Вячеслав Широнин когнитивная среда и институциональное развитие


Информационные сети Мозг и распределенное знание



жүктеу 3.74 Mb.
бет7/40
Дата02.04.2019
өлшемі3.74 Mb.
1   2   3   4   5   6   7   8   9   10   ...   40

2.2. Информационные сети




Мозг и распределенное знание


Исходно, когнитивная наука имела задачей создание искусственных вычислительных систем, получивших впоследствии название компьютеров. При этом источником идей для построения компьютеров было знание о естественном устройстве переработки информации, человеческом мозге. Отсюда – не только «компьтероцентричность» когнитивной науки, но и ее «мозгоцентричность». До сегодняшнего дня когнитивная наука гораздо ближе к тем областям знания, которые ориентированы на изучение процессов познания отдельного человека (как психология или нейробиология), чем на обществоведение.

При этом мысль о том, что мозг человека – это extended mind31, что он в своем познании вписан в окружающий мир и опирается на взаимодействие с другими людьми и вещной реальностью – эта мысль, безусловно, в исследованиях присутствует. Однако такая внешняя среда рассматривается прежде всего именно как расширение индивидуального мозга, как поддерживающая его инфраструктура.

В общественных науках фокус размышлений размещается иначе. Как уже говорилось, начиная с Адама Смита, экономисты подчеркивали значение специализации и распределения знания между людьми. Таким образом, исследование информационных сетей в когнитивной науке ориентировано на несколько иные проблемы, чем эта книга. Тем не менее, полученные там результаты будут нам в высшей степени полезны.


«Классическая» когнитивная наука и машина Тьюринга


В когнитивной науке выделяют два направления. Одно из них принято называть «классическим», другое – коннекционистским (connectionist – от слова connection, соединение).

Классическое направление имеет дело с переработкой информации в символической форме. В сущности, мы говорили об этом, рассматривая знаковые системы. Всё же понятие знаковой системы традиционно не является исходным. Введение в когнитивную науку обычно начинают с описания алгоритма и машины Тьюринга. Нам это понятие тоже будет полезно немного позже.


Машина Тьюринга — абстрактный исполнитель (абстрактная вычислительная машина). Была предложена Аланом Тьюрингом в 1936 году для формализации понятия алгоритма.


Рис. 5. Машина Тьюринга32

В состав машины Тьюринга входит бесконечная в обе стороны лента (возможны машины Тьюринга, которые имеют несколько бесконечных лент), разделённая на ячейки, и управляющее устройство, способное находиться в одном из множества состояний. Число возможных состояний управляющего устройства конечно и точно задано.


Управляющее устройство может перемещаться влево и вправо по ленте, читать и записывать в ячейки символы некоторого конечного алфавита. Выделяется особый пустой символ, заполняющий все клетки ленты, кроме тех из них (конечного числа), на которых записаны входные данные.
Управляющее устройство работает согласно правилам перехода, которые представляют алгоритм, реализуемый данной машиной Тьюринга. Каждое правило перехода предписывает машине, в зависимости от текущего состояния и наблюдаемого в текущей клетке символа, записать в эту клетку новый символ, перейти в новое состояние и переместиться на одну клетку влево или вправо. Некоторые состояния машины Тьюринга могут быть помечены как терминальные, и переход в любое из них означает конец работы, остановку алгоритма33.
Так называемый тезис Чёрча гласит, что любой алгоритм, т.е. заранее заданную точную инструкцию для выполнения определенных действий, можно реализовать в виде некоторой машины Тьюринга. Например, таким образом можно реализовать правило для вычисления числа π с определенным количеством знаков. Более того, известно, как можно сконструировать универсальную машину Тьюринга, которая будет выполнять любой алгоритм – для этого нужно только «вставить» в нее соответствующую программу.


Пределы вычислимости


Тезис Черча невозможно проверить, это некоторое философское обобщение, основанное на том, что пока что не было ни одного случая, когда какой-то алгоритм было невозможно представить в виде машины Тьюринга. Но тогда возникает следующий вопрос: можно ли алгоритмизировать всё знание? В частности, можно ли сконструировать такую машину Тьюринга, которая будет отвечать на любой вопрос, заданный «на ее языке»? Например, сможет ли она распознавать все справедливые математические теоремы и отбраковывать неверные утверждения? Этот вопрос активно обсуждался в период между мировыми войнами, и тогда же на него был дан отрицательный ответ в виде упоминавшейся теоремы Гёделя.


Нейронные сети и коннекционизм


Таким образом, алгоритмические способы переработки информации даже теоретически оказываются недостаточными для моделирования процессов познания. Но это было не единственной причиной, почему когнитивная наука обратилась к понятию информационных сетей. Дело в том, что строение человеческого мозга не имеет ничего общего с машиной Тьюринга, а представляет собой сеть нейронов. При этом нейронные сети во многих случаях оказываются очень эффективным средством переработки информации.

Примерами задач, которые нейронные сети выполняют гораздо быстрее, чем даже самый совершенный компьютер, могут служить как раз самые простые функции организма – зрение, слух, координация движений. Для того, чтобы просчитать эти действия в цифровом (символическом) виде, компьютеру понадобилось бы несколько часов. Организм выполняет их за доли секунды.



Рис. 6. Нейроны мозга34


В связи с этим в когнитивной науке возникло другое направление, занимающееся изучением информационных сетей, которые обычно представляют собой сети из абстрактных (или искусственных) нейронов. Это направление называется коннекционистским (от connection, соединение).
Исследования по искусственным нейронным сетям (далее – нейронные сети) связаны с тем, что способ обработки информации человеческим мозгом в корне отличается от методов, применяемых обычными цифровыми компьютерами. Мозг представляет собой чрезвычайно сложный, нелинейный, параллельный компьютер (систему обработки информации). Он обладает способностью организовывать свои структурные компоненты, называемые нейронами (neuron), так, чтобы они могли выполнять конкретные задачи (такие, как распознавание образов, обработку сигналов органов чувств, моторные функции) во много раз быстрее, чем могут позволить самые быстродействующие современные компьютеры35.
Коннекционизм (и нейронные сети) – это практически синоним понятия параллельной распределенной переработки информации, в оригинале – Parallel Distributed Processing, PDP36.

Искусственные нейронные сети представляют собой систему соединённых и взаимодействующих между собой простых элементов (искусственных нейронов). Каждый элемент сети имеет дело только с сигналами, которые он периодически получает, и сигналами, которые он периодически посылает другим элементам.



Рис. 7. Схема простой нейросети. Белым цветом обозначены входные нейроны, серым скрытые нейроны, черным — выходной нейрон37

Искусственная нейронная сеть имеет следующие характеристики:


  • Функцию активации: каждый нейрон, входящий в сеть, в ответ на сумму импульсов, поступивших к нему, выдает некоторый свой импульс

  • Набор синапсов38, т.е. связей, передающих импульс от данного нейрона к другим (обозначены на рисунке) стрелками

  • Веса: импульс, идущий от данного нейрона i к нейрону j усиливается или ослабляется; для этого величина этого импульса умножается на вес wij.

Для данной сети функция активации и набор связей остаются постоянными, а набор весов изменяется. Именно так сеть настраивается для решения какой-либо задачи. Нейронные сети не программируются как компьютер, они обучаются. Для этого используется какое-либо правило, корректирующее веса wij с таким расчетом, чтобы результат функционирования сети постепенно приближался к желаемому.

И функции активации, и применяемые правила корректировки весов обычно очень простые. Тем не менее оказывается, что такие сети из простейших элементов можно путем многократной «тренировки» научить выполнять достаточно сложные действия.




Достарыңызбен бөлісу:
1   2   3   4   5   6   7   8   9   10   ...   40


©kzref.org 2019
әкімшілігінің қараңыз

    Басты бет