Нейрокомпьютеры. 
Информационные технологии

Нейрокомпьютер — это устройство переработки информации на основе принципов работы естественных нейронных систем.

Эти принципы были формализованы, что позволило говорить о теории искусственных нейронных сетей. Проблематика же нейрокомпьютеров заключается в построении реальных физических устройств, что позволит не просто моделировать искусственные нейронные сети на обычном компьютере, но так изменить принципы работы компьютера, что станет возможным говорить о том, что они работают в соответствии с теорией искусственных нейронных сетей [41].

Его отличительные черты:

• • ассоциативный характер обработки информации — в памяти хранится набор эталонов, и обработка состоит в том, чтобы отнести поступающий сигнал к тому или иному эталону по заданной мере близости, которая может быть разной и задается архитектурой обрабатывающей нейронной сети, не всегда известной и выражаемой в аналитическом виде;
• • способность к мэппингу — способность нейронной сети автоматически построить топологически корректное отображение одного пространства в другое, когда размерности этих пространств разные;
• • обучаемость (первые две черты проявляются в результате одной универсальной процедуры обучения на примерах).

Согласно принятой в нейрокомпьютинге модели искусственный нейрон, как и настоящий, имеет несколько входов и один выход. Все входные сигналы, поступающие в нейрон, сначала умножаются на определенные коэффициенты, называемые весами, затем суммируются, сумма преобразуется с помощью несложной функции и передается на выход. Ключевой элемент такой модели — веса. Именно они придают системе гибкость и позволяют настроиться на решение определенной задачи. Сигнал, который умножается на большой вес, дает большой вклад в общую сумму, а сигнал с нулевым весом не учитывается вовсе В отличие от цифровых систем, представляющих собой комбинации процессорных и запоминающих блоков, нейропроцессоры содержат память, распределенную в связях между очень простыми процессорами, которые часто могут быть описаны как формальные нейроны или блоки из однотипных формальных нейронов. Тем самым основная нагрузка на выполнение конкретных функций процессорами ложится на архитектуру системы, детали которой в свою очередь определяются межнейронными связями. Подход, основанный на представлении как памяти данных, так и алгоритмов системой связей (и их весами), называется коннекционизмом.

Три основных преимущества нейрокомпьютеров:

• • все алгоритмы нейроинформатики высокопараллельны, а это уже залог высокого быстродействия;
• • нейросистемы можно легко сделать очень устойчивыми к помехам и разрушениям;
• • устойчивые и надежные нейросистемы могут создаваться и из ненадежных элементов, имеющих значительный разброс параметров.

Основные правила выделения функциональных компонентов идеального нейрокомпьютера (по Миркесу):

• • относительная функциональная обособленность: каждый компонент имеет четкий набор функций. Его взаимодействие с другими компонентами может быть описано в виде небольшого числа запросов;
• • возможность взаимозамены различных реализаций любого компонента без изменения других компонентов.

Постепенно складывается рынок нейрокомпьютеров. В настоящее время широко распространены различные высокопараллельные нейроускорители (сопроцессоры) для различных задач. Моделей универсальных нейрокомпьютеров на рынке мало отчасти потому, что большинство из них реализованы для спецприменений. Примерами нейрокомпьютеров являются нейрокомпьютер Synapse (Siemens, Германия), процессор NeuroMatrix. Издается специализированный научно-технический журнал «Нейрокомпьютеры: разработка, применение». Проводятся ежегодные конференции по нейрокомпьютерам. С технической точки зрения, сегодняшние нейрокомпьютеры — это вычислительные системы с параллельными потоками одинаковых команд и множественным потоком данных (MS/MD-архитектура). Это одно из основных направлений развития вычислительных систем с массовым параллелизмом.

Основным требованием к аппаратному нейрокомпьютеру является каскадирование, т. е. возможность наращивания вычислительной мощности без особых технических требований.

Все фирмы, выпускающие специализированные нейронные вычислительные системы, положили в основу их построения принцип модульности, согласно которому вычислительная система строится как набор модулей, устанавливаемых на материнскую плату.

Применяя принцип модульности, можно в одной системе объединять модули различного назначения: вычислительные, периферийные, преобразования сигналов, ввода/вывода и т. д.

В нейрокомпьютинге постепенно созревает новое направление, основанное на соединении биологических нейронов с электронными элементами. По аналогии с Software (программное обеспечение —.

«мягкий продукт») и Hardware (электронное аппаратное обеспечение — «твердый продукт»), эти разработки получили наименование Wetware (англ.) — «влажный продукт».

В настоящее время уже существует технология соединения биологических нейронов со сверхминиатюрными полевыми транзисторами с помощью нановолокон (Nanowire). В разработках используется современная нанотехнология, в том числе для создания соединений между нейронами и электронными устройствами используются углеродные нанотрубки.

Распространено также и другое определение термина «Wetivare» — человеческий компонент в системах «человек-компьютер».

Применения.

• 1. Управление в реальном времени, в том числе:
  • • самолетами и ракетами;
  • • технологическими процессами непрерывного производства (в энергетике, металлургии и др.);
  • • гибридным двигателем автомобиля;
  • • пневмоцилиндром;
  • • сварочным аппаратом;
  • • электропечью;
  • • турбогенератором.
• 2. Распознавание образов:
  • • изображений, человеческих лиц, букв и иероглифов, отпечатков пальцев в криминалистике, речи, сигналов радара и сонара, элементарных частиц и происходящих с ними физических процессов (эксперименты на ускорителях или наблюдение за космическими лучами);
  • • заболеваний по симптомам (в медицине).