Изот Литинецкий - Беседы о бионике

Все эти сведения об устройстве и функциях нейрона были собраны нейрофизиологами путем экспериментов, которые трудно назвать даже ювелирными — они значительно тоньше. Исследования электрической стороны деятельности нейронов, которая так интересует инженеров, проводились с помощью микроэлектродов. О них мы рассказывали в беседе "Зрячие машины". Ученым удалось просмотреть на осциллографе все электрические процессы, происходящие в живых нервных клетках, проанализировать связи, существующие между ними, записать электрические "голоса" работающих нейронов на магнитофонную ленту и т. д.

Инженеры интерпретировали всю информацию, полученную от нейрофизиологов, таким образом: нейрон с его способностью находиться только в двух состояниях — возбуждения и торможения — представляет собой (упрощенно) биологический вариант двухпозиционного реле — электронного или любого другого. Функционирование нервной системы определяется числом и характером связей между нейронами, а также видом сигналов, поступающих на вход нервных клеток. Все это в совокупности приводит к мысли, что нервную систему можно рассматривать в некотором роде как весьма сложную, высокосовершенную вычислительную машину, имеющую множество чрезвычайно важных преимуществ перед самыми сложными современными системами управления, перед новейшими кибернетическими автоматами. Так, нынешние кибернетические устройства еще очень далеки от человека в своих "способностях" воспринимать информацию в виде рукописного или печатного текста, в виде чертежей, речи, движущихся изображений и т. п. Большинство современных кибернетических систем, как известно, работает по жестким, заранее заданным программам. Нервной же системе свойственны высокая степень самоорганизации, быстрое приспособление к новым ситуациям, к изменению программ своей деятельности и т. д. А если перейти к процессам мышления, памяти, сознания, то перечень "преимуществ" мозга можно значительно расширить; однако и так достаточно ясно, что технике есть чему поучиться у живой природы. И именно поэтому творцы вычислительной техники с таким упорством и настойчивостью ищут новые пути конструирования вычислительных устройств в аналогиях с работой нервной системы живых существ.

При разработке технической модели нейрона, по-видимому, целесообразно принимать во внимание следующее:

1) модель нейрона должна иметь два возможных состояния, соответствующих возбужденному и заторможенному состояниям;

2) схема модели должна иметь множество входов, на которые в различные моменты времени могут поступать сигналы;

3) на входных участках, контактах, или "клеммах", нейрона должна осуществляться задержка сигнала, аналогичная синаптической;

4) реакция модели на входное воздействие должна зависеть от входа, к которому оно прикладывается;

5) результирующее воздействие на тело нейрона определяется суммой воздействий от всех входов (пространственное суммирование) и предысторией, т. е. суммой предшествующих воздействий с учетом затухания их по экспоненциальному закону с некоторой постоянной времени (суммирование во времени);

6) срабатывание (возбуждение) модели нейрона должно происходить лишь в том случае, если результирующее воздействие поступающих (возбуждающих и тормозящих) сигналов превысит пороговый уровень;

7) при срабатывании модели нейрона на выходе должен появляться стандартный сигнал.

Это, так сказать, исходные данные, которые можно рассматривать как техническое задание на проектирование искусственного нейрона. Однако к техническому моделированию нейрона может быть два подхода, и оба они реально существуют сегодня.

Ученые, принадлежащие к одной школе, стремятся создать модели нервных клеток, воспроизводящие по возможности наиболее точно их биологические функции. Цель их работы состоит во всестороннем изучении возможных функций нейронов, связанных с обработкой информации, и еще более глубоком уяснении действия биологических систем. Примером модели, сконструированной по этому принципу, может служить нейромим американского инженера Хармона. В его модели возбуждающие входы и один тормозящий связаны в интегрирующую цепь с пространственно-временным суммированием с постоянной т, равной 0,46 — 1,2 мсек (в зависимости от конфигурации возбуждений входных цепей). При возбуждении нейрона создается импульс в соответствии с принципом "все или ничего". Во время формирования импульса и в течение еще примерно 1 мсек порог возрастает и элемент находится в фазе абсолютной рефрактерности; далее следует фаза относительной рефрактерности, в течение которой пороговый уровень спадает по экспоненте до нормального своего значения. Синаптическая задержка в модели Хармона, равная 0,1 — 1 мсек, определяется частотой возбуждения. Синаптический переход и процесс суммации моделируются соответствующими цепями RC. Выбранные здесь параметры хорошо отражают временные характеристики двигательного нейрона.

Рис. 3. Принципиальная электрическая схема искусственного нейрона, разработанная в Институте кибернетики АН УССР

На рис. 3 приведена принципиальная электрическая схема искусственного нейрона, разработанная в Институте кибернетики АН УССР и предназначенная для использования в нейронных сетях. Здесь также осуществляется пространственное и временное суммирование, имеются периоды абсолютной и относительной рефрактерное. Отдельный вход торможения отсутствует, а на базу транзистора Т 1через сопротивления R 1R 2, ..., R nподаются положительные импульсы, которые алгебраически складываются с импульсами возбуждения. Когда напряжение на емкости С 1, обусловленное входными сигналами, достигает уровня, равного или превышающего пороговый (Uc 1≥ 0 порог), транзистор Т 1открывается и релаксатор, собранный на Т 2, Т 3по схеме Муди-Флорида, вырабатывает отрицательный импульс. Эмиттерный повторитель Т 5подает его на выход возбуждения. Инвертор Т 6и повторитель T 7формируют тормозящий сигнал. Применение эмиттерных повторителей обеспечивает большой коэффициент логического разветвления схемы. Амплитуда, длительность и крутизна выходных импульсов модели нейрона постоянны и не зависят от частоты и амплитуды входных импульсов. При необходимости все эти параметры можно изменить.

При втором, бионическом, подходе, преследующем цель создания высокосовершенных кибернетических устройств, ученые стремятся строить модели, способные воспроизводить гибкие логические функции нейрона и применимые в устройствах технической кибернетики. Эти модели, естественно, должны быть лишены ряда "недостатков", присущих (с инженерной точки зрения) живым нервным клеткам. Так, например, моделирование такого явления, как пониженная возбудимость в течение относительно длительного периода, необходимого для отдыха и пополнения запаса энергии, израсходованного при возбуждении нейрона, может сказаться на быстродействии кибернетического устройства, что в ряде случаев крайне нежелательно.