нейробудущее

ШЕСТОЙ (6TH@MAIL.RU)

Хакер, номер #074, стр. 078

ВСЕ О НЕЙРОННЫХ КОМПЬЮТЕРАХ

ПРИСТАВКА «НЕЙРО-» НЫНЧЕ В МОДЕ. ТУТ ТЕБЕ И НЕЙРОХИРУРГИ, И НЕЙРОННЫЕ СЕТИ, И НЕЙРО-ЛИНГВИСТИЧЕСКОЕ ПРОГРАММИРОВАНИЕ - ОДНИМ СЛОВОМ, МНОГО ЧЕГО. НО СПРОСИ У ДЕСЯТКА ЧЕЛОВЕК, ЧТО ТАКОЕ НЕЙРОКОМПЬЮТЕР – ПОЛУЧИШЬ ДЕСЯТЬ РАЗНЫХ ОТВЕТОВ. ПО-МОЕМУ, ПРИШЛО ВРЕМЯ РАЗОБРАТЬСЯ С ЭТИМ ПОНЯТИЕМ

Прежде чем начать, давай сразу определимся, что такое нейрокомпьютер. Из самого названия понятно, что речь идет о чем-то связанном с нейронами, причем это что-то умеет, как минимум, выполнять четыре арифметических действия. Но дело в том, что нейроны могут быть настоящими, а могут – искусственными, так что за словом «нейрокомпьютер» скрываются два абсолютно разных понятия. Первое из них – так называемый wetware computer, компьютер, состоящий из живых нейронов, точно таких же, какие работают в твоем мозге, когда ты читаешь эту статью. Второе – обыкновенный с виду компьютер, принцип действия которого основан на нейронных сетях. Мы рассмотрим оба вида.

[неискусственный искусственный интеллект.]

Все началось с того, что доктор Уильям Дитто понял причину неудач, преследующих IT-индустрию в области разработок по созданию искусственного интеллекта.

Идея профессора была проста и элегантна – создать искусственный интеллект из неискусственных, то есть органических элементов. К чему тратить время и деньги, пытаясь уменьшить размер транзистора, когда природа щедро снабдила всех нас мощнейшими вычислительными машинами из всех когда-либо созданных? Будучи человеком трезвого ума, Дитто не стал сразу же пытаться собрать из кусочков мозг живого человека, а ограничился пиявками. Как объяснил сам доктор, нервные клетки у пиявок просто замечательные – большие, с хорошо известной структурой, к тому же легко обучаются. Соединив два нейрона, профессору удалось заставить их складывать небольшие числа. Результаты пока более чем скромные, но сам факт успешного обучения нейронной сети, основанной на живых нервных клетках, открывает огромные перспективы.

Традиционные компьютеры основаны на четкой бинарной логике и позволяют найти решение поставленной задачи лишь в том случае, когда заданы все исходные данные и связи между ними. Механизм самоорганизации живых нейронов, возможно, поможет сделать большой шаг к успешной реализации искусственного интеллекта, так как позволит биокомпьютеру находить решение задачи, основываясь на неполных данных – то есть в точности так, как работает наш с тобой мозг. А команда Дитто уже учит свой «пиявочный мозг» умножению, так что не за горами тот день, когда в названия типа SoundBlaster Live будет вкладываться несколько иной смысл :).

[история.]

Второй вариант прочтения термина «нейрокомпьютер» – компьютер, поддерживающий реализацию нейронных сетей на уровне архитектуры. Прежде чем продолжать, было бы неплохо разобраться в самих ИНС – искусственных нейронных сетях. Чем мы и займемся. Удивительно, но история искусственных нейронных сетей насчитывает больше ста лет. Еще в конце 19-го века, пытаясь разобраться в базовых принципах человеческого мышления, некоторые ученые высказывали идеи, поразительно напоминающие современные представления о НС. Начало серьезных исследований в области нейронных сетей связано с именами Фридриха Хайека и Дональда Хэбба, которые первыми выдвинули теорию обучения человеческого мозга, как процесса формирования связей между нейронами. О зарождении технологии искусственных НС можно говорить начиная с 1943 года, когда нейрофизиолог Уоррен Маккалох и математик Уолтер Питтс опубликовали статью, описывающую простейшую модель электронного нейрона. Открывающиеся перспективы будоражили воображение, и исследования пошли полным ходом. В 1957 году Франк Розенблатт разработал принципиальную схему искусственного нейрона, названную перцептроном, и предложил правила обучения сети, составленной из подобных элементов. В 1969 году небезызвестный (надеюсь) Марвин Минский публикует разгромную книгу «Перцептроны», которая камня на камне не оставляет от надежд, возлагаемых на нейронные сети.

Минский строго доказывает ограниченность класса задач, решаемых перцептронами, приводя в пример функцию XOR, которой такая сеть неспособна обучиться в принципе. Восторги утихают, и область ИНС отправляется на задворки науки. Но энтузиасты продолжают работать.

В 1975 году Кунихико Фукушима представляет ученому миру когнитрон – первую многослойную нейронную сеть, лишенную большинства недостатков перцептрона. Былые надежды обретают новую жизнь. Эстафету подхватил Джон Хопфилд, в 1982 году разработав сеть, позволяющую передавать сигналы в обоих направлениях, тогда как до этого момента движение импульса в сети было исключительно односторонним. И, наконец, в середине восьмидесятых скептики были безжалостно уничтожены кованым сапогом параллельных вычислений (1985) и железной перчаткой сетей с обратным распространением ошибки (1986). В настоящее время в потенциале нейронных сетей не сомневается уже никто. Возможно, эта технология и не приведет нас к созданию искусственного интеллекта, но то, что разработки, включающие в себя НС, используются сегодня практически во всех областях – от постановки диагноза и распознавания речи, до предсказания погоды и наведения ракет – неоспоримый факт.

[нейронные сети за 21 минуту.]

Не знаю, как тебя, а меня всегда умиляли книжки с заголовками вроде «Visual C за 21 день», «Освой ядерную физику за 24 часа», «Биополимерный синтез для чайников» и пр. Это из серии «Как заработать миллион за один день? Как скинуть 10 кг за час?» – читайте это и многое другое в нашем замечательном журнале «А черт его знает». Так что не надейся, эксперт по нейронным сетям из тебя если и получится, то уж точно не сразу после прочтения этой статьи :). Но раобраться с основами вполне реально. Начнем - в лучших традициях учебников по НС – с рассмотрения нейрона биологического, то есть живого. Если бы «СПЕЦ» был нейрофизиологическим журналом (ах, мечты, мечты!), простейшая схема нейрона выглядела бы как на схеме «Структура нейрона».

Но для наших с тобой нужд вполне хватит и упрощенного варианта (см. схему «Упрощенная версия»).

Если не вдаваться в подробности, взаимодействие нейронов в нашем мозге протекает довольно просто: тело нейрона отправляет импульсы по аксону (см. рисунок) и получает сигналы других нейронов посредством дендритов. Области соединения – синапсы – могут ослаблять или усиливать передаваемый сигнал, причем величина коэффициента изменения в процессе обучения непостоянна, что позволяет нейронной сети сохранять информацию о предыдущих состояниях. То есть чем большее количество раз ты выполняешь какое-то действие, тем более «проторенной» становится дорожка между нейронами, и, соответственно, тем более легким для тебя становится выполнение этого действия. Все просто :). Нейрон же искусственный устроен еще проще:

Выглядит сложно, но, поверь, работает эта штука очень просто. На вход нейрона подаются сигналы x(1)…x(n), каждый из которых умножается на соответствующее значение w(i) – так называемый вес синапса. Уже умноженные сигналы складываются в сумматоре, к ним по желанию добавляется смещение b, и получившийся сигнал отправляется на вход передаточной функции. Суть передаточной функции или, как ее еще называют, функции активации, заключается в некотором преобразовании полученной суммы s в окончательный выход нейрона y. Подходящих функций существует много, одни используются чаще, другие – реже. Например, пороговая функция смотрит, превысило ли s определенный порог (отсюда и название), и пока s меньше этого значения, на выход нейрона идет ноль. А линейная функция выполняет очень сложное преобразование вида y=s, то есть вообще ничего не меняет :). Вот этот маленький элемент и представляет собой основу всемогущих нейронных сетей. Если биологическая нейронная сеть выглядит примерно как на схеме «Нейронная сеть мыши», то сеть искусственную обычно рисуют в виде соответствующей картинки :) («Искусственная нейронная сеть»).

Процесс обучения ИНС начинается с создания обучающей выборки. Скажем, необходимо научить сеть выполнять операцию сложения. На входы сети подаются числа 1 и 2. Сеть прогоняет эти сигналы по всем своим нейронам и выдает ответ – 100! Мягко указываем на верный ответ: 1+2=3. В ответ сеть немного изменяет коэффициенты изменения сигнала. Кстати, изначально веса синапсов задаются случайным образом. Даем сети числа 2 и 3, получаем ответ – 500 :). Указываем правильный вариант – 2+3=5, и сеть снова немного подстраивает веса. Прежде чем сеть начнет давать верные ответы, может понадобиться сотня, тысяча, а то десяток тысяч повторений. Зато потом наша ИНС будет щелкать подобные задачи как орешки. Нет большого смысла учить сеть складывать числа, но давай вспомним всем известный FineReader. Принцип его работы в точности такой же: на вход сети поступают различные варианты написания буквы до тех пор, пока сеть не научится отличать эту букву от всех остальных. Вооружившись этими знаниями, можно, наконец, приступать к сердцу темы – нейрокомпьютерам.

[нейрокомпьютеры.]

Разумеется, нейронную сеть можно реализовать на обычном компьютере, из тех, что стоят на твоем и моем столе. Несложно написать структуру сети, чуть сложнее написать алгоритм обучения, но задача, в принципе, тривиальная. Для чего же тогда проектировать дорогостоящие нейропроцессоры? В 1966 году Майкл Флинн предложил классифицировать вычислительные системы по тому, каким количеством данных может оперировать процессор, обрабатывая одну команду. По Флинну, существует четыре типа компьютеров:

1 SISD – SINGLE INSTRUCTION SINGLE DATA – ОДНА ИНСТРУКЦИЯ – ОДИН ЭЛЕМЕНТ ДАННЫХ. К ЭТОМУ КЛАССУ ОТНОСЯТСЯ СИСТЕМЫ, В КОТОРЫХ ОДНА ИНСТРУКЦИЯ ПОЗВОЛЯЕТ РАБОТАТЬ ТОЛЬКО С ОДНИМ ЭЛЕМЕНТОМ ДАННЫХ, ХРАНЯЩИМСЯ В ПАМЯТИ. ПРИНЦИП ПОЛНОСТЬЮ ОТВЕЧАЕТ ФОН НЕЙМАНОВСКОЙ ПАРАДИГМЕ, И НАШИ С ТОБОЙ КОМПЬЮТЕРЫ (НУ, МОЙ ТОЧНО) ЯВЛЯЮТСЯ ИМЕННО SISD-МАШИНАМИ.

2 MISD – MULTIPLE INSTRUCTION SINGLE DATA – МНОГО ИНСТРУКЦИЙ – ОДИН ЭЛЕМЕНТ ДАННЫХ. ЭТО ПРИМЕР АРХИТЕКТУРЫ ПАРАЛЛЕЛЬНЫХ ВЫЧИСЛЕНИЙ, КОГДА МНОЖЕСТВО ПРОЦЕССОРОВ ВЫПОЛНЯЮТ РАЗЛИЧНЫЕ ОПЕРАЦИИ НАД ОДНИМИ И ТЕМИ ЖЕ ДАННЫМИ. МАШИНЫ ТАКОГО ТИПА ЧРЕЗВЫЧАЙНО РЕДКИ, ТАК КАК ПРАКТИЧЕСКИ БЕСПОЛЕЗНЫ.

3 SIMD – SINGLE INSTRUCTION, MULTIPLE DATA - ОДНА ИНСТРУКЦИЯ - МНОГО ДАННЫХ. ЭТО ТАК НАЗЫВАЕМЫЕ ВЕКТОРНЫЕ ПРОЦЕССОРЫ, ПОЗВОЛЯЮЩИЕ ОБРАБАТЫВАТЬ ЦЕЛЫЕ МАССИВЫ ДАННЫХ ОДНОЙ КОМАНДОЙ. SIMD-МАШИНЫ ОЧЕНЬ ВОСТРЕБОВАНЫ В ОБЛАСТЯХ, ГДЕ ТРЕБУЮТСЯ ТРУДОЕМКИЕ ВЫЧИСЛЕНИЯ – РАЗНООБРАЗНЫЕ ПРОГНОЗЫ, ЗАДАЧИ РАСПОЗНАВАНИЯ, НЕЙРОННЫЕ СЕТИ. СТОП! НЕЙРОННЫЕ СЕТИ? ДА. ВТОРОЕ НАЗВАНИЕ ВЕКТОРНЫХ ПРОЦЕССОРОВ – НЕЙРОННЫЕ.

4 MIMD – MULTIPLE INSTRUCTION MULTIPLE DATA – МНОГО ИНСТРУКЦИЙ, МНОГО ДАННЫХ. МАШИНЫ ЭТОГО КЛАССА ЛЕГКО ПРЕДСТАВИТЬ НА ПРИМЕРЕ ИНТЕРНЕТА, КАК СОВОКУПНОСТИ ЛОКАЛЬНЫХ СЕТЕЙ, КАЖДАЯ ИЗ КОТОРЫХ ВЫПОЛНЯЕТ СВОЮ ЗАДАЧУ.

Как ты уже понял, мы будем говорить о SIMD-процессорах. Одним из замечательнейших свойств нейронных сетей является их врожденная параллельность – для вычисления значения выхода второго нейрона совсем необязательно знать выход первого. Глупо моделировать параллельную структуру на SISD-процессоре, который физически не приспособлен для такого рода вычислений. SIMD-архитектура же, напротив, словно создана для воплощения наших грез в области нейронных сетей.

Признанными лидерами в области нейрокомпьютерных технологий являются такие гиганты, как Texas Instruments и Motorola.

Обе компании отлично зарекомендовали себя и почивали на лаврах, лишь изредка вздрагивая при слухах о новой разработке их единственных конкурентов - Analog Devices. Во всяком случае, так было до 98-го года, то есть до того момента, пока на рынке не появился еще один «высокопроизводительный специализированный микропроцессор, сочетающий в себе черты двух современных архитектур: VLIW и SIMD». Назывался процессор NM6403. Или Л1879ВМ1. Да - наш, отечественный!

НТЦ «Модуль» знаменит именно благодаря этому детищу, но мало кто знает предысторию его появления. Центр был основан в 1990 году двумя большими предприятиями – НПО «Вымпел» и НИИ Радиоприборостроения. Основной задачей учрежденного НТЦ была разработка нейросетевых алгоритмов, в основном, в области распознавания образов. Сначала для реализации своих идей центр вполне обходился существующими техническими средствами: так, до 96-го года, основной платформой исследований «Модуля» был процессор небезызвестных Texas Instruments - TMS320C40.

Но растущий потенциал НТЦ требовал все новых и новых архитектурных решений, и в 1996 году был запущен проект под кодовым названием NeuroMatrix – проект создания нового, уникального нейропроцессора. Работа завершилась в 1998 году, когда с завода Samsung пришла первая партия процессоров NM6403, изготовленных по проекту российских инженеров. Первые же официальные тесты подтвердили, что работа была проделана не зря - Л1879ВМ1 значительно опережал своих конкурентов по производительности (см. таблицу) и к тому же являлся единственным в мире 64-разрядным DSP-процессором на тот день. При тактовой частоте 40 МГц, в определенных задачах NM6403 оказывался на одном уровне с 500-мегагерцовым Alpha DEC! На базе созданного устройства был изготовлен PCI-модуль MC4, включающий сам процессор и два банка памяти по 2 Мб каждый.

И в завершение в «Модуле» построили специальную версию этой платы - TIM (Texas Instruments Module), выполненную по стандартам TI, как тонкий намек, что с этого момента партнеры меняются ролями :). Ну, до этого, конечно, еще далеко, но зачин весьма успешен.

Разумеется, с конечным продуктом поставляются средства разработки в виде базового программного обеспечения, системных библиотек, компилятора, отладчика и много чего еще. Если ты знаешь ассемблер Интеловских процессоров и немного знаком с параллельными вычислениями, то ассемблер NM6403 покажется довольно простым. Кстати, для того чтобы опробовать NM6403 в деле и начать гордо называть себя нейрокодером, вовсе не обязательно покупать дорогостоящее оборудование. Достаточно скачать эмулятор процессора (см. ссылки), руководство к нему – и вперед!

Разумеется, ребята из «Модуля» не остановились на достигнутом и вскоре разработали следующий экземпляр - 1879ВМ2, он же NM6404. Новый процессор работает на частоте 80 МГц и имеет 2-мегабитное ОЗУ. Системы команд двух братьев полностью совместимы, но при использовании второго разработчики обещают увеличение быстродействия в 2-3 раза.

[зачем?]

Область применения нейропроцессоров впечатляет. Если оставить в стороне решение волноводных уравнений, аддитивную факторизацию и прочие интересные вещи, среди существующих разработок можно отметить следующие:

- ОБРАБОТКА ВИДЕОИЗОБРАЖЕНИЙ. ЭТО И ОХРАННЫЕ СИСТЕМЫ, ОТ КОТОРЫХ ТРЕБУЕТСЯ НЕ ТОЛЬКО ПРОСТАЯ РЕГИСТРАЦИЯ ФАКТА ДВИЖЕНИЯ НА ЭКРАНЕ, НО И ИДЕНТИФИКАЦИЯ САМОГО ДВИЖУЩЕГОСЯ ОБЪЕКТА, И СИСТЕМЫ НАВЕДЕНИЯ РАКЕТ, ОРИЕНТИРУЮЩИХСЯ НА ВИЗУАЛЬНУЮ ЦЕЛЬ, И СИСТЕМЫ КООРДИНАЦИИ АРТИЛЛЕРИЙСКОГО ОГНЯ, А ТАКЖЕ МНОГОЕ ДРУГОЕ. НАПРИМЕР, УЖЕ СУЩЕСТВУЕТ АВТОМАТИЗИРОВАННАЯ СИСТЕМА АНАЛИЗА ТРАНСПОРТНОГО ПОТОКА TRAFFICMONITORC, ПОЗВОЛЯЮЩАЯ ОПРЕДЕЛЯТЬ ТИП И СКОРОСТЬ МЧАЩИХСЯ ПО ТРАССЕ МАШИН.

СЮДА ЖЕ МОЖНО ОТНЕСТИ ЗАДАЧИ СОЗДАНИЯ МАШИННОГО ЗРЕНИЯ – ОДНОЙ ИЗ ОСНОВНЫХ ПРОБЛЕМ РОБОТОТЕХНИКИ.

- ОБРАБОТКА СТАТИЧЕСКИХ ИЗОБРАЖЕНИЙ. ОСНОВНАЯ ЗАДАЧА ЭТОГО НАПРАВЛЕНИЯ – ОБЕСПЕЧИТЬ ВЫСОКОКАЧЕСТВЕННУЮ ОБРАБОТКУ СНИМКОВ, ПОЛУЧАЕМЫХ СО СПУТНИКОВ, НА КОТОРЫХ ИСКОМЫЕ ОБЪЕКТЫ МОГУТ ИМЕТЬ РАЗМЕР В ОДИН-ДВА ПИКСЕЛЯ.

- ОБНАРУЖЕНИЕ АВИАЦИИ. НЕЙРОННЫЕ СЕТИ И СООТВЕТСТВУЮЩИЕ ПРОЦЕССОРЫ ИДЕАЛЬНО ПОДХОДЯТ ДЛЯ РЕШЕНИЯ ЗАДАЧИ ОБНАРУЖЕНИЯ И ИДЕНТИФИКАЦИИ ЛЕТАТЕЛЬНЫХ АППАРАТОВ ПО ИЗДАВАЕМОМУ ИМИ ЗВУКУ.

- СОЗДАНИЕ ТЕПЛОВИЗОРОВ. ПОСТРОЕНИЕ ИЗОБРАЖЕНИЯ В ИНФРАКРАСНОЙ ОБЛАСТИ СПЕКТРА (А ЛЯ «ХИЩНИК») УЖЕ ДАВНО СТАЛО ОБЫДЕННОЙ ЗАДАЧЕЙ, НО УВЕЛИЧЕНИЕ РАЗМЕРОВ МАТРИЦЫ ИЗОБРАЖЕНИЯ СОПРЯЖЕНО С РЕЗКИМ ВОЗРАСТАНИЕМ СЛОЖНОСТИ ОБРАБОТКИ, А ТАК КАК ЭЛЕМЕНТЫ МАТРИЦЫ МОГУТ ОБРАБАТЫВАТЬСЯ ПАРАЛЛЕЛЬНО, НЕЙРОПРОЦЕССОРЫ ОКАЗЫВАЮТСЯ ПОЛЕЗНЫМИ И ЗДЕСЬ.

- КРИПТОГРАФИЯ. ХОРОШИЕ, КРИПТОСТОЙКИЕ МЕХАНИЗМЫ ШИФРОВАНИЯ СУЩЕСТВУЮТ. ЕДИНСТВЕННАЯ ПРОБЛЕМА ЗАКЛЮЧАЕТСЯ В ТОМ, ЧТО ИХ РЕАЛИЗАЦИИ С БОЛЬШИМ РАЗМЕРОМ КЛЮЧА ВЫПОЛНЯЮТСЯ КРАЙНЕ МЕДЛЕННО, ИЗ-ЗА ЧЕГО ПРИХОДИТСЯ ПОЛЬЗОВАТЬСЯ МЕНЕЕ НАДЕЖНЫМИ МЕТОДАМИ ЗАЩИТЫ. АДАПТИРОВАВ АЛГОРИТМЫ ЭТИХ МЕХАНИЗМОВ ДЛЯ ПАРАЛЛЕЛЬНОЙ ОБРАБОТКИ (ОПТИМАЛЬНЫМ ВАРИАНТОМ ЯВЛЯЮТСЯ БЛОЧНЫЕ ШИФРЫ) И ИСПОЛЬЗУЯ ВЕКТОРНЫЕ ПРОЦЕССОРЫ, МОЖНО УМЕНЬШИТЬ ЭФФЕКТИВНОЕ ВРЕМЯ ШИФРОВАНИЯ ВО МНОГО РАЗ. К ЗАДАЧЕ ШИФРОВАНИЯ ИНФОРМАЦИИ ПЛОТНО ПРИМЫКАЕТ ЗАДАЧА ЕЕ КОДИРОВАНИЯ. УЖЕ СУЩЕСТВУЮТ РЕАЛИЗАЦИИ JPEG-ЭНКОДЕРА, ОСНОВАННЫЕ НА НЕЙРОННЫХ ПРОЦЕССОРАХ.

[завтра.]

Шумиха вокруг нейронных сетей и нейрокомпьютеров давно улеглась. Дело Минского живет, и потенциальные возможности НС досконально изучены, а круг задач, доступных нейросистемам, четко очерчен линией строгих доказательств. Ждать невиданных успехов в деле реализации искусственного интеллекта или чего-то подобного от НС пока не приходится. Разве что где-то появится еще один Хопфилд и создаст принципиально новую систему построения или обучения нейросетей. Другими словами, нейронные сети сегодня уже не вызывают былого ажиотажа и не рождают в сердцах ученых несбыточных надежд. А вот надежд «сбыточных» - сколько угодно. Несколько возможностей применения НС в сегодняшней технике мы с тобой уже рассмотрели, но за кадром (или за страницей) осталось огромное количество разработок, так или иначе опирающихся на нейросетевой базис. Природный параллелизм НС делает их очень удобным инструментом для всевозможных вычислительных экспериментов, требующих одновременной обработки данных. Опуская «тривиальные» задачи, такие как прогноз погоды или курса валют, можно отметить интереснейшие отечественные исследования в области НС применительно к модулярной арифметике. Направление, которое в будущем, возможно, позволит создать принципиально новый вид процессора, основанный на непозиционной системе счисления. Не буду забивать тебе голову математикой, давай просто вместе порадуемся за наших ученых. Интересующихся отсылаю к работам И. Я. Акушского, Д. И. Юдицкого и Н. И. Червякова.

[заключение.]

Как ты понимаешь, нейросистемы вовсе не собираются уходить в отставку. В современной науке и технологии четко прослеживается тенденция к слиянию разнородных наук. Проблемы микробиологии решаются методами квантовой физики, программисты занимаются синтезом ДНК (читай статью о ДНК-компьютерах в этом номере), а сложные математические теоремы, оказывается, прекрасно вписываются в нотный стан. То же происходит и с IT. Зная лишь пару языков, уже невозможно называть себя программистом. Эрик Реймонд советует всем желающим стать мастерами кодинга учить Lisp: «Даже если вы никогда не напишете на Лиспе ни строчки, само его изучение сделает вас просветленным человеком и отличным программистом». Сокращение НС очень часто можно встретить рядом с другими двумя буквами – ИИ. Что неудивительно, ведь принцип самоорганизующейся нейронной сети, которая удивительно напоминает ту, что заложена в нашей голове, прямиком выводит на идею создания на ее основе искусственного интеллекта. Я не верю в искусственный интеллект на основе НС (в их нынешнем виде). Но не сетями едиными живем ведь: генетические алгоритмы, нечеткая логика и еще много других интересных технологий, каждая из которых активно развивается. Так что в искусственный интеллект я все-таки верю. Другое дело, что открытие это будет находиться на стыке десятка разных наук и сотни технологий – от теории музыки до алгебры групп, и я думаю, что нейронные сети в этом списке будут занимать не последнее место.

СОВЕТСКИЙ РОБОТ

В 1984 ГОДУ ПО ЗАКАЗУ МИНОБОРОНЫ СССР В ИНСТИТУТЕ КИБЕРНЕТИКИ БЫЛ СОЗДАН РОБОТ ПОД НАЗВАНИЕМ МАВР. НА РОБОТЕ ПЛАНИРОВАЛОСЬ ИССЛЕДОВАТЬ ЭФФЕКТИВНОСТЬ СУЩЕСТВУЮЩИХ АЛГОРИТМОВ АВТОНОМНОГО ДВИЖЕНИЯ В УСЛОВИЯХ ПЕРЕСЕЧЕННОЙ МЕСТНОСТИ. ДОГАДАЙСЯ, ЧЕМ БЫЛ ЭЛЕКТРОННЫЙ МОЗГ РОБОТА? КОНЕЧНО НЕЙРОННОЙ СЕТЬЮ! ПОДРОБНЕЕ О МАВР’Е И СОПУТСТВУЮЩИХ РАЗРАБОТКАХ МОЖНО ПОЧИТАТЬ В ЗАМЕЧАТЕЛЬНОЙ КНИГЕ Н.М. АМОСОВА «НЕЙРОКОМПЬЮТЕРЫ И ИНТЕЛЛЕКТУАЛЬНЫЕ РОБОТЫ».

НЕЙРОННЫЕ КОМПЬЮТЕРЫ В СССР

РАБОТЫ НАД СОЗДАНИЕМ ПОЛНОЦЕННОГО НЕЙРОКОМПЬЮТЕРА, ТО ЕСТЬ КОМПЬЮТЕРА, РЕАЛИЗУЮЩЕГО НЕЙРОННУЮ СЕТЬ НА УРОВНЕ ЖЕЛЕЗА, НАЧАЛИСЬ В СССР С СЕРЕДИНЫ 80-Х ГОДОВ. ПЕРВЫЙ ТАКОЙ КОМПЬЮТЕР БЫЛ РАЗРАБОТАН В 1988 ГОДУ ПОД РУКОВОДСТВОМ Э.М. КУССУЛЯ. БЛАГОДАРЯ ЖЕЛЕЗНОМУ ЗАНАВЕСУ, КАЖДЫЙ ВИНТИК МАШИНЫ И КАЖДЫЙ БАЙТ ПРОГРАММЫ БЫЛИ ОТЕЧЕСТВЕННОГО ПРОИЗВОДСТВА. А В 1992 ГОДУ ПОЯВИЛАСЬ НОВАЯ МОДЕЛЬ, ЭЛЕМЕНТНАЯ БАЗА КОТОРОЙ БЫЛА ПРОИЗВЕДЕНА В ЯПОНИИ ФИРМОЙ WACOM.

Ссылки по теме

ТИП: WWW

www.neuroproject.ru

масса полезной информации по НС и не только

neuroschool.narod.ru

статьи, книги, ссылки – есть все. Рекомендую

www.statsoft.ru/home/textbook/modules/stneunet.html

введение в практическое применение НС

www.orc.ru/~stasson/neurox.html

тут можно скачать пакет NeuroOffice и кучу примеров к нему

www.module.ru

НТЦ «Модуль», хорошая документация по процессорам серии NeuroMatrix + эмулятор

therocker.narod.ru/doc/neuro.htm

базовые принципы НС и нейрокомпьютеров

www.citforum.ru/hardware/neurocomp/index.shtml

серьезное введение в тему

ДЕЛО В ТОМ, ЧТО НЕЙРОНЫ МОГУТ БЫТЬ НАСТОЯЩИМИ, А МОГУТ – ИСКУССТВЕННЫМИ, ТАК ЧТО ЗА СЛОВОМ «НЕЙРОКОМПЬЮТЕР» СКРЫВАЮТСЯ ДВА АБСОЛЮТНО РАЗНЫХ ПОНЯТИЯ

ИДЕЯ ПРОФЕССОРА БЫЛА ПРОСТА И ЭЛЕГАНТНА – СОЗДАТЬ ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ ИЗ НЕИСКУССТВЕННЫХ, ТО ЕСТЬ ОРГАНИЧЕСКИХ ЭЛЕМЕНТОВ

В 1969 ГОДУ НЕБЕЗЫЗВЕСТНЫЙ (НАДЕЮСЬ) МАРВИН МИНСКИЙ ПУБЛИКУЕТ РАЗГРОМНУЮ КНИГУ «ПЕРЦЕПТРОНЫ», КОТОРАЯ КАМНЯ НА КАМНЕ НЕ ОСТАВЛЯЕТ ОТ НАДЕЖД, ВОЗЛАГАЕМЫХ НА НЕЙРОННЫЕ СЕТИ

НЕ ЗНАЮ, КАК ТЕБЯ, А МЕНЯ ВСЕГДА УМИЛЯЛИ КНИЖКИ С ЗАГОЛОВКАМИ ВРОДЕ «VISUAL C ЗА 21 ДЕНЬ», «ОСВОЙ ЯДЕРНУЮ ФИЗИКУ ЗА 24 ЧАСА», «БИОПОЛИМЕРНЫЙ СИНТЕЗ ДЛЯ ЧАЙНИКОВ» И ПРОЧИЕ

ПРИ ТАКТОВОЙ ЧАСТОТЕ 40 МГЦ, В ОПРЕДЕЛЕННЫХ ЗАДАЧАХ ОТЕЧЕСТВЕННЫЙ NM6403 ОКАЗЫВАЕТСЯ НА ОДНОМ УРОВНЕ С 500-МЕГАГЕРЦОВЫМ ALPHA DEC

ЧТОБЫ НАЧАТЬ ГОРДО НАЗЫВАТЬ СЕБЯ НЕЙРОКОДЕРОМ, ВОВСЕ НЕ ОБЯЗАТЕЛЬНО ПОКУПАТЬ ДОРОГОСТОЯЩЕЕ ОБОРУДОВАНИЕ. ДОСТАТОЧНО СКАЧАТЬ ЭМУЛЯТОР ПРОЦЕССОРА (СМ. ССЫЛКИ), РУКОВОДСТВО К НЕМУ – И ВПЕРЕД!