с. Пусть вначале сердечник находится в состоянии, характеризующемся точкой О (рис. 10). С приходом первого "раздражения" он перейдет в состояние 1', а после его окончания — в состояние 1. Следующее "раздражение" переведет сердечник в состояние 2' и т. д. Таким образом, в сердечнике происходит накопление энергии, которая является в данном случае носителем информации.
Считывание осуществляется подачей в нужный момент стробирующего импульса, который вызывает появление поля, перпендикулярного исходному. Происходит изменение вектора результирующего поля в сердечнике, и на выходной обмотке наводится сигнал, величина которого зависит от предыдущего состояния сердечника, т. е. пропорциональна накопленному в результате предшествующих экспериментов ("обучения") магнитному потоку.
Достоинством такого элемента является отсутствие расхода энергии на хранение информации и сохранение состояния сердечника даже при выключении устройства. Кроме того, такие элементы отличаются очень высоким быстродействием.
Работы по созданию бионических элементов, способных выполнять логические функции живых нервных клеток, из года в год принимают все больший и больший размах. Достаточно сказать, что уже сейчас имеется несколько сот моделей искусственных нейронов, которые в большей или меньшей степени отражают свойства реальных нейронов. Некоторые из них, такие, как артроны, нейристоры и др., успешно используются сегодня для усовершенствования технических средств связи, вычислительных и управляющих машин. Предпринимаются попытки разработать (по аналогии с живыми) искусственные нейроны в виде микрокомпонент коллоидных (10-5-10-7 см) и молекулярных размеров (10-7-10-8см). С этой целью исследуются полупроводниковые микроструктуры (двух- и трехмерные схемы из проводящих элементов в изолирующей среде), коллоидные системы с дисперсной сажей, образующие проводящие нити в изолирующих жидких растворах, а также различные микропористые структуры. Изучаются также атомные системы в различных кристаллических и полимерных структурах.
В заключение нашего краткого обзора моделей искусственных нейронов различного типа рассмотрим электрохимический элемент памяти, так называемый мемистор. Один из вариантов мемистора показан на рис. 11. Входное воздействие преобразуется в постоянный ток, цепь которого замыкается через центральный электрод 1, электролит 2 и кольцевой электрод 3. Электролитом обычно служит раствор медного купороса. Прохождение через него постоянного тока вызывает осаждение (или снятие) на электроде 1 слоя меди, что и изменяет его электрическую проводимость. При изменении анодного тока на несколько миллиампер сопротивление мемистора за 10 сек плавно изменяется от 100 до 1 ом. Измеряют это сопротивление на переменном токе, чем исключается влияние сигнала считывания на процессы электролиза, происходящие в элементе. Вследствие малого разброса параметров мемисторов обеспечивается возможность создания большого количества запоминающих уровней. Из таких элементов построены, например, самоприспосабливающиеся нейроны, служащие запоминающими элементами в адаптивных системах с обучением.
Рис. 11. Электрохимический аналог нейрона — мемистор
Итак, сегодня уже не приходится сомневаться, что создание достаточно совершенного, дешевого и миниатюрного аналога нейрона откроет широкие возможности для построения различных обучающихся, самопрограммирующихся, самоорганизующихся, самонастраивающихся, самоприспосабливающихся систем, т. е. систем, обладающих свойством автоматически изменять свои параметры в соответствии с изменением внешних условий. Такие системы, как указывает академик В. А. Трапезников, — "это близкое завтра автоматики и, несомненно, следующая, более высокая ступень прогресса человеческого общества".
Необходимость создания самонастраивающихся и самоорганизующихся систем ныне возникает в самых разнообразных областях техники. Такие системы должны обеспечить наибольшую эффективность работы управляемого объекта в существенно изменяющихся условиях. Это положение распространяется на объекты, действующие непрерывно, периодически и спорадически. Однако наибольшее значение в современных условиях имеет проблема использования самонастраивающихся систем для управления непрерывными процессами. Такими системами можно, например, воспользоваться для полной автоматизации управления рядом химических производств, доменным процессом, прокатом металла, сваркой труб и т. п.
Самонастраивающиеся системы дают возможность не только автоматизировать управление сложными производственными процессами, не только автоматически отыскивать наивыгоднейший режим работы той или иной установки и поддерживать его в дальнейшем. Добавление к самонастраивающейся системе емкой "памяти" позволит создавать самообучающиеся системы, способные определять наивыгоднейший режим не только путем поиска, но и путем ассоциации, т. е. ориентируясь на условия, которые существовали в прошлом.
Оценивая степень эффективности приемов управления, отбрасывая менее эффективные и запоминая более эффективные приемы, такие системы смогут непрерывно совершенствовать их и благодаря этому весьма оперативно и эффективно управлять течением процессов в изменяющихся условиях. Для тех случаев, когда структуру систем нельзя определить заранее, можно представить себе такие системы управления, которые сами будут выбирать необходимые источники информации, способы ее обработки и направление воздействий. Подобные устройства уже будут являться самоорганизующимися системами управления.
Хотя разработка аналогов нейрона началась совсем недавно, уже сейчас можно указать ряд практических задач, которые решаются на основе имитации некоторых свойств естественного нейрона. Так, например, разработан адаптивный, или самоприспосабливающийся, фильтр для выделения на фоне шумов сигналов произвольной формы, когда заранее неизвестно, есть ли сигнал на входе приемной системы. В отличие от обычного фильтра, пропускающего сигналы с заранее известными, определенными признаками (длительность импульсов, частота повторения, отношение сигнал/шум), адаптивный фильтр пропускает сигналы с различными параметрами.
Принцип действия адаптивного фильтра основан на быстрой автоматической подстройке фильтра на форму приходящего сигнала путем непрерывного сравнения сигнала заданной формы с сигналом, поступающим на вход. Наиболее частое совпадение признаков сигналов свидетельствует о полезном сигнале в запоминающем устройстве. После некоторого времени приспособления (порядка нескольких секунд) в памяти формируется точная форма приходящего импульса, и фильтр начинает пропускать все импульсы этой формы. После прекращения сигналов информация о его признаках в запоминающем устройстве стирается, фильтр начинает пропускать только шумы. При появлении на входе фильтра сигнала другой формы весь процесс повторяется.
Другая система — "Кибертрон" — способна самостоятельно выбирать оптимальный подход к решению различных задач. Одной из задач может быть, например, диагностирование заболевания по виду электрокардиограмм. Машине предъявляют ленты с графической записью биотоков сердца больного, и она точно ставит диагнозы. "Кибертрон" можно также использовать для оценки метеорологических данных.
На основе элементов с характеристиками нейристоров инженеры создали устройство, воспроизводящее процессы запоминания, опознавания и заучивания. Подобная модель нашла применение в машине В. Тейлора, которая после экспонирования различных предметов, например букв, узнавала их при повторной демонстрации. На элементах MIND собран прибор, успешно выполняющий логическую функцию опознавания многочисленных вариантов входных рисунков, составленных из нескольких информационных сигналов.
По заданию ВВС США ряд американских фирм ведет разработки так называемых "познающих" машин на артронах. В электронной машине, созданной одной американской фирмой, пути прохождения сигнала между воспринимающими чувствительными элементами и артронами, а также между отдельными артронами изменяются по случайному закону до тех пор, пока не будут выбраны оптимальные пути. Когда машина приступает к решению новой задачи, она, несмотря на предыдущее "обучение", возвращается в первоначальное состояние, характеризующееся случайными путями прохождения сигнала. Возможность "обучения" обеспечивается наличием четырех быстродействующих переключателей в соединительных цепях логических схем каждого артрона с его выходом.
Считают, что подобные машины могут быть использованы для следующих целей:
улучшение методов автоматического предсказания погоды;
автоматическое управление беспилотными космическими летательными аппаратами для исследования планет;
создание быстродействующих командных машин для штабов войсковых подразделений, что позволит вырабатывать решения при подготовке и проведении различных операций;
управление оборудованием, работающим в опасных условиях.
В литературе описана самоприспосабливающаяся система управления полетом реактивных самолетов. Система анализирует свою работу путем сравнения реакции самолета с решением электронного устройства, и разностный сигнал используется для воздействия на органы управления самолетом. Автоматическое управление осуществляется при изменившихся окружающих условиях (плотности и скорости воздуха) без измерения этих величин. Система не требует предварительного программирования условий полета с учетом летных характеристик самолета.
Считают, что адаптивные, самоприспосабливающиеся автопилоты, которые обладают свойством непрерывно проверять положение в пространстве летательного аппарата и корректировать любые отклонения от заданного положения при изменяющихся условиях полета, можно с успехом использовать также на ракетах и даже на космических кораблях.
Итак, начало положено. Созданы машины, воспроизводящие некоторые функции нервной системы человека. Один из создателей теории автоматического управления Уильям Эшби сказал по этому поводу: "С тех пор, как был разработан первый перцептрон "Марк-1", мы знаем, что мозг и вычислительные машины представляют собой просто различные варианты в принципе одинаковых машин". Было время, когда создатель перцептрона, доктор Розенблат, утверждал, что его детище — это не просто машина для распознавания образов, а — ни много, ни мало — модель мозга.