1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | 24 | 25 | 26 | 27 | 28

3)      ответ принадлежит к множеству выходных значений системы.

Получается, что при отсутствии учителя система должна минимизировать целевую функцию уже по двум параметрам (z и d):

mind,z (z - d(x,y))2

Безусловно, что, если возможное z принадлежит к множеству выходных значений системы, то минимизация только по z является более привлекательной, так как не требует от системы именно в данный момент никакой дополнительной внутренней перестройки. Правда, при этом неизвестно, как этот ответ из серии «сказал – не подумал» в дальнейшем отзовется на судьбе системы.

Исследуем процесс обучения без учителя для СР-сетей, исходя из следующих начальных волюнтаристических предположений:

1)      система обучена на некоторой обучающей выборке, т.е. количестве элементов СР-сети больше ноля;

2)      на вход поступают значения, с которыми в процессе обучения система не сталкивалась;

3)      получаемый выходной результат выходит из диапазона значений, в рамках которого работает система. Образно говоря, «сказать хочется, а слов нет».

Какие возможны в данной ситуации варианты поведения системы?

Вариант 1

1.      Признать полученный результат неверным.

2.      В качестве выходного результата определить действие «ничего не делать» или пустое (нулевое) значение, которое всегда принадлежит множеств выходных значений.

3.      Осуществить процесс обучения (разрушение и генерацию нейронов) для поступивших входных значений и выходного значения, определенного в п. 2. Таким образом, система самостоятельно от неизвестной ей схемы «обучение без учителя» переходит к известной схеме «обучение с учителем».

Вариант 2

1.      Признать полученный результат неверным.

2.      В качестве выходного результата определить значение, наиболее близкое к полученному результату, но принадлежащее множеству допустимых для выходного результата значений.

3.      Осуществить процесс обучения (разрушение и генерацию нейронов для поступивших входных значений и выходного значения, определенно в п.2.

Вариант 3

1.      Признать полученный результат правильным. Невозможность его реализации объяснить несовершенством системы по генерации соответствующих выходных значений. Например, система неспособна мгновенно взлететь в небо или закопаться в землю. Но другого решения не искать, а попытаться реализовать полученное путем изменения собственных «физических» возможностей или путем разрушения ограничений на диапазон выходных значений.

Вариант 4

1.      Признать полученный результат правильным. Невозможность его реализации объяснить несовершенством системы, ее неспособностью к генерации соответствующих выходных значений.

2.      Выработать такой выходной результат, который, изменяя окружающую среду, позволял бы избежать в дальнейшем поступления на вход подобных входных значений.

3.      Осуществить процесс обучения (разрушение и генерацию нейронов) для поступивших входных значений и выходного значения, определенного в п.2.

Что интересно, выбор того или иного варианта поведения системы во многом определяет черты ее характера, если, конечно, проводя аналогию с живым существом, можно это назвать чертами характера, например:

смирение – присущая системе ориентация в большей степени на первый вариант поведения; упрямство – ориентация на третий вариант и т.п. Таким образом, информационная система начинает приобретать индивидуальность.

в начало

Глава 4

ЭВМ, СР-СЕТИ И ЭМОЦИИ КАК КРИТЕРИИ ИСТИННОСТИ

(ВОЗНИКНОВЕНИЕ НОВОГО ЗНАНИЯ)

Как на грозный Терек выгнали казаки,

Выгнали казаки 40 тысяч лошадей.

И покрылся берег, и покрылось поле

Сотнями порубленных, пострелянных людей

Любо, братцы, любо...

Материал данной главы находится несколько в стороне от протоптанной ранее столбовой тропинки. По своей форме он больше напоминает антракт в театре, когда публику пытаются развлечь второстепенными актерами исключительно для того, чтобы вся толпа не ринулась в маленький буфет. В этом искусственном антракте попытаемся построить и продемонстрировать модель, в рамках которой можно было бы объяснить те особенности информационных систем, которые на первый взгляд ниоткуда не следуют. Действительно, зачем живым информационным системам типа человека нужны эмоции, радости и печали? То ли они (эмоции) представляют собой неотъемлемую атрибутику всего живого, то ли это свойства исключительно самообучающихся систем, и биологическая природа здесь вторична? Попробуем исследовать эту проблему в рамках обобщенной модели СР-сетей. Безусловно, любая модель в чем-то ущербна. При этом зачастую ущербность в деталях компенсируется повышением уровня абстракции, что позволяет исследователю перейти к философскому осознанию анализируемого явления. Здесь мы и займемся подобным философским осознанием.

1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | 24 | 25 | 26 | 27 | 28