Առնչվող ինտերնետային կայքերը. http://www.dcn.ed.ac.uk/bic/
http://www.fil.ion.ucl.ac.uk/
==Նեյրոնալ ցանցեր և արհեստական ուղեղներ==
[[Պատկեր:Neuro-16-1.png|223px]]
<strong>Իրական ուղեղը արտասովոր մի բան է։ Նրա նեյրոնները, արյան անոթները և հեղուկով լցված փորոքները կազմված են լիպիդային թաղանթներից, սպիտակուցներից և հսկայական մասնաբաժին կազմող ջրից։ Դուք կարող եք հրել ուղեղը մատով, կտրել այն միկրոտոմով, էլեկտրոդներ ներդնել նրա նեյրոնների մեջ և դիտել նրանում արյան անոթազարկը։ Ուղեղի ուսումնասիրությունը, կարծես, ամուր կերպով խարսխված է բժշկությանը և կենսաբանությանը։ Այնուամենայնիվ, ուղեղի մասին մտածելու բոլորովին այլ կերպ ևս կա, որը հրավիրել է մաթեմատիկոսների, ֆիզիկոսների, ինժեներների և համակարգչային մասնագետների ուշադրությունը։ Նրանք խորհում են ուղեղի մասին՝ գրելով հավասարումներ, ստեղծելով համակարգչային մոդելներ և հատուկ սարքավորումներ, ձդտելով անել այնպես, որ դրանք նմանակեն ուղեղի աշխատանքը։</strong>
Իրական ուղեղներն ունեն բարձր հարմարվողականություն։ Նրանք ունակ են կարդալ ձեռագիր, որը մինչ այդ երբեք չեն տեսել, հասկանալ բոլորովին անծանոթ խոսք։ Բացի այդ՝ նրանք կարող են գործել նաև այն դեպքում, երբ համակարգում ինչ որ բան խախտվում է։ Նրանք գործում են խելամտորեն ողջ կյանքի ընթացքում, անգամ, երբ բջիջները մահանում են, և նույնիսկ ծեր տարիքում դեռ ընդունակ են նոր բան սովորել։ Այսօրվա ռոբոտները շատ լավ կատարում են առաջադրանքների սահմանափակ շարք, որոնց համար նրանք նախագծվել են, ասենք՝ սարքել ավտոմեքենայի ինչ֊որ մաս, սակայն շատ ավելի անօգնական են դառնում, երբ ինչ որ մի բան փչանում կամ խախտվում է։
Իրական ուղեղները կազմված են խիստ փոխկապակցված <strong>նեյրոնալ ցանցերից</strong>։ Նրանց նեյրոնները էներգիայի կարիք ունեն, իսկ ցանցը` տարածքի։ Մեր ուղեղը կազմված է մոտավորապես 100 միլիարդ նյարդային բջիջներից, 3.2 միլիոն կիլոմետր «լարից» և միլիոն֊միլիարդավոր կապերից. և այդ ամբողջը տեղակայված ընդամենը 1.5 լիտր ծավալում և կշռում է լոկ 1.5 կիլոգրամ, սպառում է սոսկ 10 Վատտ։ եթե մենք փորձենք կառուցել նման ուղեղ, օգտագործելով սիլիկոնե չիպեր, այն կսպառի մոտ 10 Մեգավատտ, որը բավական է մի ողջ քաղաք էլեկտրաէներգիայով ապահովելու համար։ Ավելին՝ այդպիսի ուղեղից ձերբազատվող ջերմությունը կհալեցնի ինքն իրեն։ Այնպես որ առաջ եկող խնդիրն է. պարզել, թե ինչպես է ուղեղը գործում այսքան արդյունավետ ու տնտեսող ձևով և, օգտագործելով այդ սկզբունքները, կառուցել ուղեղի նման մոդել։
[[Պատկեր:Neuro-16-2.png|307px]]
===Սիլիկոնե ուղեղի շրջապտույտները===
Մեկ նեյրոնից դեպի մյուսը փոխանցվող ազդանշանի <strong>էներգետիկ
արժեքը</strong>, հավանաբար, եղել է ուղեղի էվոլյուցիայի կարևոր գործոն։ Ուղեղի սպառած ամբողջ էներգիայի մոտ 50֊80%֊ը ծախսվում է նյարդաթելերի երկայնքով և սինապներով գործողության պոտենցիալի փոխանցման վրա։ Մնացածը ծախսվում է արտադրության և պահպանման վրա։ Դա նույնքան ճշգրիտ է մեղվի ուղեղի համար, որքան որ մեզ համար։ Այնուամենայնիվ, համեմատած համակարգչի արագության հետ, նյարդային իմպուլսի արագությունը շատ դանդաղ է` միայն մի քանի մետր վայրկյանում։ Համակարգչային պրոցեսորներում դա կդարձներ աշխատանքն անհնար։ Կենսաբանական ուղեղը, այնուամենայնիվ, կառուցված է որպես լավ զուգորդված ցանց։ Շատ նեյրոններ անմիջական կապեր են հաստատում հազարավոր ուրիշների հետ։ Դա անելու համար ուղեղը օգտագործում է իր եռաչափ կառուցվածքը. փաթեթավորում ամեն ինչ` ծալավորելով բջիջների ծածկերը ծալքերի մեջ և սերտորեն հյուսելով կապերը միասին կապոցի մեջ։ Ի հակառակ դրան՝ անգամ ամենաժամանակակից սիլիկոնե նեյրոնների միջև կապը սահմանափակվում է չիպերի և էլեկտրական շղթաների երկչափ բնույթով։ Այսպիսով, ի տարբերություն ուղեղի՝ անմիջական կապը սիլիկոնե նեյրոնների միջև խիստ սահմանափակ է։ Այնուամենայնիվ, օգտագործելով արդի էլեկտրոնիկայի մեծ արագությունը, շատ սիլիկոնե նեյրոններից իմպուլսները կարող են «բազմահյուսվել»՝ նույն լարերի երկայնքով տարբեր հաղորդակցություններ տանելով։ Այս ճանապարհով սիլիկոնային ինժեներները կարող են մոտենալ կենսաբանական ցանցերին։
Փոքրացնել հզորությունը, բարձրացնելով արագությունը՝ նյարդերով ոգևշնչված ինժեներները որդեգրել են այս կենսաբանական ռազմավարությունը՝ օգտագործել ուղեղի <strong>անալոգային</strong> (համանման) ծածկագրումը՝ <strong>թվային</strong> ծածկագրի փոխարեն։ Կարվեր Մեդը` Կալիֆորնիայի սիլիկոնե հովիտի «գուռուներից» մեկը, առաջ քաշեց «նեյրոմորֆ ինժեներիա» հասկացությունը` դրա տակ հասկանալով նեյրոկենսաբանության կիրառությունը տեխնոլոգիաների մեջ։ «Զրոների» և «մեկերի» թվային կոդավորման փոխարեն, անալոգը ձևավորում է ծածկագիրը վոլտաժի շարունակական տատանումների ձևով` նման նեյրոնների ենթաշեմքային տատանումներին (տես գլուխ 3)։ Այդ դեպքում պարզ հաշվարկները կատարվում են շատ ավելի դյուրին, քանի որ օգտագործվում են սիլիկոնե սարքերի հիմնական ֆիզիկական հատկությունները։ Անալոգային հաշվարկը հեշտությամբ է կատարում պարզագույն գործողությունները` գումարումը, հանումը, էքսպոնենցիան և ինտեգրալը, այնինչ թվային սարքերի համար սրանք բավական բարդ գործողություններ են։ երբ նեյրոնները (կենսաբանական կամ սիլիկոնե) հաշվարկում են և «որոշում կայացնում», նրանք ազդակն ուղարկում են աքսոնների միջոցով` հաղորդելով պատասխանը թիրախ նեյրոնին։ Գորոծողության պոտենցիալի հաղորդումը էներգիա է պահանջում, հետևաբար անհրաժեշտ է արդյունավետ կոդավորելով առավելագույնի հասցնել ինֆորմացիայի քանակը, որը հաղորդվում է նյարդային ազդանշանով՝ նվազագույնի բերելով այսպես կոչված «ավելորդություները»։ Էներգետիկ արդյունավետությունը մեծանում է նաև այն դեպքում, երբ օգտագործվում են հնարավորինս քիչ ակտիվ նեյրոններ։ Դա կոչվում է <strong>ցրված կոդավորում</strong>, որը ևս մի կարևոր նախագծման սկզբունք է արհեստական նյարդային ցանցեր կառուցող ինժեներների համար։
===Սիլիկոնե ցանցաթաղանթ===
Կենսաբանական նեյրոնային ցանցի մի պարզ արհեստական տարբերակ է ստեղծվել. այն կազմված է սիլիկոնե ցանցաթաղանթից, որը կլանում է լույսը և ինքնուրույն ֆդվաս ընհանուր հարմարեցնում է նրա ելքային ար ժեքը՝ լուսավորության պայմաններին համապատասխան։ Այն կապում է երկու սիլիկոնե նեյրոններն այնպես, ինչպես իրական տեսողական կեղևում և տեղեկատվություն են քաղում ցանցենու վրա ստացված պատկերում գծերի անկյունների և կոնտրաստային սահմանների մասին։
Այս նմուշում նեյրոնները կոչվում են <strong>ամբողջացնող֊հաղորդող</strong> նեյրոններ, նեյրոմորֆ ինժեներները դրանք շատ են օգտագործում։ Այդ անունը ստացել են այն պատճառով, որ նրանք «ի մի են բերում» յուրաքանչյուր մուտք, հաշվի առնելով նրա կշիռը՝ ծածկագրված որպես նրա սինապսից ծագող էլեկտրական հոսանքի լարվածություն, և միայն այն դեպքում են գործողության պոտենցիալ առաջացնում, երբ այդ լարվածությունը հասնում է նախատեսված շեմքին։ Սիլիկոնե նեյրոններն իրենց հերթին կազմված են տրանզիստորներից, սակայն որպես անջատիչ ծառայելու և լարվածությունը հագեցման հասցնելու փոխարեն (ինչպես սովորական թվային համակարգերում է), այս տրանզիստորները գործում են ենթաշեմային մակարդակների ռեժիմում։ Այս պայմաներում դրանք գործում են իսկական նեյրոնների բջջաթաղանթներին շատ ավելի նման։ Լրացուցիչ տրանզիստորներն ապահովում են ակտիվ հաղորդականություն` նմանակելով իսկական իոնային անցուղիների պոտենցիալ֊ և ժամանակ֊կախյալ մշտական հոսքը։ Այս փոքրիկ տեսողական համակարգն շատ ավելի մանրազնին մշակված արհեստական տեսողական համակարգերի նախատիպն է, որոնք դեռևս կատարելագործման փուլում են, բայց նույնիսկ այս մոդելը ցույց է տալիս, թե ինչպես իրական աշխարհի շատ «աղմկոտ» մուտքից կարող է ակնթարթորեն մշակվել և կայացվել պարզ որոշում։ Այն կարող է անել այն, ինչի համար նախատեսված է. որոշել գծի դիրքը տեսադաշտում, և նեյրոգիտնականներն արդեն օգտագործում են այս պարզ սիլիկոնե տեսողական համակարգը սարքավորումների փորձարկման և ուսանողներին սովորեցնելու նպատակով։ Արհեստական ցանցերի ամենակարևոր առավելությունն այն է, որ դրանք աշխատում են իրական աշխարհում, իրական ժամանակի մեջ և օգտագործում են շատ քիչ էներգիա։
[[Պատկեր:Neuro-16-3.png|311px]]
===Արհեստական նեյրոնալ ցանցեր===
Արհեստական նյարդային ցանցերը (ԱՆՑ) հաճախ օգտագործվում են ուսուցումը և հիշողությունն ուսումնասիրելու համար։ Սովորաբար դրանք ծրագրավորվում են սովորական թվային համակարգիչների վրա, բաղկացած են մշակված պարզ միավորներից, որոնք խիստ փոխկապակցված են նեյրոցանցում։ ԱՆՑ֊ի ամենապարզ տարբերակը կոչվում է <strong>«ուղղակի կապով համակցող»</strong> է, որն ունի փոխկապակցված ներմուծումների և արտածումների միավորների շերտեր։ Ասոցիատիվ հիշողությունը վերծանվում է շերտերի միջև կապերի ուժն այնպես փոփոխելով, որ ի պատասխան ներկայացված նմուշի վերադարձվում է նրա հետ կապակցված պատասխան նմուշը (տե՛ս <strong>մաթեմատիկական գլուխկոտրուկը</strong> հաջորդ էջում)։ Ավելի բարդ ԱՆՑ է <strong>հակադարձ նեյրոնալ ցանցը</strong>։ Այն բաղկացած է մեկ շերտից, որտեղ յուրաքանչյուր միավոր փոխկապակցված է մյուս միավորների հետ, և բոլորը հանդես են գալիս որպես և՛ ներմուծող, և՛ արտածող։ Մի քիչ տարօրինակ է հնչում, բայց այս նախագիծը ցանցին հնարավորություն է տալիս պահեստավորել ամբողջական նմուշներ, ալ ոչ թե՝ պարզապես տարրական միավորների զույգեր։ Այս տեսակ ինքն իր հետ կապակցված՝ <strong>«աուտոասոցիատիվ ցանցի»</strong> վերծանումը հնարավոր է դառնում այսպես կոչված ռեկուրսիվ փնտրման արդյունքում։ Ցույց է տրվել, որ 1000 միավոր պարունակող ցանցում մինչև 150 նմուշ հնարավոր է կորզել՝ շատ քիչ սխալներ թույլ տալով։
ԱՆՑ֊ների և գլխուղեղի նմանությունը ինֆորմացիայի պահպանման և մշակման ձևի մեջ է։ Մշակվող «գիտելիքը» պահվում է նույն այդ ցանցի մեջ։ Ի տարբերություն թվային համակարգչի, որի մոտ հանրահաշվական պրոցեսորի և հիշողության տեղակայումները տարանջատված են` դրանք չունեն հիշողության առանձին տեղակայում, այլ ունեն <strong>ասոցիատիվ հիշող սարք</strong>։
ՆՑ֊ում ինֆորմացիան պահեստավորվում է կապերի կշիրների ձևով, ճիշտ այնպես, ինչպես սինապսներն են փոխում իրենց ուժգնությունը ուսուցման ընթացքում։ ԱՆՑ֊ներն էլ ծրագրավորված չեն որևէ կոնկրետ գործողություն կատարելու համար։ Յուրաքանչյուր «նեյրոն» ներսում «համր» է և պարզապես պատասխանում է` ելնելով իր մուտքերի կշիռների գումարից։ Այնուամենայնիվ, դրանք կարող են խելացի բաներ սովորել։ <strong>Սովորելու կանոնները</strong>, որոնցով վարժեցվում են ցանցերը, իրականացվում են նեյրոնների միջև գործող կապերի ուժը փոփոխելով։ Ընդհանուր կանոն հետևյալն է. ցանցի ելքը համդրվում է մուտքագրվող նմուշին և ապա համեմատվում ցանկալի նմուշի հետ։ Համեմատության ժամանակ առաջացած «սխալը» այնուհետև օգտագործվում է կապերի կշիռների շտկման համար, այնպես, որ ցանկալի ելքային նմուշը ավելի նման լինի ցանկալի արժեքին։ Ցանցն աստիճանաբար սխալի ազդանշանը նվազագույնի է հասցնում։ Այս եղանակը գործում է, սակայն` շատ դանդաղ։
Ստացվում է այնպես, որ սխալները կարևոր են։ Սովորելն անհնար կդառնա, եթե ցանցը ի սկզբանե անսխալ գործի։ Սա սովորելու մի հատկանիշ է, որը պետք չէ թերագնահատել։ Գերվարժեցված ցանցերը, որոնք սխալներ թույլ չեն տալիս, արդյունքում արձագանքում են միայն մեկ տեսակի մուտքային ազդանշանին։ Այսպիսի ցանցերը փոխաբերական իմաստով անվանում են «տատիկային», վկայակոչելով է մարդու գլխուղեղի առասպելական «տատիկ բջիջներին», որոնք արձագանքում են միայն այն ժամանակ, երբ ինչ֊որ մեկի տատիկն է հայտնվում տեսադաշտում, և երբեք չպետք է սխալվեն։ Սա այնքան էլ օգտակար չէ իրական աշխարհում կիրառելիս. յուրաքանչյուր բան, ինչ մենք պետք է սովորեինք, առանձին ցանց կպահանջեր։ Ընդհակառակը, ԱՆՑ֊ների էլեգանտությունը նրանում է, որ դրանք ունակ են ընդհանրացնելու ներմուծված այնպիսի նմուշներ, որոնք չեն կիրառվել վարժեցման ժամանակ։ ԱՆՑ֊ները նմուշներում ըմբռնում են ներքին կապերը, զուգորդումները և հայտնաբերում օրինաչափություններ։ Նրանք հանդուրժում են սխալը, ինչպես և իրական գլխուղեղը։ Նրանք կարող են կորզել պահված նմուշը, նույնիսկ երբ ներմուծված նմուշը շատ հստակ չէ («աղմկոտ է») կամ ոչ ամբողջական։ Սրանք կենսաբանական ուղեղների շատ կարևոր հատկանիշներ են, և ԱՆՑ֊ները նույնպես կարող են այդ անել։
===Ժամանակակից համակարգչային տեխնոլոգիաների պարադոքսը===
Ներկայիս ԱՆՑ֊ների պարադոքսն այն է, որ դրանք մաթեմատիկորեն մոդելավորվում են թվային համակարգիչներով։ Դրանով իսկ նրանց օգտագործումն իրական աշխարհի պայմաններում շատ ավելի սահմանափակ է դառնում, քանի որ վերարտադրման համար ժամանակ է անհրաժեշտ, ուստի ԱՆՑ֊ները չեն կարող իրական ժամանակի մեջ գործել։ ԱՆՑ֊ները շատ հարմար են ավտոմեքենա կամ ինքնաթիռ վարելու համար, քանի որ դրանք կայուն են աղմուկի նկատմամբ և շարունակում են գործել, նույնիսկ երբ համակրգի որոշ տարրեր դադարում են աշխատել։ Այնուամենայնիվ, փորձագիտական համակարգերը, որոնք սովորաբար օգտագործվում են ինքնավար օդաչուների դերում, թվային համակարգիչներ են՝ ծրագրավորված սովորական համակարգիչներով, և, անվտանգությունից ելնելով, այս ամենը միշտ պետք է վերահսկվի։ եթե ինքնաթիռում ծագում են բարդ խնդիրներ, այդպիսի փորձված համակարգերը չեն կարողանում դիմակայել։ Իսկ ԱՆՑ֊ների այսօր փորձարկվող ալգորիթմները շատ դանդաղ են նման վթարային իրավիճակների համար։ Մարդ֊օդաչուն պետք է անցնի գործի։ եթե սիլիկոնե նեյրոնները կարողանային դրան էլ սովորել, որն առայժմ հնարավոր չէ, այս խնդիրներից շատերը կլուծվեին։ երբ ավելի շատ բան իմանանք գլխուղեղի աշխատանքի մասին, կկարողանանք ավելի կատարելագործված նյարդային ցանցեր ստեղծել, որոնք կապահովեն իսկական գլխուղեղին նման աշխատանք։
[[Պատկեր:Neuro-16-4.png|303px]]
[[Պատկեր:Neuro-16-5.png|309px]]
Առնչվող ինտերնետ կայքեր. www.artificialbrains.com
http://www.ini.unizh.ch/