Разновидности машинок.
Теперь представим себе великую равнину, населенную машинками всех шести разновидностей (см. рисунок в начале статьи). Около каждой лампочки мы увидим, наверное, небольшую группу тихих ее обожателей. Несколько поодаль по извилистым орбитам будут нерешительно кружить машинки с неустойчивым характером. Еще дальше в темноте мы увидим боязливых и робких, либо тихо ползающих, либо испуганно проносящихся по сложным траекториям. Время от времени сцены тихого обожания в окрестности той или иной лампочки будут нарушаться прибытием агрессивной машинки. Если лампочка будет при этом уничтожена, машинки начнут разбегаться кто куда в поисках другого источника света. Машинка же, виновная в гибели лампочки (если только она сама благополучно пережила столкновение), покинет сцену последней, двигаясь медленнее машинок - обожателей лампочки.
Поведенческие возможности машинок, оснащенных нейродами, практически неограниченны. На самом деле систему нейродов можно соединить таким образом, чтобы получился настоящий компьютер. Однако для чего нужен мощный мозг при таких ограниченных сенсорных возможностях? Можно, конечно, оборудовать машинки более совершенным зрительным аппаратом, снабдить их слуховыми и осязательными рецепторами. При наличии таких органов чувств можно сделать окружающую среду более сложной, интересной и разнообразной. Усовершенствованная зрительная система будет состоять уже не только из рецепторов с широким углом зрения, но и из узко фокусируемых, которые будут взаимно дополнять друг друга. Визуальные рецепторы можно снабдить фильтрами, так чтобы машинки могли различать цвета и чувствовать тепло (в форме инфракрасного излучения). Слуховые рецепторы могут представлять собой некое примитивное подобие ушей, настроенных на различные частотные диапазоны. В качестве осязательных рецепторов я бы выбрал длинные усики-антенны, вытягивающиеся далеко вперед. Природу равнины можно затем разнообразить звуковыми и тепловыми источниками. Машинки и сами могли бы выделять тепло. Некоторые лампочки могли бы издавать звук.
Когда я читал книжку Брайтенберга, мое внимание привлек следующий фрагмент. Описывая богатые возможности машинок, управляемых системами нейродов, Брайтенберг пишет: "Вы уже, наверное, в какой-то степени представляете себе, что может делать машинка, снабженная подобным мозгом, однако, увидев все это в действии, вы все же будете удивлены. Например, какая-то машинка может быть совершенно неподвижной в течение нескольких часов и затем внезапно прийти в движение, заметив светло-зеленую машинку, издающую звук определенной частоты и передвигающуюся со скоростью, не превышающей 5 см/с".
Это описание натолкнуло меня на мысль о машинках-хищниках, бросающихся на любую другую машинку, попадающую в их поле зрения. Я сконструировал ту часть мозга хищника, которая управляет преследованием жертвы, и предлагаю читателям в качестве упражнения самим разработать конструкцию такой машинки. Возможно, читателям будет интересно изобрести другие модели мозга, вызывающие то или иное поведение.
Машинка-хищник.
Мозг сконструированной мною машинки-хищника построен из трех уровней взаимосвязанных нейродов. Первый уровень представляет собой модель сетчатки, выделяющей значимую информацию из тех сигналов, которые поступают от трех визуальных рецепторов с малым углом зрения. Нейроды второго уровня решают, появилась ли в поле зрения жертва. Третий уровень системы состоит из двух моторных нейродов, которые управляют ведущими колесами.
Рассмотрим данную модель подробнее. Сетчатка состоит из четырех нейродов, каждый из которых реагирует на определенные сочетания светлых и темных пятен в поле зрения трех фоторецепторов. Два нейрода в левой части схемы срабатывают, если какой-нибудь темный объект (в данном случае машинка) попадает в поле зрения самого левого или двух левых рецепторов. Эти два нейрода соединены линиями возбуждения с нейродом порога 1 на втором уровне мозга.
Нейрод второго уровня срабатывает в конце данного такта, если один из двух нейродов сетчатки сработал на предыдущем такте. Следовательно, он посылает сигнал, когда в левой части поля зрения появляется машинка. Нейрод второго уровня одновременно посылает импульсы возбуждения моторному нейроду, управляющему правым ведущим колесом, и импульсы торможения моторному нейроду, управляющему левым ведущим колесом. Таким образом, машинка начинает поворачивать влево, так что мишень сместится в центральную часть сетчатки. Нейроды правой стороны мозга хищника работают как зеркальное отражение левых. Центральный нейрод порога 0 на втором уровне соединен одной линией торможения с центральным фоторецептором и двумя линиями возбуждения с моторными нейродами. Нейрод с нулевым порогом будет продвигать машинку прямо вперед при условии, что ни один из двух других нейродов второго уровня не работает, поскольку каждый из них может затормозить соответствующий моторный нейрод.
Очевидно синтезировать машинку Брайтенберга намного проще, чем анализировать внутренний механизм биологической нервной системы, даже такой примитивной, как у крупной морской улитки Aplysiu [2]. Несомненно, наблюдатели, знакомые с правилами игры в синтетическую психологию, смогут понять конструкцию многих машинок Брайтенберга, просто синтезировав свои собственные аналоги. В то же время машинки Брайтенберга говорят о том, что даже самые примитивные нервные системы могут демонстрировать поведение, кажущееся сложным и удивительным. Во всяком случае, нейрофизиологи имеют дело с существами, сложность которых на несколько порядков величины выше, чем у описанных здесь машинок.
М. А. Арбиб - специалист по информатике и мозгу, недавно перешедший в Южно-Каролинский университет, - занимается координацией исследований в области, расположенной на стыке нейрофизиологии, информатики и науки, изучающей поведение. У Арбиба есть тоже своя "машинка" для изучения деятельности мозга - моделируемая компьютером лягушка, ее научное (латинское) название Rana compuiatrix (лягушка компьютерная). В настоящее время мозг лягушки реализован лишь частично: построена грубая модель сетчатки, довольно развитый тектум и почти ничего больше. Однако уже сейчас лягушка прыгает, огибая препятствия, и отличает "добычу" от неживых предметов. Кроме того, она демонстрирует способность к простому обучению.
По мнению Арбиба, сейчас наблюдается возрождение интереса к нейронным моделям как в плане имитации живых существ, так и в плане изучения их возможностей как вычислительных систем. Несколько исследователей, работающих в первой области, создали компьютерные модели изолированных нейронных систем простых существ, таких, как кузнечики, лягушки и морские слизни. Эти модели уже привели к проверяемым предсказаниям. Небольшая группа инженеров, работающих во второй области, занимается изучением формальных нейронов как элементов параллельного компьютера.
Пропасть, лежащая между синтезом и анализом, не означает, конечно, что машинки Брайтенберга должны рассматриваться просто как игрушки. В моделях подобного рода настораживает (наверное, больше, чем пропасть между синтезом и анализом) тенденция некоторых наблюдателей характеризовать действия машинок в терминах человеческого поведения - говорить, что машинки "любят" или "ненавидят", основываясь на поведении, которое лишь кажется сложным и вовсе не является таковым на самом деле. В высказываниях Брайтенберга, по-видимому, подразумевается, что в принципе явления любви и ненависти, проявляющиеся в поведении человека, настолько же определенны, как и в "нервных системах" машинок. Совершая переход от простого к сложному и в то же время от абстрактных существ к реальным, мы вынуждены заключить, что любовь и ненависть существовали почти с самого начала.
В своей книге Брайтенберг тщательно подбирает последовательность машинок от простых к сложным. В конце книги он объясняет, каким образом каждое предположение как в плане поведения, так и в плане конструкции основано на реальных наблюдениях. В заключение заметим, что способность зрительной системы, состоящей из многих визуальных рецепторов с узким полем зрения, различать предметы, наверное, может послужить в конце концов объяснением тому, как в людном помещении муха выбирает, на чей нос сесть.
"В мире науки" ("Scientific American")
|