Штучний мозок. Біологічні та штучні нейронні мережі, переваги, недоліки та перспективи розвитку.

Ященко В.О.

doi:10.34121/1028-9763-2023-2-3-17

Автор(и)

Ященко В.О. https://orcid.org/0000-0001-9396-6581 , Institute of Mathematical Machines and Systems Problems of the NAS of Ukraine, Kyiv, Ukraine

DOI:

https://doi.org/10.34121/1028-9763-2023-2-3-17

Ключові слова:

artificial brain, biological neural networks, artificial neural networks, neural-like growing networks, штучний мозок, біологічні нейронні мережі, штучні нейронні мережі, нейроподібні зростаючі мережі

Анотація

У статті аналізується проблема розвитку штучних нейронних мереж у рамках розробки штучного мозку. Розглядаються структура та функції біологічного мозку. Мозок виконує безліч функцій, таких як контроль роботи організму, координації рухів, обробки інформації, пам’ять, мислення, увага, регулювання емоційного стану і складається з мільярдів нейронів, об’єднаних безліччю зв’язків у біологічну нейронну мережу. У роботі обговорюються структура та функції біологічних нейронних мереж, докладно описуються переваги та недоліки порівняно зі штучними нейронними мережами. Біологічні нейронні мережі вирішують різні складні завдання в реальному часі, які і досі недоступні для штучних мереж, наприклад, одночасне сприйняття інформації з різних джерел, включаючи зір, слух, нюх, смак та дотик, розпізнавання та аналіз сигналів зовнішнього середовища з одночасним прийняттям рішень у відомих та невизначених ситуаціях. У цілому, незважаючи на всі переваги біологічних нейронних мереж, штучний інтелект продовжує швидко прогресувати та поступово відвойовувати позиції у біологічного мозку. Передбачається, що в майбутньому штучні нейронні мережі зможуть наблизитись до можливостей людського мозку і навіть перевершити його. Проводиться порівняння нейронних мереж головного мозку людини із штучними нейронними мережами. Описуються глибинні нейронні мережі, їх навчання та використання у різних додатках, докладно обговорюються їхні переваги та недоліки. Аналізуються можливі шляхи подальшого розвитку цього напряму. Коротко розглядаються проєкт «Human Brain», спрямований на створення комп’ютерної моделі, що імітує функції людського мозку, та проєкт просунутого штучного інтелекту – ChatGPT. Для розробки штучного мозку пропонується новий тип нейронних мереж – нейроподібні мережі, структура і функції яких аналогічні природним біологічним мережам. Наводиться спрощена схема структури штучного мозку на базі нейроподібної мережі.

Посилання

1. Лекун Я. Как учится машина: Революция в области нейронных сетей и глубокого обучения. Киев: Альпина Паблишер, 2021. 335 с.

2. URL: https://pro-motivate.com/ru/ спикер/Юрген-Шмидхубер/.

3. Отец искусственного интеллекта Джефф Хинтон: «Глубокое обучение сможет делать всё». URL: https://habr.com/ru/companies/skillfactory/articles/526744/.

4. Ng A. Deep Learning, Self-Taught Learning and Unsupervised Feature Learning. URL: https://www.ryankelln.com/reference/andrew-ng-deep-learning/.

5. Li F.-F. Computer Vision with Deep Learning. URL: https://arxiv.org/abs/2006.11391.

6. Bengio Yo. Practical Recommendations for Gradient-Based Training of Deep Architectures. URL: https://arxiv.org/abs/1206.5533.

7. Dean J., Corrado G.S., Monga R. Large Scale Distributed Deep Networks. URL: https://static.googleusercontent.com/media/research.google.com/en//archive/large_deep_networks_nips2012.pdf.

8. Krizhevsky A., Sutskever I., Hinton G.E. ImageNet classification with deep convolutional neural networks. URL: https://papers.nips.cc/paper/4824-imagenet-classification-with-deep-convolutional-neural-networks.pdf.

9. Yashchenko V.O. Neural-like growing networks in the development of general intelligence. Neural-like growing networks (P. II). Mathematical machines and systems. 2023. N 1. P. 3–29.

10. Yashchenko V. Receptor-effector neural-like growing networks – an effective means of modeling intelligence. II. Cybernetics and Systems Analysis. 1995. N 5. P. 94–103.

11. Yashchenko V. Neural-like growing networks – a new class of the neural networks. Proc. of the International Conference on Neural Networks and Brain. Beijing, China, 1998. October 27–30. P. 455–458.

12. Ященко В.О. Базові операції побудови нейроподібних мереж, що ростуть. Вісник Київського університету ім. Т. Шевченка. 1998. Вип. 4. С. 232–236.

13. Yashchenko V. Artificial Intelligence. Theory. Modeling. Applications. K.: Logos, 2013. 289 p.

14. Yashchenko V. Neural-like Growing Networks the Artificial Intelligence Basic Structure. Springer International Publishing, Switzerland. 2015. Intelligent Systems in Science and Information. 2014, Studies in Computational Intelligence 591. P. 41–55. DOI: 10.1007/978-3-319-14654-6_3 (Springer, 2015).

15. Yashchenko V. Multidimensional neural-like growing networks – a new type of neural networks. International Journal of Advanced Computer Science and Applications. 2015. Vol. 6, N 4. P. 48–55.

16. Gabrielsen P. When Does Your Baby Become Conscious? URL: https://www.science.org/content/article/when-does-your-baby-become-conscious-rev2.

17. Farrell J. Tracing Consciousness in The Brains Of Infants. URL: https://www.forbes.com/sites/johnfarrell/2018/04/19/tracing-consciousness-in-the-brains-of-infants/?sh=f6151ac722f2.