Алексей Редозубов - Мозг напрокат. Как работает человеческое мышление и как создать душу для компьютера

Говорить о мозге и не говорить о нейронах — невозможно. Нейроны — это те клетки-кирпичики, из которых построено само здание мозга. Об устройстве нейрона написано немало трудов, однако многие свойства нейрона до сих пор спорны и остаются загадкой. Здесь, чтобы не перегружать изложение, приведу достаточно обобщенное описание строения нейрона.

Традиционное представление о нейроне выглядит так.

Нервная система и мозг человека состоят из нейронов, соединенных между собой нервными волокнами. Нервные волокна способны передавать электрические импульсы. Все процессы передачи раздражений от нашей кожи, от ушей и глаз к мозгу, процессы мышления и управления действиями — все это реализуется в живом организме в виде передач электрических импульсов между нейронами. Каждый нейрон имеет отростки (нервные волокна) двух типов: дендриты, которыми импульсы принимаются, и единственный аксон, по которому нейрон может передавать импульс. Аксон контактирует с дендритами других нейронов посредством специальных образований — синапсов. Синапсы влияют на силу импульса. Можно считать, что при прохождении через синапс сила импульса меняется в определенное число раз. Это явление принято называть весом синапса. Импульсы, поступившие к нейрону одновременно по нескольким дендритам, суммируются. Если суммарный импульс превышает некоторый порог, нейрон возбуждается, формирует собственный импульс и передает его далее по аксону. Важно отметить, что веса синапсов могут со временем изменяться, а значит, меняется и поведение соответствующего нейрона (Бергер, 2006).

Нейроны делятся на возбуждающие (то есть активирующие разряды других нейронов) и тормозные (препятствующие возбуждению других нейронов).

Рисунок 4. Устройство нейрона

Известно, что головной мозг человека (кора) содержит около 10—15 млрд нейронов. Нейрон коры имеет от 10 до 100 тыс. связей.

Основные типы нейронов представлены на схеме рисунка 5.

Рисунок 5. Классификация типов нейронов в зависимости от степени разветвленности их отростков и функциональной топографии.

Нейроны мозга достаточно сложно устроены и обладают массой способностей, о которых мы здесь не упомянули. Что это за способности и зачем они нужны, станет понятно несколько позже, когда мы подойдем к описанию «главного секрета мозга», к тому как он работает и как нейроны взаимодействуют между собой.

Упрощенное понимание работы нейрона легло в основу компьютерного моделирования процессов, напоминающих работу мозга. Такие модели называются нейронными сетями.

Нейронная сеть — это совокупность моделей нейронов, объединенных между собой большим числом связей. Нейрон имеет связи, по которым к нему поступает информация. Все входы — взвешенные, то есть каждому входу присвоен весовой коэффициент. Сигналы, попадающие на нейрон, суммируются и через функцию входа-выхода подаются на выход нейрона. Топология соединений нейронов зависит от типа сети.

По структуре связей нейронные сети делятся на два больших класса: однослойные и многослойные.

К однослойным относятся так называемая модель Хопфилда и последующие ее модификации, а также сеть, известная под названием «машина Больцмана».

Многослойная сеть имеет входной, выходной и скрытые слои: на входной подается информация, с выходного снимается ответ, скрытые слои участвуют в обработке. Число нейронов во входном и выходном слоях определяется обучающей выборкой (примерами с известным решением) и задается на этапе постановки задачи. А размеры скрытой части, как правило, выбираются «методом проб и ошибок», который зачастую отнимает немало времени и не гарантирует хорошего результата.

Изменяя структуру связей и весовые коэффициенты, можно обучать нейронную сеть решать определенные задачи. Основные задачи, с которыми хорошо справляются нейронные сети,— это задачи классификации или, говоря по-другому, распознавания образов.

Тот нейрон, что используется при компьютерном моделировании нейронных сетей, только отдаленно похож на нейрон головного мозга. Элементы, используемые при моделировании нейронных сетей, принято называть формальными нейронами (Гутчин, и др., 1967).

Как устроен формальный нейрон?

Рисунок 6. Математическая модель одиночного формального нейрона.

На входы нейрона Х (синапсы) подаются сигналы, которые могут быть внешними, а могут быть сигналами с выходов (аксонов) других нейронов. В нормальном состоянии нейрон неактивен, то есть на выходе Y — ноль (нет сигнала). Каждому входу сопоставлен весовой коэффициент W, определяющий «важность этого входа». Если сумма произведений сигналов на входе на весовые коэффициенты превышает некое пороговое значение — нейрон активируется (на выходе — единица) и продолжает быть активным, пока взвешенная сумма входов не опустится ниже порогового значения. В некоторых моделях формальных нейронов изменение выхода происходит скачкообразно, а в некоторых — в соответствии с сигмоидной логистической функцией.

Рисунок 7. Скачкообразное и сигмоидное изменение состояния формального нейрона.

Описанный формальный нейрон — это некая абстрактная конструкция, наделенная перечисленными свойствами, дающая возможность строить нейронные сети, применимые в определенных ситуациях. Еще раз подчеркнем, что такой формальный нейрон очень далек от реального нейрона головного мозга. Можно придумать другие формальные нейроны, обладающие более сложными свойствами,— например способные работать в разных режимах, каждому из которых свойственен свой алгоритм поведения. Более того, можно описать нейрон, одновременно работающий в нескольких режимах, и задать сложное информационное использование его связей. Такие более сложные формальные нейроны могут оказаться удобнее для решения специфических задач или служить иллюстрацией того, как работают реальные нейроны головного мозга.

А теперь посмотрим, как может выглядеть нейронная сеть, решающая задачу распознавания цифр от 0 до 9.