Электронная библиотека » PC Magazine/RE » » онлайн чтение - страница 7


  • Текст добавлен: 13 марта 2014, 09:33


Автор книги: PC Magazine/RE


Жанр: Компьютеры: прочее, Компьютеры


Возрастные ограничения: +16

сообщить о неприемлемом содержимом

Текущая страница: 7 (всего у книги 15 страниц)

Шрифт:
- 100% +
Миниатюрные, но полнофункциональные

Различие между сверхпортативными и массовыми ноутбуками в отношении их функциональных возможностей медленно, но неуклонно стирается. Изготовители приходят к выводу, что 12-дюйм широкий экран – это минимум, необходимый для уменьшения нагрузки на глаза. Apple MacBook Air представляет собой беспрецедентное конструктивное решение – сочетание 13-дюйм широкоэкранного дисплея и массы 1,4 кг. Большинство современных сверхпортативных ноутбуков оснащено полноразмерной клавиатурой, не менее удобной, чем у настольных ПК. Все более широкое распространение получают встроенные оптические накопители, которые в прошлом были редкостью. Все представленные в обзоре сверхпортативные модели, за исключением MacBook Air, оснащены накопителями DVD для записи двухслойных дисков.

В большинстве сверхпортативных ноутбуков имеются встроенные средства беспроводной связи, такие, как адаптеры Bluetooth и WiFi. Разработчики Sony VAIO VGN-SZ791N пошли по этому пути еще дальше, установив в компьютер сотовый широкополосный модем Sprint EV-DO Rev A, дополняющий его третьей технологией доступа в Интернет. Многие пользователи из сферы бизнеса, отправляясь в командировки, берут с собой цифровые камеры, поэтому встроенные устройства для чтения различных карт – привлекательная альтернатива кабелям и внешним устройствам чтения. Современные порты дисплеев перестали быть принадлежностью только крупных ноутбуков: в модели ASUS U6S имеется порт HDMI-out, а в Apple MacBook Air – порт mini-DVI.

Сверхпортативные ноутбуки

Sony VAIO VGN-SZ791N

В США цена при прямых поставках 2499 долл.

Оценка: очень хорошо

Конструкторы Sony VAIO VGN-SZ791N не поступились почти ничем. В ноутбуке массой 1,8 кг удачно размещены полноразмерная клавиатура, 13-дюйм широкий экран и накопитель DVD для записи двухслойных дисков. Кроме того, это первая сверхпортативная модель с новейшим процессором Intel Penryn, не говоря о ее способностях энергосбережения. В компьютере установлен полноразмерный 2,5-ГГц процессор Intel Core 2 Duo T9300, а время работы от батарей достаточно велико, чтобы не доставлять вам неудобств. Благодаря двойной графической подсистеме можно переключаться между встроенной графикой с малым энергопотреблением и графической платой NVIDIA для игр. Эта модель Sony VAIO отличается безупречным сочетанием портативности и производительности.


ASUS U6S

В США цена при прямых поставках 1700 долл.

Оценка: хорошо

U6S – потрясающий ноутбук массой 1,8 кг в корпусе коричневого кофейного цвета, обтянутом кожей изнутри. Основной акцент сделан на высокое быстродействие, которое достигается благодаря применению 2,2-ГГц процессора Intel Core 2 Duo, 2-Гбайт ОЗУ и графической подсистемы NVIDIA. Однако энергия батареи явно маловата для питания этих вычислительных компонентов.


Fujitsu LifeBook P8010

В США цена при прямых поставках 2000 долл.

Оценка: хорошо

Модель P8010 относится к редкому типу сверхпортативных ноутбуков массой менее 1,4 кг со встроенным оптическим накопителем. Время работы от батарей превосходно, и соблюдены все требования к охране окружающей среды. Если бы клавиатура была чуть больше, производительность чуть выше, а цена немного ниже, то ноутбук мог бы стать очень опасным конкурентом в своей категории.


Acer Ferrari 1100

В США реальная розничная цена 1860 долл.

Оценка: хорошо

Этот сверхпортативный ноутбук отличается чрезмерно эстетичным дизайном: корпус из прочного пластика украшен узнаваемым логотипом Ferrari в виде вздыбленного жеребца. В отличие от Acer Ferrari 5000 и других предшественников, модель Ferrari 1100 оснащена записывающим накопителем DVD с загрузкой диска через щель. Масса 2,0 кг – большая для сверхпортативного ноутбука, но производительность оставляет желать большего.


Apple MacBook Air

В США цена при прямых поставках 1799 долл.

Оценка: хорошо

MacBook Air имеет революционную конструкцию; это самый тонкий из существующих сегодня ноутбуков (о том, как компании Apple удалось добиться этого, см. во врезке «Наука компактности»). Несмотря на вынужденные компромиссы (отсутствует оптический накопитель и имеется лишь один USB-порт), потребителям понравятся необычно большой 13-дюйм широкоэкранный дисплей и клавиатура с подсветкой.

Фактор производительности

Производительность по-прежнему важна, хотя и в меньшей степени, чем в прошлом: основными критериями при выборе стали конструкция и функциональные возможности. Характеристики производительности требуют более пристального внимания при покупке легких сверхпортативных ноутбуков, отличающихся более широким разнообразием процессоров, графических микросхем и памяти, и во многих из них используются процессоры с малым потреблением энергии. Эти очень компактные процессоры с суперэкономичным ядром специально предназначены для миниатюрных конструкций, таких, как Apple MacBook Air и Fujitsu LifeBook P8010. Их производительность, как правило, меньше, чем у процессоров со стандартным напряжением, но компания Intel продолжает работать над совершенствованием низковольтных компонентов с малым потреблением энергии. Благодаря процессорам с малым потреблением энергии увеличивается время работы от батарей, ключевой фактор для 1,4-кг сверхпортативных ноутбуков, в которых нет места для крупных батарей.

По мере увеличения массы сверхпортативных моделей до 2 кг их производительность возрастает. Для этой категории ноутбуков выбор процессоров более широк. Компоненты, определяющие производительность, в частности AMD Turion 64 X2 в Acer Ferrari 1100 и Intel Core 2 Duo T7500 в ASUS U6S, – это процессоры со стандартным напряжением, такие же, как в массовых ноутбуках. Они могут работать со специализированными графическими платами, что наверняка заинтересует любителей игр и пользователей САПР.

В модели Sony SZ791N применяется процессор нового поколения – 2,5-ГГц Intel Core 2 Duo T9300 с условным названием Penryn. В его основе лежит 45-нм архитектура, в отличие от 65-нм архитектуры современных процессоров Merom. Судя по результатам эталонных тестов модели SZ791N, надежды на повышенную производительность и эффективность потребления энергии микросхем Penryn вполне оправданны.

В настоящее время показатели производительности массовых ноутбуков более однородны, чем у сверхпортативных моделей. Конструкторам не приходится действовать с оглядкой на массу и габариты, поэтому во всех протестированных массовых компьютерах используются типовые компоненты со стандартным напряжением. Благодаря низким ценам на память все изготовители устанавливают ОЗУ емкостью не менее 2 Гбайт, а скорость вращения шпинделя большинства жестких дисков – 5400 об/мин. В ближайшее время эталоном производительности станут пока лишь появляющиеся на рынке процессоры Intel Penryn, и их присутствие будет отличать новые модели от старых. Однако довольно быстро новая технология мигрирует в массовые ноутбуки, и конкурентное поле вновь выровняется.

Более легкое и яркое будущее

Сверхпортативные ноутбуки прокладывают путь в будущее вычислительной техники. Они по-прежнему дороже массовых моделей, но изготовители делают их все более миниатюрными и тонкими, расширяя при этом функциональные возможности. В ближайшие годы такой ПК станет обязательным в арсенале каждого пользователя. Сегодня производительность – не главный фактор при покупке массовых ноутбуков, но их цены, возможности развлечений и конструкторские новинки будут по-прежнему привлекать покупателей.


Новости. С 15 по 15

Программы

Компания Symantec (www.symantec.ru) объявила о выпуске пакета Symantec Endpoint Protection 11 MR2. Среди новых функций: снижение требований к ресурсам серверов и рабочих станций, усовершенствованный «мастер установки», шаблоны для антивирусной защиты и контроля ПО, средства мониторинга съемных носителей.

Технологии будущего

Нейрокалейдоскоп: игры разума

Максим Белоус



В славных 1960-х гг., когда физики и лирики с треском ломали друг о друга копья, космос казался близким, а компьютер – всемогущим, очень популярной была идея «искусственного интеллекта». Ожидалось, что вот-вот произойдет прорыв в инженерных исследованиях и удастся смоделировать работу живого мозга – нейронных сетей, которые с точки зрения физики тоже не более чем совокупность электрических проводников и вычислительных ячеек… С тех пор многое изменилось: нейрофизиология оформилась как наука и продемонстрировала, что судить о работе мозга в деталях, позволяющих построить его действующую модель, мы не можем – и в обозримом будущем вряд ли сумеем. Идея «машинного разума» тихо переместилась со страниц научных журналов в фантастические романы.

Однако сейчас кибернетические термины с приставкой нейро снова мелькают в сводках новостей из вполне солидных исследовательских институтов. Наблюдается, правда, некоторое смешение сущностей – так, «нейрочипами» могут называть и устройства, в принципе способные обмениваться информацией с живой нервной клеткой, и устройства, в какой-то мере моделирующие поведение такой клетки, и, наконец, устройства, обеспечивающие совместную работу электронных приборов и природной нервной ткани. Но при всем разнообразии смыслов столь широкое применение терминологии небезосновательно – и вскоре мы увидим почему…

Врата в будущее

Концепция интерфейса «человек – машина», успешно действовавшая со времен абака и арифмометров, в последние годы все увереннее эволюционирует в совершенно новом направлении: «мозг – машина». Термин Brain Machine Interface (BMI) встречается в описаниях самых что ни на есть реально действующих приборов, например Braingate.

«Врата разума» – устройство, созданное специалистами компании Cyberkinetics Neurotechnology Systems (США) под руководством Джона Донохью и представленное недавно на ежегодной конференции Американской академии физической медицины и реабилитации. Небольшой аппарат диаметром с монетку имплантируется под череп пациента; сотня проводов соединяет микросхему с компьютерной системой. Устройство фактически представляет собой антенну и усилитель, позволяющий улавливать биотоки мозга; компьютерная же программа трудится над расшифровкой принятых сигналов и определяет их смысл. В результате прикованный к креслу пациент способен самостоятельно управлять телеприемником (включать-выключать, менять каналы), открывать поступающие на ПК сообщения электронной почты и даже играть в простейшие игры – вроде легендарного Pong, прародителя арканоидов.

Дальнейшее развитие проекта «Врата разума» открывает еще более захватывающие перспективы. Если ученые сумеют с абсолютной точностью интерпретировать командные импульсы мозга, отсюда уже один только шаг до создания полнофункциональных искусственных конечностей. При этом, вполне вероятно, следующее поколение устройства уже не будет требовать имплантации ИС, – достаточно окажется применить плотно охватывающий голову оператора шлем с подведенными к нему контактами. Непосредственную заинтересованность в проекте проявляет Исследовательское агентство МО США (Defense Advanced Research Projects Agency, DARPA), прямой наследник ARPA, в стенах которого возникла в свое время первая информационная сеть ARPANet, предтеча нынешнего Интернета.



Исследователи калифорнийского Нейрологического института в Ла-Джолле (www.nsi.edu) создали робота с биоподобной сетью, состоящей из нескольких тысяч «виртуальных» (моделируемых на базе процессоров на стандартных транзисторных микросхемах) нейронов. Робот снабжен богатым комплектом «органов чувств» – оптическими, акустическими, ультразвуковыми и даже тактильными датчиками. По утверждению разработчиков, робот «действует, руководствуясь природными инстинктами», «проявляет интерес ко всему окружающему» и активно самообучается

Военные применения «Врат разума» давным-давно предсказаны множеством научных (и не слишком научных) фантастов. Пока, правда, бесконтактное считывание нейронных потенциалов представляется делом далекого будущего. В рамках проводившихся в DARPA исследований ученые пытались выделять и интерпретировать управляющие сигналы, анализируя электроэнцефалограммы в реальном масштабе времени. Какие-то подвижки есть – например, четко идентифицирована команда «быстрее»: тот паттерн нейроимпульсов, который образуется в мозге испытуемого, когда он хочет заставить вращающееся перед ним на экране смоделированное компьютером колесо крутиться с большей скоростью. Но с тонкими движениями и даже выделением направлений состояние дел пока не столь оптимистично. Слишком ослабленными и зашумленными оказываются биотоки на внешней границе черепной коробки, чтобы при помощи современной техники с уверенностью различать и интерпретировать их.

Трудности перевода

Нынешнее состояние интерфейсов «мозг – машина» можно сравнить с тем уровнем технологического развития, на котором находились в начале 1950-х гг. первые разработки по созданию сердечных электростимуляторов. Тогда подобное устройство представляло собой весьма внушительный ящик, а электрические сигналы подавались на электроды, непосредственно вживленные в сердечную мышцу. Нынешний кардиостимулятор – крохотная коробочка, не всегда и заметная под одеждой, и существенно более эффективная, однако эволюция ее заняла около полувека.



«Врата разума». Впечатляет?

Дело даже не в том, что генерируемые мозгом управляющие сигналы оказываются слишком слабыми или неуверенно выделяемыми из общего хора, а в том, что привычный в парадигме линейного программирования подход «одна команда, одна реакция» для мозга не работает. Скорее, нейронный ансамбль действует как симфонический оркестр: каждая команда представляет собой музыкальную пьесу (целую совокупность сигналов, идущих по различным каналам и только в целом складывающихся в эффективное движение). Понятно, с чем это связано: элементарная операция по поднятию руки требует согласованной работы нескольких десятков мышц. Не случайно человек не с самого рождения уверенно владеет своим телом – пройдет несколько лет, пока ребенок научится производить уверенные и точные движения, а в мозге оформятся и закрепятся те самые музыкальные пьесы, каждая из которых соответствует определенному «элементарному» (внешне, для уже привычных к этому взрослых) движению.



Двумерный блок рецепторов Braingate просто создан, чтобы формировать последовательность входящих сигналов для многослойного персептрона

Изначально исследовательская группа Джона Донохью занималась выявлением и расшифровкой управляющих команд мозга с использованием заслуженного спецназа нейробиологии – приматов. В мозг обезьян вживлялись считывающие электроды, а затем их обучали несложной компьютерной игре: требовалось при помощи обыкновенной мышки перемещать по экрану курсор, гоняясь за возникающими на нем яркими точками. Собрав достаточный массив данных и проведя их компьютерный анализ, ученые определили, какой паттерн биотоков соответствует условным командам «влево», «вправо», «вверх» и «вниз». На втором этапе эксперимента мышку у обезьян отбирали, а те, видя на экране привычные яркие точки и рассчитывая на вкусное вознаграждение, мысленно отдавали команды перемещения курсора… Курсор в результате двигался, причем достаточно уверенно, и именно в нужном направлении.

Для медицинских приложений доктор Донохью переработал методику контроля биотоков. В черепной коробке высверливается отверстие размером с мелкую монету, и через него на поверхность коры мозга устанавливается двумерная «гребенка» датчиков в плоской сборке. В результате становится возможным отслеживать сигналы сотни расположенных вблизи этого участка нейронов; а верный выбор расположения самого участка поближе к двигательным отделам мозга дает уверенность в том, что получаемую информацию удастся интерпретировать осмысленно.

Когда будет отработана методика точной подстройки реакции компьютера на команды пациента (налажена обратная связь), появятся возможности широкого и гораздо менее затратного внедрения Braingate в медицинскую практику. Применения его необозримы: главное – обеспечить максимально точный «перевод» сигналов с языка биотоков на компьютерный. Уже сейчас программные средства, созданные Cyberkinetics, позволяют перемещать усилием мысли курсор по экрану вмонтированного в инвалидное кресло ПК. Если задержать курсор над интерфейсной кнопкой и слегка поводить им из стороны в сторону, то такое действие воспринимается как нажатие – соответственно появляется возможность работать со множеством уже существующих приложений, вплоть до набора текста (что, правда, пока потребует немалого времени и сосредоточенных усилий – придется тщательно переводить курсор на каждую последующую букву). Управлять движением моторизованной тележки, гасить и включать свет в доме, отпирать двери – все это прикованный к креслу человек снова сможет без посторонней помощи.

Учет и контроль

Ведущие разработки в компании Cyberkinetics специалисты сталкиваются со множеством сложностей, например нехваткой вычислительных мощностей традиционных компьютеров. Казалось бы, все, что требуется от ПК, – привязанный к реальному потоку времени, согласованный анализ уровней потенциала с сотни нейросенсоров одновременно, – задача для современных процессоров не самая ресурсоемкая. Однако выясняется, что дальнейшее увеличение числа датчиков в микросхеме невозможно потому, что рядовой современный компьютер уже не в силах переварить больший объем информации, сохраняя темп расчетов. Вполне вероятно, что одним из средств повышения производительности такого рода вычислений станет применение нейрокомпьютеров – вычислительных систем, по принципу действия максимально приближенных к мозгу. Пока это направление развития вычислительной техники ненамного реальнее, чем упоминавшиеся ранее «ментальные контроллеры» для управления сложными машинами. Однако, быть может, настоятельная потребность во вторых стимулирует стремительную эволюцию первых?



Мюнхенский NAНIP – нейрон крысы с полным набором периферийных «контактов», располагающийся на полупроводниковой подложке

Нынешние полупроводниковые вычислительные системы основываются на принципах, веками развивавшихся европейскими математиками. Еще в XVII веке Декарт формализовал «итерационный» подход к решению сложных вычислительных задач: последовательное их разбиение на все более простые – до тех пор, пока большая задача не сведется к набору легко выполнимых, с легкостью контролируемых и верифицируемых элементарных операций. В середине 1930-х гг. Алан Тьюринг предложил свою знаменитую вычислительную машину – пока в бумажном варианте, однако вскоре именно на основе его разработок был создан первый «настоящий» компьютер ENIAC. Идеи Тьюринга были развиты и экстраполированы фон Нейманом, после опубликования работ которого, собственно, прикладная кибернетика родилась как наука. Потом элементная база стала полупроводниковой, что позволило формализовать выполнение простейших операций в терминах бинарной логики. Затем технологии производства полупроводников усовершенствовались настолько, что транзисторы на кристаллах бытовых процессоров стали исчисляться сотнями тысяч, но закон Мура и не думает нарушаться, а вот теперь подоспели еще и многоядерные процессоры, так что, похоже, уверенной и методичной эволюции компьютеров Тьюринга – фон Неймана ничто не грозит… И только одно недоразумение смущает умы прикладных кибернетиков современности. Человеческий мозг, которому все кому не лень уподобляют компьютер уже почти три четверти века, построен по совершенно иным принципам.



Следящие системы в центрах управления полетами NASA используют некоторые элементы нейронной логики при обработке значительных массивов телеметрических данных

Формально он состоит из нейронов, генерирующих электрические сигналы и соединенных нервными каналами, по которым эти сигналы распространяются. Однако прямого соответствия транзисторным полупроводниковым структурам в мозге нет. И генерация сигналов, и их прохождение по нейронной сети, и сам принцип организации этой сети существенно отличны от того, к чему привычен взгляд компьютерного инженера. Первое, наиболее явно бросающееся в глаза, отличие – это как раз структура вычислительной сети: если на поверхности кремниевого кристалла существует топологически несложная двумерная сетка соединенных проводниками транзисторов и каждый из ее элементов связан напрямую с небольшим числом соседних, то в натуральном вычислительном комплексе мозга связи между нейронами крайне обширны и разнообразны; сеть их существенно многомерна (в топологическом смысле), и каналы переноса информации не столь очевидны, как в случае построенных человеческими руками процессоров. В середине 1940-х гг. американские математики Мак-Каллок и Питтс провели первые теоретические исследования принципов работы нейронных сетей (с их трудами, кстати, прекрасно был знаком фон Нейман). Было показано, что построенная на «натуральных» принципах вычислительная система ничуть не менее пригодна к решению тех же задач, что и полностью искусственная машина Тьюринга.



Современные методы непрямого контроля деятельности мозга способны давать общее представление о том, какие его участки активизируются в данный момент, однако для тонких исследований прохождения сигналов по отдельным нейронам (пока?) непригодны

Шла Вторая мировая война, вычислительные машины требовались незамедлительно, и в реальную разработку попали как раз те системы, что сделались затем предшественницами так хорошо знакомой нам бинарно-полупроводниковой архитектуры. Принцип Декарта снова оказался в строю: главное – научиться разбивать задачу на последовательность элементарных ступеней (т. е. алгоритмизировать), а после – как можно быстрее производить вычисления по всем этим ступеням. Вот почему гонка процессорных скоростей продолжается уже более полувека. Есть только один способ повысить производительность компьютера Тьюринга – фон Неймана: заставить его выполнять элементарные вычисления еще быстрее. В крайнем случае – разбить большую задачу на ряд параллельных веток и обсчитывать каждую по отдельности (это путь многоядерной архитектуры). Если бы наш мозг работал на тех же принципах, вряд ли нам удалось бы достичь уровня, достаточного для реального воплощения «в металле» хотя бы машины Тьюринга…

Наука требует жертв

Получить сигнал от расположенного на поверхности коры головного мозга электрода и пытаться понять, какой же из близлежащих нейронов его инициировал, – задача не самая благодарная и действительно требующая недюжинной вычислительной мощи. Есть ли способы визуализировать этот процесс, сделать его более наглядным? Есть, хотя и не слишком одобряемые защитниками прав животных. Группа гарвардских исследователей проводит эксперименты по изучению работы мозга кошек и крыс, окрашивая нейроны особым флуоресцентным составом, меняющим спектральный состав излучения при повышении концентрации кальция в окружающей среде (именно кальций случит маркером активности нервной ткани). Животным с предварительно подготовленными к эксперименту нейронами демонстрируется ряд зрительных образов; кора головного мозга подсвечивается лазерным излучением, и оптические микроскопы фиксируют затем активность нейронов. Крышка черепной коробки у четвероногих участников эксперимента при этом, как нетрудно догадаться, по необходимости удаляется. Впрочем, кошки и крысы (а также морские свинки, собаки, обезьяны и т. п.) – известные страдальцы за человечество (которое, справедливости ради отметим, и себя-то самое особенно не щадит в ходе крупномасштабных экспериментов). По результатам исследований выяснилось, какие именно нейроны зрительного отдела мозга реагируют «в ответ» на демонстрацию животному различного рода геометрических структур (в опытах использовались ряды вертикальных, горизонтальных и наклонных линий). С точки зрения нейрофизиологии в целом это крайне серьезное достижение – до сих пор никому не удавалось визуализировать работу отдельных нейронов мозга высших животных с такой поразительной четкостью. Мозг кошки или крысы, конечно, не самый близкий к человеческому, но общие принципы работы естественных нейросетей таким образом великолепно поддаются изучению.

Первым делом – оборона

Первый в мире компьютер в современном понимании этого термина, электронный вычислитель ENIAC, был разработан в Высшем техническом училище Пенсильванского университета по заказу Армии США. Компьютер заменил собой целую Лабораторию баллистических исследований министерства обороны, занимавшуюся составлением корректировочных таблиц для артиллерийских стрельб. Приходилось обрабатывать титанические массивы данных для каждого типа орудий, для каждой разновидности боеприпасов, с учетом различных направлений ветра и атмосферных условий… Сотня высококвалифицированных математиков и несколько сотен подсобных вычислителей целыми днями крутили рукоятки арифмометров, однако катастрофически не укладывались в установленные военными сроки. В результате в 1943 г. был оформлен контракт на разработку электронной вычислительной машины – на невероятную по тем временам сумму в 400 тыс. долл. Достроенный уже в послевоенные годы ENIAC работал на 18 тыс. радиоламп, потреблял 130 кВт энергии и на своей 100-кГц тактовой частоте проводил около 300 операций умножения в секунду.

Выход в новое измерение

Принципиальная ограниченность линейной вычислительной парадигмы в том, что она позволяет оперировать исключительно короткими входными величинами (командами и данными). Пока речь идет о расчетах (будь то численное решение системы дифференциальных уравнений или отрисовка виртуальной игровой сцены), принципиальная ограниченность линейного подхода себя не слишком сильно проявляет. Данные поступают на вход системы линейно, команды – тоже (в крайнем случае, в несколько строго линеаризованных потоков); обработка их на современных процессорах занимает разумное время… Однако есть задачи, для решения которых входные данные требуется брать сразу в большой, единой совокупности. И прежде всего – это задачи распознавания графических образов, движущихся изображений, рукописного текста, речи и т. д.



Пока самыми благодарными пользователями терминов с приставкой «нейро» остаются фантасты – главным образом те, у кого хватает смелости до сих пор именовать себя «научными»

Попытки решать такого рода задачи, оставаясь в рамках линейного подхода, раз за разом заканчиваются неудачами; в лучшем случае триумфально преподносят свои слабенькие успехи как нечто действительно выдающееся, и, строго говоря, с точки зрения тьюринговой вычислительной парадигмы это и впрямь впечатляющие достижения. Не случайно системы распознавания рукописного ввода, столь успешно действующие на современных планшетных ПК и коммуникаторах, основываются прежде всего не на итоговом рисунке буквы, а на всей информации о процедуре ее прорисовки (о траектории движения пера, с полным хронометражем его скоростей и ускорений в каждой точке каждой линии). Если же программе приходится анализировать, допустим, отсканированный рукописный текст (пусть даже в точности тот же самый!), все перечисленные сложности мгновенно вылезают наружу и мешают уверенному распознаванию самым настырным образом. Человеческому глазу гораздо проще разбираться в самом «косолапом» почерке: мы не просто анализируем форму и взаимное расположение петель и линий – мы фактически угадываем слова (слова целиком, а не буквы!); попробуйте в следующий раз обратить внимание на свои собственные действия, когда будете разбирать чей-нибудь особенно неудобочитаемый почерк. Глаз (точнее, мозг посредством зрительных рецепторов) сразу воспринимает двумерную картину рукописного текста во всей его совокупности; кроме того, он незамедлительно активизирует все имеющиеся в его распоряжении аналитические ресурсы, приступая к распознаванию. Причем, какие именно ресурсы будут привлечены к решению задачи и каким образом это решение будет получено, не знает никто.



Принципы самонастройки несложных нейросетей еще поддаются достаточно внятной визуализации

И не только потому, что нейрофизиология – до сих пор не самая развитая отрасль медицинской науки. С математической точки зрения существует принципиальная сложность в формализации работы нейронного процессора – устройства, способного сразу оперировать с огромными объемами данных (по сравнению с теми единичными порциями, которые только и доступны линейным вычислительным системам). Суть в том, что для компьютера, на вход которого подаются только единицы или нули, не составляет труда расписать все правила обработки этих данных. Если вместо единиц и нулей взять определенные команды и блоки данных (посмотреть на работу компьютера с точки зрения языка высокого уровня), число правил их обработки возрастет, но не катастрофически. А вот в случае вычислительной системы, на вход которой подаются образы, а на выходе ожидаются решения, а не числа (решение, к примеру, о том, какому словарному слову соответствует вот этот набор рукописных закорючек), определить весь свод правил обработки входных сигналов и трансляции их в выходные физически невозможно. Просто не хватит для этого никаких ресурсов, поскольку число вариантов растет экспоненциально в зависимости от интенсивности потока данных на входе. И если для ввода данных использовать, скажем, обычный пятимегапиксельный оптический датчик, описать все варианты в принципе доступной к фиксации с его помощью визуальной информации представляется попросту невероятным. Остается единственный разумный путь для приведения нейросистемы в рабочее состояние – обучение.



Типичный «натуральный» нейрон

Несмотря на кажущуюся принадлежность термина «обучение» спекулятивному миру понятий «искусственного интеллекта» и «машинного разума», в кибернетике у него имеется строго определенный практический смысл. А именно: поскольку нейросистема строится для решения целого класса задач, можно с самого начала выделить некий набор тестовых примеров, для которых как раз не составит труда определить алгоритм обработки внутри системы (просто потому, что их окажется не так уж много). Дальше начинается самое интересное: зафиксировав и отработав реакцию нейрокомпьютера на тестовый массив данных (так и хочется сказать – «на тестовый раздражитель», по аналогии с системами биологическими), ему «скармливают» несколько отличный от тестового входной образ. Затем добиваются (тонкой подстройкой каскадов обработки сигнала), чтобы при малых отклонениях исходного образа от тестового результат также от ожидаемого в тестовом примере отличался несильно. Выстраивают, говоря инженерным языком, канал обратной связи. Собственно, процедура регулировки канала обратной связи и есть в кибернетическом смысле «обучение» нейрокомпьютера: тот настраивается на решение определенного класса задач, основываясь на четко заданном решении конечного числа тестовых примеров. Здесь проявляется принципиальное отличие от жесткой алгоритмизации, необходимой для работы линейных компьютеров.


Страницы книги >> Предыдущая | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 | Следующая
  • 4 Оценок: 5

Правообладателям!

Это произведение, предположительно, находится в статусе 'public domain'. Если это не так и размещение материала нарушает чьи-либо права, то сообщите нам об этом.


Популярные книги за неделю


Рекомендации