Со времени публикации была проделана работа по развитию прототипа системы индивидуальной адаптивности Beast (fornit.ru/beast) и появилось много новых данных и материалов с которыми можно ознакомисться в трилогии «Основы фундаментальной теории сознания» и точки входа теории МВАП «Организации механизмов мозга человека».
Наглядно и обстоятельно рассмотрим общую суть реализации природных механизмов распознавания и их свойства, делающие адаптивную функцию распознавания универсальной, начиная от распознавания примитивов (простейших зрительных, слуховых, вкусовых, тактильных и т.п. образов), до выбора варианта оптимального поведения в текущих условиях.
Функция распознавания (детекция совокупности специфических свойств) может реализовываться устройством (в том числе программным), с жестко заданными (естественно или искусственно) характеристиками, в отличие от адаптивной функции распознавания, которая принципиально не может быть реализована алгоритмически (см. Теорема Гёделя о неполноте).
Примерами механических распознающих устройств могут быть персептроны (см. Однослойный персептрон), в которых проводимости входных цепей обеспечивает весовые коэффициенты функции распознавания.
Для лучшего предоставления процесса адаптивного распознавания, упростим модель до предела.
Пусть есть поле лампочек, некая прямоугольная матрица, высвечивающая цифры. Каждая лампочка матрицы имеет датчик (рецептор), выдающий электрический сигнал (неважно какой формы) когда она светится. Эти сигналы через ограничивающие ток сопротивления поступают все на вход сумматора, где они алгебраически складываются. Сумматор обладает пороговым свойством, вырабатывая выходной сигнал только тогда, когда сумма входных сигналов превысит заданный порог. Это - результирующий эффект распознавания, а то, что его реализует, в противоположность входным рецепторам, назовем эффектором.
Понятно, что если подобрать сопротивления так, что только сигналы лампочек цифры "один" в сумме окажутся превышающими порог срабатывания, то все устройство окажется распознавателем (детектором) этой цифры. Однако, если сигналы от цифры "семь" могут так же вызвать срабатывание устройства потому, что цифра "семь" полностью перекрывает датчики цифры "один".
Таким образом, необходима коррекция ошибочного распознавания. Такую коррекцию можно сделать, если датчики положительного электрического сигнала, дополнить датчиками отрицательного сигнала и, так же через определенные сопротивления, подвести к сумматору. А конкретно - от точек, которые не соответствуют цифре "один", нужно подвести "гасящие" (в случае нейронных сетей говорят "тормозящие"), сигналы, уменьшающие общую сумму, если горит цифра "семь". Теперь ошибок распознавания больше не будет.
Значит, механизм распознавания должен иметь как возбуждающие, так и тормозные связи.
Уже в рассмотренном примере видно, что, в принципе, задача обучения сводится к тому, чтобы в момент высвечивания правильной цифры ("один") дать возникнуть возбуждающим связям от датчиков точек этой цифры, а в момент появления любой другой - возникнуть тормозным связям.
Ясно, что если в неправильном случае тормозные связи перекроют правильные связи (семерка вообще перекроет всю единицу), то потребуется еще шаг закрепления правильной цифры, добавлением силы тока сигналов от правильных точек. (На практике, в нейронных сетях, однажды установленная связь не может быть опять разомкнута, и поэтому для коррекции требуется установление новых и новых возбуждающих и тормозных связей параллельно уже существующим).
Констатируем, что кроме необходимости возбуждающих и тормозных связей определенными коэффициентами передачи тока (в нейронных сетях - синоптических связях: Передача нервного импульса через синапс и Формирование синапсов)), необходим сигнал оценки результата распознавания: Хорошо или Плохо распознано. Если такой сигнал присутствует, то адаптивное обучение распознавателя обеспечивается при наличии достаточного количества потенциальных связей (пока не проводящих) возбуждения и торможения, даже неспецифическим воздействием этого сигнала оценки, т.е. вовсе не обязательно что-то делать с каждой связью в отдельности, подбирая ее проводимость, а достаточно неспецифически, в общем давать команду на нарастание возбуждающих связей при правильном распознавании и тормозных - при неправильном - для тех связей, чьи датчики активированы.
В простых организмах функции распознавания подбираются экспериментально методом эволюционного естественного отбора, а в достаточно сложных организмах сигнал Хорошо или Плохо - результат оценки системы значимости личности, проявляющейся в виде эмоционального контекста (всегда в виде доминирующей положительной или отрицательной эмоции), который и дает сигнал на неспецифическое закрепление преимущественно или возбуждающих или тормозных связей. Это и есть процесс формирования жизненного опыта через постоянную коррекцию ошибок.
Самые первые в развитии организма связи между рецепторами и эффекторами могут возникать достаточно случайно (в результате пейсмеккерной активности созревающих нейронов) и затем корректируются уже жизненным опытом.
Учитывая то, что выходы распознающего детектора могут одновременно функционально являться и рецепторами для последующих детекторов, ясно, что возможно создание многослойных распознавателей, которые все в большей степени усложняют функцию распознавания, от самых простых примитивов, до сколь угодно сложных. Понятия рецептор и эффектор являются для них относительными. Но для самого первого слоя распознавателей рецепторами являются датчики, преобразующие какое-то отдельное свойство воспринимаемо внешнего мира в сигнал, а на выходе последних слоев эффекторы уже могут быть специфическими исполнительными механизмами, такими как мышцы, или самые разные исполнительные механизмы регуляции гомеостаза.
Более широко о механизмах адаптивного поведения, основанного на механизмах распознавания, смотрите в Принципы мозга.
Оценить статью можно после того, как в обсуждении будет хотя бы одно сообщение.
Об авторе:Статьи на сайте Форнит активно защищаются от безусловной веры в их истинность, и авторитетность автора не должна оказывать влияния на понимание сути. Если читатель затрудняется сам с определением корректности приводимых доводов, то у него есть возможность задать вопросы в обсуждении или в теме на форуме. Про авторство статей >>.
Обнаружен организм с крупнейшим геномом Новокаледонский вид вилочного папоротника Tmesipteris oblanceolata, произрастающий в Новой Каледонии, имеет геном размером 160,45 гигапары, что более чем в 50 раз превышает размер генома человека.