Многоуровневый генетический алгоритм

Многоуровневый генетический алгоритм

В данной статье я хочу предложить вашему вниманию гипотезу, проливающую свет на решение следующего вопроса: «каким именно образом нейронные сети подстраиваются под окружающую действительность и строение организма, как часть этой действительности?». Иными словами, данная гипотеза относится не к модели уже готового (развитого) интеллекта, а именно к принципам, позволяющим его сформировать у человека и животных. 

С историей вопроса можно ознакомится в статье Наследование признаков. Следующий абзац является кратким обобщением изложенного в этой статье материала. 

Общеизвестно, что отличительной особенностью естественного интеллекта от искусственного является его широчайшая способность к самообучению. Одно только управление механической рукой при помощи вживлённых электродов чего стоит (взято из Биологическая обратная связь)!  Кстати, этот и ряд других примеров говорят об универсальности механизмов самообучения относительно сенсомоторной базы животного (Генетики наделили мышей человеческим зрением, Существо: Между роботом и крысой, и в Биологическая обратная связь примеров достаточно). С точки зрения современной науки указанные механизмы самообучения, свойственные животным могут быть заложены только в геноме (а где же ещё? Нейробиология и генетика поведения) и передаются в виде конечного объёма информации от поколения к поколению. Таким образом, получается, что какими бы ни были сенсоры и эффекторы животного, заложенные в геноме механизмы позволяют автоматически обучиться пользоваться практически любой биомеханической конструкцией. С точки зрения теории эволюции подобная «независимость» механизмов самообучения является существенным преимуществом в случае изменения строения тела животного при приспособлении к новым окружающим условиям, так как, вместе с этим изменением нет необходимости менять всю «управляющую начинку», что вызвало бы значительное увеличение сроков эволюции и уменьшило бы пластичность видов. В реальности же, механизмы самообучения автоматически создают в процессе роста и развития организма «управляющую начинку», оптимально подходящую имеющейся сенсомоторной базе. 

Откуда можно почерпнуть сведения об указанных универсальных механизмах самообучения? Прежде всего хочется обратить внимание на то, что принципы работы одиночных управляющих нейронов наиболее отлажены у животных с относительно простой нервной системой, для которых, они, к тому же, являются наиболее изученными (Модулирующее влияние важного стимула у простейших организмов, Пластичность ЦНС виноградной улитки, Нейроны соревнуются за право участия в формировании рефлексов). При образовании, сначала многоклеточных нервных узлов - «ганглиев», а затем и мозга,  принципы работы единичных нейронов вероятнее всего легли в основу работы многоклеточной самоорганизованной и самосогласованной нейронной сети. 

В случае работы одиночных нейронов, их реакция на предъявляемые стимулы должна постепенно оптимизироваться для наиболее эффективного удовлетворения нужд организма. Какова должна быть оптимальная реакция организма изначально часто неизвестно, но в организме обычно присутствуют базовые системы определения степени улучшения и ухудшения состояния организма, или, иными словами, степени удовлетворения базовых потребностей организма. Системы определения состояния организма достаточно консервативны и слабо меняются от вида к виду. Характер реакции, оптимальной для удовлетворения потребностей организма может меняться очень существенно даже в пределах одного вида. В случае ситуации, когда оптимальная реакция заранее неизвестна и зависит от множества параметров, генетический алгоритм (ГА - см. по ссылке http://ru.wikipedia.org/wiki/Генетический_алгоритм) является наиболее универсальным средством для её нахождения. Оптимизирующим функционалом для такого ГА будут выступать, как раз, системы определения состояния организма. В отдельных случаях вместо ГА используются более эффективные, но менее универсальные механизмы, которые, как показано в статье «Примеры оптимизации генетического алгоритма», можно считать частным случаем его упрощения. 

Таким образом, за основу гипотезы организации многоклеточных нейронных образований взято понятие генетического алгоритма, как наиболее универсального средства оптимизации многопараметрических задач, известного на данный момент. Генетические алгоритмы применяются для решения широкого спектра задач, в том числе для "выращивания" алгоритмов (генетическое программирование - по этой ссылке есть множество статей на данную тематику). Существует большое число управляющих параметров генетического алгоритма, которые существенно меняются, в зависимости от области применения ГА, для увеличения его эффективности (уменьшения суммарного числа необходимых опытов). Единственной причиной, которая не позволяет применять генетический алгоритм для решения практически всех оптимизационных задач, является его гораздо меньшая эффективность в сравнении с менее универсальными, но более специализированными для каждой конкретной области методами.

Суть предлагаемой идеи состоит в том, что когнитивные механизмы животных реализуются в виде иерархии генетических алгоритмов. Генетический алгоритм можно успешно применять для оптимизации генетического алгоритма (оптимизировать оптимизатор), например, для выявления наиболее подходящих и эффективных управляющих параметров ГА, а также более глубокой перестройки структуры ГА под нужды исследуемой области. Если выстроить многоуровневую систему по принципу: ГА оптимизирующий работу ГА оптимизирующего работу ГА и так далее, то накопление опыта такой системой будет аналогично накоплению опыта естественным интеллектом. Аналогия заключается в том, что с течением времени система будет не только обучаться что либо делать, но и обучаться всё быстрее и быстрее (обучаться обучению; обучаться обучению обучения и т. д. по числу уровней). Назовём подобную систему Многоуровневый Генетический Алгоритм, или сокращённо МГА. Важной особенностью МГА является его идеальная параллелизуемость и простота каждой отдельной ячейки (ГА можно реализовать работой одного единственного нейрона!). Иными словами, подобная схема может реализоваться многоуровневой нейронной сетью. Ещё одной принципиальной особенностью МГА является его практически всеобъемлющая универсальность, по сути эту систему можно применять для решения любых, в том числе и не формализованных задач.

Многоуровневый генетический алгоритм — система, в которой генетические алгоритмы нижнего уровня (оптимизируемые ГА) оптимизируются генетическими алгоритмами верхнего уровня (оптимизирующие ГА).  Подробнее о механизмах подобной оптимизации в тестирование многоуровневых систем. Генетические алгоритмы самого нижнего (первого) уровня создают конечные полезные алгоритмы. Иными словами, МГА - это многократная композиция генетических алгоритмов, где уровень ГА определяется кратностью композиции.

Для нейрофизиологического воплощения ячейки МГА речь идёт, скорее всего, не о совсем стандартном генетическом алгоритме, ибо таковой излишне сильно ограничен аналогией с механизмами естественного отбора. Однако, суть  работы такой ячейки должна соответствовать сути работы генетического алгоритма. Это поиск значений параметров для оптимума функции. 

В качестве замечания скажу, что на мой взгляд, большая часть адаптационных механизмов сознания передаётся от поколения к поколению без особых изменений за счёт работы механизма зеркальных нейронов. Личный опыт, нарабатываемый системой МГА составляет, всё таки, меньшую часть (по объёму информации), играющую, тем не менее, принципиальную роль в формировании и функционировании сознания.

Должен отметить, что сама гипотеза совершенно спорная, в ней есть много моментов для обоснованной критики. Но какая-то сермяжная правда в самой идее есть. Я как раз пытаюсь понять, какая и с нетерпением жду комментариев по теме. Ниже приводится ряд достоинств, на мой взгляд, изложенной гипотезы.

Преимущества гипотезы: 1) Концепция многоуровневых генетических алгоритмов (МГА) позволяет объяснить, каким образом когнитивные (познавательные) механизмы могут быть заложены ограниченным объёмом информации в геноме человека и животных.

2) МГА система потенциально может позволить приспосабливаться к окружающей среде любому животному независимо от сенсомоторной базы.

3) Позволяет с точки зрения теории информации объяснить, что такое накопление опыта, и почему опыт накапливается последовательно и постепенно.

4) Многочисленные опытные данные опыты Торндайка о поведении животных в незнакомых ситуациях, а также о характере приспособления животных к изменениям окружающей среды, говорят о том, что эти явления демонстрируют структурную аналогию с работой генетического алгоритма. То есть элементы генетического алгоритма всегда присутствуют в элементарных познавательных и приспособительных актах и свойственны простейшим системам нейронов и рефлекторным дугам.

5)  Концепция МГА позволяет связать воедино теорию информации и современные нейрофизиологические представления для объяснения феномена сознания у животных и человека. Она открывает широкое поле исследований по информационному и компьютерному моделированию таких эффектов сознания, как самообучение и развитие.

Планируется серия статей на данную тематику, далее приводится их список с кратким анонсированием содержания:

1) Тестирование многоуровневых систем оптимизации - в данной статье представлен первоначальный план тестирования системы МГА, а также общая схема использования МГА для создания и тестирования самопрограммируемых систем. В конце статьи приведены соображения, каким конкретно образом генетический алгоритм верхнего уровня может оптимизировать генетический алгоритм нижнего уровня.

2) Нейрофизиологическая реализация генетического алгоритма - здесь представлен гипотетический механизм нейрофизиологической реализации ГА. Показано, например, что генетический алгоритм может быть реализован работой одного нейрона. 

3) Примеры упрощения генетического алгоритма - здесь представлены примеры значительного упрощения структуры генетического алгоритма при его оптимизации генетическим алгоритмом верхнего уровня.

4) Генетический алгоритм с условием — теоретический мостик между концепцией МГА в чистом виде и теми механизмами, которые наблюдаются в реальности при работе сознания.

5) Опыт по сапёру - попытка применения МГА подхода на конкретном примере. 

6) Многоуровневый генетический алгоритм (гипотеза и примеры) - будет содержать более развёрнутое описание гипотезы с примерами и отступлениями. Текст был написан раньше предыдущих 4-х файлов и имеет больше популяризаторскую направленность, но также содержит важные уточнения и комментарии. В частности, уточнения относительно того, какая часть знаний о мире нарабатывается отдельным организмом, а какая передаётся непосредственно от родителей. 

По мере добавления статей, ссылки на них будут где надо добавляться в эту статью.