через входы (j) нейрон принимаетвходные сигналы (xj)
входные сигналы умножаются навесовой коэффициент (wj) и суммируются
выходной сигнал нейрона нелинейная функция f (S),
называемая активационной. Обычно φ это функция Хевисайда.
Было установлено, что НС могут выполнять любые логические операции и любые преобразования, реализуемые дискретными устройствами с конечной памятью.
Эта модель легла в основу теории логических сетей и конечных автоматов и активно использовалась психологами и нейрофизиологами при моделиро- вании некоторых локальных процессов нервной деятельности.
Персептрон Розенблатта
Идея Мак-Каллока Питтса была реализована Фрэнком Розенблаттом в 1958 г. в виде компьютерной программы, а в 1960 г. в виде электронного устройства, моделирующего сетчатку человеческого глаза. Позже М. Минский и С. Пайперт в своей книге «Персептроны» строго математически доказали, что однослойные персептроны в принципе не способны решать многие простые задачи. Многие понимали, что надо усложнять структуру персептронов, и были разработаны «многослойные персептроны»
Задачи, решаемые с помощью нейросетей
если есть математическая модель какого-то процесса, то изучая влияние входных параметров на выходные, можно решить задачу оптимизации моделируемого процесса
если математическая модель является нестационарной, то её можно использовать для решения задач прогнозирования
если математическая модель работает в реальном режиме времени, то результаты математического моделирования могут быть оперативно переданы оператору, управляющему объектом, или могут быть непосредственно введены в приборы, что позволяет решать задачи управления моделируемым объектом или процессом
нейронные сети могут решать задачи распознавания и классификации образов, причем под образами понимаются зрительные изображения, символы, тексты, запахи, звуки, шумы.
Сегодня существует фактически два типа вычислительных систем для компьютеров Фон-Неймановская и нейрокомпьютерная. Но пока что никакой из них не удалось описать реальное поведение даже простейшей нервной системы нематоды Caenorhabditis elegans!
В 60-е годы большие ученые делали многообещающие прогнозы по поводу возможностей компьютерного моделирования живых систем, и человеческого мозга в частности.
Норберт ВИНЕР в работе « Кибернетика и общество» писал:
«Индивидуальность тела есть скорее индивидуальность огня, чем индивидуальность камня, это индивидуальность формы строения, а не кусочка вещества. Эта форма может быть передана или видоизменена и скопирована, хотя в настоящее время мы лишь знаем, как скопировать ее на близком расстоянии ()
То, что мы пока не можем телеграфировать схему человека из одного места в другое, связано, в основном, с техническими трудностями»
Иосиф Самуилович ШКЛОВСКИЙ (в книге «Вселенная, жизнь, разум» 1975): « За прошедшие 15 лет «разум» наших электронных вычислительных машин улучшился в миллион раз В течение нескольких следующих десятилетий следует ожидать увеличения характеристик «разума» машин еще по крайней мере в несколько десятков тысяч раз. «Разум» таких машин по основным пара- метрам будет заведомо превосходить разум человека».
Через 40 лет (в 2015 году) компьютерные мощности увеличились примерно в миллиард раз. Но где же машины, которые заведомо превосходят разум человека по основным параметрам?
Понимание ситуации было и остается фундаментально неверным!
Учет возможностей нервных клеток к поиску оптимального состояния, обучению и запоминанию результатов, открывает совершенно новые пути для понимания работы мозга и, возможно, созданию новых устройств на этой основе. В США на эти проблемы тратят не менее 100 миллионов долларов в год, но дальше идеи о «коннектоме» составлении карты связей между нейронами) пока что не продвинулись.
Очевидно, современным создателям «Искусственного интеллекта» явно не хватает какого-то принципиально нового «измерения», нового подхода, который мог бы позволить понять принципиальную разницу между работой живого мозга и мёртвой электронной схемы. По нашему убеждению, в этой сфере могут оказаться востребованными идеи В. Я. Александрова, которые вдохновили автора на проведение экспериментов с нервной клеткой, вообще не обладающей синапсами рецепторе растяжения речного рака.