Российские ученые двигаются к созданию самообучаемого компьютера
Принципиально новый подход к созданию вычислительной техники, действующей на основе опыта и обучения подобно человеческому мозгу и живой природе рассмотрен на заседании Президиума Российской академии наук (РАН). Как сообщили Накануне.RU в пресс-службе РАН, метод представили академик А. Микаэлян и доктор физико-математических наук Б.Крыжановский (Институт оптико-нейронных технологий)
Новые методы обработки информации на принципах голографической памяти и нейронных систем, в отличие от традиционных методов вычислительной техники, базируются на распределенной памяти и ассоциативном поиске информации. Они не требуют знания исходных уравнений и алгоритмов, описывающих тот или иной процесс, а действуют на основе опыта и обучения подобно человеческому мозгу и живой природе.
В докладе речь шла не столько о возможностях развития этого научного направления, сколько о конкретных применениях и их практической реализации.
Г-н Крыжановский рассказал о новом классе нейронных систем, которые построены на физической аналогии с системой спинов в многомерном пространстве, и по эффективности функционирования превосходят известные системы более чем на два порядка. Это проиллюстрировано на примерах применений в системах идентификации искаженных образов, в модели биологической памяти, для прогнозирования аварийной ситуации в полете вертолета и др. Однако практическая реализация этих применений требует организации огромного числа связей для передачи сигналов между нейронами. Понятно, что решение этой проблемы с помощью проводников невозможно ввиду перекрестных помех.
Во второй части доклада академик Микаэлян рассказал о голографической оптике, развитие которой началось с публикаций работ ученых Института оптико-нейронных технологий РАН и позволило создать многофокусные наноструктуры, решающие проблему оптических связей между нейронами. Эта разработка сопровождалась постоянным совершенствованием технологической базы института. Сейчас она может считаться уникальной с точки зрения возможности проведения различных технологических процессов в едином комплексе и единым научным коллективом физиков, математиков, инженеров и технологов. Этим коллективом реализован и ряд других применений наноструктур. Среди них – создание прибора с нейронной обработкой информации для регистрации малых примесей в окружающей среде.