Математическое моделирование нервной системы
Доктор физико-математических наук А. ЖДАНОВ, заведующий Отделом имитационных систем Института системного программирования РАН.
Однако увлекательность проблемы оказала ей дурную услугу. Неоднократно эта тема страдала от некомпетентных или недобросовестных интерпретаторов, претерпевая необоснованные, но весьма захватывающие дух взлеты, обескураживающие и тяжелые своими последствиями спады, периоды забвения. Кажется, лишь в последние десять лет волнение улеглось и исследования в этой области протекают в сравнительно деловой и спокойной обстановке.
В действительности оба подхода дополняют друг друга. Как правило, основные идеи и направления появляются в стане имитаторов, после чего скрупулезные прагматики доводят их до стадии практически полезных разработок.
Разрабатываемую нами имитационную модель нервной системы мы называем системой автономного адаптивного управления (ААУ).
НЕРВНАЯ СИСТЕМА КАК АВТОНОМНАЯ АДАПТИВНАЯ СИСТЕМА УПРАВЛЕНИЯ
Договоримся о терминах. Обычно при моделировании нервных систем в точных науках пользуются следующими синонимами биологических объектов.
| Кибернетические объекты | Биологические объекты |
| Среда | Объект управления (ОУ) |
| Управляющая система (УС) | Датчики |
| Исполнители | Окружающая среда |
| Организм | Нервная система и мозг |
| Рецепторы | Эффекторы |
Прежде чем приступать к конструированию модели нервной системы, необходимо наложить ряд ограничений на нашу будущую модель.
1. Автономность.
Задача нервной системы — управлять организмом. Условие автономности означает то, что нервная система должна самостоятельно, без подсказок извне, находить способ управления. При этом нервная система заключена внутри организма и может взаимодействовать с окружающей средой лишь посредством рецепторов и эффекторов (исполняющих органов).
2. Дискретность.
3. Начальная приспособленность.
4. Минимум исходных знаний.
После рождения организма, обладающего некоторой начальной приспособленностью и избытком нейронов, его нервная система начинает накапливать знания и информацию. Этот процесс продолжается в течение всей жизни организма (хотя одновременно идет и потеря знаний, например вследствие отмирания части нейронов). Накопление информации происходит в нейронах, при этом изменяется смысл сигнала, представленного нервным импульсом. Например, до и после обучения нервная система может совершенно по-разному реагировать на одинаковые с виду нервные импульсы. Здесь мы имеем дело с информационным процессом приспособления (адаптации), который и будем называть адаптивным управлением. Именно ему живые существа обязаны своей способностью распознавать образы, вырабатывать рефлексы, обучаться, принимать решения.
КАК РАБОТАЕТ НЕРВНАЯ СИСТЕМА
Итак, выходим на связь с Демоном.
Заметим, что активность — необходимая стратегия искомого принципа управления. Альтернативную стратегию — пассивное управление, когда система только реагирует на входные воздействия, — мы отвергаем, ибо она не ведет к поиску новых возможностей для улучшения состояния.
По-видимому, именно аппарат эмоций обеспечивает активность нервной системы. Если мы его отключим, Демон не захочет ничего делать, управление прекратится и объект управления погибнет.
Итак, Демон сформулировал еще одну целевую функцию: поиск и накопление знаний. Очевидно, что, чем больше знаний будет накоплено управляющей системой, тем более надежные способы выживания она сможет найти, тем успешнее сможет улучшать свое состояние. С другой стороны, чем дольше будет существовать объект, тем больше знаний он накопит. Поэтому обе целевые функции — выживание и накопление знаний — тесно связаны между собой (по нашему мнению, главная цель существования и есть накопление знаний).
Разумно. Но может ли Демон обнаружить закономерности в беспорядочном мелькании входных сигналов? Может, если он в состоянии заметить в них неслучайные совпадения. Если в какой-то момент ему покажется, что некоторую комбинацию сигналов он видит уже не в первый раз — значит, он сформировал образ.
Ну вот, уже два образа сформированы — номер 1 и номер 2. Это первые составляющие эмпирического знания нашей управляющей системы. Демон может занести их в свою Базу Знаний.
Сформированные образы (иначе их еще называют таксонами, паттернами, классами объектов) управляющая система может распознать в те моменты, когда в поле зрения датчиков появляются их прообразы.
А что еще остается делать, если нет никаких оснований для более разумной тактики. Интересно, что произойдет раньше: Демон найдет какую-либо закономерную связь между нажатием кнопки и реакцией образа либо выявится зависимость образов от эмоционального состояния Демона?
Ну вот, в данном случае первыми сформировались эмоциональные оценки образов. База Знаний пополнилась новой информацией.
Вот управляющая система и получила первое знание: в каких условиях, каким действием и с какой вероятностью вызывается (или вытесняется) определенный образ. Назовем нажатие на кнопку номер 47 действием номер 1.
Демон постепенно расширяет свою Базу Знаний, обнаруживая новые действия и уточняя найденные ранее.
Посмотрим, как он это делает. В некоторый момент времени управляющая система распознает несколько образов из числа ранее сформированных и определяет их среднюю эмоциональную оценку. Затем она выбирает в Базе Знаний действие, которое в данных условиях обещает максимальное улучшение состояния. Если все варианты равнозначны, выбор может пасть на любой из них. Назовем такой способ первым механизмом принятия решений.
Появился второй механизм принятия решений: действия выбираются не на основе анализа текущего состояния, а по аналогии, в соответствии с обнаруженной закономерностью в последовательности ранее принятых решений.
Но это уже третий механизм принятия решений. Для него необходимо, чтобы управляющая система могла у самой себя вызвать распознавание образов — результатов действия, не совершая его.
Теперь мы можем оставить Демона на какое-то время, поскольку сообщения его будут повторять по смыслу предыдущие. Если мы вернемся к нему несколько позже, то увидим, что:
а) в руках у Демона уже довольно пухлая тетрадь, содержащая обширную Базу Знаний,
б) он умеет распознавать множество образов,
в) почти в каждый момент он знает, как ему поступать в соответствии с обстоятельствами,
г) принимая решения, Демон уже учитывает их последствия, но далеко не все, хотя бы потому, что не успевает это сделать,
д) он может пообщаться сам с собой через внешнюю среду, как бы играя в жизнь и моделируя ситуации, а может статься, что Демон даже найдет во внешней среде другой такой же объект с Демоном внутри и вступит с ним во взаимодействие.
УСТРОЙСТВО УПРАВЛЯЮЩЕЙ СИСТЕМЫ
Каждая подсистема решает свою задачу, учитывая результаты работы других подсистем.
Поясним подробнее работу последней подсистемы. Очевидно, что, чем хуже состояние и чем быстрее оно ухудшается, тем скорее требуется принять решение. Если просмотр всей Базы Знаний требует слишком больших затрат времени, управляющая система может просматривать лишь ее часть, учитывая только наиболее важные последствия того или иного решения. Неучтенные факторы будут реализовываться случайным для управляющей системы образом.
Например, увидев быстро наезжающий грузовик, мы принимаем решение отпрыгнуть в сторону, чтобы сохранить себе жизнь, и не учитываем второстепенных последствий: как мы будем выглядеть в глазах проходящей мимо дамы, не уроним ли шляпу, не наступим ли на газон и т. д. Если же мы распознали образ грузовика вдали, то, уходя в сторону, учтем и даму, и шляпу.
МОДЕЛИ ИСКУССТВЕННЫХ НЕЙРОНОВ
На практике обычно строят такие управляющие системы, которые решают лишь часть задач из вышеперечисленных, обычно одну-две. Например, системы распознавания, как правило, не принимают самостоятельных решений: им заранее известно, что следует делать при распознавании того или иного образа. Экспертные системы, напротив, строятся на базе уже готовых знаний, и им требуется только принимать решения. Некоторые системы занимаются решением исключительно поисковых и оптимизационных задач (так называемые генетические алгоритмы и другие подходы).
Гораздо сложнее создать систему управления, в которой решения всех перечисленных задач были бы взаимосвязаны, а исходные знания о свойствах объекта управления и среды допускали бы значительную неопределенность. Трудность построения такой системы объясняется тем, что все ее части — подсистемы — должны учитывать результаты работы других подсистем в качестве своих исходных условий.
Поскольку наша научная группа придерживается имитационного подхода к моделированию нервной деятельности, мы строим модель управляющей системы по аналогии с естественными нервными системами. Подобно нервной системе, представляющей собою сеть нейронов, управляющая система тоже должна состоять из отдельных нейроноподобных элементов.
Оказалось, что на базе таких нейронов можно конструировать сети, выполняющие функции всех перечисленных подсистем. При этом требуется определенный избыток нейронов, и он действительно существует в живых организмах: более 90% нейронов человека остаются незадействованными в течение его жизни. Избыток искусственных нейронов в управляющей системе можно уменьшить и тем значительнее, чем более сложные связи между сигналами они способны обнаруживать, то есть за счет усложнения нейрона.
СИСТЕМА АВТОНОМНОГО АДАПТИВНОГО УПРАВЛЕНИЯ
Система автономного адаптивного управления — саморазвивающаяся система. В ее поведении можно увидеть детерминированную и случайную компоненты. Первая опирается на уже накопленные знания и стремится улучшить состояние системы, наличие второй связано с отсутствием знаний и стремлением их накопить. По мере накопления знаний поведение управляющей системы становится более детерминированным, что и отражает ее развитие. Пример саморазвития ААУ — последовательное появление у Демона трех механизмов принятия решения, каждый из которых вытекает из предыдущих и повышает эффективность управления.
Важно то, что в системе ААУ качество управления неуклонно растет, причем происходит это автоматически.
Как отмечалось выше, современная техника еще удовлетворяется управляющими системами, построенными либо только на основе системы распознавания, либо только на основе оптимизационных подходов и т. п. Каждый из этих частных методов глубоко развит и способен давать результаты, с которыми трудно конкурировать любому новому подходу. Однако решение задачи управления в более общем виде с помощью метода автономного адаптивного управления имеет свои преимущества, которые проявляются со временем. Это и обнадеживает нас в наших исследованиях.
ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ — АВТОНОМНЫЙ И ПОДЧИНЕННЫЙ
Есть одно, на первый взгляд, странное обстоятельство. Предположим, сильно размечтавшись, что создана некая замечательная система автономного адаптивного управления, не уступающая по своим функциям пусть не человеку, не кошке, но хотя бы мышке (пока что и эта задача совершенно недостижима). Какую же практическую пользу мы сможем извлечь из такой мышки? Заставим ее копать нору? Она скажет: отпустите меня, я хочу есть, пить, гулять и меньше всего хочу работать на вас. И она будет права, так как цель описанной управляющей системы — улучшение своего (а не нашего) состояния.
Все это убеждает нас в необходимости исследования Автономного Искусственного Интеллекта и поиска возможностей его приложения.
Рассмотрение моделей нервной активности в реальном масштабе времени на основе модифицированной системы Ходжкина-Хаксли, их программная реализация и их поведение вблизи границы области периодических решений. Описание математической модели нейрона.
| Рубрика | Биология и естествознание |
| Вид | статья |
| Язык | русский |
| Дата добавления | 28.11.2016 |
| Размер файла | 438,7 K |
- посмотреть текст работы
- скачать работу можно здесь
- полная информация о работе
- весь список подобных работ
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
HTML-версии работы пока нет.
Cкачать архив работы можно перейдя по ссылке, которая находятся ниже.
Основные черты нейрона; нейрофибрилы и секторные нейроны. Значения нервной ткани, нервные волокна. Регенерация нервных волокон, рецептор нервных окончаний, классификация нейронов по функциям. Анатомическое строение нейрона, вегетативная нервная система.
реферат [25,4 K], добавлен 11.06.2010
Репликативный синтез ДНК и пролиферация, особенности организации хроматина в нервных клетках. Репарация (система "ремонта") ДНК в мозге животных. Рибонуклеиновые кислоты мозга. Экспрессия генов в нервной системе позвоночных. Онтогенез мозга животных.
курсовая работа [575,0 K], добавлен 26.08.2009
Цепь процессов по переработке информации посредством центральной нервной системы, формирование рефлексов. Классы электрических сигналов. Распространение изменений потенциала в биполярных клетках и фоторецепторах. Процессы возбуждения и торможения.
реферат [24,8 K], добавлен 24.10.2009
Основные положения нейронной теории. Структурные элементы нервной клетки. Обмен веществ в нейроне, кровоснабжение нервных клеток. Особенности питания нервных клеток и обмена веществ. Основные функции нервной клетки: воспринимающая функция нейрона.
контрольная работа [28,9 K], добавлен 16.02.2010
Процесс возникновения нервного импульса в организме, его основные стадии и особенности. Научные позиции Германа и Бернштейна, их отличительные черты. Гипотеза Ходжкина и Хаксли, опыты по ее доказательству. Явление аккомодации и условия его возникновения.
реферат [653,0 K], добавлен 08.08.2009
Состав нервной ткани. Возбуждение нервных клеток, передача электрических импульсов. Особенности строения нейронов, сенсорного и моторного нервов. Пучки нервных волокон. Химический состав нервной ткани. Белки нервной ткани, их виды. Ферменты нервной ткани.
презентация [4,1 M], добавлен 09.12.2013
Функции нервной системы в организме человека. Клеточное строение нервной системы. Виды нервных клеток (функциональная классификация). Рефлекторный принцип работы нервной системы. Отделы центральной нервной системы. Учение о высшей нервной деятельности.
реферат [1,6 M], добавлен 15.02.2011
Уникальные свойства нервных клеток, их развитие под влиянием генетических факторов и условий среды. Образование периферической нервной системы и ее формирование в раннем периоде. Образование предшественников нервных клеток и глии, миграция нейронов.
реферат [1,1 M], добавлен 31.10.2009
Значение нервной системы в приспособлении организма к окружающей среде. Общая характеристика нервной ткани. Строение нейрона и их классификация по количеству отростков и по функциям. Черепно-мозговые нервы. Особенности внутреннего строения спинного мозга.
шпаргалка [87,9 K], добавлен 23.11.2010
Современное понятие "открытая система". Проблема анализа целостных свойств открытых систем в зависимости от времени. Общность процессов типа 1/f (процессов типа фликкер-шума) для всех систем. Старое и новое математическое описание процессов типа 1/f.
курсовая работа [344,8 K], добавлен 23.11.2011
- главная
- рубрики
- по алфавиту
- вернуться в начало страницы
- вернуться к началу текста
- вернуться к подобным работам
- Рубрики
- По алфавиту
- Закачать файл
- Заказать работу
- Вебмастеру
- Продать
- весь список подобных работ
- скачать работу можно здесь
- сколько стоит заказать работу?
Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.
На заглавном изображении моллюск рода Аплизия, в его нервной системе всего 20 000 нервных клеток. Практически таких же как и в Вашей нервной системе, те же самые дендриты, аксоны, медиаторы. Те же самые белки и вещества. И путь к понимаю природы сознания и сложного интеллектуального поведения не может проходить мимо этого скромного существа.
Существует три типа рефлекторной деятельности это привыкание, сенсибилизация и образование условных рефлексов. Данные типы деятельности выявил академик Павлов И.П. и если наша модель не будет этого эмулировать, то значит, это не модель нервной системы, а модель чего-то другого.
Привыкание это явление, связанное с тем, что после неоднократного действия безразличного раздражителя, как животное, так и клетка перестает на него реагировать. К примеру фоновый звук к которому мы можем привыкнуть и через некоторое время практически перестаем его слышать, или если вы носите кольцо длительное время, то можете не чувствовать его давление на кожу и т.д.
Привыкание реализовано следующим способом. При активации нейроэлемента он входит в состоянии активности, в котором прекращает реагировать на активирующие факторы, такие как сигнал, от контактных синапсов или превышение порога обшей суммы на сумматоре. Через некоторое время нейроэлемент производит ответ по всем имеющимся у него передающим синапсам. После передачи сигнала проходит еще время, которое обозначено как время отдыха или восстановления. Далее состояние активности сменяется состоянием ожидания, в котором нейроэлемент может реагировать на активирующие факторы и снова войти в состояние активности. Для модулируемого нейроэлемента после фазы активности существует время оценки, за которое определяется, будет ли нейроэлемент активирован повторно.
Если повторная активация происходит в этот период, то происходит подсчет повторов. То есть каждый раз, когда активация происходит во время оценки, то счетчик повторов увеличивается на один, но если во время оценки не происходит активации, то счётчик сбрасывается. Так происходит подсчет активаций, если они совершаются достаточно часто.
И если количество повторов оказывается выше определённого лимита, то происходит повышение порога сумматора нейроэлемента на некоторое значение. Таким образом, нейроэлемент повышает свой порог, пока не прекратит отвечать на тот уровень воздействия, который его активировал.
В противоположность привыканию следует выделить механизм адаптация. Адаптация это способность клетки с течением времени возвращается к прежнему уровню чувствительности. Даже после привыкания, если длительное время отсутствует раздражитель, к которому выработано привыкание, то сила этого привыкания уменьшается, и может вообще исчезнуть.
Скорость, с которой происходит восстановление, в разных случаях может быть различной, и иногда оно может длиться часы и даже дни, а в некоторых случаях это происходит очень быстро.
Пример с адаптацией:
Механизм привыкания можно представить как механизм защиты, при очень частой активации нервной ткани, есть большая вероятность её истощения, гибели и повреждения. Поэтому в целях защиты чувствительность нейрона уменьшается, и он реже начинает отвечать на возбуждения.
С другой стороны, если нейрон не будет активироваться, то он не будет выполнять свои задачи и а значит, он бы являлся бесполезным энергопотреблением. Поэтому существует механизм адаптация, который повышает чувствительность к внешним раздражителям, что увеличивает вероятность активации нейрона.
Свойства нейроэлемента привыкание и адаптация решают проблему зацикливания, очень часто в нервной ткани нейроны объединены так, что образуют петли передачи нервного возбуждения, такие небольшие кольцевые передачи как бы обозначают рефлекторную дугу по пути распространения возбуждения. Но при кольцевых передачах возбуждения не происходит бесконечного зацикливания, с течением времени эти передачи так же прекращаются, за счет быстрого привыкания.
Сенсибилизация
Второй тип рефлекторной деятельности это сенсибилизация. Сенсибилизация это повышение чувствительности к воздействию раздражителей, даже безразличных, если этому предшествовала важное для организма событие.
К примеру, для собаки определённый звук является безразличным раздражителем, на который она ранее не реагировала. Тогда, если поступит неприятный раздражитель, к примеру, удар током, то собака на некоторое время будет встревожена, и даже индифферентный звук будет вызывать характерное поведение, защитную реакцию.
Для того, что бы смоделировать сенсибилизацию обратимся к работам Эрика Канделя, лауреата Нобелевской премии в области физиологии. Он подробно описал действие модулирующих синапсов на примере нервной системы моллюска Аплизии.
У моллюска существует защитная реакция в ответ на всякого рода прикосновения это втягивание жабр. В своих опытах Эрик Кандел вызывал у Аплизии привыкание к легкому касанию её сифона так, что защитный рефлекс не срабатывал. Защитный рефлекс сохраняется для сильных воздействий на сифон, но при слабом воздействии он отсутствовал. Но если легкому касанию сифона предшествовало воздействие на хвост моллюска, то защитный рефлекс срабатывал с прежней силой и происходил сохранение жабр.
Нервная система Аплизии состоит из относительно небольшого числа клеток, которые могут быть идентифицированы и поэтому возможно составить схемы рефлексов. Возможно полностью выделить рефлекторную дугу ответственную за защитную реакцию при раздражении сифона – это основная цепь. И цепь нейронов, ответственная за модуляцию – модулирующая цепь, которая активируется при воздействии на хвост моллюска.
Эрик Кандел подробно описал, как происходит в данном случае модуляция, какие химические вещества участвуют в этом процессе, внутриклеточные каскады реакций. Давайте перенесем эти знания на нашу модель.
И так у нас в системе существует определённый тип синапсов – модулирующий. Этот тип синапсов не оказывает прямого активирующего или тормозящего действия, он воздействует на уровень активирующего порога. Уровень активации нейроэлемента состоит из двух частей основной и модулируемой. Основная часть порога активации это то, что будет изменяться при привыкании и адаптации. Модулируемая часть подобна сумматору, в ней складываются все воздействия от модулирующих синапсов. Результирующая сумма постепенно уменьшается по модулю и стремится к нулю. Скорость уменьшения модулирующего воздействия в значительной степени медленней, чем скорость, с которой уменьшается общее воздействие синапсов прямого действия.
Сила модулирующего синапса может быть различной по знаку, то есть может повысить порог, тем самым понизить чувствительность нейроэлемента, или понизить порог, увеличивая его чувствительность.
Уровень порога, по которому оценивается, будет ли нейроэлемент активироваться, является суммой основной и модулирующей части, этот уровень не может быть равным нулю или ниже нуля.
Смоделируем эксперименты Эрика Канделя с Аплизией.
Механизм сенсибилизации у Аплизии является прообразом эмоционально состояния тревожности и страха у животных с более развитой нервной системой. У таких животных в сенсибилизации участвуют не отдельные цепочки нейронов, а целые области в нервной системе. Область ответственная за страх и тревожность – миндалевидное тело, миндалина, при её активации происходит, выделите модулирующих медиаторов (адреналин, норадреналин). Данные медиаторы могут оказывать действие на моторную кору, увеличивая чувствительность нейронов, что увеличивает активность в моторной каре. Это значит, что требуется меньше внутренней мотивации, что бы совершить некоторые действия, что позволяет быстрее убегать от опасности или более активно атаковать и проявлять агрессию.
Переключатель
Нейроны
Прежде чем говорить о возможностях моделирования мозга как управляющего центра разумных действий, нужно представить себе элементы сложнейшей нервной системы - нейроны и попытаться создать их модели.
Значительная или даже, пожалуй, основная часть ведущихся ныне исследовательских работ по бионике посвящена созданию аналогов биологического нейрона - нервной клетки, являющейся основным элементом нервной системы.
Конечная цель этих работ - создание систем, предназначенных для накопления, обработки и передачи большого количества информации, электронных машин, способных решать любые сложные задачи без предварительного программирования, различных самообучающихся, адаптивных (самоприспосабливающихся, самоорганизующихся устройств), обладающих малыми габаритами и высокой надежностью. Иными словами, речь идет о создании широкого комплекса автоматических систем, функционирующих по принципу, аналогичному законам деятельности и принципам организации живого мозга.
Рис. 90. Нейрон
Что такое нейрон? Это нервная клетка человеческого мозга (рис. 90). В мозгу человека их около 15 млрд., и мы о них почти ничего не знаем. Нейрон был и остается величайшей загадкой. Трудно описать необычную сложность нервной системы человека. Каждый нейрон снабжен выходным каналом - аксоном. По нему передается возбуждение к какому-либо органу. Например, тело нервной клетки находится в спинном мозге, а ее аксон достигает мышц пальцев ноги. Если бы мы захотели сделать большую модель аксона, хотя бы в виде садового шланга (диаметром 4 см), то его длина оказалась бы больше 16 км. Другие отростки нейрона - дендриты - являются входом в тело нервной клетки. Аксоны и дендриты различных клеток переплетаются и соединяются во многих (до тысячи) контактных точках. Через эти контакты - синапсы - может передаваться возбуждение от аксона одного нейрона к дендриту другого.
Нейроны плотно окружены так называемыми глиальными клетками, которых раз в десять больше, чем нейронов. Раньше считали, что эти клетки лишь "закрепляют" нейроны на месте или помогают им питаться. Однако последние исследования показали: клетки глии активно участвуют в проведении нервных импульсов, в формировании реакций и некоторых проявлениях функций памяти. Похоже, что разум равномерно "размазан" по всем структурам нервной системы.
Нейрон как электрическая система - преобразователь импульсов (рис. 91). В спокойном состоянии он имеет по отношению к окружающей среде небольшое отрицательное напряжение, примерно 70 мВ, этот потенциал может меняться до +10 мВ. Как только потенциал нейрона достигает +10 мВ, начинает действовать своего рода обратная связь, которая самостоятельно приводит систему в исходное состояние и заставляет напряжение снизиться до потенциала покоя. При этом на выходе нейрона возникает импульс. В течение этого времени занятости, которое длится около 1 мкс, клетка не чувствительна к внешним воздействиям. Этот принцип имеет далеко идущие последствия.
Для возбуждения нервной клетки недостаточно импульса, приходящего только к одному из синапсов клетки, необходимо почти одновременное воздействие импульсов на несколько синапсов дендритов клетки. Если отдельные поступающие импульсы не достигают порогового значения, то в результате совместного воздействия многих импульсов (если они поступают одновременно) на выходе нейрона появится импульс. Это принцип действия схемы И в ЭВМ (далее о схемах И и ИЛИ рассказывается более подробно). Таким образом, нервная клетка является своего рода цифровой системой, подобной той, которой мы пользуемся в ЭВМ.
Рис. 91. Нейрон как электрическая система
Если на многие отдельные входы нейрона подать несколько смещенных по времени групп импульсов, то они с помощью нейрона автоматически складываются в пачки. Этот процесс похож на своего рода осмысливание. Убедимся в этом на примере глаза.
Ученые, занимающиеся анатомией и развитием глаза, показали, что сетчатка, в сущности, не что иное, как часть самого мозга: при развитии зародыша часть мозга выносится вперед, из нее назад вырастают длинные волокна, которые связывают ее с остальным мозгом. По своей организации сетчатка весьма похожа на мозг. По этому поводу кто-то прекрасно сказал, что это "мозг выдумал, как ему взглянуть на мир". Глаза - это кусочки мозга, которыми он, так сказать, "касается света", внешнего мира. В трех слоях клеток глаза проводится анализ, результаты которого передаются по зрительному нерву в мозг.
Интересные эксперименты, подтверждающие это, были проведены с глазом краба-мечехвоста. Его глаз содержит около тысячи светочувствительных элеменов - омматидиев.
Рис. 92. Импульсы омматидия
Если на зрительный нерв краба наложить небольшие электроды и осветить с помощью линз только один омматидий (рис. 92), то на осциллографе мы увидим серию частых импульсов. Через некоторое мгновение частота их становится меньшей (импульсы идут реже (рис. 92, а). Если свет направить на какой-либо другой омматидий, то импульсов не будет.
Если же мы осветим первый омматидий и получим те же импульсы, а затем направим свет на соседний, то на короткое время импульсы прекращаются, а затем "бегут" снова, но с заметно меньшей частотой (рис. 92, б). Оказывается, импульсы, возникающие во втором омматидии, затормаживают импульсы первого.
Другими словами, хотя каждый нерв и несет информацию о своем омматидии, количество этой информации подавляется сигналами от другого омматидия. Например, когда более или менее равномерно освещен весь глаз, то сигнал, пришедший от любого отдельного омматидия, будет относительно слабым, ибо он подавлен множеством других сигналов. Торможение, как говорят, аддитивно (торможения складываются), т. е. если мы осветим несколько соседних омматидиев, торможение будет очень сильным. Торможение оказывается большим, если омматидии расположены близко, и оно практически сводится к нулю, если омматидии удалены друг от друга. Это первый пример, когда информация от различных частей глаза перерабатывается в нем самом.
Небольшое отвлечение сделано нами и для того, чтобы показать, что нервные импульсы можно наблюдать на экранах осциллографов. Их природу и поведение ученые исследуют экспериментально. Это пока лишь первые, самые робкие шаги в неизведанную интереснейшую область изучения природы мышления.
К сказанному о свойствах нейрона как цифрового коммутационного элемента можно добавить следующее: он может хорошо осуществлять аналоговые вычислительные операции, преобразовывать интенсивность в последовательность импульсов, складывать и умножать.
Нейрон, как уже отмечалось, преобразователь с двоичным выходом, т. е. с отсутствием или наличием сигнала. На нейрон биологического организма может подаваться возбуждающий или тормозящий импульс. Первый вызывает "срабатывание" нейрона, если энергия, накапливаемая нейроном за определенный отрезок времени, превысит некоторое, как говорят, пороговое значение. Если амплитуда импульса мала, нейрон не "сработает". Но если последовательно действует несколько слабых сигналов, энергия которых в общей сложности превышает пороговое значение, то нейрон "срабатывает". Это означает, что он обладает свойством временного и пространственного суммирования. На выходе нейрона образуются импульсы определенной амплитуды и длительности.
Последовательным или временным суммированием называют такое возбуждение нейрона, когда раздражения, меньшие пороговых, следуют через достаточно короткие промежутки времени. Пространственное суммирование состоит в одновременном подведении к двум или нескольким синапсам отдельных раздражений, более слабых, чем пороговые значения. В сумме они могут вызвать возбуждение нейрона.
Модель нейрона изображена на рис. 93. У нее множество входов, куда поступают сигналы р1, р2, . рn, которые действуют через синаптические контакты s1, s2, . . ., sn. В этих контактах поступающий сигнал задерживается на время, в течение которого выделяется особое вещество, повышающее возбудимость нейрона и облегчающее реакцию клетки на последующие импульсы.
Воздействие на тело нейрона определяется суммой воздействий от всех входов и сигналами, действовавшими до этого. Нейрон срабатывает, если воздействие превысит пороговое значение К. Тогда на выход нейрона поступает стандартный сигнал Р.
Мы уже отмечали, что сразу же после воздействия возбуждающего импульса пороговый уровень нейрона возрастает. Значит, никакой вновь приходящий сигнал не заставит его "срабатывать". Такое состояние сохраняется обычно в течение нескольких миллисекунд, затем пороговый уровень снижается. Что касается тормозящего импульса, то он представляет собой запретный сигнал, делающий невозможным "срабатывание" нейрона от импульсов других входов.
Для моделирования нейронов применяется главным образом метод физического моделирования. Это естественно: создавая такую модель, инженеры стремятся создать элементы для электронных или иных вычислительных машин будущего. Конечно, это должно быть вполне реальное устройство, по возможности, более компактное и дешевое. Метод математического моделирования применяется главным образом при моделировании нейронных сетей.
Прежде чем работать над моделью, необходимо из всего многообразия свойств живой нервной клетки выбрать те, которые кажутся наиболее существенными для выполнения поставленной экспериментатором задачи. Этот процесс часто называют формализацией нейрона. Первая модель нейрона, дающая его формальное описание и позволяющая применять аппарат математической логики для анализа и синтеза сетей из нейронов, была предложена У. С. Мак-Каллоком и У. Питтсом. Допущения, введенные ими, сводятся в основном к тому, что нейрон:
1) имеет n входов и один выход (аксон) с одной или несколькими концевыми пластинами;
2) может находиться в одном из двух состояний: возбуждения или покоя (т. е. работает но принципу "все или ничего");
3) входы (синапсы) бывают возбуждающими и тормозящими; активность какого-либо тормозящего синапса абсолютно исключает возбуждение данного нейрона;
4) характеризуется некоторым определенным числом синапсов, при одновременном возбуждении которых он сам приходит в состояние возбуждения, это число не зависит от предыдущего состояния нейрона и от расположения синапсов на нем.
Рис. 93. Модель нейрона
Рис. 94. Модель нейрона Мак-Каллока-Питтса
Рис. 95. Логические устройства из реле
Легко видеть, что три последних положения лишь частично отражают реальные свойства нейрона. Дело в том, что эта модель является математической абстракцией, предназначенной для моделирования нейронных сетей на цифровых вычислительных машинах. Электронные модели нейрона гораздо точнее копируют его свойства.
Для имитации нейронов применяются магнитные ферритовые сердечники, схемы специальных генераторов (мультивибраторов) и другие устройства. Модель нейрона Мак-Каллока и Питтса с мультивибратором показана на рис. 94.
Такая схема позволяет воспроизвести многие характеристики нейрона, кроме его способности адаптации, т. е. изменения порога срабатывания в зависимости от величины входных сигналов. Следует иметь в виду, что нейронная схема Мак-Каллока и Питтса является очень упрощенной моделью нейрона. Биологический нейрон значительно сложнее. Один биологический нейрон способен сочетать в себе функции, для реализации которых потребовалась бы целая сеть упрощенных нейронов. Но полная модель была бы необозримой и не поддающейся анализу теми аналоговыми и математическими средствами, которыми мы в настоящее время располагаем.
В действительности сами генераторы нейронных сигналов являются решающими элементами необычайно тонкой структуры, каждый из которых принимает решение о подаче выходного сигнала на основании сложной зависимости от серии сигналов, поступающих на каждый из его синапсов или на рецепторную область, а также в зависимости от его собственного внутреннего состояния.
Для упрощения моделей инженеры интерпретировали 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. Возможности отдельного нейрона, так же как и одного реле, весьма ограничены. Из множества нейронов или реле, работающих на замыкание и размыкание контактов, можно построить логические сети, выдающие на своем выходе, в зависимости от поступающих входных сигналов, различные разумные решения.
Как известно, электромагнитное реле представляет собой небольшую магнитную катушку на железном сердечнике, притягивающемся к сердечнику якоря, и связанных с ним двух или больше пар контактных пластин, которые включаются в электрическую цепь. Если к магнитной катушке прикладывать напряжение, то сердечник намагничивается, притягивает якорь и контактные пластины либо соединяются, либо разъединяются. В результате создается или нарушается электрическая связь, которая была в состоянии покоя реле. Первая электрическая машина Цузаса содержала 2000 электромагнитных управляемых переключателей, а машина Айкена - 3000.
Одного реле достаточно, чтобы построить схему отрицания. Ее входом является обмотка реле, выходом - контактные пластины, одна из которых связана с батареей. Если на входе нулевое напряжение, т. е. на обмотке реле нет напряжения, то обе контактные пластины соединяются, а напряжение батареи подключается к выходу - там появляется 1 (рис. 95).
Если на вход 1 подать напряжение (магнит возбуждается), то контакты прерываются и батарея отключается. На выходе появляется 0. Это свойство схемы отрицания (НЕ).
Для схем И и ИЛИ нужны два реле с рабочими контактами, которые разомкнуты при невозбужденных магнитных катушках. Для реализации схемы И пары контактов обоих реле соединяются последовательно. В этом случае, когда к обеим катушкам реле одновременно приложено напряжение, обе пары контактов будут замкнуты, напряжение батареи подключится на выход и там появится 1.
Если только на одном из входов 0, то и на выходе будет 0. В схеме ИЛИ обе пары контактов включены параллельно. В этом случае достаточно, чтобы напряжение было подано на одно или другое реле, чтобы на выходе схемы появилась 1 (напряжение батареи).
Читайте также:
