Добрый вечер всем! Недавно мне попалась книга, статья из которой меня настолько заинтриговала, что я поспешил поделиться ею с сообществом.
Книга старая - если не ошибаюсь, изданная в 1986 году.
Конечно, эта статья - типичная научная спекуляция - публикация недоказанной гипотезы с целью привлечь внимание, но меня она заинтриговала.
Публикую прямо со сканера - один в один.
Поэтому БУКВ МНОГО.
КАК СОЗДАТЬ ОПТИЧЕСКИЙ МОЗГ» В.
М.
ЗАХАРЧЕНКО, Г.
В.
СКРОТСКИЙ Достижения нейрофизиологии последних лет во многом прояснили принципы работы мозга — самого сложного и загадочного природного явления, известного нам.
По мнению известного американского учёного Д.
Хьюбела: в последнее десятилетие нейробиология стала одной из наиболее активных отраслей науки.
Следствием этого в последнее время стал настоящий взрыв открытий и идей».
С другой стороны, 70-е годы характеризовались бурным развитием микроэлектроники, оптоэлектроники и технологии оптической обработки информации.
Поэтому естественно и логично, что предпринимаются попытки использовать достижения современной техники и технологий для моделирования работы мозга и создания на этой основе принципиально новых систем обработки информации.
Таким образом, сочетание возможностей оптоэлектроники и некоторых методов оптической обработки информации позволило предложить и обосновать новую идею – идею создания оптического мозга.
Как известно, головной мозг состоит из нервных клеток – нейронов, соединенных между собой отростками нейронов и межнейронными связями – синапсами.
По последним данным, в мозге имеется не менее 5•10^14 нейронов.
Несмотря на свое огромное количество, тела нейрональных клеток занимают лишь несколько процентов от общего объема мозга.
Остальное пространство занимают межнейронные связи – нервные волокна микронной и субмикронной толщины.
Каждый нейрон коры головного мозга имеет до нескольких десятков тысяч связей, по которым поступают сигналы от других нейронов.
Если суммарное воздействие этих сигналов превышает порог нейрона, то он возбуждается и генерирует выходной сигнал.
Нейрон имеет только один выход, но он разветвляется на множество связей, идущих к другим нейронам.
Коэффициенты передачи сигналов связей неодинаковы (как по величине, так и по знаку), поэтому к другим нейронам поступают совершенно разные сигналы.
Нейроны можно сравнить с центрами управления, которые принимают и распределяют сигналы, поступающие через межнейронные связи.
Таких связей в мозгу не менее 10^14. Понимание того, что синапсы являются основными структурными компонентами мозга, в первую очередь определяющими его функциональные характеристики, является одним из наиболее значимых выводов нейрофизиологов.
В подтверждение этого можно привести высказывание известного нейрофизиолога? Кандела: «Многие нейробиологи убеждены, что в конечном итоге будет доказано, что уникальные свойства каждого человека — способность чувствовать, думать, учиться и запоминать — содержатся в строго организованных сетях синтетических взаимосвязей между нейронами мозга.
» Большую часть мозга, примерно 1000 см^3 из 1400 см^3, занимает кора головного мозга.
Он сложен и имеет толщину около 3 мм.
Вся площадь коры разделена на функциональные зоны обработки информации: зрительную, слуховую, двигательную и т. д. В свою очередь функциональные зоны делятся на модули площадью долей квадратного миллиметра и высотой, равной толщина коры.
Каждый модуль отвечает за обработку определенного типа сигналов, поступающих от определенных рецепторов, например, области сетчатки.
Огромная разнообразная информация о свойствах окружающей среды, поступающая в мозг от органов чувств, отображается на многих нейронах коры головного мозга.
В зависимости от параметров поступающего сигнала и его положения в пространстве возбуждаются определенные участки коры.
Кора организована вертикально в несколько слоев.
Каждый нейрон одного слоя связан преимущественно с нейронами другого слоя.
Ансамбль возбужденных нейронов одного слоя передает сигналы другому слою, во втором слое также появляется ансамбль возбужденных нейронов и т. д. Каждый модуль коры представляет собой локальную нейронную сеть, преобразующую информацию, передавая ее с входа на выход. В такой модели мозга, упрощенной до предела, проблему разработки его искусственного аналога в техническом плане можно разделить на две части: создание искусственных нейронов и реализация пространственной структуры из десятков и сотен триллионов интернейронов.
связи.
Разработаны различные электронные модели нейронов.
С помощью современных комплексных технологий их всегда можно производить в достаточном количестве.
Воссоздать пространственную структуру связей нейронов — несравненно более сложная задача.
В богатом арсенале технологии производства микроэлектронных схем нет методов, позволяющих создавать системы, каждый элемент которых имел бы тысячи и десятки тысяч связей с другими элементами системы.
И не просто соединения, а такие, каждое из которых имеет свою индивидуальную проводимость.
Для реализации сложнейшей пространственной структуры из огромного количества переплетающихся связей необходимы принципиально новые решения.
Реальный практический путь решения этой проблемы лежит в оптическом моделировании нейронных структур.
Лучи света не взаимодействуют друг с другом, а потому полностью снимаются ограничения на плотность насыщения пространства оптическими каналами связи и геометрию их расположения.
Для такого моделирования могут быть использованы технологии, созданные при разработке голографической памяти.
С большими или меньшими модификациями можно использовать практически все многочисленные варианты голографической памяти, существующие сегодня.
Например, первая экспериментальная модель нейронной сети была основана на самой распространенной схеме устройства голографической памяти с газоразрядным лазером, дефлектором луча и прямоугольной матрицей голограммы.
Наиболее перспективной методикой создания оптических моделей нейронных систем является та, которая использует возможности технологий интегрированной микро- и оптоэлектроники.
Поэтому рассмотрим в качестве примера оптическую нейронную сеть с голографической памятью на основе полупроводниковых лазерных матриц.
Информация в такой памяти записывается на светочувствительном носителе в виде голограмм (диаметром до 1 мм), собранных в матрицах.
Перед матрицей голограммы расположена матрица полупроводниковых лазеров.
Лазерный луч, проходя через голограмму, разделяется на множество световых лучей, расположение и интенсивность которых зависят от информации, записанной на голограмме.
За матрицей голограммы на определенном расстоянии расположена матрица фотоэлементов, записывающих световые сигналы.
Теперь представьте, что каждый лазер — это выход определенного нейрона.
Его выходной сигнал — луч — расщепляется в голограмме на множество световых связей-лучей, идущих на входы нейронов следующего слоя — фотоэлементов.
Световые соединения различаются по интенсивности весового луча.
Все световые сигналы, идущие к тому или иному нейрону, суммируются фотоэлементом, выходной сигнал которого пропорционален этому суммарному сигналу на входе.
Итак, вход нейрона — фотоэлемент, а выход — лазер плюс голограмма с записанным на ней веером связей этого нейрона со всеми нейронами следующего слоя.
Остается только соединить вход с выходом, поместив между ними пороговый элемент, и мы получим модель нейрона.
Разместим еще один за матрицей фотоэлементов голографической памяти, чтобы сигналы фотоэлементов первой памяти управляли излучением матрицы полупроводниковых лазеров второй.
За ней мы помещаем третье воспоминание и т. д. В результате мы получаем периодическую структуру, эквивалентную последовательности нейронных слоев мозга.
Здесь, как и в мозгу, полученная на входе информация передается из слоя в слой, проходя все более высокие этапы обработки, программа которой определяется только структурой связей, записанных на голограммах.
Плотность этих связей равна плотности записи информации на голограммах и составляет около 104 связей на 1 мм2. Чтобы изменить систему связей, достаточно заменить блок голограмм на другой.
Даже мозг, созданный природой, не обладает таким техническим преимуществом.
Правда, у него есть еще одно преимущество.
Все межнейронные связи головного мозга гибкие; они могут меняться по мере обучения и накопления человеком жизненного опыта.
Оптический мозг тренируется заранее, все его знания содержатся в сменных блоках голограмм, в записанных на них структурах синтетических связей.
Если поставить задачу создать полный аналог человеческого мозга, то такие различия, конечно, являются недостатком.
Если иметь в виду технические применения искусственных нейронных систем, например в робототехнике, где требуется возможность массового производства и быстрого изменения программы поведения робота, то эти различия становятся преимуществом.
Описываемая система имеет еще одно преимущество - модульность конструкции, модуль представляет собой голографический блок памяти.
Рассмотрим возможные параметры такого модуля.
Плотность соединений, записанных на голограммах, может достигать 10 000 соединений на квадратный сантиметр.
Это значит, что на пластинке площадью 1 см2 можно записать 1000 голограмм, каждая из которых имеет 1000 связей, соединяющих 1000 выходов нейронов одного слоя с 1000 входами нейронов следующего слоя.
Возможности современной техники позволяют изготовить матрицу из 1000 лазеров на площади 1 см2. А матрица из 10 фотоэлементов на площади 1 см2 уже прошла этап современной интегрированной технологии.
Задача облегчается тем, что ни лазерные матрицы, ни матрицы фотоэлементов не имеют внешних электрических соединений, за исключением, конечно, силовых.
Следовательно, рассматриваемый модуль, назовем его оптонейронным, эквивалентен слою из тысяч нейронов с миллионом межнейронных связей, содержит матрицу из тысяч полупроводниковых лазеров, матрицу из тысяч фотоэлементов и имеет форму куба с сторона 1 см.
Время срабатывания элементов модуля составляет не более 10^-6 с, а количество его элементов примерно соответствует числу нейронов в одном слое нейронного модуля коры головного мозга.
Модули, как и кубы, можно использовать для создания сложных нейронных структур.
Попробуем оценить размер модели оптонейронного мозга, содержащей 5•10^10 нейронов и 5•10^13 межнейронных связей.
Для построения такого оптического мозга понадобится 5*10^7 модулей по тысяче нейронов общим объёмом 50 м².
Объем современных ВМ со всем оборудованием примерно одинаковый.
Конечно, по сравнению с человеческим мозгом, объем которого составляет около 1,5 литров, оптический мозг проигрывает примерно в 30 000 раз.
Но нельзя забывать, что по скорости элементов, а значит и по вычислительной мощности, он превосходит человеческий мозг в 10^4 - 10^5 раз.
Давайте теперь рассмотрим другую проблему.
Недостаточно создать оптический мозг.
Чтобы вдохнуть в него жизнь, нужно наполнить его информативностью – определить структуру световых связей.
Тогда оптический мозг оживет и выполнит ту работу, которая определяется характером его связей: или переводит с русского на английский, или управляет космическим кораблем, или анализирует зрительные образы и т. д. Но определить структуру мозговых связей – это гораздо важнее.
сложнее, чем создать сам искусственный мозг.
Здесь есть прямая аналогия с компьютерными технологиями: стоимость программного обеспечения ВМ в несколько раз превышает стоимость самой машины.
Существует два основных способа создания алгоритмов обработки информации в искусственных нейронных системах.
Первый требует изучения принципов и схем обработки информации в мозге нейрофизиологическими методами.
Такая работа активно ведется.
Примером может служить исследование принципов обработки зрительной информации в мозге, проведенное американскими учёными Д.
Хьюбелом и Т.
Визелем, удостоенными Нобелевской премии по медицине в 1981 году.
Другой путь — аналитический вывод алгоритмов, моделирующих отдельные функции мозга.
К наиболее простым из таких алгоритмов относятся, например, алгоритмы поиска информации по ключевым словам, используемые в большинстве существующих информационно-поисковых систем.
Рассмотрим вариант алгоритма, разработанный и практически реализованный в оптоневральной системе распознавания поисковых изображений документов.
Несмотря на свою простоту, этот алгоритм во многом напоминает интеллектуальные операции, выполняемые человеком при поиске информации.
Представьте, что вы ищете в каталоге библиотеки литературу по определенному запросу, например: «Проектирование транзисторных радиоприемников».
Посмотрим, как ты сработаешься.
Прежде всего, конечно, вы читаете текст запроса и в процессе чтения превращаете последовательности букв в слова, обозначающие понятия.
Это первый этап обработки информации.
Затем вы запоминаете слова, близкие по смыслу.
В результате в вашем сознании закрепляются не только слова запроса, но и многие другие слова и понятия, связанные с ними.
Например, если, просматривая каталог, вы встретите карточку книги «Разработка портативной радиоаппаратуры», то, хотя в этой карточке есть слова, отличные от тех, что в запросе, вы отложите ее в сторону, потому что слово «разработка» ассоциируется с «проектированием», слово «портативный» означает, скорее всего, что оборудование «транзисторное» и т. д. Итак, обогащение запросов — это второй этап обработки информации, на котором используются ваши знания по теме.
.
И, наконец, третий этап обработки — оценка смыслового сходства содержания карточек каталога и запроса.
Мы проанализировали процесс поиска информации человеком и выделили в нем три основных этапа.
Теперь попробуем на основе этого анализа разработать структуру нейронной системы поиска информации.
Запишем схему обработки информации: буквы – слова – связанный набор слов – карточки с адресами книг.
Четыре формы информации и три этапа обработки при переходе от одной формы к другой.
В нейронных системах информация преобразуется при переходе от слоя к слою.
Это означает, что наша оптонейронная система должна содержать четыре нейронных слоя и три матрицы голограмм с межнейронными связями, заполняющими три межслоевых пространства.
Первый слой – буквы.
Каждому нейрону первого слоя соответствует определенная буква алфавита (с учетом ее места в слове).
Второй слой – слова.
Каждому нейрону второго слоя соответствует определенное слово из используемого словаря.
Третий слой – это тоже слова.
И, наконец, четвертый слой – объекты поиска – карточки каталога.
Каждому нейрону четвертого слоя соответствует определенная карточка каталога.
Теперь давайте посмотрим на межнейронные связи.
Сначала соединения первого и второго слоев.
Нейрон второго слоя соединяется с нейроном первого слоя, если соответствующая буква входит в соответствующее слово.
Оптические связи второго и третьего слоев являются отражением ассоциативных связей между словами в мозгу человека.
Если между двумя словами имеется ассоциативная связь, то соответствующий нейрон второго слоя соединяется легкой связью определенной интенсивности с соответствующим нейроном третьего слоя.
Третий набор связей между словами и объектами поиска отражает набор ключевых слов, содержащихся в карточках.
Если карта содержит ключевое слово, то ее нейрон в третьем слое соединяется световым лучом с нейроном этой карты в четвертом слое.
Записывая голограммы с межнейронными связями, мы тем самым вводили необходимую информацию в память системы.
Теперь давайте посмотрим, как это работает. При вводе букв, составляющих слова запроса, возбуждаются соответствующие нейроны первого слоя.
При этом включаются лазеры, расположенные на выходе этих нейронов.
Голограммы расщепляют лазерное излучение на множество лучей, которые поступают на входы нейронов второго слоя в соответствии со схемой межнейронного соединения.
Он возбуждает нейроны, на входы которых поступает суммарный сигнал, превышающий порог срабатывания нейрона.
Ансамбль возбужденных нейронов второго слоя соответствует набору слов-запросов.
Световые связи нейронов этого слоя достигают нейронов третьего слоя и также возбуждают некоторую их часть.
Ансамбль возбужденных нейронов третьего слоя соответствует ассоциированному набору слов, а ансамбль возбужденных нейронов четвертого слоя соответствует карточкам каталога, отвечающим на запрос.
Лазеры, включенные на выходе нейронов этого слоя, указывают на найденные карты.
Давайте сравним возможности современных компьютерных технологий, человеческого мозга и оптического мозга.
Сравнение мы проведем по двум ключевым параметрам: скорости обработки информации и объему памяти.
Для ВМ, использующих механизм цифровой обработки информации, эти параметры определяются количеством арифметических операций в секунду и объемом памяти в битах.
Для мозга, работающего по другим принципам, эти параметры не определены.
Поэтому будем считать, что вычислительная мощность мозга равна мощности ЭВМ, необходимой для моделирования его работы, а объем памяти равен бинарной памяти ЭВМ, в которой он находится.
можно записывать информацию, хранящуюся в нейронных связях мозга.
Это тем более естественно, что основным инструментом моделирования нейронных систем сейчас являются компьютерные технологии.
В памяти машины записываются конечный и начальный адрес каждой связи между нейронами, ее вес, пороги возбуждения нейронов и т.д. Сигнал на выходе канала связи равен произведению входного сигнала на коэффициент передачи канала.
Поэтому при передаче сигнала по межнейронной связи выполняется одна операция аналогового умножения.
Затем сигнал суммируется с остальным на входе нейрона.
Это означает, что на каждый акт прохождения сигнала через межнейронную связь приходится одна аналоговая операция умножения и одна операция сложения.
Число операций сложения и умножения, одновременно выполняемых в мозгу при работе всего мозга, равно числу его межнейронных связей, а общая вычислительная мощность мозга равна числу межнейронных связей, умноженному на повторение сигнала.
частота.
При моделировании работы мозга на МВМ все эти операции выполняются в цифровом виде.
Требуемая для этого мощность ВМ не меньше вычислительной мощности мозга.
Если предположить, что количество межнейронных связей в мозге равно 10^14, а частота повторения сигнала — 100 с^-1, то эквивалентная вычислительная мощность мозга составит 10^16 операций в секунду.
Объем памяти определяется разрядностью двоичных чисел, кодирующих адреса ссылок, и общим количеством ссылок.
При 10^14 соединениях ширина адреса начала и конца каждого соединения будет порядка 50 двоичных цифр, а общий размер памяти составит 10^16 бит. Вычислительная мощность искусственного мозга, построенного из оптоэлектронных модулей с частотой сигнала не менее 10^6 с-1: примерно 10^20 операций в секунду.
Обычная вычислительная мощность виртуальной машины составляет около 10^9 операций в секунду.
Между значениями 10^9 и 10^20 операций в секунду существует не только количественная разница, но огромный качественный скачок в технике и технологии обработки информации.
Для реализации созданных природой параллельных алгоритмов обработки информации требуются принципиально иные технические средства, в сотни миллионов раз более мощные, чем существующие.
Идея создания оптического мозга отвечает именно этим требованиям.
Почему оптический? Потому что голография и оптоэлектроника на сегодняшний день являются единственными реальными средствами моделирования сложных пространственных структур межнейронных связей в мозге.
А еще потому, что создание оптического мозга – это возможности не завтрашнего дня, а современных технологий и технологий.
Теги: #искусственный интеллект #голография #ретро #Чулан
-
Получайте Доход, Используя Оплату За Клик
19 Oct, 24 -
Тимлид, Или Туда И Обратно
19 Oct, 24 -
Когда Закончится Ipv4?
19 Oct, 24
