Непосредственно описание деятельности мозга на формальном уровне является предметом исследований нейрокибернетики. Но, к сожалению, существующее положение дел в этой науке, нельзя назвать удовлетворительным. Это связано, прежде всего, с недостаточным уровнем формализации полученных экспериментальных данных о механизмах функционирования нейронных структур.

Главную задачу нейрокибернетики можно определить как создание рациональных моделей, включающих в себя факты, относящиеся к процессам обработки информации в структурах мозга и отвечающих двум основным требованиям. Первое состоит в том, чтобы модель была вычислительно реализуемой. Второе заключается в необходимости разработки моделей обладающих прогностическими свойствами, то есть модель должна постулировать некоторые новые знания и определять направления дальнейших нейробиологических исследований. По нашему глубокому убеждению нейрокибернетика должна стать теоретической основой нейробиологии. Ввиду чрезвычайной сложности мозга работа "вслепую" обречена на неудачи, что и доказали результаты исследований за последние 50 лет. Ситуация и в нейробиологии, и в нейрокибернетике на сегодняшний день близка к патовой. Причем, если нейробиологов по сути упрекать не в чем, экспериментального материала получено достаточно много, а аксиоматики для формализации процессов преобразования данных в нейронной среде эта наука не имеет. То нейрокибернетика просто ушла далеко в сторону от попыток объяснения накопленных экспериментальных данных, с непонятным энтузиазмом исследуя модели, не имеющие отношения к реальности.

Но дело даже не скудности конструктивных результатов. Парадоксальность ситуации состоит в том, что в нейрокибернетике до настоящего момента не сформулированы основные проблемы, которые необходимо решить. Ввиду этого многие проводимые сегодня исследования, по сути, не имеют смысла.

Проведенный нами анализ существующих экспериментальных данных позволил сформулировать четыре фундаментальные проблемы, возникающих при кибернетической интерпретации нейробиологических данных. В сжатом виде их существо состоит в следующем.

Первая проблема - энергетическая.

Даже нижние оценки производительности мозга дают значение порядка миллиардов операций в секунду. Но потребление энергии мозгом не превышает нескольких ватт. Ситуация выглядит еще парадоксальнее, если учесть, что уровень сигналов в мозге - не микро, а милливольты, а также то, что при умственном напряжении не происходит существенного увеличения потребления энергии по сравнению с состоянием покоя.

Вторая проблема - быстродействие мозга.

Каким образом удается обеспечить быстродействие, соответствующее уровню современных суперкомпьютеров, на биоэлементах, имеющих латентность в единицы и десятки миллисекунд, и при передаче сигналов в биологической среде со скоростью несколько десятков метров в секунду?

Третья проблема - функциональные возможности мозга.

Биологический нейрон - элемент с очень ограниченными функциональными возможностями. А задачи, которые решает мозг, требуют выполнения сложных преобразований данных. Каким образом нейронные структуры проводят необходимые функциональные преобразования сигналов?

Четвертая проблема - математическая.

В чем суть преобразований данных, выполняемых на разных уровнях обработки информации. Возможно ли математическое описание операций, проводимых мозгом, и насколько оно универсально?

В результате анализа экспериментальных данных установлено, что в нейронных структурах мозга реализован принципиально иной, чем в технической среде способ проведения вычислительных операций. Вид преобразований сигналов зависит не столько от способа изменения некоторых частотно-временных параметров, как это реализовано в современных технических устройствах, сколько от пространственного положения участвующего в выполнении операции обработки данных нейрона.

В нейронной среде реализован детекторный принцип обработки данных, когда каждый нейрон отвечает за строго определенные признаки процесса или явления. Именно поэтому мозгу необходимо иметь такое огромное количество нейронов.

В качестве функциональных преобразователей используются поверхности с "заданными" свойствами. Передача (проецирование) сигналов "сквозь" такие поверхности приводит к функциональному преобразованию данных. Процесс фактически является физической реализацией хорошо известного математического определения понятия функции. Очевидно, при таком способе преобразования сигналов возможности преобразования данных будут определяться очень широким классом функций. Легко показать также, что энергетические затраты в биологической нейронной среде связаны только с потерями при передаче данных между функциональными единицами мозга, а непосредственно вычислительный процесс проходит без затрат энергии.

Описанный способ проведения вычислительных операций позволяет считать мозг "геометрическим процессором", который использует пространственные свойства среды для проведения детерминированных преобразований сигналов. Естественно, что использование проецирующих связей и геометрических свойств объектов в плоскости имеет мало смысла. Поэтому считаем, что архитектура биологической вычислительной среды является принципиально трехмерной и принципиально топографической. Именно при реализации предложенного способа обработки сигналов одновременно находится подход к решению всех четырех сформулированных выше проблем.

Кроме того, можно доказать, что предложенная архитектура вычислительной среды реализует абсолютный максимум по критерию быстродействие/энергетические затраты. Причем в числителе достигается абсолютный максимум, а в знаменателе абсолютный минимум.

Этот критерий можно считать фундаментальным для систем обработки информации. Именно по этому критерию биологические системы на много порядков превосходят устройства ИИ. Считаем, что сегодня на основе этого понимания, мы вновь можем вернуться к идее Н. Винера об использовании биологических принципов и способов обработки данных при разработке технических систем.

Предметом наших исследований стали также механизмы и способы обработки информации в зрительном анализаторе. Это объясняется тем, что, во-первых, 90% информации о внешнем мире человек получает при помощи зрения, а механизмы обработки зрительной информации являются наиболее развитыми и представляют большой интерес для выяснения существа всех сформулированных проблем (в наибольшей степени четвертой - математической). Разумеется, зрительное восприятие - это не мышление, но связь между этими процессами является достаточно глубокой.

Во-вторых, именно обработка зрительной информации в структурах мозга приводит к образованию наиболее существенной части внутренней модели внешнего мира. Понимание сущности информационных процессов при такой обработке, очевидно, позволит вплотную приблизится к пониманию гештальта и формированию рациональных моделей мышления.

В рамках очерченных представлений нами получена функциональная модель зрительного анализатора, в которой использовано большое количество экспериментальных данных, относящихся к функционированию биологических нейронных структур. Конечным результатом процесса преобразования зрительной информации стало формирование нейрона (идентификатора конкретного объекта), координаты которого в "гностическом" поле инвариантны к сдвигу, повороту и размеру, а также к частичной видимости объекта в поле зрения.

Фактически, найден подход к формализации таких свойств биологического зрительного анализатора как "константность" восприятия объектов и "восприятие целого по видимой части".

Это может рассматриваться как доказательство осуществимости идеи создания технических устройств, использующих алгоритмы обработки информации идентичные тем, что реализованы в биологической нейронной среде.

Анализ информационных процессов, которые реализуются в предложенной модели, позволяет также сделать вывод о том, что мозг является вычислительным устройством особого типа, которое выполняет специфические алгоритмы обработки информации, приводящие к значительному сжатию входного потока данных. При этом, сущность обработки сенсорной информации связана с формированием в структурах мозга устойчивых образований, состоящих из нескольких десятков нейронов, а возможно и единичного нейрона, которые фактически являются эквивалентами огромного объема (10⁸-10¹⁰ бит) информации. Именно такие "гностические" (по определению Конорского) нейроны являются коррелятами психологического понятия "образ". Взаимодействие "гностических" нейронов приводит к вовлечению в информационный обмен практически одновременно (за время менее 100 млс) огромного количества информации, которое современные компьютеры не в состоянии обработать за многие часы работы. Одновременное взаимодействие больших объемов строго организованных конгломератов данных, адекватных реалиям внешней среды, и позволяет мозгу получать результаты, качественно недоступные современным вычислительным устройствам.

Реализация биологических способов обработки данных в технических устройствах неизбежно приведет к тому, что интеллектуальная мощь машинного разума намного превзойдет интеллектуальные возможности мозга человека. Построение сложных информационных моделей внешней среды в машинном сознании, основой которого будут "образы" объектов реального мира и отношения между ними, откроет возможность создания в системах ИИ абстракций, которые до настоящего момента являются интеллектуальной собственностью человека.

5. Искусственный разум: что ждет нас в будущем?