Моделирование когнитивных функций мозга

  Рассматривается оригинальное методологическое, математическое и компьютерное решение задачи моделирования адаптивных и когнитивных функций мозга и нервной системы живого организма. Основу данного решения составляет программное обеспечение, позволяющее моделировать информационную структуру ДНК, ЦНС и мозга живого организма различной сложности посредством кластерной группировки нейронов, взаимодействующих под управлением кроссплатформенного программного ядра сетевой исполнительной системы.
 
  Рассматривается подход к построению  программно–аппаратной модели процессов информационного взаимодействия произвольной структуры нейронов. Первичная  информация поступает в структуру от сенсорной подсистемы и распространяется в виде информационных пакетов по иерархии программных и сетевых связей. Каждый узел системы, обладая индивидуальной логикой обработки входной информации, может изменять или не изменять своё логическое состояние на основании полученной информации. В случае изменения своего состояния он формирует пакет выходной информации, передаваемый исполнительной системой программным путём или посредством сетевого обмена следующему уровню обработки – набору нейронов, связанных с исходным нейроном связями,  описываемыми в общей конфигурации.
Количество, размещение и типы датчиков сенсорной системы, должны соответствовать функционалу системы, определяемому «телом», где «тело» - искусственный технологический объект. «Тело» может быть произвольным – локализованным или распределенным, но его функциональность должна быть предопределена.
В сенсорную подсистему могут быть включены как датчики различных физических величин, так  и интегрированные каналы ввода информации, такие, как зрение, слух, запах и т.п. Информация от интегрированных каналов раскладываются на ряд составляющих, определяющих физические параметры объектов окружения - форму, размер, цвет, запах, удаленность и т.д.
  На основании суперпозиции введённых значений параметров мы можем построить во временной развертке иерархию абстракций объектов с различной полнотой описания их свойств и сформировать связи между ними, определяющие  наследственность и их функциональные взаимосвязи в иерархии отношений.
Однородность представления данных достигается путем применения аппарата нечеткой логики, с формированием по каждому параметру набора значений лингвистических переменных перечисляемого типа небольшой размерности.
Структурные отношения, формирующие связи между программными нейронами и логику обработки  входных сигналов, описываются специальным объектным языком конфигурации и программирования, работающим в ядре исполнительной программной системы. Язык реализован таким образом, что его конструкции (связи) могут динамически корректироваться, что даёт возможность реализации адаптивных логических конструкций.
  Подсистема памяти, основанная на объектной модели, может быть реализована как одноуровневая, так и с созданием системы  нескольких уровней хранения информации об объектах, основанной на оперативной необходимости использования этой информации.
  Информационная база объектов характерна тем, что любой объект – физический или абстрактный имеет однородную структуру и идентифицируется своим уникальным лексическим наименованием. Это даёт возможность создать универсальный язык обмена информацией. Язык подчиняется простым правилам построения предложений – время, объект, свойства, действие.
  При таком подходе, этап «обучения» системы состоит в передаче или статическим путём через конфигурацию или через каналы ввода вывода информации, описывающей как сами внешние по отношению к ней объекты и их свойства, так и их динамические характеристики. Однако, фаза идентификации и адаптации к конкретным условиям применения данной информации обязательна.
  Можно говорить о предварительном обучении некоторым типам объектов и реакций, хотя реальная реакция может сильно отличаться от введённого шаблона. На уровне конфигурации предполагается «обучение» уровня рефлексов – условных и безусловных, а так же реакция более сложного характера, которой соответствует поведенческий инстинкт данного «тела». 
  Необходимо отметить, что в качестве объектов, хранящихся в памяти, предполагаются так же и объекты, отвечающие за функциональность «тела» и его внутренних подсистем. Они предопределены в конфигурации (ДНК) и, как правило, имеют детерминированные характеристики в топологии связей и в логики обработки.
Динамическое формирование массива именованных объектов, их статических и динамических свойств и есть суть начальной обработки информации «мозгом».
  Следующим уровнем обработки информации можно определить формирование реакции на внешние события, где событием является любое изменение статических и динамических свойств окружающих объектов. 
Формируется механизм «сцен». В них окружающие объекты распределяются по абстрактным «ролям» и, с учётом формирования «Цели», происходит исполнение функции изменения состояния или внутри «сцены» или самой «сцены» за счет активации исполнительных подсистем путем формирования последовательности управляющих сигналов.
  Значение сложной целевой функции рассчитывается на основе анализа суперпозиции состояния «тела» и его подсистем, базовой целевой функции (закладывается в конфигурацию с последующей модификацией)  и состояния внешнего окружения на основе анализа суперпозиции «сцен».
Важно отметить, что все подсистемы «тела» обслуживаются параллельно работающими в едином пространстве имён (namespace) подпрограммами, реализованными на узловой логике ДНК-подобного языка программирования, которые рассчитывают состояния этих подсистем на основе первичной информации, полученной как от сенсорной подсистемы, так и от информации на основе анализа состояний всех связных подсистем.
  В какой-то мере, описанная структура подобна структуре города, где инфраструктурный каркас – управление, производство и прочее, наполняется людьми и формирует адаптивную исполнительную систему на основе исполнительных функций людей. Подобность таких структур доказана в работах П.К.Анохина по теме «Теория Функциональных Систем»:

  "Все функциональные системы, независимо от уровня своей организации и от количества составляющих их компонентов, имеют принципиально одну и ту же функциональную архитектуру, в которой результат является доминирующим фактором, стабилизирующим организацию систем"
                Анохин П. К., 1971.

  Предложенная методика позволяет реализовать прорыв в компьютерном моделировании когнитивных систем, в которых когнитивную способность можно определить, как результат параллельной работы большого числа внутренних специализированных и адаптивных подсистем в процессе реализации целевой функции «тела».
  Объективно, изложенный материал даёт только общее представление о реальной методике, однако все предложенные решения опробованы на практике и дают основания для оптимистического прогноза.