указывалось выше, является
самоуправляющейся.
  Но управление не сводится просто к передаче информации от управляющей
части системы к исполнительному органу. Этот процесс гораздо сложнее.
  Дело в том, что на исполнительный орган влияет не только управляющая
система. Он подвержен непрерывным воздействиям окружающей среды, которые
часто препятствуют исполнению приказов, полученных от управляющего центра.
Например, корабль может отклониться от прямого пути под влиянием
неожиданно поднявшегося ветра. Что предпринять в этом случае? Очевидно,
нужно повернуть руль корабля так, чтобы он мог держать прежний курс.
Противодействие случайным внешним влияниям - общий закон всякого
регулирования.
  Самый надежный способ противодействовать внешним возмущениям - это сделать
так, чтобы всякое отклонение фактического поведения от заданного,
независимо от того, чем оно обусловлено, вызывало определенную ответную
реакцию, направленную на ликвидацию этого отклонения. В таком случае не
нужно изучать его причины, определять силу ветра, направление течения и
т.д.; заданное направление поддерживается автоматически. Такой способ
управления был найден. Нужно, чтобы кроме прямой связи устройства
управления с исполнительной системой была обеспечена связь выхода
исполнительной системы с входом управляющей (см. рис. 65). Эту
дополнительную связь называют обратной.
  Примеры обратной связи мы уже видели выше. Обратная связь, вызывающая в
результате своего действия ослабление внешнего влияния, носит название
отрицательной обратной связи. Принцип регулирования на основе
отрицательной обратной связи находит применение в любой управляемой
системе, будь то кибернетическая машина или живой организм.
  Положение о том, что регулирование в живом организме, в том числе в
центральной нервной системе человека, происходит на основе отрицательной
обратной связи, иногда называют основной гипотезой кибернетики.

  Рис. 65. Обратная связь

  Общий для кибернетических машин и живых организмов принцип обратной связи
неслучаен. Ведь и те и другие вынуждены действовать в постоянно меняющихся
условиях, поэтому реакции, вырабатываемые у них, должны отличаться
разнообразием. Но для этого необходимо, чтобы из рабочего органа в
центральную систему поступали соответствующие сигналы. Обратная связь
лежит в основе восстановления и перестройки функций центральной нервной
системы.

  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 модель.
  Значительная или даже, пожалуй, основная часть нынешних исследовательских
работ по бионике посвящена созданию аналогов биологического нейрона -
нервной клетки - основного элемента 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 машин. Иными словами, речь идет о создании широкого комплекса
автоматических систем, работающих по тем же принципам.
  Что такое нейрон? Это нервная клетка человеческого мозга (рис. 66). В
мозге человека их около 15 миллиардов, и мы о них очень мало знаем. Нейрон
был и остается величайшей загадкой. 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 в масштабе
большую модель аксона, хотя бы в виде шланга диаметром 4 см, то его длина
оказалась бы более 16 км. Другие отростки нейрона - дендриты - являются
входами в тело нервной клетки.
  Рис. 66. Нейрон

  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: глиальные клетки активно участвуют в проведении
нервных импульсов, в формировании реакций и некоторых проявлениях функций
памяти. Похоже, что разум равномерно "размазан" по всем структурам нервной
системы.
  Для создания моделей нейрона применяют главным образом метод физического
моделирования. Это естественно: ведь инженеры стремятся разработать
элементы для электронных или иных вычислительных машин будущего. Конечно,
это должно быть вполне реальное ycтройство, как можно белее компактное и
дешевое. Методом математического моделирования пользуются главным образом
при моделировании нейронных сетей.
  Прежде чем начать 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 - Калло - ком и У. Питтсом. Допущения, принятые ими.
сводятся в основном к тому, что нейрон:
  имеет и входоь и один выход (аксон) с одной или несколькими концевыми
пластинками;
может находиться в одном из двух состояний: возбуждения или покоя (т.е.
работает по принципу "все или ничего");
имеет входы (синапсы, возбуждающие и тормозящие;
активность какого - либо тормозящего синапса абсолютно исключает
возбуждение нейрона;
располагает 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. 67. Модель нейрона Мак-Каллока и Питтса


  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 применяют магнитные ферритовые магнитопроводы,
специальные генераторы и другие устройства. Модель нейрона Мак - Каллока и
Питтса с мультивибратором показана на рис. 67. Она позволяет воспроизвести
многие характеристики нейрона, кроме его способности к адаптации, т. е. к
изменению порога срабатывания в зависимости от уровня входных сигналов.
Следует иметь в виду, что модель Мак - Каллока и Питтса сильно упрощена.
Биологический нейрон значительно сложнее.

  РЕШЕНИЕ ЛОГИЧЕСКИХ ЗАДАЧ

  Важнейшим практическим результатом кибернетики является использование
знаний о работе нервной системы животных и человека для конструирования
машин, способных выполнять некоторые их функции.

  Рис. 68. Логические элементы И, ИЛИ, НЕ

  Современная символическая логика установила, что многие из них можно
выразить тремя логическими функциями: НЕ, И, ИЛИ, т. е. отрицание,
конъюнкция и дизъюнкция. Поскольку перед машиной ставят задачу
осуществления действий, аналогичных действиям человека, его рассуждениям,
она должна уметь отрицать, соединять и разделять.
  Проиллюстрируем основные операции алгебры логики логическими схемами (рис.
68). Например: устройство И - лампа загорится тогда, когда будут замкнуты
оба ключа А и В; устройство ИЛИ - лампа загорится тогда, когда замкнут
ключ А или В; устройство НЕ - лампа загорится при каком угодно положении
ключа, только не А. Комбинируя эти и им подобные устройства конструкции,
получают вычислительные машины, способные решать очень сложные логические
задачи.
  Если в релейных машинах роль ключа играли электромеханические реле, то в
электронных эта роль была поручена сначала электровакуумным приборам -
радиолампам, а затем на смену им пришли транзисторы. Это позволило
уменьшить размеры машин, повысить их быстродействие. Именно бурное
развитие электроники вызвало быструю смену поколений ЭВМ и расширило их
возможности.
  Но прежде чем говорить о поколениях ЭВМ, полезно вспомнить, что такое
электронные полупроводниковые элементы и какова история их появления.
  В 1922 году молодой русский физик О. В. Лосев открыл новый эффект. Работая
в лаборатории М. А. Бонч-Бруевича с парой кристалл - проволока, он
установил, что это нехитрое устройство усиливает электрические колебания.
Используя этот эффект, он построил радиоприемник (всего из шести деталей),
не требовавший электропитания. Это и было, по существу, открытие и первое
применение полупроводникового элемента. Зарубежная печать восторгалась:
"Молодой русский изобретатель безвозмездно передал свое изобретение миру,
не взяв на него патента!", "Кристалл заменил лампу!" и т.д. О. В. Лосев -
изобретатель транзистора - скромно трудился вплоть до своей смерти (1942
г.) в блокадном Ленинграде. Он прожил всего 39 лет. Открытие О. В. Лосева
дало толчок новым исследованиям, в результате которых и были созданы
современные полупроводниковые усилительные элементы - транзисторы,
заменившие электровакуумные лампы.
  Транзисторы положили начало новой области техники - микроэлектроники. На
их основе созданы интегральные микросхемы, и в частности, цифровые. Таким
образом, конструкторы получили в свое распоряжение уникальную элементную
базу, позволившую создать исключительные по быстродействию и возможностям
целые поколения ЭВМ.

  КИБЕРНЕТИЧЕСКИЕ ЖИВОТНЫЕ

  Мы узнали, как использовать кибернетику для конструирования думающих
машин, заменяющих человека в его логической функции. Но. вскрывая то
общее, что имеется у живого организма и машины, кибернетика не
ограничивается мыслительной деятельностью человека. Она изучает все
особенности поведения живых существ, которые могут быть воспроизведены в
машине. И используется эта наука для моделировання не только мышления
человека, но и всех других функций нервной системы.
  Простейшие автоматические устройства действуют строго по заданной
программе. Их поведение не меняется в зависимости от окружающих условий -
они не приобретают опыта. Естественно, возникает вопрос: нельзя ли такую
особенность регулирования живых ортанизмов. как умение приспосабливаться к
среде, придать машине?
  Многие ученые в разных странах пытались решить эту задачу, конструируя
небольшие механические устройства, поведение которых обладало бы
некоторыми чертами живых существ. Первыми такими моделями явились две
черепахи английского ученого Грея Уолтера, названные им Эльзи и Эльмер.
Устроены они были очень просто: небольшие тележки на колесах с двумя
электродвигателями, двигающими их вперед и в стороны, фотоэлемент, "ус",
замыкающий контакт в случае соприкосновения с препятствием, и блок
управления.
  При всей простоте черепах их поведение представляло большой интерес. В
темноте они двигались беспорядочно, как бы в поисках чего-то. Когда
появлялся свет, они немедленно его "замечали" и направлялись к источнику
света. Приблизившись к нему, они начинали блуждать вокруг, стараясь все
время "видеть" свет. Наткнувшись на препятствие, черепахи старались его
обойти.
  Широко известна также мышь Шеннона, блуждающая внутри специально
изготовленного лабиринта. Натыкаясь множество раз на препятствия и обходя
их, мышь в конце концов находила выход из лабиринта. Но во второй и
последующих попытках она достигала цели уже значительно быстрее, используя
"знания", приобретенные во время первого путешествия, и двигаясь по более
короткому пути.
  Интересна также игрушка - робот Эдмунда Беркли, которую он построил с
помощью школьников. Она представляет собой тележку с моторным приводом и
моторным управлением. Авторы назвали игушечно - го робота "белка". Белка
имеет два фотоэлемента - две лапки, которые могут раздвигаться или
сдвигаться на уровне пола, образуя, чашечку, язычок внутри чашечки и
металлический хвостик, волочащийся по полу. В блоке управления белки
имеются коммутирующие реле и фильтр, позволяющий различать постоянный и
переменный токи.
  Как же работает белка? Большая пустая комната освещена лампами
накаливания. По полу в беспорядке разбросаны белые шарики. В одном из
углов лежит металлический лист, освещенный люминесцентной лампой, - это
гнездо белки. Белка наугад ищет, пока в поле зрения ее фотоэлементов не
попадет белый шарик. Тогда она направляется к нему, раздвигает лапки,
останавливается и сдвигает их, захватывая шарик. Язычком, находящимся
между лапками, белка обнаруживает шарик. Затем она поворачивается и ищет
гнездо. Поскольку оно освещено мигающим светом люминесцентной лампы (в
отличие от непрерывного света ламп накаливания), электрический фильтр
позволяет ей распознать направление. Белка направляется к гнезду,
заползает на металлический лист и останавливается на нем, так как
замыкание цепи между листом и ее
металлическим хвостиком дает знать, что она дома. Белка раздвигает лапки,
выбрасывая шарик, и снова направляется на поиск следующего.

  ПРОСТЕЙШИЕ МОДЕЛИ С ИСПОЛЬЗОВАНИЕМ ЛОГИЧЕСКИХ УСТРОЙСТВ

  Как заставить модель обходить, не задевая встречающиеся на пути предметы?
Сделать в домашних условиях локатор сложно, да он и не нужен. Глазами
автомобиля или робота могут быть фотодатчики. Свет фар, отраженный от
преграды и принятый фото датчиками, расскажет логическому устройству о
ситуации на дороге. Логическое устройство примет нужное решение и отдаст
ту или иную команду исполнительным реле: включить указатель поворота и
повернуть направо или налево; продолжить путь по прямой; включить
предупреждающие красные фонари, звуковой сигнал или заднюю фару с
фотодатчиком и двигаться назад, если оба передних датчика зафиксировали
препятствие.

  9. МОДЕЛИРОВАНИЕ
ПАМЯТИ И ВЫЧИСЛИТЕЛЬНЫХ СИСТЕМ
НА ПУТИ К СОЗДАНИЮ ИСКУССТВЕННОГО МОЗГА

  Важнейшим объектом исследования нейрокибернетики является самая сложная
биологическая система - человеческий мозг. Исследуя процессы, происходящие
в головном мозге, можно изучить совокупность операций, которые приводят
человека к решению творческих задач. Несмотря на сложность этой проблемы,
творческие процессы познаваемы, как и любые другие процессы, происходящие
в природе.
  Мозг обладает способностью сопоставлять, анализировать и обобщать
получаемую им информацию, а запоминает лишь наиболее важную ее часть.
После закрепления информации память человека освобождается для новых
потоков информации. Одно из основных проявлений памяти заключается в
способности узнавания и воспроизведения. Человек может закрыть глаза и
воспроизвести в своей памяти картину, которую он видел в прошлом. Можно
через несколько десятков лет показать этому человеку часть фотографии этой
картины, и он сразу же узнает и воспроизведет в своей памяти всю ее
целиком.
  Наши сведения о структуре и функциях мозга в настоящее время еще весьма
неполны, зачастую они основаны лишь на догадках. О мозге мы знаем
значительно меньше, чем о других органах живого существа. Каждый из нас
необычайно мало использует возможности своей памяти.
  Человек всегда помнит больше, чем ему кажется. По свидетельству
современников, Юлий Цезарь и Александр Македонский знали в лицо и по имени
всех своих солдат, а ведь их было очень много - 30 тыс. А. Алехин помнил
все сыгранные шахматные партии и, не глядя на доски, мог одновременно
играть более чем с 20 партнерами.
  Сейчас никто не в состоянии дать исчерпывающий ответ на все вопросы,
связанные с деятельностью мозга: 6 механизме памяти, об удивительной
системе произвольного доступа к огромным запасам информации, хранящейся в
мозгу, о гибкости и надежности памяти человека. Но великий русский
физиолог И. М. Сеченов, очень хорошо понимавший титаническую трудность
проблемы, утверждал, что предпосылки для понимания функций мозга состоят в
"...строгом разборе его машинности".
  Успехи кибернетики и бионики - лучшее доказательство справедливости этого
тезиса. Новым наукам, развиваемым совместными усилиями физиологов,
математиков и специалистов по электронике, союз которых оказался
чрезвычайно плодотворным, по плечу любая задача. Рано или поздно ученые
смогут узнать самые сокровенные тайны мозга.
  Решение сложных задач с помощью электронных систем невозможно без
устройств памяти. Все автоматы, о которых мы рассказали выше, хорошо умеют
разбираться в потоках сигналов, поступающих на входы. Но, к сожалению, эти
автоматы не извлекают уроков из своей деятельности. Один и тот же сигнал
или совокупность сигналов вызывают у автомата всегда одну и ту же реакцию.
А ведь известно, что наиболее интересными видами деятельности являются
такие, которые используют память. Знающий, т.е. помнящий, действует лучше,
чем незнающий. И если мы хотим, например, моделировать сложные
поведенческие черты живых организмов, нам следует заняться
конструированием устройств памяти автоматов.
  Ученого - кибернетика мозг интересует прежде всего как пример разумной
машины, созданной самой природой. Кибернетики пытались подойти к этой
задаче с позиций физиологов. Мозг человека оказался настолько сложной
системой, что разобраться в деталях его работы было невозможно. И только
аналогия в работе мозга и вычислительной машины наметила подход к решению
этой сложнейшей проблемы.
  Создавая первые ЭВМ, инженеры мало знали о строении мозга. Они стремились
создать машину, которая бы быстро и точно могла производить вычисления.
Сходство ЭВМ с человеческим мозгом было обнаружено позже, когда физиологи
при изучении мозга стали сравнивать известные им факты с тем, что они
узнали от специалистов по вычислительной технике.
  Прежде всего физиологи обратили внимание на бинарность в поведении нервной
системы. Оказывается, каждое нервное волокно в любой момент либо
"включено", либо "выключено". Оно либо активно и при этом проводит сигнал
возбуждения, либо пассивно и сигнала не проводит. Насколько смогли
определить физиологи, у нервных волокон не существует никакого
промежуточного состояния.

  ДВОИЧНАЯ СИСТЕМА СЧИСЛЕНИЯ - ИДЕАЛЬНАЯ СИСТЕМА ДЛЯ ЭВМ

  Мы уже говорили о том. что в нервных сетях действуют законы двоичного
счисления: О или 1, ДА или НЕТ. Какими особенностями отличается двоичная
система? Почему именно ее избрали для ЭВМ?
  Мы принимаем как должное счет до десяти, хотя в действительности
десятичная система счисления, которой мы постоянно пользуемся, является
одной из многих и вовсе не лучшей.
  Вот как выглядят числа в десятичной и двоичной системах (справа):
  1 - 1
2 - 10 (одна единица второго разряда)

                                3 - 11

  4 - 100 (одна единица третьего разряда)

                                5 - 101

  6 - 110

                                7 - 111

  8 - 1000 (одна единица четвертого разряда)

                                9 - 1001

  10 - 1010

                                11 - 1011

  12 - 1100

                                13 - 1101

  14 - 1110

                                15 - 1111

  16 - 10000 и т.д.

  Г. Лейбниц, впервые исследовавший двоичную систему счисления, еще в 1703
году писал: "При сведении чисел к простейшим началам, каковы 0 и 1, всюду
выявляется удивительный порядок ..." Особенно восхищали Лейбница простотой
правила двоичного сложения и умножения. Двоичная система тоже имеет
недостатки, но их перекрывает огромное преимущество: каждое двоичное
число, как бы велико оно ни было, составлено только из единиц и нулей.
Только два различных значения, не более. Это обстоятельство делает
двоичные числа идеальным инструментом для всех электронных вычислительных
машин.
  Например, контакты реле могут быть либо замкнутыми, либо разомкнуты