Для улучшения своей жизни люди всегда стремились позаимствовать какие-то знания у природы. Не обошла стороной эта участь и попыток создания искусственного интеллекта. До сих пор ученые пытались создать неживые машины по образу и подобию человеческого мозга. Занимаясь проблемами ИИ я согласился с другими исследователями в том, что тело может мыслить и без мозга, ведь оно имеет две вычислительные системы: нейронную и ненейронную, на основе обычных клеток. То есть, существует два механизма познания: нейронный и базальный.
Уникальный способ реализации вычислений (память, логика, анализ, прогнозирование и решение проблем) присутствует у всех живых организмов без нейронных сетей - это неневральные животные, грибы, растения, и одноклеточные организмы. А у многоклеточных,включая человека, он выполняет сложнейшие функции, неподъемные для нейронного познания:
-конструирование и сборка различных органов и систем;
-контроль развития и роста отдельных элементов с четкими параметрами их функционала, например, глаза и зрение, уши и слух и т. д.
Информация об универсальных ненейронных вычислителях известна биологам уже давно. Ведь одноклеточные формы жизни и соматические клетки многоклеточных организмов умеют принимать гибкие решения на основе входов в их микросреду. Например, биоэлектрические сигналы опосредуют важные аспекты долгосрочной координации, которые удерживают клетки для поддержания плана тела и не допуская развития онкогенеза. Нейроны появились не на пустом месте. Они возникли на базе этих древних клеток, которые изначально использовали биоэлектрическую сигнализацию для выполнения вычислений, то есть базальное сознание является первичным. Это подтверждает тот факт, что даже у самых эволюционно развитых многоклеточных (типа людей) многие биопроцессы в организме (вплоть до сложнейшего регулирования морфогенезом и регенерацией) можно рассматривать как процессы, включающие обработку информации и принятия решений без участия мозга.
Многие современные исследователи ИИ неоднократно пытались на базе драгоценных металлов и редкоземельных материалов создать живые вычислительные машины. В той или иной мере у них это получалось. Но я пошел совершенно другим путем, и в качестве основы построения ненейронных вычислительных сетей начал использовать графеновые нано трубки. Проведенные мной исследования обеспечили концептуальные и проектные основы для определения путей создания живых искусственных вычислительных машин. Результаты данных исследований изложены в научной работе "Интегрированная теория матричного искусственного интеллекта"
Концепция матричного ИИ
Образцом для подражания и источником вдохновения для создания искусственного интеллекта и программирования машинного обучения всегда служили биологические системы. Принципы работы основной массы искусственных нейронных сетей всегда были похожи на работу человеческого мозга. Однако, стоит отметить, что многие биологические механизмы, начиная от освоения лабиринта клетками и амебами до сложного регуляторного морфогенеза и регенерации, можно рассматривать как процессы, включающие обработку информации и принятие решений при отсутствии мозга.
Логика, память, предвосхищение и решение проблем были зафиксированы в сперматозоидах, амебах, дрожжах и растениях. И самое главное, что такие возможности подлежат неограниченному масштабированию. Например, когда краниофициальные анатомические особенности головастиков смешиваются в аномальные конфигурации, они нормализуют свои аберрантные положения с течением времени, чтобы восстановить правильную морфологию лица лягушки, а затем прекратить ремоделирование. Из этого следует, что клетки и ткани функционально устанавливают разницу между текущей, неправильной краниофициальной морфологией лягушки и предпринимают корректирующие движения для уменьшения или исключения погрешностей.
Одноклеточные формы жизни и соматические клетки многоклеточных организмов принимают осознанные решения, основанные на входах в их микроокружение задолго до появления нейронов. Нервные клетки имеют оптимизированные по скорости древние биоэлектрические процессы, которые со времен бактериальных биопленок уже были использованы эволюцией для реализации памяти, координации на дальние расстояния и принятие решений, используемых для построения и поддержания анатомических структур.
Биоэлектрические сигналы управляют клетками для поддержания правильного плана тела, который был спроектирован и построен благодаря не нейронному сознанию. Стабильные биоэлектрические схемы также поддерживают информацию, необходимую для проектирования, создания и пространственного распределения потенциалов покоя, которые имеют определяющее значение для формирования внутренних органов, глаз, мозга.
Главным образцом для создания искусственных нейронных сетей является человеческий мозг. Модель, структура и архитектура которого была спроектирована не нейронным сознанием. Из этого следует, что для создания настоящего, сравнимого с человеческим мозгом искусственного интеллекта нужен комплексный подход с использованием не только нейронных сетей, но и других присущих человеку источников сознания. В первую очередь, хорошо известного нам - базального.
Таким образом, я пришел к выводу, что для дальнейшего продвижения в разработке настоящего ИИ необходимо понимание того, как клетки и клеточные ткани получают и обрабатывают информацию с помощью биоэлектрических механизмов. В процессе принятия любых решений обязательно используется та или иная форма логики. Простейшие схемы реализации логики известны как логические элементы, которые представляют собой микросхемы, выполняющие элементарные логические операции. Из таких микросхем состоит любой современный компьютер или электронный гаджет. Чтобы собрать логическую сеть не нейронного происхождения необходимо понять функции тканей, как систем вычисления и определить их логические способности.
Чтобы подтвердить свои теоретические заключения и облегчить анализ динамических процессов и задач, где не нервные системы или ткани принимают логические коллективные решения, я взялся построить простейшую биоэлектрическую сеть с необходимым и достаточным количеством элементарных компонентов, способных получать, обрабатывать и передавать биоэлектрические сигналы.
Моей главной задачей являлось создание минимальной базовой единицы, которая будет служить действующей моделью исследования вычислительных возможностей биоэлектрических систем. Она была создана и получила название «Модель №1» - М1. М1 представляет из себя девять графеновых трубок, сложенных в три слоя в разных направлениях в виде куба, заполненных положительно и отрицательно заряженными ионами Na, K и Cl, имеющих на свои концах специальные шлюзы. Я определил ее, как элементарную единицу матричного интеллекта и дал название – «IQbit».
М1 включала в себя весь набор биоэлектрических компонентов и процессов, которые необходимы для реализации поставленной цели. В каждую трубку модели помещались различные типы белков: ионных каналов и ионных насосов. Существует два типа молекул: ионы (заряженные) и сигнальные молекулы (родовые незаряженные молекулы, которые могут представлять собой лиганд или вторичный мессенджер).
Основой М1 служит каркас из девяти графеновых трубок. То есть, по сути это получается углеродная модель, которую в зависимости от сложности, можно называть как органической, так и биологической вычислительной машиной на ненейронной основе. Из элементарных единиц можно легко собирать базовые единицы и масштабировать их до бесконечности. Базовая единица состоит из девяти элементарных единиц, Одной центральной и восьми периферических. Каждая элементарная единица имеет четыре плоскости присоединения.
Две соседних элементарных единицы соединяются электрическим синапсом известным как “gap junction” (GJ), представленным в виде неориентированного ребра в сети, что позволяет осуществлять прохождение молекул между клетками. Процесс, который управляет прохождением ионов через GJ, называется электродиффузией, комбинацией электрофореза и регулярной диффузии, где поток управляется градиентами напряжения в первом и концентрационными градиентами во втором.
Я проектировал М1, как сетевую тканевую систему с неограниченной масштабируемостью. Поток сигнальных молекул в данной модели управляется общим нелинейным реакционно-диффузионным процессом, состоящих из двух слоев сигмоидальных преобразований. Эти два слоя минимально представляют многослойную сложность, распространенную в сотовых сигнальных сетях. Таким образом многослойная архитектура преобразования сигналов М1 представляет собой многослойную сигнальную сложность, характерную для нескольких типов углеродных оболочек. Внеклеточная среда построенная в М1, включает те же три типа ионов, что и клетки – Na+, K+ и CL-, но инициализируется с различными концентрациями. Можно предположить, что окружающая среда практически бесконечна по размеру и ионы этих трех химических элементов присутствуют практически в любой ее точке, а учитывая неограниченную масштабируемость предлагаемой модели, то у нас появилась возможность создания поистине глобального универсального ИИ.
В ходе практических экспериментов было установлено, что оптимальны размером базовой модели матричного ИИ является куб со стороной ребра 0.21 мм, состоящий из нескольких десятков тысяч элементарных единиц. Ее интеллектуальный потенциал сопоставим с потенциалом человека. Все предыдущие попытки создания и усовершенствования ИИ базировались на знаниях о работе человеческого мозга и нейронных сетей. Я на практике удостоверился, что возможен другой вариант построения искусственных интеллектуальных систем на ткани из обычных клеток.
Я ни в коем случае не призываю отказаться от ИИ на базе нейронных сетей. Наоборот, полноценный универсальный ИИ должен быть гибридным, и состоять как из нейронных сетей, так и матричного интеллекта. Только такие системы смогут эффективно самообучаться, синтезировать новые идеи и знания, выявлять неизвестные закономерности.
Изначально разработчики традиционных систем ИИ опирались не на математический расчет, а на логику с использованием средств для диалога на естественном языке (логико-лингвистические системы), чего не умели предшествующие вычислительные системы. В настоящее время интеллектуальные системы включают наряду с логикой также и различные математические методы анализа и прогнозирования. Обязательным для гибридных интеллектуальных систем является универсальная база знаний, которая должна в них загружаться изначально по умолчанию. Что позволит им кроме осуществления математической обработки введенной информации производить логическую аргументацию и объяснять выдвигаемые гипотезы.
На примере М1 я смог убедиться, что искусственные интеллектуальные системы, созданные на матричной основе могут реализовывать логические и вычислительные процессы разного уровня сложности. Эти действия могут производится в схемах с двунаправленными связями, что характерно для не нейронных тканей, в отличие от обычных однонаправленных схем. Таких, как нейронные сети и цифровые электронные схемы. М1 восприимчива к различным формам и методам обучения. Также она способна моделировать биоэлектрические принципы общей биоэлектрической сети, и все физиологические детали, по мере ее проникновения в окружающую среду.
Эксперименты с М1 подтвердили, что более медленный, непрерывный режим не нейронной биоэлектрической сигнализации, по сравнению с более быстрым, пульсирующим режимом нейронной сигнализации, достаточен для выполнения логических вычислений на уровне человеческого мозга. Что еще раз доказывает возможность соматических вычислений в реальных биологических системах.
Я провел только первый этап большой исследовательской работы в области матричного искусственного интеллекта. Мною был создан и испытан базовый элемент органической тканевой структуры способной к соматическим вычислениям. В своем исследовании я добился первого требуемого результата, мне удалось разработать концептуальные и моделирующие основы для построения вычислительных органических тканей, чтобы в будущем создать на их базе настоящую живую интеллектуальную матрицу.
Используя всего девять графеновых трубок, ионы вездесущих химических элементов и легко доступные белки, мне удалось подтвердить существование базального познания, как сферу пригодную для создания матричного ИИ на не нейронной основе. То есть полноценная интеллектуальная система может быть собрана из цепочки базовых органических элементов, благодаря чему пользователь сможет получать объяснения выдвигаемым системой гипотезам, как в процессе их рассмотрения, так и по завершению работы. В отличие от нейросетей, которые никогда не выдают никаких объяснений.
Нейронные сети способны быстро обрабатывать различные варианты развития событий и обеспечить человеку реальную помощь во многих областях с известным или понятным подходом к принятию решений: в анализе данных с учетом многообразных связей, в выборе оптимальных решений, в мониторинге ситуаций и управлении.
Открывать принципиально новые направления в науке, что либо изобретать, создавать ранее не известные или не существующие знания под силу только ИИ на матричной основе. Только искусственные биологические процессоры будут обладать способностью создания и управления многоагентными искусственными системами – виртуальными сообществами интеллектуальных агентов, каждый из которых может взаимодействовать с неограниченным числом нейронных сетей.
Матричные органические интеллектуальные системы, получившие экспертные знания, будут обладать развитой интуицией и образным мышлением, смогут включать интуитивные представления в том случае, когда их нужно будет применять в конкретной ситуации.