Сверхэффективная нейронная сеть или гиперсеть
Что нужно чтобы создать искусственный интеллект? По какому пути идти до этой цели? Многие с уверенностью ответят, что научное сообщество уже полным ходом движется на этом пути. Что со следующими нейросетевыми моделями с еще большим количеством параметров, с еще более мощными нейроморфными компьютерами, и еще более масштабными датасетами на все случаи жизни, мы ворвёмся в эпоху мыслящих машин. На мой взгляд, это похоже на гонку за морковкой и скорее очевидным для всех такое положение дел станет тогда когда количество настраиваемых параметров в моделях, станет больше чем связей в человеческом мозгу, но ожидаемого эффекта не будет достигнуто.
В этой статья я обозначу путь выхода из порочного бега за морковкой, и расскажу о своём пути и наработках в своих исследованиях.
Первое, что нужно решить на пути к искусственному интеллекту – это проблему низкой эффективности обучения нейронных сетей. Глупо строить грандиозное высотное здание без фундамента, или на очень плохом фундаменте. Текущее положение дел в нейронных сетях – это очень плохой фундамент для искусственного интеллекта, но многие исследователи упорно продолжают строить свои концепции и модели интеллекта на этом фундаменте, вместо того, чтобы обратить своё внимание на очевидные проблемы: биологическая нейронная сеть обучается во много раз эффективнее искусственных нейронных сетей.
Да, биологические нейронные сети, можно сказать, находятся в постоянном непрерывном потоке информации, непрерывно получая сигналы от своих рецепторов. За сутки младенец может получить гигантское количество информации от своих органов зрения и слуха, эквивалентное видео и аудио, данным на многие и многие терабайты. Но если детально разобрать эту информацию, то действительно полезной для обучения, так скажем «размеченной» информации не так уж много. Можно сказать, что человек обучается на датасете очень плохого качества, большая часть примеров нерелевантна и не размечена, какая-то часть примеров сильно зашумлена, но при этом обучается он достаточно успешно и быстро.
Видимо компьютерные нейронные сети не соответствуют биологическим или обучение их мы производим совершенно не так, как это происходит в биологической нервной системе.
Необходимо сконцентрироваться на разработке суперэффективных нейронных сетей, а не на увеличении количества обучаемых параметров.
Причём во главу угла стоит ставить скорость обучения сети, а качество или точность сейчас второстепенны.
Только супер эффективная нейронная сеть (СНС) может быть фундаментом и основой для создания искусственного интеллекта.
Имея технологию СНС можно двигаться различными путями, как создавая когнитивные архитектуры на основе графов, гиперграфов и т.д. плюс СНС, так и двигаясь биологическим путём повторяя архитектуру биологического мозга. Я сторонник биологического подхода, хотя и не считаю этот путь единственным в достижении цели.
- Первый этап. Создание модели сенсорных анализаторов в первую очередь зрительных и слуховых. Вообще сенсорные анализаторы биологической нервной системы и должны стать прообразом сверхэффективных нейронных сетей (СНС).
- Второй этап. Получение знаний о механизмах мгновенной, временной и долговременной памяти в концепции СНС. Биологические сенсорные анализаторы легко работают с контекстом, только понимание концепции памяти в биологических нейронных сетях позволит перенять возможность работать с контекстом, что сильно расширит возможности СНС.
- Третий этап. Создание моделей моторных сетей. Не смотря на гомогенность коры головного мозга моторные сети в некотором смысле более сложно устроены, чем сенсорные анализаторы, хотя есть некоторое глубокое сходство. Поэтому этот этап не будет затянутым. В моторные сети будут входить модель мозжечка, как структура, запоминающая и воспроизводящая короткие временные интервалы для точности движений. А так же некий механизм поощрения, для обеспечения обучению правильных движений, аналогичный дофаминовыми механизмами поощрения в биологическом мозге.
- Четвертый этап. Одним из важных форм моторных действий является речь. Возможно, по этой причине этот и предыдущий этапы будут воплощены синхронно. На этом этапе речь не будет в полной мере осознанной. Подобно человеку должны быть пройдены этапы развития речи, такие как гуление, произношение отдельных звуков, затем слов. Максимальный уровень владения речью на этом этапе, это называние предъявленных предметов, описание сцен, ответы на простые вопросы, чтение или декларация текста. На этом этапе буде заложена основа для сети речевого круга (О речевом круге я подробно писал в статье «Что такое сознание»).
- Пятый этап. Создание модели базовых эмоций и потребностей. Этот этап не будет являться чётким этапом, многие его концепции будут проявляться и на более ранних этапах. Главной фундаментальной эмоцией, которую необходимо моделировать – это эмоция новизны. Достаточно создать оценочный механизм новизны информации на различных уровнях абстрактности и производить на его основе модуляцию параметров сети. Любопытство необходимо для эффективного обучения.
Также нужно обеспечивать модели чувствами необходимыми для контроля их потребностей. К примеру, низкий заряд батареи робота мог бы создавать некие чувство голода для робота, и робот бы стремился удовлетворить его, то есть стал бы искать зарядное устройство или источник питания. Или создание некого чувства боли или дискомфорта, чтобы робот избегал травмирующих его ситуаций.
Еще одна полезная эмоция, которую легко можно подвергнуть моделированию это различного рода привязанности. В основе привязанностей лежит механизм импринтинга. Это будет полезно для различного рода роботов-помощников или роботов-питомцев, от которых требуется следовать за хозяином или некоторая преданность.
Человек более охотно будет взаимодействовать с интеллектом похожим на него, поэтому возможно появление более широкого спектра эмоциональных механизмов. К примеру, тревожности и страха, симпатии, радости и разочарования.
Что касается внедрения на уровень базовых эмоций законов робототехники Айзека Азимова, то они имеют высокий абстрактный характер, что сильно усложняет их моделирование. Сначала модель должна быть обучена на столько, чтобы можно было выявить репрезентацию образов «Человек» и «причинение вреда», подобно тому, как у человека можно найти «бабушкины нейроны». Затем можно связать эмоциональный механизм со стремлением избегать сочетания этих образов. Сложно сказать, насколько такой метод будет эффективным. - Шестой этап. Можно сказать, что этот этап такой же сложный, как и первый, если не сложнее. Условно его можно его можно назвать этапом префронтальной коры. Префронтальной коре головного мозга присваивают высшую когнитивную деятельность, здесь можно сказать, расположено суждение и долгосрочное целеполагание. Префронтальная кора контролирует работу эмоциональных центров и центров потребностей, она регулирует то, насколько сильно они влияют на поведение.
Работа на этом этапе требует глубоких знаний о поведении человека. Только на этом этапе можно рассуждать и говорить о сознании и сознательном поведении. К этому этапу я отношу не только создание префронтальной коры, но и несколько важных биологических нейронных сетей и механизмов. К примеру, сеть «интерпретатор», которая стремиться дать обоснование любому нашему действию. Наличие таких сетей явно проявляется в экспериментах с участием людей с разделёнными полушариями мозга.
Или сеть ответственная за иллюзию квалия, создающие ощущения централизованного восприятия мира. Также механизм восприятия границ своего тела и действий, нарушение этого механизма у людей может приводить к навязчивому стремлению избавиться от части своего тела или не способность различать свои действия от действий другого человека.
Мы знаем, что нарушения в различных психических механизмах могут приводить к различным болезням аутистического спектра или различных форм шизофрении. На пути к искусственному интеллекту суждено встретится с примерами этих отклонений в искусственной психике, но у этого есть и полезное зерно. Работа над искусственным интеллектом позволит понять лучше природу психических болезней человека.
Гиперколончатая сеть, или гиперсеть
Сейчас мы находимся на первом этапе этой маршрутной карты, на этапе создания суперэффективных нейронных сетей. Для меня это не совсем первый этап, прежде пришлось разобраться в принципах работы периферийной нервной системы и в том, как работают нейронные сети в простых нервных системах и в целом создать не одну модель работы нейронов. Сейчас я разрабатываю модель главным структурным элементом, которой является не нейрон, а гиперколонка или кортикальный модуль. Отсюда и рабочее название гиперколончатая сесть или кратко гиперсеть.
Далее я расскажу подробней, на каких принципах она основана и то, как я её реализую.
Вторая сигнальная система – узлы
Давайте разберемся, как информация от рецепторов может репрезентоваться в коре, для этого нужно разобраться, как протекают два простых механизма иррадиация и индукция, известных уже более века.
Иррадиация – это стремление нервного возбуждения распространиться на соседние нейроны или соседнюю нервную ткань.
Обычно отростки клеток одной колонки могут, распространяться на соседние колонки, и оказывать в соседних колонках побудительное действие. Характер такого побудительного действия на соседние колонки можно представить в виде некоторого круглого ореола с максимальным воздействием в центре и с постепенным ослаблением при удалении от центра.
Индукция – это возникновение областей торможения на коре вокруг участка возбуждения. Это может быть связанно с тем, что отростки нейронов одной колонки на некотором расстоянии колонки могут образовывать связи с ингибирующими клетками других колонок. Характер ингибирующего (тормозящего) воздействия на соседние колонки можно представить следующим образом:
Эти процессы работают в коре головного мозга одновременно. Давайте смоделируем то как будет трансформироваться возбуждение, возникающее в коре под воздействием этих двух механизмов. Для этого был написан пиксельный шейдер – программа, выполняемая графическим процессором для каждого пикселя изображения.
В модели каждый пиксель изображения будет являться отдельным кортикальным модулем, чем ярче пиксель, тем сильнее общее возбуждение в колонке.
Пример работы шейдера, размер изображения 28х28 пикселей, радиус действия колонки 5 пикселей, шейдер применяется несколько раз:
Радиус действия колонки 7 пикселей:
Как видим, под действием механизмов иррадиации и индукции любая активность разбивается на небольшие очаги возбуждения. Размер этих очагов зависит от размера общего воздействия на соседние гиперколонки, а также на соотношение сил действия побудительных и тормозящих карт.
Эти очаги возбуждения как бы капсулируются, окружая себя областью тормозящего действия. Также их центральная часть при нескольких применениях вычислений шейдера к изображению, за счёт иррадиации становиться всё более активным, тем самым эти очаги становиться ярко выраженными и стабильными.
Эти очаги возбуждения в дальнейшем будем называть узлами (nodes). Узлы – это некоторое новое эмерджентное свойство коры, оно проявляется в результате взаимной работы двух механизмов иррадиации и индукции. Узлы не привязаны к размерам и положению ни нейронов, ни гипреколонок, они работают как бы над этими структурами. Именно комбинации и расположение узлов и является репрезентацией информации в коре головного мозга.
Узлы – это вторая сигнальная система, это символьное представление образов в мозге, это коги.
Удивительно то, насколько простыми и элегантными решениями пользуется кора и мозг в целом.
Чтобы разобраться в том, как узлы могут хранить в себе образы или части образов, требуется изучить ещё один механизм, работающий в коре.
Реверберация возбуждения
Реверберация возбуждения – это длительная циркуляция импульсов возбуждения в сетях нейронов или между различными структурами центральной нервной системы. Для нас большое значение имеют кортико-таламические реверберации и реверберации, возникающие между различными областями коры. Именно подобные реверберации и создают различные рисунки и ритмы при электроэнцефалографии мозга. Для подобных ревербераций необходимы нисходящие или обратные связи, которых как отмечается обычно в несколько раз больше, чем восходящих, прямых связей.
Для моделирования процесса реверберации нам потребуется четыре карты. Картами здесь я называю изображения, к которым мы будем применять некоторые пиксельные шейдеры, если это необходимо для нашей модели.
Карта таламического ядра, на которую мы будем проецировать некоторые образы, в данном случае примеры рукописных цифр из стандартного набора MNIST. Изображения в наборе MNIST имеют формат 28×28 пикселей, поэтому эту карту мы также установим 28×28 пикселей.
Карта коры будет составлять в данном варианте 21×21 пиксель.
Карта восходящих синаптических связей будет хранить в себе значения всех весов синапсов связывающих карту таламического ядра и карту коры. Условно каждый пиксель-гиперколонка коры будет иметь синапсы с 64-мя (ядро 8×8) пикселями карты таламического ядра. Если перемещать ядро 8×8 пикселей по карте таламического ядра шагом в один пиксель, то таким образом можно составить карту восходящих синаптических связей. Соответственно отсюда и получится размер карты коры 28 – 8 + 1 = 21, в свою очередь размер карты восходящих синаптических контактов будет составлять 168×168 пикселей (21 x 8 = 168).
Вес синапса будет определяться числом от 0 до 1 – это удобно для графического отображения на карте и позволяет хранить и обрабатывать эти параметры в форме изображений, что также удобно в работе с шейдерами, а также очень наглядно.
Еще один важный момент, в моделях, которые я буду описывать, присутствует всегда по две карты синаптических связей: одна карта побудительных синапсов, вторая карта тормозящих синапсов. Это всегда две одинаковые по размеру карты.
Известно, что тип синаптического контакта в биологической нервной системе в течение жизнедеятельности не меняется, то есть побудительный синапс не может стать тормозящим или наоборот. В компьютерных нейронных сетях знак веса синапса может легко изменяться в процессе обучения, что для модели претендующих на биологичность не является правильным.
В колонках коры помимо побудительных пирамидальных нейронов присутствуют множество тормозящих нейронов, и любой аксон от побудительной клетки направленный к колонке может создать синаптический контакт, как с побудительной, так и с тормозящей клеткой. Аналогично этому у нас имеется по две карты синаптических контактов, одна будет действовать со знаком «плюс», другая со знаком «минус». В обеих этих картах вес будет определяться числом от 0 до 1.
Значение весов восходящих синаптических контактов заполним случайными числами от 0 до 1.
Карта нисходящих синаптических связей будет иметь значительно больший размер. Как уже отмечалось нисходящих связей в биологическом мозге в несколько раз больше. В нашем случае мы выбираем такой размер карты, который позволит продемонстрировать концепцию хранения образов в узлах. Каждый пиксель-гиперколонка карты коры будет связан с каждым пикселем карты таламического ядра, то есть с каждым 784 пикселем (28 x 28 = 784), тогда размер карты составит 588×588 пикселей (21 x 28 = 588).
Изначально значение весов в карте нисходящих синаптических связей все будут равны 0, но данные веса мы изменим в процессе обучения.
Метод обучения, который мы в данном случае применим для нервной системы был экспериментально подтверждён. Он известен, как правило Хебба, самая простая его интерпретация: вместе срабатываем, значит укрепляем связь; а так же обратная сторона: не сработали вместе – связь ослабеваем.
Для начала предъявим нашей модели пример, проецируя его на карту таламического ядра. Затем через восходящие связи оказываем суммирующее воздействие на карту коры. Для каждого пикселя карты коры складываются все соответствующие ему значение весов из карты восходящих синаптических связей умноженное на значение уровня активности соответствующих пикселей карты таламического ядра. Значение весов из тормозящей карты восходящих синаптических связей будет складываться со знаком «минус». Полученная сумма умножается на подобранный коэффициент, именуемый коэффициент чувствительности. В данном случае он равен 0,5.
Если полученная сумма меньше или равна нулю, то активации пиксель-гиперколонки не происходит, его активность равна нулю. Если полученная сумма больше единицы, то значение пикселя карты коры будет равна единице, как максимальная степень активации гиперколонки. Если сумма имеет значение в интервале от 0 до 1, то пиксель-гиперколонка карты коры примет это значение.
Коэффициент чувствительности подбирается таким, чтобы в результате суммы не активизировалось сильно большое число гиперколонок карты коры, так как это приводит к взаимному подавлению активности при применении индукции. А также коэффициент чувствительности не должен быть сильно низким, потому что это может привести к очень низкой активности гиперколонок.
Далее к карте коры мы применяем шейдер механизмов иррадиации и индукции. Этот шейдер мы можем применить несколько раз. Как результат получаем на карте коры несколько узлов.
Затем обращаемся к карте нисходящих синаптических связей и применяем к ней правило Хебба для обучения. Причём мы его применяем следующим образом: в случае совместного срабатывания мы в значительной степени усиливаем синаптическую связь. Если пресинапс срабатывает, а постсинапс нет, то ослабеваем синаптическую связь лишь на небольшое значение. В данном случае, при совместном срабатывании вес синапса увеличится на 0,8, при отсутствии совместного срабатывания вес уменьшится только на 0,1. Большее значение имеет именно совпадения, чем их отсутствие. Обратите внимание, что настраивается пресинапс, а не постсинапс, хотя сейчас это не имеет критического значения, так как весь синапс у нас регулируется одним весом, но это имеет важное идеологическое значение. Дело в том, что в классических нейронных сетях акцент даётся на настройку постсинапсов, и полностью игнорируется изменения в пресинапсах, хотя в биологических нейронных сетях изменения происходят в обеих частях синапса, и в пресинапсе они зачастую более ярко выражены (Сравнение мозга с нейронной сетью).
Для тормозящей карты нисходящих синаптических связей логично применить правио Хебба наоборот, ингибирующая связь будет усиливаться, когда постсинапс не будет активироваться при активности пресинапса.
Так выглядят карты нисходящих синатических связей после обучения на ста примерах(по десять примеров на цифру).
Можно увидеть, что в картах нисходящих синаптических связей отражаются образы целых цифр, причём ы тех местах, которые соответствуют узлам, которые активизируются на данные образы. Это возможно потому, что выбранное количество обратных связей для каждой микроколонки охватывает всю карту таламического ядра, в случае если обратные связи охватывали только часть карты, то и гиперколонка могла бы хранить в себе только часть образа. Так в узлах может быть записаны некоторые образы или некоторые составные части образов.
Узел при его активации как бы «смотрит» на ту активность, которая его активизирует и сохраняет её в себе. В узлах хранятся как бы некие эталонные примеры образов.
Теперь после обучения карты нисходящих синаптических связей, можно запустить циклическую передачу возбуждения – реверберации.
Мы можем увидеть примеры того как изначальная проекция какого-нибудь примера на карту таламического ядра, будет преобразовываться в процессе ревербераций в некий эталонный вариант этой же цифры, и с этим вариантом реверберации будут стабильны.
Этот процесс очень похож на работу сетей Хопфилда, из-за наличия рекуррентных связей этот тип нейронных сетей, на мой взгляд, наиболее близок к работе биологических нейронных сетей. В отличие от сетей Хопфилда в нашем варианте присутствует некая сепарация на узлы, которая даёт некоторые преимущества. Количество входов и выходов в сетях Хопфилда одинаковое, каждый нейрон связан рекуррентной связью с другими нейронами. Получается, что каждый образ как бы храниться в весах каждого нейрона, что сильно уменьшает ёмкость сети. В нашем случае для хранения отдельных образов избираются отдельные группы колонок. Наш вариант сети более интерпретируемый, мы можем точно сказать, за какой образ ответственен тот или иной элемент. Здесь прослеживается явная репрезентация информации, аналогично наличию в коре мозга «нейронов бабушки» мы видим пиксели-колонки карты коры ответственный за образ той или иной цифры.
Моделирование действие LSD на кору больших полушарий
Это небольшое отступление продемонстрирует некоторое сходство нашей модели и работы биологического мозга. Дело в том, что для нас действие LSD на кору очень просто смоделировать. LSD своим действием мешает работе нейротрансмиттера ГАМК, который является главным ингибирующим нейромедиатором коры, он работает в механизме индукции. Поэтому чтобы это смоделировать, достаточно в настройках нашего пиксельного шейдера уменьшить степень действия индукции.
Как мы видим при этом привычные границы, и размеры узлов размываются и расширяются. Если еще уменьшить действие индукции то очаги активности могул сливаться, формируя некоторые узоры. Аналогичные явления могут происходить и в коре больших полушарий под действием LSD, о чём косвенно свидетельствует снимки МРТ сделанные у людей принявших LSD, активность коры в данном случае значительно большее и масштабнее, чем при обычной работе мозга. Учитывая, что практически каждая колонка хранит в себе образы или их части, то становиться понятным, почему происходит путаница и смешивание образов, понятны причины нарушения восприятия. Такие нарушения работы мозга не могут быть полезны для него.
Наркотики вредны для здоровья и здоровья мозга.
Обучение восходящих синаптических связей
Настройка восходящих синаптических связей, также имеет большое значение, так как их настойка определяет, где будут возникать узлы при применении иррадиации и индукции.
Для начала мы немного изменим и дополним нашу модель. Во-первых, мы увеличим размер карты коры, в биологическом мозге размер или площадь коры значительно превосходит размеры подкорковых и таламических ядер, с которыми она связана. Во-вторых, мы добавим ещё один уровень обработки информации, так как более высокие уровни имеют большое значение при обучении восходящих связей уровней ниже.
Чтобы увеличить размер карты коры, но при этом сохранить размеры карты таламического ядра (28×28 пикселей), нам придётся увеличить количество восходящих синаптических связей. Для этого мы применим некую модель нерва, которая представляет собой карту связей. Карта связей нерва это изображение, которое использует два цветовых канала для кодирования координаты пикселя карты источника сигнала.
Мы можем создать для начала карту связей нерва, в которой координаты пикселей карты источника согласовывались с самой картой связей нерва. И если мы применим такую карту нерва к нашей карте таламического ядра, то получим просто увеличенное изображение. Но если в данную карту связей нерва внести перемешивание пикселей, то использование такой карты приведёт к тому, что каждый пиксель карты источника представлен на карте нерва в виде множества пикселей и в зависимости от степени и способа перемешивания расположение этих пикселей будет разным. При перемешивании, в котором пиксели приставляются между собой на небольшое расстояние можно получить некое случайное скопление пикселей-представителей. Это очень похоже на то, как волокна из аксонов нейронов из наружного коленчатого тела складываются в нервы, в которых аксоны многократно разделяются, и концы аксонов рассредоточиваются по первичной зрительной коре, при этом сохраняя некоторую топографию сетчатки и при этом смешиваясь.
В нашем варианте на карту таламического ядра размером 28×28 пикселей мы применим карту связей нерва размером 512×512. Эта карта нерва будет связывать карту таламического ядра с картой коры размером 64×64 пикселя, то есть разбить всю карту связей нерва на квадраты 8×8 пикселей, то каждый такой квадрат включит в себя все связи пикселем-гиперколонкой (512 / 8 = 64).
Карты связей нерва не меняются в процессе обучения и работы сети, она задается перед началом работы с сетью, аналогично тому, как нервы формируются в мозге до рождения.
Соответственно карты восходящих синаптических связей будут иметь размер 512×512 пикселей.
Карта нисходящих синаптических связей будет иметь размер 1024×1024, по причине, что количество рекуррентных связей должно быть больше для стабильных ревербераций. Здесь каждому пикселю карты коры будет соответствовать 16×16 пикселей карты таламического ядра (64 x 16 = 1024).
Следующий уровень обработки информации представлен картой выхода, которая имеет размер 1×10, по одному пикселю на цифру, так как наша сеть нацелена на распознавание рукописных цифр из стандартного набора MNIST. Карта выхода связана с картой коры аналогично, как и карта таламического ядра с картой коры. Соответственно также имеются карты восходящих синаптических связей и карты, нисходящих синаптических связей, которые имею размерность 64×640 пикселей. Таким образом каждый пиксель карты коры имеет синаптический контакт с каждым пикселем карты выхода, для того чтобы пиксели карты выхода имели максимальное рецептивное поле. Нисходящие синаптические связи как уже отмечалось, обычно имеют большее количество, чем восходящие, но в данном случае они будут одинаковы в количестве потому, что это будет максимальный размер обратных синаптических связей. Так каждый пиксель карты выхода «видит» каждый пиксель карты коры.
Обучение или настройку карты восходящих синаптических связей второго уровня можно провести по правилу Хебба, которое мы уже применяли. При этом во время обучения мы будем считать активным или равным 1 пиксель карты выхода, который соответствует цифре, пример которой предъявлен сети. Тем самым мы как бы связываем некоторую активность на карте коры с требуемым выходом и укрепляем эту связь. Это похоже на формирование рефлекторной дуги условного рефлекса, как представительство цифры связывается связями с комбинацией активных пикселей в карте таламического ядра. Таким образом, фактически не связанные элементы прямыми контактами за счет рекуррентных связей могут связываться и укреплять свои связи между собой. И это может работать через множество уровней.
Но если обучать или настраивать по правилу Хебба карту восходящих синаптических связей первого уровня, это правило приводит к тому, что слабоактивные пиксель-гиперколонки за счёт усиления с ними связей будут усиливать свою активность до максимума, и это создаст большое количество активных пиксель-гиперколонок, что приводит к взаимному подавлению при применении индукции. И это приводит к сильному снижению качества сети.
Поэтому мы применим другой способ обучения. Он будет состоять из двух этапов. Первый этап – это инициализация образов. На этом этапе мы сформируем некое базовое представление о каждом распознаваемом образе цифры, на малом количестве примеров. Для этого достаточно от 10 до 100 примеров, или от 1 до 10 примеров на одну цифру. На этом этапе будут настраиваться все карты синаптических связей кроме карт восходящих синаптических связей первого уровня, но они должны быть заполнены случайными значениями.
Сначала проецируем пример на карту таламического ядра, затем производим суммацию с применением случайных весов карты синаптических связей. Прежде чем применить шейдер иррадиации и индукции мы можем повлиять на карту коры, так чтобы итоговые узлы не совпадали для разных цифр. Для этого обратимся к карте нисходящих связей второго уровня, которая хранит в себе «отпечатки» паттернов узлов для каждой цифры сформированной на основе предыдущего опыта. Соответственно если такого опыта не было, то на карту коры не будет оказано никакого влияния. К примеру, если примером является цифра «5», то к карте коры мы прибавим значения побудительной карты нисходящих синаптических связей сектора соответствующих образу цифры «5». Это повысит шансы на образование узлов в том же месте, где эти узлы образовывались в прошлом акте обучения цифре «5». Так же мы вычтем из карты коры значения остальных секторов не связанных с цифрой «5». Это способствует тому, что узлы не будут образовываться в тех местах, которые соответствуют другим цифрам.
После такой коррекции значений карты коры применяем пиксельный шейдер ответственный за иррадиацию и индукцию.
Затем настраиваем карты восходящих синаптических связей второго уровня по правилу Хебба, с учётом того что на карте выхода будет активным пиксель соответствующий предъявляемому примеру.
Так же по правилу Хебба настраиваем карты нисходящих синаптических связей второго и первого уровня.
Так выглядят синаптических связей после такого обучения на 100 примерах(a и b карты восходящих побудительный и тормозящих синаптических связей второго уровня; c и d карты нисходящих побудительных и тормозящих синаптических связей второго уровня; f и g карты нисходящих побудительных и тормозящих синаптических связей первого уровня):
Особое внимание обращаю на карту нисходящих синаптических связей второго уровня, на ней как бы запечатлены положения всех узлов на карте коры для каждой цифры. Причём узлы для отдельных цифр редко совпадают, то есть каждая цифра имеет свой уникальный паттерн узлов.
Мы переходим к следующему этапу обучения, в котором нам нужно главным образом настраивать карты восходящих синаптических связей первого уровня и желательно таким образом, чтобы предъявленный незнакомый сети пример формировал на карте коры соответствующий цифре примера паттерн узлов. Для этого после суммации мы будем получать разность между значениями карты коры и соответствующему примеру сектору карты нисходящих синаптических связей. Благодаря этой разности, возможно, настраивать веса в карте восходящих синаптических связей так, чтобы предъявленный пример приводил к активности соответствующие его образу цифры узлы.
На видео обучение сети на 100 случайных примерах и тест на 10 000 тестовых примерах. В зависимости от выбранных обучающих примеров, возможно, от случайно выбранных весов для карты восходящих синаптических связей сеть в таком тесте выдает результат в диапазоне от 40 до 60%, увеличение количества примеров не даёт улучшения качества. Это очень скромный результат, но для данной задачи требуется более сложная архитектура сети. Числа и знаки распознаются нашим мозгом на достаточно высоком абстрактном уровне. Соответственно в модели требуется больше уровней. А также в биологическом зрительном анализаторе применяется некоторый дополнительный механизм, специальный фильтр из сетей нейронов, которые реагируют на определённой ориентации раздражители. Этот фильтр упрощает обработку зрительной информации. Добавление подобного фильтра, так же должно улучшить качество нашей сети. Все эти модификации требуют дальнейших исследований, над которыми работа будет продолжаться. Цель статьи и это примера рассказать о некоторых теоритических аспектах модели и подхода в целом.
Обычно художник не рисует картины подобно плоттеру, начиная с верхнего угла нанося сразу все детали бедующего произведения. Художник для начала наносит на холст эскиз из тонких еле заметных линий обозначающий общий план художественного замысла. Постепенно картина обрастает деталями, все более и более мелкими, в конце наносятся лишь самые точные и едва заметные мазки кистью. Подобно этому нужно подходить к вопросу моделирования мозга. Безнадёжно пытаться подробно моделировать, последовательно создавая кортикальные модули с множеством синаптических связей с большим разнообразием типов нейронов и нейромедиаторов. Лучшее решение это создавать изначально простые симуляции отдельных механизмов постепенно добавляя в модели необходимые детали.
Попытка смоделировать взаимодействие двух простых механизмов в коре больших полушарий привела меня к идеи гиперсети описанной выше. Развитие идеи суперэффективных нейронных сетей в корне изменит положение вещей в сфере искусственного интеллекта. Для таких сетей не требуется большое количество обучающих данных, а значит, многие задачи которые сложно реализовать в машинном обучении из-за сложности сбора обучающих данных будут решены, да и скорость разработки в прикладных задачах значительно ускориться. Вычислительные ресурсы для обучения не будут требоваться столь высокими, а значит, не потребуется строить мощных компьютеров со специализированной архитектурой, что очень дорого и трудозатратно. Разработчики станут менее зависимы от технологий, данных и сервисов. Каждый сможет создавать крутое интеллектуальное программное обеспечение без существенных затрат. Что создаст лавину новых интересных технических решений в сфере ИИ.
P.S.
Моя работа продолжается, сейчас есть идеи развития и улучшения сети. До этого этапа я шёл более трёх лет, некоторые читатели, думаю, уже не рассчитывали на появление весомых этапов и статей в моей работе. Как только идея оглашена, она тут же воспринимается простой и очевидной, но за каждой важной идеей стоит большой труд и упорство. Предстоит еще много работы, поэтому подписывайтесь и распространяйте ссылки на статью. 🙂 Этим Вы мне поможете.
- искусственный интеллект
- мозг
- нейронные сети
- гиперсеть
- Искусственный интеллект
- Мозг
КЛИЕНТАМ Выбрать населенный пункт
Г. ЧЕЛЯБИНСК (ОПТИКА, Р-Н ЧМЗ)
1.1. Где можно оставит заявку на подключение? Заявку на подключение вы можете оставить:
-Через сайт
-Обратившись в центр продаж по адресу: ул. Свободы, 32 офис 309, 310
-Позвонить по номеру (351) 778-88-88
1.2. Каков срок подключения после заключения договора? Подключение будет осуществлено в течение 5 дней. 1.3. Что делать при некачественном подключении? Не подписывать Акт сдачи-приемки услуг по предоставлению доступа до устранения замечаний, обратиться по телефону, указанному на сайте. 1.4. При подключении техники проведут кабель до моего оборудования или только заведут его в квартиру? Линия прокладывается до оборудования Абонента. В случае, если по квартире Абонента проложен подходящий кабель, линия может быть проложена до входной двери.
2.1. Как настроить VPN для подключения Интернет? Для подключения к Интернет Вам необходимо установить VPN соединение с нашим сервером. Для облегчения этой операции мы сделали подробные инструкции:
2.2. Есть ли порог скачивания? Нет, на всех тарифных планах для физических лиц порог входящего трафика отсутствует. 2.3. Как провести интернет в каждую комнату в квартире? Для того, чтобы провести интернет в каждую комнату в квартире, необходимо устройство под названием маршрутизатор (router). Маршрутизаторы бывают проводными, когда до каждого компьютера необходимо протягивать кабель, и беспроводными, когда можно осуществить подключение при помощи Wi-Fi, не используя лишних проводов. При использовании маршрутизатора для подключения нескольких компьютеров, нужно только одно подключение к сети «ГиперСеть», а это значит вы будете оплачивать только одну абонентскую плату. Нужно учесть, что при таком подключении, скорость вашего тарифного плана будет делиться на все подключенные компьютеры. 2.4. Почему страничка так медленно загружается? Мы обеспечиваем вам скоростное подключение к сети Интернет до нашего центрального узла. Дальнейшее прохождение Вашего запроса и ответа сервера, находящегося, например, в Москве и содержащего нужную Вам страничку, не поддается какому-либо контролю. Возможно, именно сейчас нужный Вам сервер просто не работает. 2.5. Что такое входящий трафик? Чем он отличается от исходящего? Входящий трафик — это информация, поступающая из сетей на Ваш компьютер. Исходящий трафик, соответственно, трансли- руется с Вашего компьютера в сети. Но нужно учитывать, что когда Вы отправляете кому-то письмо или закачиваете информацию на чей-то файловый архив, то определенный процент закаченного объема трафика возвращается на Ваш компьютер (5-10%) — такова особенность протокола ТСР/IP. Это так называемый обратный трафик. 2.6. Что такое Веб-страница? Веб-страница — это небольшой сайт с информацией о компании или частном лице, размещенный на Веб-сервере и доступный другим пользователям с помощью программ, работающих с Интернет (Internet Explorer, Netscape Navigator, Opera). 2.7. Что такое трафик? Трафик — это объём передаваемой по сети информации. Он измеряется в мегабайтах. 2.8. Не увеличивается ночная скорость. Для этого необходимо пере подключиться с Интернет (разорвать и подключить VPN подключение) после 12 часов ночи. Данное ограничение носит технический характер.
4.1. Можно ли перенести номер? Номер можно перенести, но перед этим обязательно уточните техническую возможность установки по новому адресу в контакт центре (351) 778-88-88 4.2. По какой технологии предоставляется услуга? В вашей квартире ставится самая обычная телефонная розетка для аналогового телефона с тоновым набором номера.
Внутри нашей сети для Домашнего телефона мы применяем технологию передачи голоса через IP-сети, как и везде в современной телефонии. 4.3. Как можно отключиться/расторгнуть договор? Для этого необходимо оплатить счёта, которые выставлены вам за услуги связи. Приехать в абонентский отдел, написать заявление на расторжение договора. Со следующего рабочего дня договор будет расторгнут.
ПАМЯТКА ПОЛЬЗОВАТЕЛЯ ПО ОПЛАТЕ УСЛУГ СВЯЗИ
Оплатить услуги связи (интернет или телефон) компании «ГиперСеть» можно с помощью: — платежной системы «Город» — платежной системы «КиберСити» (адреса всех пунктов приема платежей указаны ниже)
ПОМНИТЕ! При балансе 0 рублей пользование услугой интернет не возможно, необходимо пополнить счет
Оплата через систему «Город» производится через: терминалы и банкоматы Челябинска и Челябинской области, операторов в отдельных точках (например, в салонах сотовой связи), отделения «Челябинвестбанка» или в отделениях банков, входящих в систему «Город».
Для оплаты по системе «Город» с помощью терминала, необходимо: ввести адрес установки и выбрать из списка компаний, предоставляющих услуги компанию ГиперСеть.
Для оплаты по системе «Город» через оператора, необходимо: назвать свой адрес, компанию «ГиперСеть» и сумму, которую вы хотите положить на свой счет, либо предъявить квитанцию.
Преимуществом системы «Город» является большое количество точек приема платежей, а также отсутствие дополнительной комиссии. Гарантировано платеж поступит на Ваш счет в течение суток.
Если вы производите оплату услуг в первый раз, то возможна ситуация, когда оператор по вашему адресу не видит компанию «ГиперСеть». Тогда следует попросить оператора добавить нового поставщика услуг, для этого оператору требуется зайти на вкладку «УСЛУГИ СВЯЗИ» и добавить «ГиперСеть» как нового поставщика услуг и далее выбрать услугу «Установка интернет».
Оплата через систему «КиберСити» производится через терминалы.
Для оплаты по системе «КиберСити» необходимо: на панели терминала выбрать раздел «Услуги Интернет», нажать «ГиперСеть» и ввести номер своего лицевого счета (номер ЛС можно узнать у оператора связи «ГиперСеть» по тел.778-88-88) минимальная сумма оплаты от 10 рублей, деньги поступают на Ваш счет в течение нескольких минут
Через терминалы «КиберСити» можно оплатить услуги по системе «Город»: в данном случае взымается дополнительная комиссия 3%, но не менее 10 руб.( если вы производите оплату в размере 10 руб., на счет Вам поступит сумма в размере 5 руб.). Не забывайте также и о том, что терминал не выдает сдачу.
Список адресов терминалов «КиберСити»
| г.Челябинск, ул.Кирова, д.11, салон МТС |
| ул.Кирова,д.11,г.Челябинск,салон МТС |
| Свердловский пр-т,д.46,г.Челябинск,салон МТС |
| ул. Университетская набережная, 30А, школа №25 |
| г. Челябинск, ул. Учебная, 5А, Лицей №142 (школа) |
| г. Челябинск, ул. Дзержинского, 83А, Гимназия №100 (школа) |
| г. Челябинск, ул. Чичерина, 27Б, Лицей №97 (школа) |
| г.Челябинск, ЧОУ ВПО ЮУрИУиЭ, ул.Комаровского, 9а, |
| г. Челябинск, ул.Кожзаводская, 1, ЧОУ ВПО ЮУрИУиЭ |
| г. Челябинск, ул. 250 летия Челябинску, 65, ДС Кенгуру |
| г. Челябинск, ул. Бажова (Мамина 1/1), Сибнефть, АЗС №10 |
| г. Челябинск, ул. Кожзаводская (Шенкурская 9/1), Сибнефть, АЗС №4 |
| г. Челябинск, ул. Героев Танкограда, дом № 15/1, АЗС №6 Сибнефть |
| п.Шершни, ул.Северная, д.40/1, АЗС №5 Сибнефть |
| ( ремонт принтера )г. Челябинск, ул. Харлова , дом № 1/1, АЗС №2 Сибнефть |
| г. Челябинск, ул. Уральская, 2, школа №108 2 |
| г. Челябинск, ул. Барбюса, 140Б, школа №76 |
| г.Челябинск, ул. Мира, 46, Школа №96 |
| г. Челябинск, ул. Коммунаров, 4, Лицей №37 (школа) |
| г. Челябинск, пр. Ленина, 54А, МТC |
| г. Копейск, пр. Победы, 11, МТС |
| г. Копейск, пр. Славы, 8, МТС |
| г.Челябинск, ул. Новороссийская 136, Школа №130 |
| г. Челябинск, ул. Горького, 18/1, АЗС Сибнефть |
| г.Челябинск, ул. Красноармейская, д. 54, Башнефть, АЗС №402 |
| г.Челябинск, ул. Володарского, 20, Школа №30 |
| г. Челябинск, ул. Кирова, 13Б, Лицей №97 |
| ул.Труда,д.62,офис КС,Тест терминал 01 |
| г. Челябинск, ул. Сталеваров, 32,ост.к-с Сквер Победы |
| г.Челябинск ул.Каслинская, 34.,ост.к-с Островского |
| ( ВС, ПН не раб. ) г. Челябинск, ул. Харлова, 10, п-н Дубликат |
| г. Челябинск, ул. Дзержинского, 6, м-н Всё для Вас |
| (без UPS) г. Челябинск, пр. Ленина, 85, Вечерний Челябинск |
| г. Челябинск, ул. Доватора, 1м, АЗС Башнефть |
| г. Челябинск, Свердловский пр., 23А, м-н Губернский |
| г. Челябинск, Троицкий тр., 7, Башнефть, АЗС №100, Экспрес-Маркет |
| г. Челябинск, пр. Ленина, 83, п-н Стрит-Гриль |
| с. Миасское, 38,3 км. АД М-51,«Башнефть», АЗС №194 |
| г. Челябинск, М5,17км, АЗС Башнефть ИЗ Челябинска |
| г. Челябинск, М5,17км, АЗС Башнефть В Челябинск |
| м-н Продукты ул 250-летия Челябинска 25 г.Челябинск |
| м-н Продукты ул. Бр.Кашириных 134 А г.Челябинск |
| п-н Продукты 24 ул. Чичерина 2 г.Челябинск |
| п-н Продукты 24 ул.С.Юлаева 6 г.Челябинск |
| м-н Гурман ул. Салавата Юлаева, 23а, г.Челябинск |
| м-н Продукты ул. пр. Победы 113 г. Челябинск |
| м-н Хоккей ул. 250-летия Челябинска 25 г.Челябинск |
| м-н Продукты ул. Комсомольский проспект д. 41б г. Челябинск |
| м-н Продукты ул.Молодогвардейцев 70 г. Челябинск. |
| Столовая(авторынок Искра) ул. Шадринская 102 г. Челябинск |
| м-н Продукты ул.Румянцева 29 г.Челябинск |
| м-н Продукты ул.Островского 29 г.Челябинск |
| м-н Продукты ул.Кирова 9Г г.Челябинск |
| м-н Продукты ул. Шоссе Металлургов 39А г.Челябинск |
| г.Челябинск Краснопольский проспект 15 |
| п-н Продукты г.Челябинск ул.Хлебозаводская ост.»Сад Строитель» |
| г.Челябинск ул.Лесопарковая 7 |
| м-н Продукты ул.Захаренко 9а г Челябинск |
| г.Челябинск ул.Индивидуальная ост.»Сад Слава» |
| г.Челябинск ул.Академика Короева 4 |
| г.Челябинск, пл. Мопра 2 |
| г.Челябинск,пл.Мопра,2 |
| г.Челябинск,ул.Аральская,д.38 Магазин |
| г. Челябинск, ул. Марченко, 37а, м-н «Продукты» |
| г. Челябинск, ул Северо-Крымская, 52, ост. павильон |
| Челябинск, ул. Молодогвардейцев, 39в, магазин |
| г.Челябинск, пр. Победы, 115, м-н Юрюзань |
| г. Челябинск, пересечение пр. Победы и ул. 40 лет победы, ост. павильон |
| Челябинская область, Красноармейский р-н, г. Копейск, п. Вахрушево |
| г.Челябинск, ул. Автоматики, 7, павильон |
| г. Челябинск, Сталеваров ул, д. 70, м-н «Продукты» |
| г.Челябинск, ул. Комаровского, д.10, м-н |
| г. Челябинск, ул. Сталеваров, 3а |
| г.Челябинск, ул. Чайковского, 54б, м-н |
| г.Челябинск, ул. Двинская, 11, м-н |
| г.Челябинск, ул. Аральская, 21 |
| г.Челябинск, Троицкий тракт, 72б, ост.павильон Купеческий рынок |
| Челябинская область, трасса Уфа-Челябинск 1779 км., кафе Светлана |
| г.Челябинск, ул.Каслинская, 21в, м-н Продукты |
| г. Челябинск, п. Керамический, м-н |
| г.Челябинск, ул 40 лет Победы, 29, кафе «Перчик» |
| г. Челябинск, ул. 250-летия Челябинска, 67 |
| г. Челябинск, ул. Плеханова, 14, м-н |
| г. Челябинск, пересечение Комсомольского проспекта и ул. Молодогвардейцев, ост. павильон «Продукты» |
| г.Челябинск, ул.Валдайская 1а, м-н Продукты |
| г. Челябинск, п. Новосинеглазово, ул. Лесная, 86, п-он Продукты |
| Челябинск, Троицкий тракт, д. 49, кафе Сигнал |
| г. Челябинск, ул. 250 лет Челябинску, 5В. |
| ул.Мехколонна 7,г.Челябинск,Терминал 5920001 |
| ул. Зальцмана 34,г.Челябинск,м-н Продукты |
| г. Челябинск, Тракторосад №3 |
| г.Челябинск,ул.Университетская набережная,д.90 детский сад №35 |
| г.Челябинск,ул.Ереванская д.16.4.№77 |
| г.Челябинск улВагнера д.70а. МБОУ СОШ 68 |
| г.Челябинск, ул.Шенкурская д.13 №109 , |
| г.Челябинск,ул.Академика Сахарова, д.24 №39 |
| г. Челябинск, ул. Тимирязева, д. 6, Лицей №11 |
| г. Челябинск, ул. Грибоедова, д. 2, школа №102 |
| г. Челябинск, ул. Кузнецова, д. 33, школа №56 |
| г. Челябинск, ул. Вагнера, 90, школа №128 |
| г. Челябинск, ул. Агалакова, 19, №113 |
| г. Челябинск, ул. Агалакова, 46, №51 |
| г. Челябинск, ул. Омская, 13, м-н Продукты |
| г. Челябинск, ул. 2-ая Эльтонская, 16А, №116 |
| г. Челябинск, ул. Бр. Кашириных 99а,ТК «Фрегат» |
| г. Челябинск, ул.Воровского, 17,м-н Мечта |
| г. Челябинск, Копейское шоссе, 1Г, ТК Светофор |
| г. Челябинск, ул. Гагарина, д. 4Б, ТК Андреевский |
| Кузнецова, 12, Проспект |
| Комсомольский пр-т, д. 74, Проспект |
| Новороссийская, 84, Пятерочка |
| ул. 250 лет Челябинска, 11, м-н Пятерочка |
| г. Челябинск, ул. Воровского д.40. магазин Продукты |
| г.Челябинск ул. Гагарина,д. 32 Магазин продукты |
5.2. Какую технологию подключения вы используете? Сеть «ГиперСеть» построена по технологии «оптика до дома» — это означает, что кабель по которому подается сигнал доходит до каждого дома, это позволяет передавать сигнал без помех, независимо от того, какую услугу вы потребляете: интернет, телевидение или домашний телефон. В отличие, например, от спутникового интернета, данная технология позволяет не только предоставлять более качественные услуги, но также снизить их стоимость и избежать использования дополнительного оборудования. 5.3. Что значит выделенная линия? Выделенная линия или «оптика до дома» означает, что оптоволоконный кабель доходит до каждого дома, а выделенная линия до каждой квартиры. Это позволяет передавать сигнал без помех, независимо от того, какую услугу вы потребляете. Выделенная линия представляет собой пару проводов, проложенную от ближайшего узла доступа, который расположен в вашем доме, до вашей квартиры. 5.4. Где можно получить консультацию по услугам? Полную информацию можно получить на сайте или обратившись в контакт-центр по телефону, который указан на сайте. 5.5. Мегабайт — это сколько? Один мегабайт — это 10-12 средних веб-страниц или около 200 страниц печатного текста. 5.6. Как проверить компьютер на вирусы? Для этого необходимо:
— скачать бесплатную утилиту Dr. Web CureIt! c сайта разработчика программы;
— запустить скаченный файл, дождаться окончания быстрой проверки, ознакомиться с результатами;
— в случае необходимости запустить полную/выборочную проверку. Данная утилита содержит в себе все вирусы базы Dr. Web на день скачивания, но не умеет обновляться через интернет. Поэтому рекомендуется либо приобрести и установить полноценный антивирус с возможностью автоматического обновления, либо периодически скачивать свежую версию CureIt! для очередной проверки компьютера.
5.7. Не поступил платеж. Для этого необходимо:
1. Выслать сканированную квитанцию на info@hypernet.ru или отправить ее по факсу +7(351)2399365
2. Позвонить в службу Технической поддержки по телефону (351) 2399300 и объяснить суть проблемы 5.8. Зачем нужен Личный Кабинет? Личный Кабинет – это место, где вы можете производить различные операции со своим счетом: проверять баланс, активировать бонусы, брать обещанный платеж, менять пароль и логин доступа к своему счету. Ссылка на него находится в правой верхней части сайта.
ГИПЕРСЕТЬ Выбрать населенный пункт
Г. ЧЕЛЯБИНСК (ОПТИКА, Р-Н ЧМЗ)
На большинство вопросов у нас есть исчерпывающие ответы. Не нашли подходящий ответ? Напишите в службу поддержки. Они отвечают очень оперативно.
ГДЕ И КАК ОПЛАТИТЬ УСЛУГИ?
На данный момент оплату можно произвести через систему «Город» в любом из удобных для вас пунктах приема платежей. Оплата банковской картой или через другие системы будет возможна в ближайшее время.
Домашний телефон от ГиперСеть — это возможность общаться на расстоянии. Звоните любимым в другие города и страны по супер-низким тарифам.
Мы всегда открыты для ваших идей или пожеланий, если они у вас есть обязательно свяжитесь с нами через форму обратной связи.
Российские ученые готовы решить загадку возникновения сознания
Компьютерная модель активности мозга. Иллюстрация с сайта www.nibib.nih.gov
Название очередного заседания междисциплинарного научно-теоретического семинара «Философско-методологические проблемы искусственного интеллекта» звучало интригующе: «КОГНИТОМ: материя сознания». С сообщением на эту тему выступил член-корреспондент РАН, доктор медицинских наук, профессор МГУ им. М.В. Ломоносова, Института нормальной физиологии им. П.К. Анохина Константин Анохин.
Крик против Гуссерля
Крупнейший отечественный биофизик Лев Блюменфельд однажды шутливо заметил: «Живая материя – самый интересный предмет исследования для живой материи, способной к исследованию». Но на пути к такому исследованию есть один логический капкан – как работающий мозг, «производящий» сознание, может описать собственные механизмы этого «производства». И попадают в этот капкан все, кто занимается проблемой сознания. Константин Анохин предлагает свой вариант, как освободиться из него.
«Основной вопрос философии – проблема сознания, – отмечает Анохин. – Тем не менее меня интересуют эти вопросы как экспериментатора-нейробиолога. Философы всегда обвиняют нейробиологов – те, мол, сводят проблему сознания до нейрофизиологических феноменов. Между тем естественно-научные исследования мозга всегда были популярны в России».
И действительно. Например такой авторитет, как Эдмунд Гуссерль, выстраивает мощную философскую оппозицию подходу, заявленному Анохиным. «Существование природы, – приходит к выводу Гуссерль в одной из своих работ, опубликованной еще в 1950 году, – не может обусловливать существования сознания, – ведь она сама выходит наружу как коррелят сознания; природа существует, лишь конституируясь в упорядочиваемых взаимосвязях сознания».
Чтобы разрешить эту методологическую коллизию, Анохин предлагает новый термин когнитом (материя сознания) – структура, в которой протекают физиологические процессы, в том числе и сознание.
«Сознание может и должно быть выведено из теории мозга, особенно в эволюционном ряду, – уверен Константин Анохин. – Еще Фрэнсис Крик (один из первооткрывателей структуры ДНК) в свое время пришел к убеждению: вопрос о сознании созрел для экспериментального изучения».
Идея, что называется, носилась в воздухе… В феврале 2017 года в журнале Nature появилось сообщение, что группа нейробиологов под руководством Кристофа Коха нашла свидетельства того, что одна из структур мозга, клауструм, может порождать сознание. Ученые обнаружили в этой структуре гигантский нейрон, который обволакивает своими отростками весь наружный слой мозга и опосредует взаимодействие между различными его областями. Клауструм (ограда) представляет собой тонкую пластинку из серого вещества, находящуюся под корой больших полушарий в глубине белого вещества. По предположению Фрэнсиса Крика и Кристофа Коха, она может играть важную роль в работе сознания.
И вот Константин Анохин заявляет, что отдел нейронаук национального исследовательского центра «Курчатовский институт», которым он руководит, поставил себе задачу через семь лет создать такую теорию мозга, которая логически давала бы объяснение важнейшему когнитивному феномену – сознанию. Методологические подходы, которые ученые намереваются в этой работе использовать, Анохин и попытался изложить на заседании научно-теоретического семинара «Философско-методологические проблемы искусственного интеллекта».
Мозг всему голова
Насколько можно было понять «со слуха», эти подходы сводятся к следующему.
Когнитивные системы (К-системы, КС) формируются из морфогенеза. К-системы – это критический переход в процессе эволюции. Это и есть когнитом. Один агент обладает одной КС. Никогда не существовало двух одинаковых КС.
Заметим, что Константин Анохин опирается на уже хорошо разработанное понятие. Так, известный чилийский нейробиолог Умберто Матурана в работе «Биология познания» (1970) отмечал: «Когнитивная система – это система, организация которой определяет область взаимодействий, где она может действовать значимо для поддержания самой себя, а процесс познания – это актуальное (индуктивное) действование или поведение в той области. Живые системы – это когнитивные системы, а жизнь как процесс представляет собой процесс познания. Это утверждение действительно для всех организмов как располагающих нервной системой, так и не располагающих ею».
Соответственно, по Анохину, К-процессы могут протекать только внутри когнитивных систем. Если мы хотим понять сознание, мы должны начать с изучения структур, в которых протекают эти процессы…
То есть фактически Анохин сознательно и последовательно делает акцент на проблеме биологических основ сознания, нейрофизиологических основ психики. Конечно, всё это – создание теории мозга – немного напоминает изучение мыслящего океана планеты Солярис из одноименного знаменитого романа Станислава Лема. Польский философ и фантаст придумал и название соответствующей отрасли научного знания – соляристика.
 |
| В поисках когнитивных элементов, порождающих сознание, активность мозга отслеживают в режиме реального времени. Фото автора |
Константин Анохин – авторитетный специалист в области исследования процессов памяти. Вот и экспериментальное изучение сознания (когнитома), по его мнению, возможно через память: «Память не только процесс, но и результат. Память – это структура. Поэтому память можно использовать и когда этот процесс закончился – по структурным основаниям. Наш субъективный опыт, который хранится в памяти, можно рассматривать как следы процессов сознания».
Как можно описать любой мозг? «В терминах сети, – уверен Анохин. – Любая КС может быть описана в сетевых терминах. Сознание – это сеть сетей, гиперсеть. КС все время существует, даже когда человек спит или теряет сознание. Человек все время просыпается тем же человеком. Уходит лишь определенный вид информационного трафика».
Вообще-то «определений», что такое сознание, существует огромное количество. Например, такое: «Само сознание можно было бы определить как постоянное, неразрешимое противоречие между мозгом как наблюдателем самого себя и мозгом как предметом наблюдения». Принадлежит оно двум ученым – Фредерику Тернеру (Школа искусств и гуманитарных наук Университета Техаса, США) и Эрнсту Пёппелю (Институт медицинской физиологии Университета Мюнхена, ФРГ).
Но, кажется, именно это разнообразие и заставляет здесь брать слово «определение» в кавычки: практически бесконечная вариативность превращает любую новую попытку определить, что такое сознание, в метафору. Правда, у Анохина, это, похоже, работающая метафора.
Возможно, самый интригующий вопрос в подходе Константина Анохина: как процессы переходят в структуру и каким образом появляются КС, когда еще не было К-процессов? Ответ Анохина таков: «Метаболические функциональные системы заселяют нервную сеть. Так зарождается когнитивная система. Способность запоминать – это и переводит в К-структуру. Одни функциональные системы стимулируют порождение новых функциональных систем».
При этом понятие «функциональная система» предлагается понимать в строго каноническом смысле: «Функциональная система – единица интеграции целого организма, складывающаяся динамически для достижения любой его приспособительной деятельности и всегда избирательно объединяющая на основе циклических взаимоотношений специальные центральнопериферические образования» («Большая медицинская энциклопедия», 1968)…
Элементарная частица сознания
Конечно, в одном даже самом пространном выступлении невозможно отметить все аспекты столь нетривиальной проблемы – поиск механизмов появления и функционирования сознания человека. Ведь человеческий мозг, возможно, – самый сложный объект во Вселенной: он состоит примерно из 100 млрд нейронов, и на 1 нейрон может приходиться до 104 связей; за всю жизнь мозг среднего человека усваивает 10 000 000 000 000 000 (10 квадрильонов) бит информации.
«По-видимому, неимоверная сложность мозга человека необходима не столько для непосредственного управления внутренними органами и поведением человека, сколько для построения более или менее приемлемой для выживания динамической ментальной модели физического мира, – считает психофизиолог, доктор биологических наук, профессор МГУ им. М.В. Ломоносова Александр Каплан. – Подобного рода модель, как недостроенный пазл в процессе познавательного процесса, будет буквально «притягивать» недостающие кусочки в подходящие для них места. Моменты удачного совпадения и будут теми самыми счастливыми догадками гениальных ученых, которые не требуют логического обоснования. Однако, чтобы убедить мир в правильности этих догадок, другим ученым приходится все же заниматься их логическим доказательством».
В общем, опять приходится вспоминать мыслящий океан лемовского Соляриса…
Именно поэтому и впечатляет попытка разобраться в структуре «живой материи, способной к исследованию». Анохин предлагает исследовать так называемые коги – элементарную частицу сознания.
«Любой разум – и мой, и ваш, и мыши – это структура, – поясняет Анохин. – Она состоит из некоторого количества когнитивных элементов, я в свое время обозначил их термином «коги». Часть из них у нас с вами общая, это является нашим общим видовым врожденным репертуаром, данным нам предшествующими этапами эволюции. Часть из них – это элементы, которые мы приобретали сугубо индивидуально. Все это вместе и образует наш внутренний мир. Этому внутреннему миру соответствует свой особый набор элементов во внешнем мире – воспринимаемый нами «мир вокруг нас», или умвельт, как назвал его глубокий немецкий семиотик, биолог-теоретик начала прошлого века фон Икскюль».
«КОГи (когнитивные элементы) – это все же нечто субстанциональное (как ген в ДНК) или некие семиотические фантомы?» – поинтересовался я у Константина Анохина.
«КОГ – это дуал, – поясняет профессор Анохин. – Его можно образно представить как пирамиду или как сноп. Его основание – это ког (КОгнитивная Группа – группа одинаково когнитивно специализированных нейронов). Его вершина – это ког – когнитивный элемент, то есть элемент когнитивного опыта, знания в когнитивном агенте. Этот опыт, знание возникает из совокупной функции составляющих КОГ нейронов и не находится ни в одном из них».
У российского философа и методолога Георгия Щедровицкого есть такое признание: «…Сознание буквально село на меня, в мой мозг». Кстати, упоминавшиеся уже выше исследователи Фредерик Тернер и Эрнст Пёппель отмечали: «…Любое из известных нам обусловленных временем соотношений – будь то случайность, закономерная последовательность, причинность или устремленность к цели – становится существенным лишь тогда, когда оно может уложиться в отпущенное время. Представление о том, что для всего требуется некоторое время, стало ныне тривиальным. Например, для существования электрона необходимо по меньшей мере 10–20 с (период его спина). Это так же бесспорно, как и то, что электрон должен занимать 10-10 см пространства (10-10 см – комптоновская длина волны электрона). Из всего этого следует, что объекты, описываемые исключительно как пространственно-временные отношения, могут быть не менее реальны, чем объекты материальные».
Так что вполне возможно, что афоризм Щедровицкого не просто красивая метафора и смыслы (коги) материальны и объективны. А следовательно, ими можно «заразиться»… Может быть, действительно для объяснения возникновения феномена сознания нужен некий аналог теории панспермии?
«На мой текущий взгляд, не нужен, – подчеркивает профессор Константин Анохин, отвечая на вопрос «НГН». – Нужна научная теория, из базовых принципов которой сознание будет с необходимостью закономерно возникать в ходе биологической эволюции.
Это не означает, что я не прислушиваюсь с вниманием к обсуждаемым в физике вариантам устройства Вселенной, которые могут вдруг радикально изменить наши представления о причинности, ходе времени и мире. Но пока надежной связи и опоры не вижу».
И действительно, как отмечал выдающийся российский физик, нобелевский лауреат Виталий Гинзбург, «две проблемы, на которые наука пока не дала никакого объяснения, – проблема возникновения жизни и еще большая проблема – возникновение сознания».
Через семь лет нам обещают ее решить…
Комментарии для элемента не найдены.