|
В начале 80-х годов были созданы принципиально новые средства обработки информации — микропроцессоры (МП). По своим логическим возможностям и структуре они напоминают упрощенный вариант процессора обычной ЭВМ, однако конструктивно реализуются всего на одной или несколько микросхемах с высокой степенью интеграции. На базе микропроцессоров стали создаваться микро-ЭВМ, состоящие из одного или нескольких микропроцессоров, дополненных постоянной и оперативной памятью, а также необходимыми периферийными устройствами. Микропроцессоры и микро-ЭВМ широко применяются при автоматизации технологических процессов.
В ЭВМ четвертого поколения получил развитие начавшийся еще в третьем поколении процесс создания вычислительных систем и сетей ЭВМ, многомашинных и многопроцессорных вычислительных комплексов. Так в нашей стране, научно-исследовательским институтом многопроцессорных вычислительных систем Таганрогского государственного радиотехнического института в 1989 г. была разработана универсальная многопроцессорная вычислительная система ЕС-2703, рассчитанная на работу от 16 до 64 процессоров и обеспечивающая высокую для того времени производительность – 128 миллионов операций в секунду.
Рис. 3. Электронная вычислительная машина ЕС-2703
Современные вычислительные машины и персональные компьютеры можно отнести к пятому поколению ЭВМ. Развитие элементной базы ЭВМ пятого поколения происходит на наших глазах – каждые 3-5 лет в несколько раз возрастает степень интеграции электронных схем, улучшается технология их производства, что ведет к снижению стоимости компонентов компьютера. Сетевые технологии позволяют связывать компьютеры в локальные и глобальные сети, которые, взаимодействуя и объединяясь, образуют глобальную Сеть – Интернет. ЭВМ пятого поколения используют многозадачные операционные системы с дружественным графическим интерфейсом, а большое количество прикладных программ делает их незаменимыми при решении практически любых задач. Типичный объем оперативной памяти современных персональных компьютеров – сотни мегабайт, дисковой памяти – десятки или сотни гигабайт, тактовая частота – единицы гигагерц.
Последние годы определили требования к ЭВМ будущего, которые помимо малых габаритов и небольшого энергопотребления, более высокой производительности и надежности должны обладать возможностью общения с человеком на его естественном языке, способностью производить логические выводы, обучаться, формировать в своей памяти так называемую базу знаний и т.д. Это может быть достигнуто применением и дальнейшим совершенствованием нейронных вычислительных структур, то есть структур, строение которых сходно со строением клеток мозга человека и животных – нейронов. Работа таких структур основана на способности обучаться и анализировать нечеткие или неполные данные и принимать решения на основе предыдущего опыта. Биологические основы работы сетей нейронов были впервые изучены академиком И.П.Павловым. Механизмы памяти и реакции на раздражители были названы им «условным рефлексом» Параллельно с прогрессом в нейроанатомии и нейрофизиологии психологами были созданы модели человеческого обучения. Одной из таких моделей, оказавшейся наиболее плодотворной, была модель Д. Хэбба, который в 1949 г. предложил закон обучения, явившийся стартовой точкой для алгоритмов обучения искусственных нейронных сетей. Дополненный сегодня множеством других методов он продемонстрировал ученым того времени, как сеть нейронов может обучаться.
В пятидесятые и шестидесятые годы группа исследователей, объединив эти биологические и физиологические подходы, создала первые искусственные нейронные сети. Выполненные первоначально как электронные сети, они были позднее перенесены в более гибкую среду компьютерного моделирования, сохранившуюся и в настоящее время. М. Минский, Ф. Розенблатт, Б. Уидроу и другие разработали сети, состоящие из одного слоя искусственных нейронов. Эти сети, часто называемые персептронами, были использованы для такого широкого класса задач, как предсказание погоды, анализ электрокардиограмм и искусственное зрение.
На сегодняшний день существует много впечатляющих демонстраций возможностей искусственных нейронных сетей: сеть научили превращать текст в фонетическое представление, которое затем с помощью уже иных методов превращалось в речь; другая сеть может распознавать рукописные буквы; сконструирована система сжатия изображений, основанная на нейронной сети.
Для улучшения существующих сетей требуется еще много теоретической и экспериментальной работы. Должны быть развиты новые технологии, улучшены существующие методы, прежде чем данная область сможет полностью реализовать свои потенциальные возможности.
Рис. 4. Цифровой нейрокомпьютер с программируемой архитектурой (разработан НИИ МВС Таганрогского государственного радиотехнического университета)
На сегодняшний день реальный «интеллект», демонстрируемый самыми сложными нейронными сетями, находится ниже уровня дождевого червя, однако, как бы ни были ограничены возможности нейронных сетей сегодня, множество революционных открытий, могут быть не за горами.
ЛИТЕРАТУРА
1. Семененко В.А. и др. Электронные вычислительные машины. – М.: Высш. шк., 1991. – 288 с.
2. Терминологический словарь по основам информатики и вычислительной техники / А.П.Ершов, Н.М.Шанский, А.П.Окунева, Н.В.Баско; Под ред. А.П.Ершова, Н.М.Шанского. – М.: Просвещение, 1991. – 159 с.
3. Крайзмер Л.П. Бионика. – М.-Л.: Госэнергоиздат, 1962. – 72 с.
4. Ф. Уоссермен. Нейрокомпьютерная техника: Теория и практика.
5. Электронный ресурс НИИ МВС ТРТУ: http://www.mvs.tsure.ru
Страницы: 1, 2
При использовании материалов активная ссылка на источник обязательна.