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

 Здесь не изображены отдельные нейроны и их связи. Блоки соответствуют сложным нейронным сетям, стрелками обозначены их взаимодействия. Напомню, что мы рассматриваем не реальный мозг, а «мозг» автомата, построенный на формальных нейронах, способный проиллюстрировать механизмы работы, присущие настоящему мозгу. В предыдущей главе мы описали несколько типов формальных нейронов, и сейчас также будем иметь в виду, что нейронные сети нашего автомата состоят из различных по своим свойствам нейронов.

 У человека всегда присутствует тяга к простому, универсальному объяснению, тяга к созданию универсальной модели. Конечно, применительно к моделированию мозга так же естественно первое желание — обойтись универсальным, простым по своей реализации формальным нейроном. Однако реализация такого подхода быстро приводит к пониманию, что простота нейрона приводит к громоздкости и «некрасивости» итоговых решений. Использование различных по своим функциям нейронов при моделировании мозга вполне естественно. Кстати, это уже оправдано и эволюцией. Так, человеческий мозг содержит несколько десятков различных типов нейронов.

 Многообразие нейронов имеет много аналогий в развитии инженерной мысли. Например, появление транзистора как нового типа электронных устройств не привело к созданию некоего универсального полупроводникового элемента, а наоборот, были созданы сотни специализированных транзисторов, различающихся не только по параметрам, но и по принципам работы.

 Итак.

 1. Вход (внешний). Внешняя среда формирует состояние нейронов входа, у человека за это отвечают органы чувств. Первичная сенсорная информация преобразуется специализированными нейронными сетями к виду, с которым «легче» оперировать. Структура таких сетей генетически предопределена и есть результат естественного отбора.

 Что такое «вид информации, которым легче оперировать», хорошо проследить на примере слуха.

Рисунок 16. Анатомия уха человека.

 Все мы знаем, что звук — это колебания воздуха. Колебания проще всего воспринять в виде значений уровня производимого ими давления в конкретный момент времени. Однако далее оперировать с таким потоком данных крайне неудобно. Гораздо проще что-либо делать, если применить преобразование Фурье и представить информацию о звуке в виде знания о том, какая амплитуда соответствует той или иной частоте звучания. При таком представлении легче выделять «существенную» информацию и проще ее классифицировать.