ережа простих адаптивних елементів, яка взаємодіє з об'єктами реального світу аналогічно біологічної нервовій системі. З інженерної точки зору така мережа являє собою сильно розпаралелених динамічну систему з топологією спрямованого графа, яка може виконувати переробку інформації за допомогою зміни свого стану у відповідь на постійний або імпульсний вхідний сигнал.
В даний час основними напрямами реалізації НПС є: програмна реалізація на цифрових ЕОМ традиційної архітектури; програмно-апаратна реалізація у вигляді сопроцессоров до ЕОМ загального призначення; апаратна реалізація шляхом створення нейрокомп'ютерів на базі нейроплатв вигляді паралельних нейроподібних структур.
Ранні варіанти реалізації НПС відносяться до перших двох із зазначених напрямків. Перше напрямок характеризується універсальністю, дешевизною і низькою швидкістю навчання та функціонування НПС. Для другого напрямку характерна висока швидкість моделювання функціонування НПР, але при цьому існують серйозні фізичні обмеження чис ла модельованих елементів і зв'язків між ними, а також можливостей навчання і до навчання. У міру розвитку елементної бази ЕОМ стало можливим самостійний розвиток третього напряму, яке поклало початок індустрії нейрокомп'ютерів, що представляють сукупність апаратних і програмних засобів для реалізації моделей нейронних мереж.
На сьогоднішній день відомо вже більше 200 різних парадигм [5] нейронних мереж (не тільки детермінованих, але і імовірнісних), десятки НПС реалізовані в спеціалізованих кристалах і платах, на їх основі створені потужні робочі станції і навіть суперкомп'ютери. Сучасні технології досягли того рубежу, коли стало можливим виготовлення технічної системи з 3 ... 4 млрд. нейронів (саме така кількість їх в мозку людини). Проте їх з'єднання продовжує залишатися проблемою.
В
3.5 Навчання нейроподібної мережі
Одне з найважливіших властивостей нейроподібні мережі - здатність до самоорганізації, самоадаптації з метою поліпшення якості функціонування. Це досягається навчанням мережі, алгоритм якого задається набором навчальних правил. Навчальні правила визначають, яким чином змінюються зв'язку у відповідь на вхідний вплив. Багато з них є розвитком висловленої Д. О. Хеббом ідеї про те, що навчання засноване на збільшенні сили зв'язку (синаптического ваги) між одночасно активними нейронами. Таким чином, часто використовувані в мережі зв'язку посилюються, що пояснює феномен навчання шляхом повторення та звикання. Математично це правило можна записати наступним чином:
,
де wij (t) і wij (t +1) - значення ваги зв'язку від i-го до j-му нейрону відповідно до і після його зміни, б - швидкість навчання, yi і yj-вихідні сигнали i-го і j-го нейронів. В даний час існує безліч різноманітних навчальних правил (алгоритмів навчання).
Глава IV
може комп'ютер мислити?
4.1 Чи реально комп'ютерне мислення?
Нарешті я підійшов до заключної чолі своєї роботи. У попередніх розділах була викладена сутність побудови систем штучного інтелекту, було розказано про нейро і квантових комп'ютерах, а так само нейронних мережах, тут же, аналізуючи отриману мною з різних літературних джерел інформацію, я спробую остаточно відповісти на питання: В«Чи може комп'ютер мислити?В»
Впевнено ствердну відповідь на запитання в заголовку теми моєї роботи вже давно дали багато видатних вчені, в тому числі:
• професор Массачусетського технологічного інституту Норберт Вінер В«Питання. Кажуть, що обчислювальні машини думають. Чи так це? Відповідь. Якщо мати на увазі нинішнє стан речей, то обчислювальні машини можуть навчатися. Обчислювальні машини можуть вчитися покращувати свою роботу шляхом її аналізу. Що речі такого роду отримають набагато більший розвиток в майбутньому в цьому, я думаю, не доводиться сумніватися В»
• директор київського інституту кібернетики академік Віктор Михайлович Глушков В«Необхідно, проте, підкреслити, що ніяких апріорних обмежень для автоматизації інтелектуальної діяльності не існує. Нерідко в якості доказу наявності таких обмежень призводять знамениту теорему Геделя про неповноту арифметики ... Даний аргумент, однак, непереконливий ... В»Перед сучасними вченими, що займаються сьогодні вивченням і створенням систем штучного інтелекту встають сьогодні дві наступні проблеми:
• чи може комп'ютер мислити звичайним чином, як всі люди, тобто розуміти усне і письмову мову, перекладати з однієї мови на іншу, впізнавати людей і ін об'єкти, відповідати на питання і т. п.;
• чи може комп'ютер мислити творчо, тобто вирішувати творчі завдання, які поки що можуть вирішувати тільки дуже небагато з людей.
В епоху комп'ютерної ейфорії минулого століття це питання займав всіх. З часом сяють дискусій ослаб: люди вирішили, що ЕОМ - щось інше і далеке і схожою н...
