейронов) представляют собой усилители постоянного тока с нелинейной (S-образной) характеристикой. В качестве связей использованы постоянные резисторы. Вес связи считается обратно пропорциональным сопротивлению резистора.

Макет создавался для получения ответа на следующие основные вопросы:

— можно ли технически реализовать устойчиво работающую сеть из нейронных ансамблей так, чтобы при возбуждении одного ансамбля не возбуждались одновременно и другие, связанные с ним; — можно ли построить устойчивую сеть, если ансамбли пересекаются, то есть одни и те же узлы входят в состав различных ансамблей; — можно ли добиться четкого перехода возбуждения с одного ансамбля на другой, если они пересекаются значительной частью своих узлов.

Эксперименты с макетом дали положительные ответы на все эти вопросы. Оказалось, однако, что для успешной работы необходимо использовать централизованную систему, управляющую активностью всей сети. По своим свойствам и назначению эта система аналогична системе усиления-торможения (СУТ), которая подробно будет описана ниже. Следует отметить, что многие исследователи, пытавшиеся построить устойчивую ансамблевую сеть без централизованной системы управления активностью, встретились с большими трудностями и вынуждены были накладывать жесткие ограничения на допустимую структуру сети.

На макете было также показано, что устойчиво работающая ансамблевая сеть может иметь число ансамблей, превышающее число узлов сети. Поэтому в некоторых задачах, используя ансамблевые сети, можно получить более экономную аппаратурную реализацию. С увеличением числа узлов эта экономия становится все более ощутимой. К сожалению, построение ансамблевых сетей большого объема связано пока со значительными трудностями.