Актуальные направления исследований интеллекта и мышления
В статье показана недостаточность искусственных нейросетей для решения таких задач, как поиск информации в текстах, перевод и аналогичных по сложности. Предложено с учетом сложности мозга и принципов его работы использовать для этих целей идеологию иерархически организованных систем и методы сист...
Збережено в:
| Дата: | 2013 |
|---|---|
| Автор: | |
| Формат: | Стаття |
| Мова: | Russian |
| Опубліковано: |
Інститут проблем штучного інтелекту МОН України та НАН України
2013
|
| Назва видання: | Искусственный интеллект |
| Теми: | |
| Онлайн доступ: | http://dspace.nbuv.gov.ua/handle/123456789/84944 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Цитувати: | Актуальные направления исследований интеллекта и мышления / В.В Сторож // Искусственный интеллект. — 2013. — № 3. — С. 30–37. — Бібліогр.: 10 назв. — рос. |
Репозитарії
Digital Library of Periodicals of National Academy of Sciences of Ukraine| id |
irk-123456789-84944 |
|---|---|
| record_format |
dspace |
| spelling |
irk-123456789-849442015-07-18T03:01:52Z Актуальные направления исследований интеллекта и мышления Сторож, В.В. Концептуальные проблемы создания систем искусственного интеллекта В статье показана недостаточность искусственных нейросетей для решения таких задач, как поиск информации в текстах, перевод и аналогичных по сложности. Предложено с учетом сложности мозга и принципов его работы использовать для этих целей идеологию иерархически организованных систем и методы системной динамики. У статті показана недостатність штучних нейромереж для розв’язання таких задач, як пошук інформації в текстах, переклад та аналогічних за складністю. Запропоновано з урахуванням складності мозку та принципів його роботи використовувати для цих цілей ідеологію ієрархічно організованих систем та методи системної динаміки. In the article insufficiency artificial neural networks for the decision of such problems, as information search in texts, transfer, and similar on complexity is shown. It is offered taking subject to the complexity of a brain and principles of its work to use for these purposes ideology of hierarchically organised systems and methods of system dynamics. 2013 Article Актуальные направления исследований интеллекта и мышления / В.В Сторож // Искусственный интеллект. — 2013. — № 3. — С. 30–37. — Бібліогр.: 10 назв. — рос. 1561-5359 http://dspace.nbuv.gov.ua/handle/123456789/84944 681.3:519.9 ru Искусственный интеллект Інститут проблем штучного інтелекту МОН України та НАН України |
| institution |
Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| collection |
DSpace DC |
| language |
Russian |
| topic |
Концептуальные проблемы создания систем искусственного интеллекта Концептуальные проблемы создания систем искусственного интеллекта |
| spellingShingle |
Концептуальные проблемы создания систем искусственного интеллекта Концептуальные проблемы создания систем искусственного интеллекта Сторож, В.В. Актуальные направления исследований интеллекта и мышления Искусственный интеллект |
| description |
В статье показана недостаточность искусственных нейросетей для решения таких задач, как поиск
информации в текстах, перевод и аналогичных по сложности. Предложено с учетом сложности мозга
и принципов его работы использовать для этих целей идеологию иерархически организованных систем
и методы системной динамики. |
| format |
Article |
| author |
Сторож, В.В. |
| author_facet |
Сторож, В.В. |
| author_sort |
Сторож, В.В. |
| title |
Актуальные направления исследований интеллекта и мышления |
| title_short |
Актуальные направления исследований интеллекта и мышления |
| title_full |
Актуальные направления исследований интеллекта и мышления |
| title_fullStr |
Актуальные направления исследований интеллекта и мышления |
| title_full_unstemmed |
Актуальные направления исследований интеллекта и мышления |
| title_sort |
актуальные направления исследований интеллекта и мышления |
| publisher |
Інститут проблем штучного інтелекту МОН України та НАН України |
| publishDate |
2013 |
| topic_facet |
Концептуальные проблемы создания систем искусственного интеллекта |
| url |
http://dspace.nbuv.gov.ua/handle/123456789/84944 |
| citation_txt |
Актуальные направления исследований интеллекта и мышления / В.В Сторож // Искусственный интеллект. — 2013. — № 3. — С. 30–37. — Бібліогр.: 10 назв. — рос. |
| series |
Искусственный интеллект |
| work_keys_str_mv |
AT storožvv aktualʹnyenapravleniâissledovanijintellektaimyšleniâ |
| first_indexed |
2025-07-06T12:03:59Z |
| last_indexed |
2025-07-06T12:03:59Z |
| _version_ |
1836899043406512128 |
| fulltext |
ISSN 1561-5359 «Искусственный интеллект» 2013 № 3 30
1С
УДК 681.3:519.9
В.В. Сторож
Донецкий национальный технический университет, Украина
Украина, 83050, г. Донецк, пр. Богдана Хмельницкого, 84
Актуальные направления исследований
интеллекта и мышления
V.V. Storozh
Donetsk National Technical University, Ukraine
Ukraine, 83050, c. Donetsk, Bogdana Khmelnitskogo av. 84
Actual Directions of Researches of Intelligence and Thinking
В.В. Сторож
Донецький національний технічний університет, Україна
Україна, 83050, м. Донецьк, пр. Богдана Хмельницького, 84
Актуальні напрямки досліджень інтелекту та мислення
В статье показана недостаточность искусственных нейросетей для решения таких задач, как поиск
информации в текстах, перевод и аналогичных по сложности. Предложено с учетом сложности мозга
и принципов его работы использовать для этих целей идеологию иерархически организованных систем
и методы системной динамики.
Ключевые слова: организация работы мозга, сложность, моделирование.
In the article insufficiency artificial neural networks for the decision of such problems, as information search
in texts, transfer, and similar on complexity is shown. It is offered taking subject to the complexity of a brain
and principles of its work to use for these purposes ideology of hierarchically organised systems and methods
of system dynamics.
Key words: organization of work of a brain, complexity, modeling.
У статті показана недостатність штучних нейромереж для розв’язання таких задач, як пошук інформації
в текстах, переклад та аналогічних за складністю. Запропоновано з урахуванням складності мозку та
принципів його роботи використовувати для цих цілей ідеологію ієрархічно організованих систем та
методи системної динаміки.
Ключові слова: організація роботи мозку, складність, моделювання.
Введение
Компьютерные методы, называемые также методами искусственного интеллекта,
широко используются при поиске и анализе информации. К таким востребованным и
бурно развивающимся направлениям относятся, в частности, поиск информации в
массивах текстов и в Интернете, перевод, извлечение знаний из массива информации,
взаимодействие человека и компьютера и др. Вместе с тем, поработав в соответству-
ющих программах, легко убедиться, что существующие компьютерные методы дают
результаты, очень сильно уступающие человеку. В ряде предыдущих работ автора [1-3]
рассмотрены причины этого и направления выхода из кризиса.
Целью данной работы является систематизация ранее полученных результатов
об ограничениях методов искусственного результата, и выработка целостной картины
дальнейших исследований с учетом практических потребностей по поиску и анализу
информации.
Актуальные направления исследований интеллекта и мышления
«Штучний інтелект» 2013 № 3 31
1С
В качестве основных классов ограничений выделены следующие:
– неучет многоуровневого, иерархического (точнее, гетерархического) строения
как самой природы мышления и интеллекта, так и наших представлений о них;
– излишняя упрощенность представлений о работе мозга на нейронном уровне;
– принципиальное различие в методах обработки информации мозгом и в фор-
мальных методах.
Организация работы с информацией
как система уровней
Система обработки информации у человека является многоуровневой и иерар-
хически организованной. На рис. 1 показаны в качестве иллюстрации ключевые
уровни работы с информацией и их взаимодействие.
Рисунок 1 – Ключевые уровни работы с информацией
При изучении обработки информации человеком обычно ограничиваются каким-то
одним уровнем: логико-математическим, понятийным или нейрофизиологическим.
Изучение каждого уровня, как правило, ведется в рамках набора тесно связанных
дисциплин. В то же время связи между уровнями исследованы довольно слабо и несис-
тематично. В результате мы слабо понимаем, как работа одного уровня влияет на
работу других, например, как нейрофизиология связана с психологией и познанием.
Между тем познание – и как совокупность физических и интеллектуальных
процессов, и как совокупность дисциплин, изучающих эти процессы – является много-
уровневой системой, где отдельные уровни и их элементы связаны с другими уровнями
Сторож В.В.
«Искусственный интеллект» 2013 № 3 32
1С
и элементами других уровней. И информация об этих взаимодействиях должна быть
заложена в описаниях уровней и их элементов. Но при традиционных исследованиях,
основанных на декомпозиции уровней, такая информация просто отбрасывается!
Естественно, после этого принципы взаимодействия уровней становятся загадкой.
Учитывая количество взаимосвязей между уровнями, их сложность и качест-
венную разнородность, количество информации, новых понятий и объема исследо-
ваний, необходимых для описания уровней, сравнимо с таковыми внутри каждого
уровня. А это означает, что для описания взаимодействий между уровнями необходимо
создание соответствующих полноценных дисциплин. И для объединения всего этого
необходимо создание соответствующей общей теории иерархических систем. Причем
такая теория должна включать описание понятий разных уровней и взаимосвязи между
ними. Математические и философские теории, которые в настоящее время выдаются
за общую теорию систем, в принципе неспособны обеспечить указанные требования
вследствие того, что при описании систем они ограничиваются терминами и идеологией
одного из уровней (в приведенном случае – математического или философского).
Необходимо отметить, что исследования последних десятилетий характеризуются
интеграцией отдельных дисциплин в более крупные комплексы, в частности, компью-
терные науки (computer science), ядром которых являются методы искусственного ин-
теллекта; когнитивные науки (cognitive science), объединяющие исследования в психо-
логии, лингвистике и мышлении; нейронауки (neuroscience), объединяющие молеку-
лярные исследования, генетику, нейрофизиологию и ряд других дисциплин.
Прослеживается также появление четкой взаимосвязи между указанными ком-
плексами наук. Так, из входящих в список Scopus журналов по состоянию на 2011 год
примерно 10% позиционировали себя не просто как междисциплинарные, а как объе-
диняющие исследования различных комплексов дисциплин (исследования автора).
Причем большая часть таких глобально междисциплинарных изданий появилась в
последние годы.
Приведенные факты свидетельствуют о том, что международное научное сооб-
щество понимает важность междисциплинарных исследований и прилагает усилия к
их организации. Вместе с тем необходимо отметить, что отсутствует четкое понимание
того, как работают реальные иерархические системы, что требует организации и запуска
соответствующих исследовательских проектов.
Информационные и нейрофизиологические характеристики мозга
Обсуждение данного вопроса проведем в следующих направлениях:
1. Посчитаем, исходя из физических принципов, максимальное количество ин-
формации, которой оперирует мозг и его отдельные элементы.
2. Покажем, что реальная сложность мозга очень высока, и для ее организации
необходима если не вся, то, по крайней мере, значительная часть из теоретически
оцененного объема информации.
По уточненным данным [4], [5] человеческий мозг содержит около 100 млрд ней-
ронов. На каждый нейрон в коре головного мозга приходится в среднем 30 тыс. синап-
сов [6]. То есть мозг содержит не менее 10
15
элементов. Но эти элементы по своей
сложности далеко превосходят элементы компьютерных схем. Каждый синапс явля-
ется сложным физическим образованием, включающим десятки везикул и миллионы
молекул. Передачу сигналов на контактах в мозгу регулируют около сотни веществ
(нейротрансмитеров) [4].
Актуальные направления исследований интеллекта и мышления
«Штучний інтелект» 2013 № 3 33
1С
Информационные потоки на синаптическом уровне можно посчитать, умножив
общее количество синапсов на среднюю частоту их возбуждений (порядка 100 Гц [4]).
Получаем величину порядка 10
17
бит/с. Но вследствие сложности синапсов существуют
информационные потоки на досинаптическом уровне. Произведем их оценку.
Согласно Бремерманну [7], максимальное количество информации, которое может
быть получено от тела массой 1 кг, вычисляется по формуле:
N = mc
2
∆t/h (1),
и равно порядка 10
50
бит. Но для получения такого количества информации вещество
необходимо нагреть до температуры перехода его в излучение.
Более приемлемо рассчитывать информационные потоки по мощности, рас-
сеиваемой в теле. Формула для расчета:
N ≤ E*∆t/h. (2)
Мозг потребляет мощность порядка 20 Вт. Теоретически возможный поток инфор-
мации, соответствующий этой мощности, составит порядка 10
34
бит/с. Максимальный
информационный поток, связанный с одним синапсом, составит:
10
34
: 10
15
= 10
19
бит/с.
Это информационная мощность физико-химических процессов в области от-
дельно взятого синапса. Какая часть из этой информации необходима для нашего мыш-
ления, а какую можно считать балластом? Пожалуй, сейчас на этот вопрос ответить не-
возможно. Некоторые косвенные оценки сделаем из следующих соображений.
1. В программе Евросоюза [8] по созданию искусственного мозга планируется
создание компьютера со скоростью обработки информации 10
18
бит/с, т.е., на поря-
док более быстрого, чем скорость обработки информации человеческим мозгом на ней-
ронном уровне. Тем не менее, авторы проекта не претендуют на получение мышления и
понимания. То есть даже при такой скорости работы компьютер не приближается по
мыслительным характеристикам к человеку.
2. Рассмотрим основные принципы работы отдельного синапса [4] (рис. 2.):
Рисунок 2 – Упрощенное представление о работе синапса
Сторож В.В.
«Искусственный интеллект» 2013 № 3 34
1С
На приведенном рисунке представлено крайне упрощенное представление о
работе синапса. Действительная его работа гораздо сложнее, поскольку:
– в работе синапсов участвуют свыше ста типов нейромедиаторов (молекул,
запускающих различные процессы в синаптической щели);
– в результате действия нейромедиатора возникают цепочки химических взаимо-
действий, включающие десятки этапов. Количество типов молекул, участвующих в
этих взаимодействиях, – свыше тысячи;
– различные процессы, обладающие своей динамикой протекания, взаимодей-
ствуют друг с другом;
– действие нейромедиаторов зависит от динамики нервных импульсов, а, в конеч-
ном итоге, от общей картины возбуждения нейронов мозга;
– клетки глии (вспомогательные клетки) реагируют на окружение и динамику
нервных импульсов и выдают свои управляющие воздействия на синаптическую
область (вплоть до образования новых синапсов).
В настоящее время, несмотря на интенсивное изучение и колоссальный объем
полученной информации, не существует хотя бы примерной модели работы синапса,
включающей динамику происходящих в нем и его окружении процессов. Это свиде-
тельствует о том, что сложность синапса и происходящих в нем процессов действи-
тельно очень высока и находится за пределами возможностей современной вычисли-
тельной техники. Модели синапса, конечно, могут содержать существенно меньше
информации, чем реальный физический синапс. Однако это возможно только в том
случае, если мы поймем закономерности работы синапса настолько, что это позволит
нам существенно сократить информацию, описывающую ключевые аспекты его работы.
Моделирование работы мозга
Рассмотрим представление о работе мозга и реализации его функций в искусст-
венных нейросетях и нейрофизиологии.
Основными элементами искусственной нейросети являются преобразующие
информацию элементы (нейроны) и подстраиваемые связи между ними – синапсы
(напр. [9, c. 32-43]). Синапсы соединены с большим количеством нейронов (при пос-
лойной организации сети – это нейроны предыдущего слоя), амплитуда сигнала в
них в простейших случаях просто равна сумме амплитуд сигналов, выходящих из
подсоединенных нейронов и умноженных на силу или вес данного синапса. Основное
преобразование информации осуществляется в «теле» искусственного нейрона с
помощью так называемой функции активации. В более сложных случаях возможно
некое избирательное изменение амплитуд сигналов, приходящих от различных ней-
ронов, но необходимо отметить, что оно осуществляется по относительно простой
заранее заданной функции, и единообразно для большого количества нейронов. Знания
нейросети заключаются в синаптических весах и приобретаются они в процессе нас-
тройки или обучения нейросети. Для целей данной работы важно подчеркнуть, что
искусственные нейросети используют два основных типа элементов, преобразующих
информацию – синапсы и нейроны, а функции преобразования относительно просты
и задаются извне.
Нейрофизиологи выделяют гораздо больше уровней структурной организации
мозга. Так, один из наиболее авторитетных нейрофизиологов Г.М. Шепперд выделяет
девять уровней [10, p.6]. Далее они приведены в порядке возрастания:
– генный;
– молекулярный и ионный;
– синаптический;
Актуальные направления исследований интеллекта и мышления
«Штучний інтелект» 2013 № 3 35
1С
– синаптические микроцепи;
– дендритные деревья;
– нейроны;
– локальные (региональные) сети;
– сети между областями мозга (interregional circuits);
– системы, отвечающие за поведение.
Также Шепперд замечает [10, p. 7], что в физически реализованных искусст-
венных системах (нейрочипах), количество уровней обработки информации намного
меньше.
В той же работе Шепперд показывает, что на каждом из уровней мозга может
осуществляться довольно сложная обработка информации, не используемая в искус-
ственных нейросетях. В частности, амплитуда синапсов нелинейным образом может
зависеть от состояния окружающих синапсов, предыстории, большого количества
нейротрансмиттеров и нейромедиаторов и др. На уровне дендритных деревьев воз-
можны самые различные типы взаимодействия ветвей между собой: нелинейное
изменение амплитуды, реализация логических операций и др. Фактически многообразие
уровней, типов взаимодействий и информационных состояний приводит к тому, что
каждый нейрон и синапс мозга меняет свои состояния не типовым образом, а инди-
видуальным. То же можно сказать и о любых организованных совокупностях синапсов
и нейронов.
Представляется, что именно за счет такой феноменальной сложности (пластич-
ности) мозг способен к пониманию и мышлению, когда для любого контекста созда-
ется свое собственное, уникальное представление как ситуации в целом, так и инфор-
мационных единиц (образов, концептов и др.), составляющих это представление.
Но одной лишь сложности для объяснения работы мозга недостаточно. Возникает
вопрос, каким образом реализуется согласованная перестройка элементов многочис-
ленных уровней мозга человека, так, чтобы адекватно отображать текущую ситуацию,
связанные с ней проблемы и способы решения этих проблем? Как правило, в не очень
сложных случаях оценка ситуации и выбор решения осуществляется человеком за
доли секунды, секунды, в крайнем случае, минуты. Учитывая, что количество воз-
буждений нейронов мозга в среднем составляет порядка ста в секунду, мозг обрабаты-
вает информацию за очень небольшое количество тактов, намного меньшее, чем при
обработке информации (например, распознавании образов) в искусственных нейросетях.
Где находится программа, рассчитывающая необходимые перестройки элементов
различных уровней мозга, и кто ее реализует? При использовании формальных методов
такую программу пишут программисты, а реализуется она в процессе работы ком-
пьютера.
Человек, естественно, для организации своего мышления программ на созна-
тельном уровне не пишет. В таком случае, они должны генерироваться автоматически
в процессах мышления, переживания, осознавания и.д. Но во всех этих процессах
мы имеем дело с нервными процессами высших уровней, наиболее сложно организо-
ванными и основанными на работе всех нижележащих уровней процессов и структур.
К таким процессам верхних уровней можно отнести понятийные и образные пред-
ставления, оценки различных типов, включая, например, уровень удовлетворитель-
ности решения, тональную окрашенность, осознаваемый уровень достоверности и
многое другое. И все эти, вообще говоря, кооперативные эффекты высокого уровня
интеграции и организации закономерным образом влияют на локальные процессы,
происходящие на уровне синапсов, дендритных деревьев, нейронов и т.д.
Сторож В.В.
«Искусственный интеллект» 2013 № 3 36
1С
По аналогии с компьютерным программированием, назовем такую систему,
осуществляющую закономерную перестройку элементов и процессов всех уровней
мозга, системой оперативного перепрограммирования. Эта система является много-
уровневой и иерархически организованной. Поэтому для описания требуется и общая
теория иерархических систем, и конкретные опытные знания об организации взаимо-
действия различных уровней обработки информации в человеческом мозгу.
Возникает закономерный вопрос, а какой же инструментарий использовать для
моделирования всей этой иерархически организованной сложности? Традиционные
искусственные нейросети не подходят для этой роли по целому ряду причин:
– излишне простое представление о работе синапса;
– сложность или даже невозможность использования иерархической организации;
– сложность использования принципиально различных типов преобразования
информации (например, формально-логических и нелинейных преобразований);
– сложность учета временных характеристик анализируемой информации.
В то же время в настоящее время детально разработана идеология создания и
использования моделей системной динамики, которые позволяют легко справиться с
перечисленными проблемами. Поэтому для моделирования работы мозга с учетом
его сложности и иерархической организации представляется целесообразным исполь-
зовать модели типа системно-динамических.
Литература
1. Сторож В.В. Моделирование интеллектуальной деятельности человека / В.В. Сторож // Искусст-
венный интеллект. – 2012. – № 3. – С. 42-51.
2. Сторож В.В. О моделировании понимания – Problems of computer Intellectualization / Сторож В.В. –
Kyiv – Sofia : ITHEA, 2012. – P. 21-30.
3. Сторож В.В. Мозг и понимание / В.В. Сторож // Сборник трудов Междунар. научн. конф. «Интел-
лектуальный анализ информации». – К. : Просвита, 2013. – С. 125-131.
4. Baars B.J. Cognition, Brain and Consciousness / B.J. Baars, N.M. Gage. – Amsterdam. – Elsevier, 2010 – 677 p.
5. Azevedo F.A.C. ea Equal numbers of neuronal and nonneuronal cells make the human brain an isometrically
scaled-up primate brain // The Journal of Comparative Neurology. – 2009. – № 513. – P. 532-541.
6. DeFelipe J. Microstructure of the neocortex: Comparative aspects / J. DeFelipe, L. Alonso-Nanclares,
J.I. Arellano // Journal of Neurocytology. – 2002. – V. 31. – Р. 299-316.
7. Bremermann H.J. Optimization through evolution and recombination // Self-Organizing Systems / [ed. by
M.C. Yovits and S. Cameron. – Washington – Spartan. – 1962. – P. 93-106.
8. The Human Brain Project. A Report to the European Comission, 2012 – 108 p.
9. Хайкин С. Нейронные сети: полный курс / Хайкин С. – М. : Вильямс, 2006. – 1104 с.
10. Shepherd G.M. Introduction to synaptic circuits / G.M. Shepherd // The Synaptic Organization of the Brain /
[ed. G.M. Shepherd]. – Oxford University Press. – P. 1-38.
Literaturа
1. Storozh V.V. Modelling of intellectual activity of the person // Iskustvenniy intellect -2012. – N 3. – P.42-51.
2. Storozh V.V. About understanding modeling – Problems of computer Intellectualization – Kyiv – Sofia:
ITHEA – 2012. – P.21-30.
3. Storozh V.V. Brain and Undrestanding / Sbornik trudov Mezhdunar. Nauchn. Conf. “Intellectualniy analiz
informazii” – K.: Prosvita – 2013. – P.125-131.
4. Baars B.J., Gage N.M. Cognition, Brain and Consciousness – Amsterdam..- Elsevier – 2010 – 677 p.
5. Azevedo F.A.C. ea Equal numbers of neuronal and nonneuronal cells make the human brain an isometrically
scaled-up primate brain // The Journal of Comparative Neurology – 2009 . – N 513 – P. 532-541.
6. DeFelipe J., Alonso-Nanclares L., Arellano J.I. Microstructure of the neocortex: Comparative aspects //
Journal of Neurocytology – 2002. - V. 31. – P. 299-316.
7. Bremermann H.J. Optimization through evolution and recombination / Self-Organizing Systems / Ed. by
Yovits M.C. and Cameron S. – Washington – Spartan – 1962. – P. 93-106.
Актуальные направления исследований интеллекта и мышления
«Штучний інтелект» 2013 № 3 37
1С
8. The Human Brain Project. A Report to the European Comission – 2012 – 108 p.
9. Haykin S. Neural networks: A comprehensive foundation – М.: Viljams – 2006. – 1104 p.
10. Shepherd G.M. Introduction to synaptic circuits / Ed. Shepherd G.M The Synaptic Organization of the
Brain – Oxford University Press – P.1-38.
RESUME
V.V. Storozh
Actual Directions of Researches of Intelligence and Thinking
In work it is shown that for understanding of work of a brain and its modelling creation
both the general theory of hierarchical systems, and the concrete theory of the hierarchical
organisation of work of a brain is necessary.
Complexity of elements of a brain is very high, especially it concerns to synaptic level
of its organisation. This complexity is not considered in artificial neural networks that does
not allow to solve with their help many almost important problems, in particular, information
search, transfer, the analysis of the text, etc.
One of the most surprising properties of a brain is the co-ordinated reorganisation of
elements of all levels of the organisation of a brain depending on results of the analysis of
the information. By analogy to computer programming it is offered to name the system
providing specified reorganisation of elements, system of operative reprogramming.
It is shown that artificial neural networks poorly correspond to requirements of modelling
of hierarchically organised work of a brain. It is offered to use methods of system dynamics
for these purposes.
Статья поступила в редакцию 25.06.2013.
|