ВВЕДЕНИЕ 4
1 Обзор литературы 6
1.1 Проблема развития в биофизике сложных систем и когнитология 6
1.2 Методы исследования в когнитологии 8
1.2.1 Изучение работы мозга 9
1.3 Эвристическое моделирование 9
1.4 Искусственные нейронные сети как модельный объект 11
1.5 Процесс обучения человека 12
1.5.1 Кривые обучения 14
1.5.2 Пример обучения двигательной задаче 16
1.6 Общие сведения об искусственных нейронных сетях 18
1.7 Обучение искусственных нейронных сетей 20
1.7.1 Метод обратного распространения ошибки 21
1.7.2 Метод случайного поиска 22
1.8 Сходства и различия искусственной нейронной сети и мозга 23
2 Программное обеспечение для исследования искусственных нейронных
сетей 27
2.1 Программа NetCreator 27
2.2 Выбор задачи для обучения нейронных сетей 29
2.2.1 Сигнал с развернутой временной реакцией 30
2.2.2 Квазислучайный входной поток сигналов 31
2.3 Вывод кривых обучения и конечных точек траекторий обучения 32
3 Результаты и обсуждение 34
3.1 Получение кривых обучения разного вида 34
3.2 Моделирование обучения двигательной задаче с помощью
искусственных нейронных сетей 36
3.2.1 Единственная родительская сеть 36
3.2.2 Разные родительские сети 40
3.3 Оценка влияния начальной структуры, задачи и сценария обучения на
эффективность обучения 44
3.4 Ответ на вопрос о детерминации развития 47
ЗАКЛЮЧЕНИЕ 49
Список сокращений 51
Список литературы 52
Проблема развития - одна из ключевых проблем современной науки о живом [ CITATION МВВ75 l 1049 ]. Она заключается в том, чтобы либо научиться предсказывать направление эволюции и индивидуального развития, либо выявить ограничения на возможности такого предсказания. Таким образом, ее влияние распространяется не только на биофизику сложных систем, где она предстает как проблема эволюции, но и на психологию (в частности, когнитивную), в которой рассматривается проблема индивидуального развития человека. Именно в этой области можно выявить точки соприкосновения между когнитивными науками и биофизикой сложных систем, и предложить подход к решению проблемы методами биофизики.
Поскольку непосредственное изучение когнитивных процессов, протекающих в мозге, на данном этапе затруднительно, методы математического и компьютерного моделирования представляются как возможная альтернатива [ CITATION Сол111 l 1049 ]. Кроме этого, моделирование позволяет максимально сфокусироваться на конкретных его аспектах и отвлечься от множества подробностей и деталей структуры и функций объекта, не играющих важной роли в изучаемом процессе.
Среди возможных видов моделей стоит особо выделить модели, не имеющие прямых прототипов среди биологических систем, но способные моделировать свойства живых объектов. Подход, основанный на построении и использовании подобных абстрактных моделей, назван Дж. фон Нейманом эвристическим методом. Необходимость такого подхода обоснована им следующим образом: «Поскольку у нас нет достаточно ясного представления о том, как функционируют живые организмы, то обращение к органике большой пользы нам не принесет. Мы займемся поэтому автоматами, которые мы в совершенстве знаем, ибо мы их сделали. Опишем автоматы, способные воспроизводить себя» [ CITATION Фон71 l 1049 ]. Эвристическое моделирование как метод выявления и исследования свойств объектов применяется не только в биофизике, но и в прочих научных направлениях: например, фармакологии [ CITATION Lev80 l 1049 ], биологии [ CITATION Daw07 l 1049 ].
В качестве объекта моделирования был выбран процесс обучения, поскольку между ним и процессов эволюции можно провести аналогию: в ходе обоих этих формируется структура, обладающая определенной функцией [ CITATION Бар10 l 1049 ]. Для моделирования процесса обучения к модели предъявляются следующие требования: она должна иметь просто описываемую структуру, которая реализует некоторую функцию, возникшую в ходе эволюционного процесса или процесса обучения. Для целей данного исследования наиболее подходящей моделью являются искусственные нейронные сети (ИНС).
ИНС на нынешнем этапе рассматривают как результат несомненного прогресса в моделировании когнитивных систем и процессов, поскольку они, в отличие от более ранних компьютерных моделей, «способны делать обобщения и понимать сложные визуальные паттерны, медлительны при математических вычислениях и делают глупые ошибки» [ CITATION Сол111 l 1049 ]. Искусственные нейронные сети используются как инструмент моделирования в психологии, в том числе в когнитивных исследованиях [ CITATION Арз03 l 1049 ] [ CITATION АЛТ06 l 1049 ].
Преимущество при использовании ИНС как модельных объектов в том, что они обладают сравнительно простой, "прозрачной" структурой, а их функция может быть с легкостью определена. Поскольку работа с ними производится на компьютере, процессы генерации и обучения могут быть проведены столько раз, сколько требуется, чтобы набрать необходимое количество данных и затем приступить к анализу свойств.
Цель данной работы состоит в том, чтобы ответить на вопрос о детерминации развития человека, опираясь при этом на данные, полученные в результате моделирования процесса обучения с помощью ИНС. Для достижения данной цели нужно последовательно решить ряд задач.
1. В первую очередь необходимо разработать набор программ, которые позволят реализовать обучение ИНС и затем произвести обработку данных. С их помощью обучить достаточно большое (для составления статистики) количество ИНС.
2. Необходимо подтвердить то, что ИНС могут быть использованы для моделирования процесса обучения человека. Для этого требуется сопоставить кривые обучения ИНС и людей, а также воспроизвести эффект снижения обучаемости детей с повреждениями нервной системы в эксперименте на ИНС.
3. Наконец, нужно оценить влияние начальной структуры ИНС, сценария обучения и задачи на эффективность обучения, на основании чего сформулировать ответ на вопрос о детерминации развития человека в соответствии с поставленной целью.
В результате выполнения задач, поставленных в рамках данной бакалаврской работы, были сделаны следующие выводы:
1. Разработано программное обеспечение для генерации и обучения ИНС, а также обработки полученных данных, извлечения необходимых для анализа процесса параметров из сохраненных файлов, построения графиков кривых обучения, отображения конечных точек траекторий обучения ИНС в пространстве весовых коэффициентов;
2. Кривые обучения ИНС аналогичны кривым обучения людей и тоже могут иметь разную форму в зависимости от специфики задачи;
3. Эффект снижения обучаемости детей с повреждениями нервной системы в большинстве случаев воспроизводится в экспериментах на ИНС. При этом "контринтуитивные" результаты (ИНС с повреждениями начальной структуры обучаются лучше, чем ИНС без таковых) также имеют соответствия с эффектами, возникающими в работе биологических нейронных сетей;
4. Даже в том случае, если обучающиеся структуры различаются по происхождению, при наличии у них одинаковых повреждений их обучение будет идти схожим образом в рамках одного алгоритма обучения (кривые обучения будут иметь схожий вид и различаться в основном начальной эффективностью);
5. В результате экспериментов по обучению ИНС с одной и той же начальной структурой показано, что сценарий обучения влияет на эффективность обучения и в ряде случаев позволяет минимизировать влияние начальной структуры ИНС.
На основании полученных результатов и сделанных выводов сформулировано следующее утверждение по отношению к вопросу о влиянии наследственности и среды на развитие человека: наследственность значительно влияет на обучаемость, но решающую роль в том, насколько успешно будет обучение задаче, играет алгоритм и сценарий обучения.
Представляя наш ответ на вопрос о детерминации развития человека, мы естественно не претендуем на его окончательное и бесповоротное снятие, поскольку отдаем себе отчет в том, что этот ответ основан лишь на экспериментах с модельными объектами. Несмотря на все имеющееся сходство реального процесса с модельным, необходимо учитывать все неизбежно возникающие ограничения и экстраполировать полученные результаты на реальность с осторожностью. В связи с этим результаты, полученные в данной работе, предпочтительно рассматривать в качестве дополнительного, а не решающего аргумента при рассмотрении вопроса детерминации развития человека.
Таким образом, цель данной работы, заключающаяся в проведении сравнительного анализа процессов обучения человека и искусственных нейронных сетей, считается достигнутой, а поставленные задачи выполнены.
В дальнейшем представляется полезным дополнить проделанную работу большим числом экспериментов на реальных обучаемых структурах - в частности, с участием людей. Это позволило бы подтвердить или опровергнуть наличие обнаруженных на модельных объектах эффектов. Кроме этого, область изучения можно расширить, рассмотрев не только обучение двигательным задачам (освоение физических навыков), но и процессы решения более сложных, интеллектуальных задач. Наконец, все вышесказанное выступает в пользу того, чтобы объединить усилия в изучении закономерностей обучения со специалистами в таких областях, как когнитивная психология, нейробиология и нейрофизиология. Именно так и предполагается действовать в рамках когнитивных наук. Наиболее полное и глубокое изучение процесса обучения представляется применимым на практике как в общей педагогике, так и при разработке специальных подходов и методик обучения в случае наличия нарушений в структуре либо функционировании мозга.
Помощь студентам и аспирантам в выполнении работ от наших партнеров
