Альтернативный подход к решению задачи моделирован

АЛЬТЕРНАТИВНЫЙ ПОДХОД
К РЕШЕНИЮ ЗАДАЧИ МОДЕЛИРОВАНИЯ
СИСТЕМ С ИСКУССТВЕННЫМ ИНТЕЛЛЕКТОМ

Рассматривается оригинальное методологическое решение задачи компьютерного моделирования работы мозга и нервной системы живого организма. Основу данного решения составляет модель нейрона, как вычислительного устройства с загружаемой логической функцией обработки входных сигналов и имеющего фиксированное  число собственных состояний, предопределенных содержимым ДНК (конфигурации) системы.
Хотя актуальность задачи моделирования работы мозга очевидна, приведу ряд выдержек из монографии «Теория мозга» профессора Брюховецкого:
 «Понимание человеческого мозга является одной из величайших задач, стоящих перед наукой 21-го века»,- постулируется в итоговом отчете международного европейского проекта “Human Brain Project” (HBP), посвященного изучению головного мозга человека. » [1]

«Неэффективность математических моделей мозга выглядит довольно странно, так как сегодня современные математические модели виртуального головного мозга имеют абсолютно технологически сравнимое с биологическим мозгом количество нейронов и синапсов в своих нейронных сетях. По-видимому, основная проблема неэффективности всех существующих моделей мозга кроется не в наращивании количества нейронов и синапсов между ними, а в неверном понимании форм информационного взаимодействия этих морфо-функциональных образований внутри мозга.» [1]

«…на проблему отсутствия унифицированной общепризнанной теории мозга, а также на факты не понимания устройства и принципов работы мозга было указано первооткрывателем структуры ДНК, лауреатом Нобелевской премии Фрэнсисом Криком ( F.Crick) в журнале Scientific American в сентябре 1979 года» [1]

Директор Редвудского неврологического института в Менло-Парке Jeff Hawkins: «… Итак, почему же у нас нет хорошей теории устройства и работы мозга ? Люди ведь работали над ней на протяжении ста лет…. Вы не можете себе представить, как много мы знаем о мозге. В этом году на конференцию по нейронауке приехало 28 тысяч человек, каждый из которых исследует мозг. Большое количество данных. Но теории нет.... Теория не сыграла большой роли в науках о мозге. И это постыдно. Итак, почему же это произошло? Если спросить нейробиологов, чем вызвана такая ситуация, то они, прежде всего, согласятся с существованием проблемы. Они ответят, что есть различные причины того, что у нас нет хорошей теории мозга. Некоторые скажут, что нам до сих пор не хватает данных, мы должны собрать больше информации, есть множество вещей, которых мы пока не понимаем. Но последние годы в нейронауке генерировались большие объёмы данных. У нас столько информации, что мы даже не знаем, как начать её систематизировать.» [1]

«В чем же стратегическая причина основных неудач в изучении устройства головного мозга и отсутствии хороших теорий его устройства. Быть может мы все чрезмерно усложняем и объясняем себе , что «мозг человека не может понять свой собственный мозг» ? Но мне представляется, что все гораздо проще. Возможно, что мы просто не видим, что- то очень важное, что лежит на поверхности, что-то банальное и очевидное.»[1]

Цель работы – предложить новый практический  взгляд на принципы моделирования работы мозга и нервной системы живого организма, который бы не противоречил  накопленному исследователями опыту, но при этом давал бы набор простых и ясных принципов, позволяющих решать поставленную задачу.

Следует отметить, что первоначально работы велись по созданию универсальной системы управления технологическими процессами. Не было цели проецировать её на тематику  ИИ.  Т.е., первоначально была создана программа, которая позволяла автоматизировать  динамические технологические процессы. Переход на модель нейрона нервной системы  живого организма был проведён позже. Речь идёт только о информационном и функциональном соответствии, построенном без учета биохимических внутриклеточных процессов. Природе всё равно как передаётся сигнал и как он обрабатывается прикладной логикой. Мы можем просто предположить, что такие механизмы существуют, а уж объяснить, как они работают – задача для соответствующих специалистов. Было сделано предположение, что формирование связей нейронов и логика обработки входных сигналов каждым из них, определяется позицией нейрона в структуре нервной системы. Собственно информация хранится непосредственно в ДНК клетки, где каждый нейрон посредством транскрипции РНК «подгружает»  индивидуальную логику поведения клетки, а в случае с нейроном и логику обработки входных сигналов.   Предположение не противоречило существующим знаниям о клетке, и была поставлена задача о выяснении  характера информационного обмена нейронов. Математический аппарат нечеткой логики [3] позволил решить задачу приведения любого типа данных к перечисляемому типу, что на практике позволяет утверждать, что в процессе обработки данных нейрон изменяет (или не изменяет) своё состояние, что и является ключом к загадке затухания нервных импульсов. Причем состояние возможно к передаче простыми импульсами, так как размерность его значения невелика и строго индивидуальна для каждого типа нейрона. На этих принципах (но они были ещё неизвестны) в начале века и была создана программа, моделирующая группу связанных параметров (это в автоматике, как потом оказалось - нейронов). Она управляла и управляет до сих пор газо-мото-компрессорами, и уже двадцать лет живет своей жизнью, пережив оборудование, на котором она была создана. Был найден новый принцип построения управляющей программы, он был проверен, опробован и работы были…  закрыты, по причине отсутствия интереса у инвесторов.

Как ни странно, это дало толчок к анализу полученных результатов, который и вывел тему на уровень сопоставления системы управления и нервной системы. Соответствие уместно, так как рассматривать нервную систему и мозг не как систему управления организмом просто противоречить очевидным фактам. Роль ДНК исполняют конфигурационные файлы органов оборудования, параметры это нейроны, а нервный импульс – сигнал об изменении состояния, который в детерминированной структуре, условно говоря, является просто целым числом, которое и передаётся последовательностью импульсов. По совокупности найденных решений выходило, что нервная система и мозг это не компьютер, а структурированная сеть небольших вычислительных элементов – в биологической реализации нейронов, а в программной – AIron, так был назван этот программный элемент системы.   Эту структуру и называют коннектомом.

То, что органы живого организма управляются циклическими алгоритмами, хотя и реализованными на основе нейронов, но не зависящими от мыслительных процессов, говорит о том, что не весь мозг «занят» когнитивной деятельностью. Это позволяет поставить вопрос об оценке объемов ресурсов мозга, занятых поддержанием жизнедеятельности тела организма и собственно той частью мозга, которая накапливает и обрабатывает информацию, полученную извне посредством сенсоров. Другого пути получения информации просто нет, что и позволило создать программный код, позволяющий смоделировать работу нескольких сотен нейронов. С хорошим практическим результатом в виде системы управления технологическими процессами.
 
Изначально проект строился на постулатах ООП [2], которые базируются на парадигме «Всё есть объект». Это  позволяет построить наследуемые программные структуры для идентификации объектов по их свойствам, осуществить привязку логики к исполнительной части объектов, группировать объекты в сцены и самое главное – формализовать объектную логику в узловом формате с возможностью её динамической модификации. А это и есть основа механизма накопления навыков и знаний в отдельно взятом организме.  В дополнение, был реализован программно прототип «языка» логики нейронов и объектный архив долговременного хранения информации. Компактно и универсально. Инвариантно к природе физических объектов.  Найденные решения дают возможность утверждать, что создан работающий прототип программной платформы, позволяющий разработать инструмент для создания искусственной нервной системы и мозга любого уровня сложности. Важнейшим необходимым фактором является наличие функционального исполнительно «тела», для которого, собственно, этим инструментом и должна создаваться индивидуальная «ДНК» для его «оживления». И стало становиться понятным, что в общем виде задача не решаема! Т.е. нельзя построить ИИ без определения, чем он должен этот И «нагружать».

Уверенности в правоте подхода добавила работа нашего соотечественника Евгения Ижикевича (США), который почти по аналогичному сценарию создал программный комплекс BrainOS, который, в свою очередь, хотя и не был принят, как решение задачи синтеза ИИ, но тем не менее стал фаворитом практического применения модели нейрона (Ижикевича) в промышленной сфере. И по словам самого ученого – он пришёл примерно к тем же результатам, но на основе другой модели нейрона.
«Евгений Ижикевич создал упрощенную модель нейрона на основе уравнений Ходжкина–Хаксли. Эта модель проста в вычислительном отношении. Она описывает изменение электрического потенциала в мембране нейрона в зависимости от тока, протекающего через ионные каналы мембраны.» [6]
По совокупности результатов можно предположить, что изложенный подход позволяет сильно упростить расчетную часть взаимодействия в модели нейронов, структурировать накопленные знания в области исследования мозга и вплотную подойти к созданию квазиживых функциональных устройств различного прикладного предназначения и различной сложности. Где сложность зависит от сложности целевой задачи.
Тема оказалась настолько обширной и интегрирующей в себя многие вопросы, которые ранее рассматривались в качестве самостоятельных, что потребовала глубокого и взвешенного научного анализа её дальнейшего развития.

;

Литература:

1. Брюховецкий А.С. «Теория мозга». 
2. Грэди Буч "Объектно-ориентированный анализ и проектирование с примерами приложений" (2008)
3. А.Н. Аверкин, И.З. Батыршин, А.Ф. Блишун, В.Б. Силов, В.Б. Тарасов.Под редакцией Д.А. Поспелова «Нечеткие множества в моделях управления и искусственного интеллекта» издательство "Наука", 1986 год
4. Уильямс Энтони  «C++. Практика многопоточного программирования»
5. Куо Бенджамин С. «Теория и проектирование цифровых систем управления»
6. https://alphacephei.com/ru/ Импульсные нейронные сети