Юный техник, 2001 № 12

Само по себе такое устройство, конечно же, еще ничего не умело — ведь по сути у него не было даже какой-то схемы, а только полный хаос. Перцептрон нужно было обучить выполнению поставленной задачи. Вот перед нами только что изготовленный перцептрон. Будем показывать ему букву «а» в различных начертаниях. Если на выходе появится единица, значит, перцептрон «угадал» правильный ответ. Если же нет, то уменьшаем коэффициенты усиления для тех «нейронов», которые активнее всего участвовали в формировании неверного ответа. А затем повторим процедуру снова и снова — до тех пор, пока перцептрон не станет надежно опознавать букву «а». Если же немного усложнить схему, то можно сделать и перцептрон, различающий разные буквы, тогда его требуется обучать не только правильно опознавать каждую букву, но и отличать их друг от друга.

И в этом главное отличие перцептрона от «классического» компьютера. Во-первых, мы изначально не закладываем в перцептрон никаких алгоритмов распознавания — ни в виде программы, ни схемотехнически; более того, мы даже можем не знать этого алгоритма. Наоборот, делая схему хаотичной, мы стараемся не закладывать в него изначально вообще никакой предварительной информации! А во-вторых, перцептрон необходимо долго «обучать» решению интересующей нас задачи на примерах-образцах. Только в отличие от школьника уже обученный перцептрон можно потом «растиражировать» в нужном количестве экземпляров. И чем дольше и тщательнее проводится «обучение», тем меньше ошибок допускать перцептров дальнейшей работе. Фактически алгоритм решения задачи рождается в процессе «обучения»!

Но, как оказалось, напрасно!

Заманчивая возможность создать «искусственный мозг», работающий по тем же принципам, что и человеческий, заставила ученых обратить пристальное внимание на изучение его «элементарных ячеек» — нейронов и попытаться создать их электронные аналоги. И выяснилось, что нейроны работают примерно по тем же принципам, что и перцептрон: они тоже суммируют поступающие на их «входы» — синапсы — электрические сигналы с учетом коэффициентов усиления каждого из них, причем эти коэффициенты могут быть и положительными, и отрицательными (то есть сложение превращается в вычитание), и могут меняться.

Такие нейроподобные схемы — нейрокомпьютеры — это своего рода перцептроны нового поколения, причем они могут быть реализованы не только в виде электронных схем, но и в виде программ для персонального компьютера. Причем в отличие от перцептрона в нейрокомпьютерах сигнал с выхода устройства может быть запомнен или пропущен через линию задержки и снова подан на его вход, так что нейрокомпьютер может при решении поставленной задачи учитывать предыдущие результаты.

Первое такое устройство было изготовлено в 1991 году в СССР в виде нескольких экспериментальных экземпляров.

Поставленная ему задача требовала «упаковать» одночасовой кинофильм в шестиминутную видеозапись, то есть сжать информацию в десять раз. Нынешний «Пентиум III» тратит на такое преобразование несколько десятков часов.

Тогдашний же нейрокомпьютер после завершения его «обучения» делал это за один час, причем в реальном времени — получая видеосигнал с телекамеры и сразу его «упаковывая». Сегодняшние же нейрокомпьютеры все чаще используются для гибкого управления производством, пилотирования летательных аппаратов, охранных систем, для прогнозирования валютных курсов и ситуации на бирже…

Нейрокомпьютер можно считать даже в какой-то мере наделенным интуицией, почти граничащей с гениальностью: подчас он может найти решение таких задач, к которым не знаешь даже как подступиться; первоначально даже не всегда удается понять, в чем заключается смысл полученного решения, но, проанализировав результирующую структуру искусственной нейросети, исследователь может получить и искомый алгоритм решения задачи. То есть нейрокомпьютер выступает уже не как «простой решатель», а как инструмент исследования.

А вот для типичных вычислительных задач, где требуется выполнить расчеты по заданным формулам или сформулировать однозначный алгоритм решения, обычные компьютеры в большинстве случаев вне конкуренции. Впрочем, в некоторых вычислительных задачах применение нейрокомпьютера тоже может дать значительный выигрыш. Например, если для решения требуются слишком громоздкие вычисления (скажем, решение систем из десятков уравнений с десятками неизвестных), то нейрокомпьютер нередко способен «предсказать» с очень высокой вероятностью правильный ответ, не выполняя такие расчеты вовсе или же значительно сократив их объем.