За отстаивание демократии Америке пришлось заплатить не одним солдатом, вспомнить хотя-бы войны в Корее, Вьетнаме и, чтобы долго не перечислять, в западной Азии. Военные летчики - не исключение. Не удивительно, что флоридский ученый ДеМарше получил грант на $500,000 за математическую модель исчисления нейронной сети, имеющей целью заставить мозг летающих мышей или птицы управлять военным самолетом.

В университете штата Флорида выделили из крысиного эмбриона около 25000 нейронов и поместили их в питательный раствор, который и поддерживал их жизнедеятельность на протяжении всех опытов. Окутав приготовленное "блюдо" сетью из 60-ти датчиков, которые измеряли и контролировали активность нейросети, сотрудники лаборатории начали эксперимент. (будем дальновидны, крысы - только для начала, их легче изловить и выращивать, но "летать" им не дано, поэтому ниже будет идти речь о летучих мышах и птицах). /Від автора/ Літати можна научити лише те, що вже вміє літати. Крису літати навчити важко. Це так, бо немає в криси крил, => немає зворотнього зв'язку від зміни кутів діючих поверхонь по відношенню до набігаючого потоку. А відтак немає і моделі польоту. Важко припустити, що в одну і ту ж ДНК з клітиною можна засунути всі відомі моделі керування. Для кожної тварини своя розробка. Хоча за методом об'єктного програмування ми бачимо гомологічні органи, і код для аналогічних структур можна повторювати.

Подключив особым образом формирующуюся сеть из биологического материала к авиасимулятору F-22, ученые начали ее обучение.

Под микроскопом молодые клетки представляли из себя хаотический набор зерноообразных частиц, подобие песчинок, обрызганных водой, но затем, в результате направленной электростимуляции, отдельные нейроны стали расти и протягивать микроскопические отростки друг ко другу. Так происходило до тех пор, пока образовывались синаптические связи, которые и представляли собой нейронный процесс. Можно видеть неоднократное протягивание отростка к соседнему нейрону, отдергивание назад, как бы попытки узнать, кто рядом с ним, пока в течение длительного времени синаптическая связь не начинает утверждаться. В результате сеть должна смоделировать окружающую обстановку (принимая данные от авиасимулятора), т. е. нейроны должны сцепиться друг с другом именно в той уникальной комбинации по отношению к поступающим данным, чтобы реализовать вычислительное устройство - модель подключенного авиасимулятора.

Любопытно, что нейронная сеть должна не только изобразить адекватную модель информационных потоков, но и производить ответные действия, сигналы управления, реализовать свое персональное поведение. Для этого нейронная сеть сначала просто принимала полетные данные: углы курса, тангажа. Затем от нее поступало управляющее воздействие в виде изменения одного из параметров (изменяемой величины информационного потока) и анализ реакции окружающей среды, наблюдаемый по изменению поступающей от авиационного симулятора информации. Таким образом происходит настройка передаточных функций обратных связей системы авиационного тренажера. Фактически, для этого мозг летающей мыши либо птицы уже должен ориентироваться на определенную модель-описание внешнего мира, с которым ему предстоит иметь дело. Вопрос лишь в том, чтобы подстроить параметры встроенной системы моделирования к получаемым действительным в результате общения с внешней средой (от авиационного тренажера в нашем случае).

В итоге ДеМарше просто передавал действующие = адекватные параметры от одной модели динамики полета другой, причем в отличие от авиационного симулятора, модель летающей мыши а) была собрана из разрозненных клеток, знающих, с какого рода информацией и какого математического описания системой ей придется столкнуться, б) мозг мыши не только смоделировал сам симулятор, но и выдавал приказания по тестированию системы, с которой имеет дело, в целях ее изучения и прогнозирования поведения /реакции на управляющее воздействие/ в) отдавал приказания по управлению /изменение амплитуды или фазы эл. сигнала по отросткам/, возможно, с целью обдуманного влияния на процессы окружающей среды.

По словам Томаса Демарше (Thomas DeMarse), "оно" поначалу "разбивало" самолеты, но затем, пройдя некий период адаптации, не без помощи учителей, стало неплохо справляться с обязанностями пилота. Этот опыт стал возможен во многом благодаря тому, что были найдены новые методы по наблюдению за активностью и взаимосвязями клеток. Если раньше было возможно регистрировать все происходящие процессы максимум у нескольких нейронов, то сейчас новые технологии позволяют увеличить их число на 3-4 порядка.

Справедливости ради нужно сказать, что для управления самолетом мозг летучих мышей и птиц слишком сложен, поскольку там просчитываются силы сокращения для каждой мышцы перед каждым махом крылом, иначе птица завалится на бок. Так, в советское время был выпущен самолет с вертикальным взлетом Як-38, который имел комбинированную силовую установку, состоящую из одного подъемно-маршевого двигателя и двух подъемных двигателей. Он оказался неудачным, поскольку волей случая ни летчик ни автоматическая система не могли согласовать прецизионного баланса двух вертикальных векторов тяги и самолет иногда заваливался на бок. Живыми летающими воздушными судами также отслежиается поведение воздушного потока на каждом перышке или элементе крыла, да и органы управления птицы/летучей мыши гораздо тоньше, а управляющие полетом поверхности и механизмы птицы - хвостовое оперение и сам хвост подвижны в широком диапазоне угловых отклонений и комбинаций пространственного положения. Планер птицы предназначен для постоянного контролирования движения, то есть он не устойчив вне контроля мозгом птицы. Самолет имеет лишний с точки зрения оптимальности планера, киль, предназначенный для устойчивости воздействиям бокового ветра и устранения крена при наличии рассчетной тяги и маршрутной скорости. Он же служит причиной "штопора" и потери управления воздушным судном при падении скорости. Да и зачем использовать для управления воздушным судном ужасно медленные и архаичные по сравнению с мозгом современные компъютеры, если есть шанс взять на вооружение уже готовый, столь безупречный и совершенный шедевр технического мастерства?

Адаптацию и самообучение нервной системы в процессе постэбрионального развития теоретически можно использовать. Способность центральной нервной системы к управлению движением в 3D-пространстве уже закодирована генетически, но подстройка параметров для конкретной окружающей обстановки и "данному полетному режиму" возможна за счет применения /воплощенного в живых организмах/ метода проектирования, где генетические программы управляются внешними, неизвестными наперед данными. Речь не идет о экспрессии генов, зависящей от внешней среды. Мы имеем дело с программами, написанными так, что поступающие извне данные подстраивают параметры автоматической системы управления траекторным движением. Насправді, хоча всі авіасимулятори не прості, фактично для деяких цифрових моделей можна робити зміни параметрів і тренувати на них персонал різних машин. Це як граматика в мові. Якщо граматика (система диференційних рівнянь 12-го ступня) є, то слова вже підбираюсться за сенсом. Але прислівник повинен сісти на місце прислівника, і дієслово - на місце дієслова.

Разумеется, что не понимая всей сложности модели динамики полета птиц и летучих мышей, Томасу не по силам использовать не свой мозг для решения задач полета, так как линеаризованная и стационарная модель самолета представляет собой систему дифференциальных уравнений 12-того порядка, а точно смоделировать управление крылом летучей мыши или стрекозы просто не имеет смысла даже на современной технике. Для этого надо моделировать потоки воздуха на крыле и все возникающие моменты сил от завихрений - эта модель имеется только в виде цепочки нуклеиновых кислот ДНК соответствующих живых существ. Но вполне возможно, что подобные эксперименты помогут лучше бороться с такими загадочными заболеваниями как эпилепсия. Помимо этого неотвратимо появление гибридных компьютеров с биологическими компонентами, которые могут использоваться там, где присутствие человека невозможно или связано с большим риском для его жизни

Живые "думающие" компьютеры имеют перед сделанными человеком ряд преимуществ: во-первых, для их работы не критичен выход из строя некоторого процента составляющих его логических элементов (нейронов), во-вторых, круг доступных для решения мозгом задач гораздо шире и он более элегантно с ними справляется.

В то время, как аналоговые / цифровые компъютеры быстро выполняют определенные вычисления / хорошо справляются с определенными видами данных, они лишены гибкости человеческого мозга. В часности, мозг мгновенно решает задачи распознавания графических и звуковых образов - начиная от идентификации незнакомого макета мебели - стола или лампы, и заканчивая угадыванием издали своего знакомого "по походке", манере поведения, подчерку, голосу. Компъютеры требуют для решения таких задач как на порядок больше времени выполнения, так и непомерного труда программистов по моделированию и кодированию.

Источник: University of Florida researcher Thomas DeMarse