Sieci neuropodobne

Mózg ludzki to organ o średniej wadze 1,4 kg, zbudowany z komórek glejowych i neuronowych. Zachodzą w nim wszystkie wyższe czynności nerwowe i umysłowe. Sieć ponad 10 miliardów neuronów jest podstawą jeszcze większej, wręcz niewyobrażalnej liczby połączeń między nimi, co decyduje o regulującej i sterującej roli mózgu wobec całego ciała. Czy sprzęt i oprogramowanie jakiegokolwiek komputera przypomina w czymkolwiek złożoność mózgu?

Mózg ludzki to organ o średniej wadze 1,4 kg, zbudowany z komórek glejowych i neuronowych. Zachodzą w nim wszystkie wyższe czynności nerwowe i umysłowe. Sieć ponad 10 miliardów neuronów jest podstawą jeszcze większej, wręcz niewyobrażalnej liczby połączeń między nimi, co decyduje o regulującej i sterującej roli mózgu wobec całego ciała. Czy sprzęt i oprogramowanie jakiegokolwiek komputera przypomina w czymkolwiek złożoność mózgu?

Pomysł, aby porównać mózg z maszyną liczącą, z komputerem, jest do pewnego stopnia zrozumiały, lecz wszelkie analogie muszą być pod tym względem ostrożne i ograniczone. Matematycy, informatycy czy programiści, którzy nadają ton teoriom sztucznej inteligencji, są jednak w tych porównaniach mało precyzyjni i bardzo nierozważni.

Norbert Wiener, tworząc zręby cybernetyki, niejednokrotnie mówił o komputerze jako "elektronicznym mózgu". Zakładał bowiem, że neurony i przełączniki w lampowym podówczas komputerze, działają według zasady "wszystko albo nic", czyli bądź przewodzą potencjały czynnościowe czy prąd elektryczny w swoich układach, bądź nie. Mózg i komputer są więc od tej strony urządzeniami cyfrowymi, działają w stanach dyskretnych. John von Neumann, współtwórca architektury komputera, pokazał jednak, że mózg i cały centralny układ nerwowy ma w istocie rzeczy charakter cyfrowo-analogowy. Jest tak już na poziomie komórki nerwowej, gdzie wzbudzony potencjał czynnościowy rozchodzi się wzdłuż ciała komórki i jej aksonów w sposób nieciągły, a więc taki, który można wymodelować cyfrowo. Przy przejściu między komórkami, w synapsach, nabiera on jednak charakteru ciągłego, jest więc natury analogowej. Analogowo-cyfrowy charakter ma również cały układ nerwowy w swoim współdziałaniu (sterowaniu i kontroli) z innymi układami ciała, jak oddechowym, trawiennym czy krwionośnym. "Procesy zachodzące w systemie nerwowym - pisał von Neumann - mogą zmieniać wielokrotnie swój charakter z cyfrowego na analogowy, i odwrotnie. nerwowe, czyli cyfrowa część mechanizmu, mogą sterować poszczególnymi stadiami takiego procesu, np. skurczem określonego mięśnia lub wydzielaniem określonego związku chemicznego. To zjawisko należy z kolei do klasy analogowej".

Fizykochemiczna natura zjawisk całego układu nerwowego ma, odpowiednio do poziomu i miejsca, bądź analogowy, bądź cyfrowy charakter, które zależą w zasadzie od ich opisu. Trzeba o tym pamiętać, gdy do celów metodologicznych i teoretycznych działanie układu nerwowego opisuje się za pomocą logiki zdań i logicznych wartości prawdy i fałszu. Komputer cyfrowy jest wtedy użytecznym, lecz jednocześnie bardzo uproszczonym modelem pewnych aspektów i poziomów działania mózgu. Modelowane zjawisko nie jest jednak tym samym, co teoretyczny model, nawet jeśli jego fizyczny kształt (mikroprocesor) w pewien sposób przypomina niektórym ludziom elementy kory mózgowej (nie wszystkim jednak, gdyż np. Alan Turing porównał mózg do porcji owsianki).

Korzenie sieci

Geneza neuropodobnych - większość badaczy używa nazbyt dosłownego terminu "neuronowych" - sięga badań neurofizjologicznych i biocybernetycznych. Matematyczny opis komórki nerwowej, podany w 1943 r. przez Warrena McCullocha i Waltera H. Pittsa, wykorzystywał wcześniejsze modele i opisy neuronów i ich organicznych sieci. Sam stał się inspiracją badań późniejszych, np. pierwszego prototypu sieci neuropodobnej, zbudowanego w 1957 r. przez Arturo Rosenblutha i Charlesa Wightmana, znanego pod nazwą: Perceptron. Było to urządzenie w pewnej części elektromechaniczne, którego zadanie polegało na rozpoznawaniu znaków alfanumerycznych. Składało się z 8 elementów zwanych komórkami nerwowymi, 512 połączeń ustalanych losowo, o szybkości działania równej 103 połączeń na sekundę. Wprawdzie Perceptron nie radził sobie z bardziej złożonymi znakami, zachowywał jednak poprawność działania nawet po uszkodzeniu pewnej części jego elementów, ponadto "uczył" się dalszego rozpoznawania po zadaniu mu tylko części danych wejściowych.

Potem przyszły kolejne konstruktorskie osiągnięcia i ich komercyjne zastosowanie, jak w przypadku sieci nazwanej Madaline, zbudowanej w 1960 r. przez Bernarda Widrowa, którą powszechnie stosowano w radarach, sonarach, liniach telefonicznych. Niektórzy entuzjaści traktowali je jako modele pracy mózgu, choć faktycznie były to sztuczne systemy, które mogły imitować działanie zaledwie fragmentów układu nerwowego, a nie całości. Nawet zbudowanie sieci będących wzorem struktury systemu wzrokowego kraba Limulusa wraz z zasadą hamowania pobocznego niezbyt przybliżyło ten prototyp do całościowego funkcjonowania mózgu. Były to bowiem sieci jednowarstwowe.

Dzisiaj wielu teoretyków podkreśla fakt, że Marvin Minsky, "papież sztucznej inteligencji", i jego współpracownik Seymour Papert z początkiem lat 70. zastopowali badania nad sieciami, krytycznie oceniając ich jednowarstwowość, uznając ją za istotne ich ograniczenie. Entuzjaści pracowali jednak dalej i od drugiej połowy lat 80. zaczęto projektować i budować nieliniowe sieci wielowarstwowe o wyłącznie już elektronicznym podłożu. Uznano także, że na tle szybkiego rozwoju technologii układów scalonych o bardzo dużej skali integracji sieci neuropodobne nadal wykazują zalety. W tym czasie ustaliły się również nazwy: "neurokomputer" czy "neurokomputing".

Sieci się uczą

Jak działa sieć neuropodobna? To połączenie w sieć elementów (modułów) zwanych neuronami, które tworzą co najmniej trzy warstwy: wejściową, ukrytą i wyjściową, przy czym ukrytych może być wiele. Neurony sieci przetwarzają informacje dzięki temu, że ich połączeniom nadaje się parametry, zwane wagami, które modyfikuje się podczas działania. To modyfikowane działanie jest nazywane "uczeniem się" sieci. W tym tkwi istota i rzeczywista wartość sieci neuropodobnych.

Zamiast projektować algorytm kolejnego przetwarzania informacji, stawia się sieci przykładowe zadanie (najczęściej rozpoznawanie kształtów lub jemu podobne) i następnie automatycznie (zgodnie z założoną strategią uczenia) modyfikuje się połączenia elementów sieci, ich współczynniki wagowe. Nie ma przy tym jednej strategii uczenia się przez sieć, jest postępowanie drogą prób i błędów (wsteczna propagacja błędów). Jest to w istocie samoprogramowanie się przez sieć, jej samoczynne działanie, widoczne w szczególności w programowaniu genetycznym. Daje to niekiedy efekty nieosiągalne przez inny rodzaj obliczania. Jeśli dodać do tego takie formalne elementy sieci, jak sprzężenie zwrotne w przetwarzaniu informacji (realizowane przez tzw. sieci Hopfielda), to uzyskuje się niezwykle wydajne narzędzie obliczeniowe o wielostronnych zastosowaniach.

Budowanie mózgu

Poza praktycznym użyciem sieci neuropodobnych w przemyśle, nauce, robotyce, automatyce, telekomunikacji (inżynieria neuronowa), stosuje się je w celach teoretycznych jako efektywne modele bardzo złożonych zjawisk fizycznych czy przyrodniczych. Jak pisze Ryszard Tadeusiewicz, wybitny polski biocybernetyk: "Sieci neuronowe, same będąc modelami (dalekimi od doskonałości!) naturalnych fragmentów systemu nerwowego człowieka, używane są często jako narzędzie do modelowania innych systemów i zjawisk". I to jest właśnie interesujące, chociaż również bardzo kontrowersyjne.

Coraz częściej pojawiają się próby teoretyczne i konstruktorskie zbudowania sztucznego mózgu jako efektu działania sieci neuropodobnych. Innymi słowy, neurosieci mają posłużyć za narzędzie i podłoże dla sztucznego tworu. Model ma stać się równy modelowanemu obiektowi.

"Sztuczny mózg jako gigantyczna sieć ze wsteczną propagacją błędu to pomysł z pogranicza absurdu" - przyznaje Andrzej Buller, inżynier-informatyk z Politechniki Gdańskiej, współtwórca międzynarodowego projektu w Kioto. Niemniej budowa sztucznego mózgu jest dla niego możliwa. Jak? Nie w całości, lecz w częściach - brzmi odpowiedź.

Nie trzeba, bo na razie nie można, symulować na sieci neuropodobnej całego mózgu naraz, wystarczy wymodelować i implementować na supersprzęcie fragment, moduł mózgu. I tak udaje się już "wyczarować" w pamięci komputera takie moduły sieci neuropodobnej, które rozwijają się w wielu kierunkach, wykazując przy tym zadziwiające podobieństwo ze wzrostem i zachowaniem się żywych neuronów - wypuszczają więc z modułu odrośla (niby aksony), które się spotykają, tworząc synapsy. Kształt powstałej imitacji układu nerwowego zmienia się, fragment rozwija się wielokierunkowo. Słowem - ewoluuje, chciałoby się powiedzieć.

Właśnie - ale czy sieć neuropodobna ewoluuje w taki sam sposób, jak robi to w onto- i filogenezie układ nerwowy człowieka? Sieć neuropodobna zachowuje się na ekranie podobnie jak obserwowane laboratoryjnie fragmenty układu nerwowego. Lecz czy część jest tym samym co całość? Czy można zaprojektować sieć modułów, sieć sieci modułów, sieć sieci sieci..., które odtworzą złożoność całości, jaką jest układ nerwowy? Układ, który nie składa się ani z pojedynczych neuronów, ani również z mózgu, lecz z całości, do której wchodzą także układy receptoryczne, efektoryczne, wewnętrzne układy ciała (krwionośny, hormonalny). Ponadto ta złożona całość zmienia się i ewoluuje dzięki niezwykle rozbudowanym sprzężeniom ze środowiskiem nie tylko samego ciała, ale również społecznym, technicznym, kulturowym. Do tego potrzeba czasu, lecz nie szybkości obliczeń, ale niewiarygodnej długości trwania procesu ewolucji, której układ nerwowy człowieka podlegał i nadal będzie podlegać. Tego nie da się wymodelować przez wspaniałe możliwości sztucznych sieci. Żaden model nie jest bowiem równy modelowanemu obiektowi - każda symulacja ma ograniczenia. Sztuczny mózg, gdyby nawet został kiedyś zbudowany, na pewno nie wyglądałby, tak jak ten na karcie tytułowej książki Bullera - połyskliwy, syntetyczny twór, o nie określonym tworzywie, usytuowany w abstrakcyjnej próżni. Byłby to nie żywy, lecz martwy produkt z pracowni sztucznej inteligencji, który niczego by nie robił ani nie zmieniał się, byłby poza światem.

Dr Marek Hetmański: hetman@ramzes.umcs.lublin.pl


TOP 200