Models of the Mind

Перцептрон, как и модели, представленные в работе Маккаллоха-Питтса, представлял собой искусственную нейронную сеть. Это была упрощенная копия того, что делают настоящие нейроны и как они соединяются друг с другом. Но вместо того, чтобы оставаться математической конструкцией, существующей только в виде чернил уравнений на странице, перцептрон был физически реализован. Камера обеспечила 400 входов для этой сети в виде сетки датчиков света размером 20x20. Затем провода случайным образом соединили выходы этих датчиков с 1 000 "ассоциативных единиц" - небольшими электрическими цепями, которые суммировали свои входы и в результате переключались на "вкл" или "выкл", как нейрон. Выход этих ассоциативных блоков становился входом для "ответных блоков", которые сами могли быть "включены" или "выключены". Количество единиц ответа было равно количеству взаимоисключающих категорий, к которым могло относиться изображение. Так, если бы ВМС хотели использовать перцептрон, скажемопределения наличия или отсутствия реактивного самолета на изображении, было бы два блока ответа: один для реактивного самолета и один для отсутствия реактивного самолета. На конце машины, напротив камеры, находился набор лампочек, которые позволяли инженеру узнать, какой из блоков реагирования активен, то есть к какой категории относится входной сигнал.

Реализованная таким образом искусственная нейронная сеть была большой и громоздкой, полной переключателей, штепсельных плат и газовых трубок. Такая же сеть, состоящая из настоящих нейронов, была бы меньше крупинки морской соли. Но достижение такой физической реализации было важно. Это означало, что теории о том, как вычисляются нейроны, можно будет проверить в реальном мире на реальных данных. Если работа Маккаллоха-Питтса была направлена на теоретическое доказательство, то перцептрон воплотил ее на практике.

Еще одно важное различие между перцептроном и сетью Маккаллоха-Питтса заключается в том, что, как рассказал Розенблатт в интервью New York Times, перцептрон обучается. В работе Маккаллоха и Питтса авторы не упоминают о том, как возникает связь между нейронами. Она просто определяется в зависимости от того, какую логическую функцию должна выполнять сеть, и остается неизменной. Однако для того, чтобы перцептрон обучался, он должен изменять свои связи.4 Фактически, перцептрон получает всю свою функциональность от изменения силы связи до тех пор, пока она не станет оптимальной.

Тип обучения, в котором участвует перцептрон, известен как "контролируемое" обучение. В пары входов и выходов - например, серию картинок и определяя, есть ликаждой из них реактивный самолет или нет, - перцептрон учится принимать это решение самостоятельно. Для этого он изменяет силу связей - их еще называют "весами" - между ассоциативными блоками и считывающими устройствами.

В частности, когда в сеть поступает изображение, она активирует блоки сначала во входном слое, затем в ассоциативном слое и, наконец, в слое считывания, указывая на решение сети. Если сеть ошибается в классификации, веса изменяются в соответствии с этими правилами:

1. Если блок считывания "выключен", когда он должен быть "включен", соединения от "включенных" ассоциативных блоков к этому блоку считывания усиливаются.

2. Если блок считывания "включен", когда он должен быть "выключен", ослабляются связи от "включенных" ассоциативных блоков к этому блоку считывания.

Следуя этим правилам, сеть начнет правильно ассоциировать изображения с категориями, к которым они относятся. Если сеть научится делать это хорошо, она перестанет совершать ошибки, и веса перестанут меняться.

Эта процедура обучения во многих отношениях была самой замечательной частью перцептрона. Это был концептуальный ключ, который мог открыть все двери. Вместо того чтобы объяснять компьютеру, как именно нужно решать ту или иную задачу, достаточно показать ему несколько примеров решения этой задачи. Это могло произвести революцию в вычислительной технике, и Розенблатт не стеснялся говорить об этом. Он рассказал New York Times, что перцептроны "смогут узнавать людей и называть их имена", "слышать речь на одном языке и мгновенно переводить ее вречь или письмо на другом языке". Он также добавил, что "можно будет создать перцептроны, которые смогут воспроизводить себя на конвейере и которые будут "осознавать" свое существование". Это было, мягко говоря, смелое заявление, и не все были довольны публичной бравадой Розенблатта. Но дух заявления - что компьютер, способный обучаться, ускорит решение практически любой проблемы, - был верен.