Изот Литинецкий - Беседы о бионике

В заключение нашего краткого обзора моделей искусственных нейронов различного типа рассмотрим электрохимический элемент памяти, так называемый мемистор. Один из вариантов мемистора показан на рис. 11. Входное воздействие преобразуется в постоянный ток, цепь которого замыкается через центральный электрод 1, электролит 2 и кольцевой электрод 3. Электролитом обычно служит раствор медного купороса. Прохождение через него постоянного тока вызывает осаждение (или снятие) на электроде 1 слоя меди, что и изменяет его электрическую проводимость. При изменении анодного тока на несколько миллиампер сопротивление мемистора за 10 сек плавно изменяется от 100 до 1 ом. Измеряют это сопротивление на переменном токе, чем исключается влияние сигнала считывания на процессы электролиза, происходящие в элементе. Вследствие малого разброса параметров мемисторов обеспечивается возможность создания большого количества запоминающих уровней. Из таких элементов построены, например, самоприспосабливающиеся нейроны, служащие запоминающими элементами в адаптивных системах с обучением.

Рис. 11. Электрохимический аналог нейрона — мемистор

Итак, сегодня уже не приходится сомневаться, что создание достаточно совершенного, дешевого и миниатюрного аналога нейрона откроет широкие возможности для построения различных обучающихся, самопрограммирующихся, самоорганизующихся, самонастраивающихся, самоприспосабливающихся систем, т. е. систем, обладающих свойством автоматически изменять свои параметры в соответствии с изменением внешних условий. Такие системы, как указывает академик В. А. Трапезников, — "это близкое завтра автоматики и, несомненно, следующая, более высокая ступень прогресса человеческого общества".

Необходимость создания самонастраивающихся и самоорганизующихся систем ныне возникает в самых разнообразных областях техники. Такие системы должны обеспечить наибольшую эффективность работы управляемого объекта в существенно изменяющихся условиях. Это положение распространяется на объекты, действующие непрерывно, периодически и спорадически. Однако наибольшее значение в современных условиях имеет проблема использования самонастраивающихся систем для управления непрерывными процессами. Такими системами можно, например, воспользоваться для полной автоматизации управления рядом химических производств, доменным процессом, прокатом металла, сваркой труб и т. п.

Самонастраивающиеся системы дают возможность не только автоматизировать управление сложными производственными процессами, не только автоматически отыскивать наивыгоднейший режим работы той или иной установки и поддерживать его в дальнейшем. Добавление к самонастраивающейся системе емкой "памяти" позволит создавать самообучающиеся системы, способные определять наивыгоднейший режим не только путем поиска, но и путем ассоциации, т. е. ориентируясь на условия, которые существовали в прошлом.

Оценивая степень эффективности приемов управления, отбрасывая менее эффективные и запоминая более эффективные приемы, такие системы смогут непрерывно совершенствовать их и благодаря этому весьма оперативно и эффективно управлять течением процессов в изменяющихся условиях. Для тех случаев, когда структуру систем нельзя определить заранее, можно представить себе такие системы управления, которые сами будут выбирать необходимые источники информации, способы ее обработки и направление воздействий. Подобные устройства уже будут являться самоорганизующимися системами управления.

Хотя разработка аналогов нейрона началась совсем недавно, уже сейчас можно указать ряд практических задач, которые решаются на основе имитации некоторых свойств естественного нейрона. Так, например, разработан адаптивный, или самоприспосабливающийся, фильтр для выделения на фоне шумов сигналов произвольной формы, когда заранее неизвестно, есть ли сигнал на входе приемной системы. В отличие от обычного фильтра, пропускающего сигналы с заранее известными, определенными признаками (длительность импульсов, частота повторения, отношение сигнал/шум), адаптивный фильтр пропускает сигналы с различными параметрами.

Принцип действия адаптивного фильтра основан на быстрой автоматической подстройке фильтра на форму приходящего сигнала путем непрерывного сравнения сигнала заданной формы с сигналом, поступающим на вход. Наиболее частое совпадение признаков сигналов свидетельствует о полезном сигнале в запоминающем устройстве. После некоторого времени приспособления (порядка нескольких секунд) в памяти формируется точная форма приходящего импульса, и фильтр начинает пропускать все импульсы этой формы. После прекращения сигналов информация о его признаках в запоминающем устройстве стирается, фильтр начинает пропускать только шумы. При появлении на входе фильтра сигнала другой формы весь процесс повторяется.

Другая система — "Кибертрон" — способна самостоятельно выбирать оптимальный подход к решению различных задач. Одной из задач может быть, например, диагностирование заболевания по виду электрокардиограмм. Машине предъявляют ленты с графической записью биотоков сердца больного, и она точно ставит диагнозы. "Кибертрон" можно также использовать для оценки метеорологических данных.

На основе элементов с характеристиками нейристоров инженеры создали устройство, воспроизводящее процессы запоминания, опознавания и заучивания. Подобная модель нашла применение в машине В. Тейлора, которая после экспонирования различных предметов, например букв, узнавала их при повторной демонстрации. На элементах MIND собран прибор, успешно выполняющий логическую функцию опознавания многочисленных вариантов входных рисунков, составленных из нескольких информационных сигналов.

По заданию ВВС США ряд американских фирм ведет разработки так называемых "познающих" машин на артронах. В электронной машине, созданной одной американской фирмой, пути прохождения сигнала между воспринимающими чувствительными элементами и артронами, а также между отдельными артронами изменяются по случайному закону до тех пор, пока не будут выбраны оптимальные пути. Когда машина приступает к решению новой задачи, она, несмотря на предыдущее "обучение", возвращается в первоначальное состояние, характеризующееся случайными путями прохождения сигнала. Возможность "обучения" обеспечивается наличием четырех быстродействующих переключателей в соединительных цепях логических схем каждого артрона с его выходом.