Нейрофизиологическая реализация генетического алгоритма

Нейрофизиологическая реализация генетического алгоритма

В этом разделе будет предложены гипотетические элементы нейрофизиологической реализации МГА системы.  

В случае совершенствования моторных реакций организма, равно, как и реакций вегетативной нервной системы, параметрами отбора для генетического алгоритма будут интенсивности выходных сигналов с аксонов моторных нейронов. Дело в том, что обычно, заранее неизвестно, какова оптимальная реакция на тот, или иной набор входных сигналов нейрона, а в более общем случае неизвестно какова в принципе последовательность действий, позволяющая достигнуть целей, стоящих перед организмом. Выработка правильной нормировки реакции на набор входных стимулов вырабатывается по мере функционирования нейрона. Это может происходить, например, так: 

а) На каждый набор входных сигналов у нейрона вырабатывается выходной сигнал с аксона.

б) Если этот сигнал недостаточно или слишком интенсивный, то при следующем предъявлении того же набора входных сигналов он будет скорректирован. 

в) Иными словами, генетический алгоритм для каждого набора входных параметров будет подбирать оптимальную реакцию нейрона в виде интенсивности выходного сигнала. То есть, вырабатывается оптимальная программа реакции нейрона в зависимости от того, какой сенсорной информацией он располагает.

Корректировка выходного сигнала должна инициироваться уровнем концентрации соответствующего медиатора в окружающем клетку пространстве, или некоторым воздействием со стороны нейронов вышележащих уровней. Корректирующее воздействие, в свою очередь, зависит от степени успешности действий организма, вызванных реакцией нейрона. Например, если эти действия позволили добыть еду, то выделяется эндорфин и все возбуждающие связи которые были на момент действий активны закрепляются. Если результат действий был негативный, то выделяется медиатор, закрепляющий тормозные связи.

Можно отметить, что такой вариант работы генетического алгоритма отличается от классического, когда генетический алгоритм используется, чтобы найти конкретный набор значений параметров, соответствующих глобальному минимуму фитнесс функции с известным способом её вычисления. 

Выполнение практически любого действия организма осуществляется большой, иногда многотысячной, группой моторных нейронов. Активность каждого из них определяет силу сокращения соответствующей группы мышечных волокон. От согласованности реакций моторных нейронов зависит точность движения конечностей и передвижения животного в целом.  Некоторые нетривиальные последовательности движений заложены в механизмах безусловных рефлексов, и выполняются при участии нейронов только спинного мозга, не задействуя головной мозг. В этом случае последовательность реакций моторных нейронов заложена генетически. Генетический алгоритм используется именно для наработки и совершенствования произвольных действий. Параметрами отбора являются интенсивности реакций соответствующих нейронов, фитнесс функцией — успешность выполнения того или иного действия. Скорость приобретения и совершенствования большинства произвольных движений гораздо выше, чем может быть достигнута при применении генетического алгоритма с учётом числа параметров оптимизации. Возможно этот момент объясняется наличием нескольких уровней оптимизации с применением механизма обучения «от простого к сложному», изложенном в Тестирование многоуровневых систем. Генетический алгоритм можно также использовать для изобретения и совершенствования последовательностей из большого числа движений, требуемых для решения сложных поведенческих задач.

Предложенная концепция многоуровневого генетического алгоритма (МГА) подходит, прежде всего, для совершенствования моторных реакций организма. Однако она также подходит для оптимизации системы восприятия образов.

Для совершенствования обработки сенсорных сигналов может использоваться немного другая схема совершенствования работы нейрона. В этом случае нейрон только усиливает выходной сигнал на некоторый набор входных сигналов. Для всех отличающихся наборов выходной сигнал тормозится. В результате этого усиления возникает нечто вроде дельта функции в многомерном пространстве. Такая спонтанная и точечная реакция нейрона может свидетельствовать, например, о восприятии некоторого конкретного образа. Известна, например, точечная реакция отдельных нейронов на предъявляемые фотографии знаменитостей (нейрон Одри Хебберн). Входные импульсы, возбуждающие такие нейроны, свидетельствуют о наличии некоторой, ключевой ситуации для организма, которая требует определённой его реакции (или не обязательно требует??). Высокочастотный разряд, идущий по аксону в случае "правильной" конфигурации входных импульсов, как раз запускает развёртку той самой необходимой реакции организма. Такая схема работы нейрона почти точно подходит под определение работы генетического алгоритма, когда он используется для определения значений входных параметров, соответствующих оптимуму некоторой многомерной функции. То есть, для этого случая генетический алгоритм реализуется работой одного нейрона.