Рис. 2. Кривая зависимости возбудимости нейрона от времени (по Л. И. Крайзмеру)
Как видно из графика, следующий разряд нейрона может произойти не ранее, чем через некоторый интервал времени от 0 до t1. Такой интервал, называемый периодом абсолютной рефрактерности, длится от 0,4 до 2 мсек. В течение этого времени пороговой уровень нейрона как бы оказывается равным бесконечности, а возбудимость его равна нулю. Считают, что время пониженной возбудимости нейрона от момента его срабатывания до восстановления нормального порога определяется необходимостью восстановить энергию клетки, затраченную на подготовку и генерирование выходного импульса. После окончания периода полной невосприимчивости происходит постепенное (в течение нескольких десятков миллисекунд) снижение порогового уровня до нормальной величины. Этот период (от момента t1 до t2) носит название периода относительной рефрактерности. За ним следует фаза повышенной возбудимости нейрона (от момента t1 до t3), во время которой он может сработать и при воздействии возбуждения ниже порогового уровня. Наконец, в некоторый момент времени t3 восстанавливается нормальная возбудимость нейрона.
Но всем этим динамика нейрона не исчерпывается. Раздражения, уровни которых недостаточны для возбуждения, но действующие на несколько входов одновременно, суммируются и возбуждают нейрон — это так называемое пространственное суммирование. Раздражения с уровнями ниже порога, но следующие одно за другим через короткие промежутки времени, тоже суммируются и возбуждают нейрон. Здесь происходит последовательное суммирование, или суммирование во времени. В механизме возбуждения нейрона часто имеют место одновременно оба процесса — суммирование раздражений как в пространстве, так и во времени. При этом роль предыдущих импульсов возбуждения становится тем меньше, чем больше времени прошло после их появления. Происходит как бы затухание их следов, которое подчиняется экспоненциальному закону.
Как отмечалось выше, импульсы раздражения могут быть возбуждающими или тормозящими и они могут поступать на разные входы нейрона одновременно. Если их алгебраическая сумма превышает пороговый уровень, то нейрон возбуждается и выдает импульс.
Все эти сведения об устройстве и функциях нейрона были собраны нейрофизиологами путем экспериментов, которые трудно назвать даже ювелирными — они значительно тоньше. Исследования электрической стороны деятельности нейронов, которая так интересует инженеров, проводились с помощью микроэлектродов. О них мы рассказывали в беседе "Зрячие машины". Ученым удалось просмотреть на осциллографе все электрические процессы, происходящие в живых нервных клетках, проанализировать связи, существующие между ними, записать электрические "голоса" работающих нейронов на магнитофонную ленту и т. д.
Инженеры интерпретировали всю информацию, полученную от нейрофизиологов, таким образом: нейрон с его способностью находиться только в двух состояниях — возбуждения и торможения — представляет собой (упрощенно) биологический вариант двухпозиционного реле — электронного или любого другого. Функционирование нервной системы определяется числом и характером связей между нейронами, а также видом сигналов, поступающих на вход нервных клеток. Все это в совокупности приводит к мысли, что нервную систему можно рассматривать в некотором роде как весьма сложную, высокосовершенную вычислительную машину, имеющую множество чрезвычайно важных преимуществ перед самыми сложными современными системами управления, перед новейшими кибернетическими автоматами. Так, нынешние кибернетические устройства еще очень далеки от человека в своих "способностях" воспринимать информацию в виде рукописного или печатного текста, в виде чертежей, речи, движущихся изображений и т. п. Большинство современных кибернетических систем, как известно, работает по жестким, заранее заданным программам. Нервной же системе свойственны высокая степень самоорганизации, быстрое приспособление к новым ситуациям, к изменению программ своей деятельности и т. д. А если перейти к процессам мышления, памяти, сознания, то перечень "преимуществ" мозга можно значительно расширить; однако и так достаточно ясно, что технике есть чему поучиться у живой природы. И именно поэтому творцы вычислительной техники с таким упорством и настойчивостью ищут новые пути конструирования вычислительных устройств в аналогиях с работой нервной системы живых существ.
При разработке технической модели нейрона, по-видимому, целесообразно принимать во внимание следующее:
1) модель нейрона должна иметь два возможных состояния, соответствующих возбужденному и заторможенному состояниям;
2) схема модели должна иметь множество входов, на которые в различные моменты времени могут поступать сигналы;
3) на входных участках, контактах, или "клеммах", нейрона должна осуществляться задержка сигнала, аналогичная синаптической;
4) реакция модели на входное воздействие должна зависеть от входа, к которому оно прикладывается;
5) результирующее воздействие на тело нейрона определяется суммой воздействий от всех входов (пространственное суммирование) и предысторией, т. е. суммой предшествующих воздействий с учетом затухания их по экспоненциальному закону с некоторой постоянной времени (суммирование во времени);
6) срабатывание (возбуждение) модели нейрона должно происходить лишь в том случае, если результирующее воздействие поступающих (возбуждающих и тормозящих) сигналов превысит пороговый уровень;
7) при срабатывании модели нейрона на выходе должен появляться стандартный сигнал.
Это, так сказать, исходные данные, которые можно рассматривать как техническое задание на проектирование искусственного нейрона. Однако к техническому моделированию нейрона может быть два подхода, и оба они реально существуют сегодня.
Ученые, принадлежащие к одной школе, стремятся создать модели нервных клеток, воспроизводящие по возможности наиболее точно их биологические функции. Цель их работы состоит во всестороннем изучении возможных функций нейронов, связанных с обработкой информации, и еще более глубоком уяснении действия биологических систем. Примером модели, сконструированной по этому принципу, может служить нейромим американского инженера Хармона. В его модели возбуждающие входы и один тормозящий связаны в интегрирующую цепь с пространственно-временным суммированием с постоянной т, равной 0,46 — 1,2 мсек (в зависимости от конфигурации возбуждений входных цепей). При возбуждении нейрона создается импульс в соответствии с принципом "все или ничего". Во время формирования импульса и в течение еще примерно 1 мсек порог возрастает и элемент находится в фазе абсолютной рефрактерности; далее следует фаза относительной рефрактерности, в течение которой пороговый уровень спадает по экспоненте до нормального своего значения. Синаптическая задержка в модели Хармона, равная 0,1 — 1 мсек, определяется частотой возбуждения. Синаптический переход и процесс суммации моделируются соответствующими цепями RC. Выбранные здесь параметры хорошо отражают временные характеристики двигательного нейрона.
Рис. 3. Принципиальная электрическая схема искусственного нейрона, разработанная в Институте кибернетики АН УССР
На рис. 3 приведена принципиальная электрическая схема искусственного нейрона, разработанная в Институте кибернетики АН УССР и предназначенная для использования в нейронных сетях. Здесь также осуществляется пространственное и временное суммирование, имеются периоды абсолютной и относительной рефрактерное. Отдельный вход торможения отсутствует, а на базу транзистора Т1 через сопротивления R1 R2, ..., Rn подаются положительные импульсы, которые алгебраически складываются с импульсами возбуждения. Когда напряжение на емкости С1, обусловленное входными сигналами, достигает уровня, равного или превышающего пороговый (Uc1 ≥ 0порог), транзистор Т1 открывается и релаксатор, собранный на Т2, Т3 по схеме Муди-Флорида, вырабатывает отрицательный импульс. Эмиттерный повторитель Т5 подает его на выход возбуждения. Инвертор Т6 и повторитель T7 формируют тормозящий сигнал. Применение эмиттерных повторителей обеспечивает большой коэффициент логического разветвления схемы. Амплитуда, длительность и крутизна выходных импульсов модели нейрона постоянны и не зависят от частоты и амплитуды входных импульсов. При необходимости все эти параметры можно изменить.
При втором, бионическом, подходе, преследующем цель создания высокосовершенных кибернетических устройств, ученые стремятся строить модели, способные воспроизводить гибкие логические функции нейрона и применимые в устройствах технической кибернетики. Эти модели, естественно, должны быть лишены ряда "недостатков", присущих (с инженерной точки зрения) живым нервным клеткам. Так, например, моделирование такого явления, как пониженная возбудимость в течение относительно длительного периода, необходимого для отдыха и пополнения запаса энергии, израсходованного при возбуждении нейрона, может сказаться на быстродействии кибернетического устройства, что в ряде случаев крайне нежелательно.
Рис. 4. Обобщенная блок-схема искусственного нейрона
Абстрагируясь от физиологических особенностей и используя только "логику" нейронов, ученые за последние годы создали ряд формальных моделей нервной клетки, для которых характерны, например, следующие признаки: активность нейрона, т. е. его способность генерировать выходной сигнал, подчиняется принципу "все или ничего", "да — нет", "нуль — единица"; возбуждению нейрона предшествует некоторый период накопления сигналов возбуждения от ограниченного числа входов (синапсов). Это время не зависит от предыдущего состояния нейрона (рефрактерность не моделируется), число сигналов и порог не зависят от расположения синапсов в нейроне; запаздывание в схеме происходит только в синапсах. Обобщенная блок-схема такой модели показана на рис. 4.