Эдуард Байков - Эколого-экономический потенциал Башкортостана Страница 8

Первая американская ЭВМ «ЭНИАК» была создана в 1945 г. по заказу ВМС США. Над ней работали специалисты из Пенсильванского университета – Голдстайн, Моучли и Эккерт. Эта машина имела 18 тысяч электронных ламп и в тысячу раз превосходила по быстродействию релейные вычислительные машины. Затем была сконструирована вторая американская ЭВМ «ЭДВАК» – в том же Пенсильванском университете.

За шестьдесят с небольшим лет последовательно сменилось пять поколений ЭВМ. Первое поколение ЭВМ – ламповые (1951–1960 гг.), всего их было выпущено около шести с половиной тысяч. Эти машины могли хранить большие запасы информации, автоматически выбирать из них необходимые сведения и производить не только математическую и статистическую обработку информации, но и логические операции.

Затем пошло второе поколение ЭВМ – полупроводниковые (конец 50-х – середина 60-х гг.). Эти машины на транзисторах могли производить до 1 млн. операций в секунду, у них были меньшие габариты и большая надежность.

Машины третьего поколения (середина 60-х – середина 70-х гг.) имели память уже в электронном исполнении – на интегральных схемах, представляющих собой маленькие пластинки из кристаллического вещества (кремния, германия), заменяющие громоздкие блоки из тысяч элементов. Это придало им еще большую надежность. Быстродействие достигло нескольких десятков миллионов операций в секунду.

Четвертое поколение ЭВМ на больших и сверхбольших интегральных схемах (середина 70-х гг. – по настоящее время) отличается быстродействием в десятки и сотни миллиардов операций в секунду. На их основе были созданы первые персональные компьютеры: в 1971 г. был изготовлен первый микропроцессор «INTEL-4004», а в 1974 г. – первая персональная ЭВМ «Альтаир-8080». С начала 80-х годов созданы суперЭВМ, в работе которых используются параллельные алгоритмы и кластеры.

Ожидается, что ЭВМ пятого поколения будут построены с использованием методов и средств искусственного интеллекта (база знаний, подсистема общения с пользователем, речевая связь, непроцедурные языки высокого уровня, эвристические возможности машины). С другой стороны, интеллектуальный интерфейс этих машин требует больших затрат. И вот здесь на первый план выходят принципиально новые вычислительные машины – нейрокомпьютеры (НК).

Отличительной особенностью пяти поколений традиционных ЭВМ было использование разработанной фон Нейманом архитектуры – элементов двоичной системы исчисления (двоичной переменной, принимающей значения единицы и ноля) для компьютеров. Нейрокомпьютеры – это вычислительные системы с архитектурой аппаратного и программного обеспечения, адекватной выполнению алгоритмов, представленных в нейросетевом логическом базисе (со 2-й половины 80-х гг.). То есть в НК используются не элементы двоичной логики, а искусственные нейроны (нервные клетки).

Нейрон и персептрон

Первая модель биологического нейрона была предложена еще в 1943 году американскими учеными – нейрофизиологом Уорреном Мак-Каллохом и математиком-кибернетиком Уолтером Питтсом. В то время считалось, что эквивалентом нейронных сетей в вычислительной технике могут послужить вакуумные лампы. При этом принцип работы нейронов (их возбуждение) аналогичен однократному выбору – по типу «да-нет», производимому при определении разряда двоичного числа. То есть синапс (контакт между нейронами) точно так же определяет – будет ли определенная комбинация выходных сигналов от предыдущего элемента служить для возбуждения (передачи информации, данных) следующего элемента.

В настоящее время под искусственным нейроном рассматривают обобщенную модель, состоящую из аналогов дендритов (воспринимателей сигналов, передающих нервные импульсы в тело нейрона) и синапсов, входов сумматора, сумматора (аналога тела нейрона), выходов сумматора (аналогов аксона – проводника импульсов от тела нейрона наружу). Каждый из входов сумматора имеет свой вес, отсюда главная особенность искусственного нейрона – настраиваемость всех его весовых коэффициентов (весов синаптических связей).

Ныне насчитывается около 200 разновидностей архитектур (структурных типов) нейронных сетей, например, радиально-базисные сети, многослойные сети Хопфилда, самоорганизующиеся сети Кохонена, рекуррентные (динамические) сети, когнитроны, неокогнитроны… Наиболее известным является персептрон (восприниматель) Розенблатта, по сути, представляющий собой «черный ящик», который настраивается на решение какой-либо конкретной задачи. В нем реализуются входные, выходные и скрытые слои нейронов. Эта модель была предложена в 1958 г. Ф. Розенблаттом и представляет собой 1-й класс нейронных сетей.

Существует несколько способов программно-аппаратной реализации нейрокомпьютеров (при этом используется любой подходящий материальный носитель). Программная эмуляция нейронных сетей (нейроимитаторы) базируется на реализации алгоритма обучения (нейросетевого алгоритма). На базе супер-ЭВМ (многопроцессорных ЭВМ) строятся нейронные сети большого объема. Следующие типы программно-аппаратной реализации НК: на основе программируемых логических интегральных схем и сверхбольших интегральных схем (нейрочипов), к таким относятся 64-разрядные микропроцессоры со статической суперкалярной архитектурой NM6403 и NM6404 – Neuro Matrix, выпускаемые московской фирмой «Модуль» по технологии Samsung. В оптических НК задачи реализуются на элементах оптики. И, наконец, самые передовые технологии – квантовые НК (нанонейрокомпьютеры), имеющие атомно-молекулярные размеры, в том числе ДНК-компьютеры. Преимущество таких компьютеров в том, что они могут решать задачи, превосходящие по своей сложности в тысячи и более раз задачи, которые способны решать любые цифровые (даже самые продвинутые) ЭВМ. А так как все материальные объекты состоят из наноструктур (элементарных частиц, атомов, молекул, макромолекул), то наиболее перспективным представляются разработки именно в этом направлении.

Сухой остаток

Итак подытожим. Отличительными особенностями нейрокомпьютеров являются: 1) в качестве элементного базиса выступают не элементы пороговой логики (триггеры, регистры, счетчики), а искусственные нейроны – простейшие процессорные элементы с настраиваемыми связями (весами); 2) НК не программируются, а обучаются на примерах; 3) НК позволяют решать плохо формализованные задачи; 4) в силу параллельной архитектуры они имеют потенциально высокое быстродействие и отказоустойчивость (нейроны в нейрочипах более продуктивны, так как могут взаимозаменять друг друга); 5) по критерию «эффективность (качество)/стоимость» они превосходят другие типы ЭВМ.

Самое главное, с помощью НК можно решать плохо формализованные задачи, которые трудно алгоритмизируются, но успешно решаются человеком. Например, распознавание образов, классификация (кластеризация) данных, прогнозирование (предсказание), аппроксимация функций – замена сложных математических объектов более простыми и приближенными (нейросеть – универсальный аппроксиматор-заменитель), оптимизация (решение сложных линейных уравнений) и многое другое.

Практически НК будут использоваться в авиации (управление, навигация, контроль, диагностика, выбор оптимального маршрута), медицине (диагностика, прогнозирование, «кибернетический двойник» – нейросетевая модель человека, на которой проигрываются варианты лечения), бизнесе, финансах, политике (прогнозирование ситуаций, выбор решений – альтернатив), информационной безопасности (биометрические системы идентификации, распознавание лиц и изображений, системы обнаружения атак), энергетике (прогнозирование потребления электроэнергии, диагностика режимов и технического состояния агрегатов), строительстве (виброзащита, управление колебаниями – защита от землетрясений), космосвязи (обработка изображений со спутников) и во многих других областях экономики, политики и социокультурной жизни общества.

Прогнозируется, что к 2030 г. НК сравнятся с человеческим интеллектом. Уже сейчас разработкой и внедрением нейрокомпьютерной техники в мире занимаются свыше 300 фирм и фактически все университеты. Американцы, например, тратят на развитие информационно-вычислительной техники, значительную часть в котором ныне уделяют НК, порядка 2 миллиардов долларов в год. В России, к сожалению, цифры на несколько порядков ниже.

Настало время, когда сама национальная безопасность страны зависит от успешных разработок и скорейшего внедрения новейших информационных и биологических технологий. Нанотехнологии и нейрокомпьютеры в своем влиянии на общественный прогресс приобретают все большее значение. Научно-исследовательский и опытно-конструкторский потенциал нашей страны еще достаточно велик, необходимо задействовать его полностью, а для этого нужна поддержка властей, и прежде всего – адекватные финансовые вливания в эту сферу.