OZ 2012/2

M T 69 ORGANIZACIJA ZNANJA 2012, LETN. 17, ZV. 2 celicami tako slabe, da jih lahko med seboj ločujemo s stiskanjem skozi drobno mrežasto blago. Mešanica takšnih posamičnih celic se lahko na novo spontano spoji in oblikuje dve plasti, ektoderm in endoderm, značilne za osnovno arhitekturo spužve. Pri višjih živalih so celice in struktura tkiva bistveno zapletenejše in med seboj povezane tako, da npr. miške ne moremo na novo združiti, če smo jo s stiskanjem skozi mrežico razdvojili. Temeljni zakon narave je, da se enostavnejši sistemi združujejo in oblikujejo bolj organizirane sisteme. Združevanje pelje k višjim oblikam organizacije. Stabilizacija sistemov, sposobnih za preživetje, razmnoževanje in doseganje zastavljenih ciljev, je evolucijska nujnost. Na ta način moramo tolmačiti tudi rast informacijske vsebine vesolja in kasnejši razvoj inteligentnosti na našem planetu. Nelogično bi bilo misliti, da se je ta proces zaustavil! V tem kontekstu moramo videti tudi prihodnost strojne inteligentnosti. S povezovanjem računalnikov v nevronske mreže nastajajo zapletenejše arhitekture koprocesorjev klasičnih računalnikov za uvedbo funkcij, kot so govor in obdelava slik, ali za funkcionalnost nevronskih ekspertnih sistemov. Inteligentnost posamičnega človeka je "ujetnica" lobanje, in to je omejevalni dejavnik možnosti bodočega razvoja! Vendar je naša inteligentnost davno prej razvila učinkovito kolektivno inteligentnost in se izognila omejenosti lastne anatomije in fiziologije. K temu je treba dodati neomejene možnosti strojne inteligentnosti, ki jo je ustvaril človek kot bitje orodij – tehnološko bitje, ki omogočajo večkratne kombinacije človekove individualne inteligentnosti in kolektivne inteligentnosti ter inteligentnosti strojev. Te inteligentnosti, povezane s sodobno komunikacijsko tehnologijo, bodo tvorile nove družbeno-tehnološke strukture intelektualne moči, kakršno smo si doslej slabo predstavljali. Treba je razlikovati med socialno in kolektivno inteligentnostjo. Socialna inteligentnost je inteligentnost posameznika pri spoprijemanju s socialnim okoljem. Kolektivna inteligentnost vključuje inteligentnost skupine, v kateri posameznik podreja svojo identiteto pri spoprijemanju njegove skupine z družbenim, biološkim in fizičnim okoljem. Nevronsko modeliranje je osnova za razumevanje sistemov tipa nevronskih mrež. Človekovi možgani sestoje iz 10 11 nevronov. Medsebojne večkratne povezave štejejo 10 15 . Del programa funkcij človekovih možganov se izvaja po prirojenem gensko oblikovanem načrtu. Predvsem vsebino spomina naj bi pridobili po rojstvu. Med delovanjem možganov skozi življenje se spreminja sama nevronska mreža – prekinjajo se in vzpostavljajo nove povezave in se s tem spreminja tudi moč teh povezav. S spreminjanjem moči povezav ustvarjamo nove vzorce nevronskih poti. Narava izbira nove povezave, vendar so te spremembe zelo tvegane in lahko pripeljejo do radikalnih sprememb temeljnih lastnosti možganov. Pri razvoju umetne (računalniške) nevronske mreže poizkušamo oponašati človekove možgane. Kohonen (1988; v Stonier, 1992) je naštel pet razlik med mrežami (biološkimi in elektronskimi) in digitalnimi računalniki: 1. Biološki nevronski sistemi ne uporabljajo načel digitalnih oz. logičnih krogov. 2. Nevroni in sinapse ne predstavljajo stabilnih elementov. 3. Pri nevronskem računalništvu ni ne strojnih instrukcij ne kontrolnih kodov. 4. Možganski krogi ne uporabljajo rekurzivnega računanja in niso algoritemski. 5. Obdelava informacij v sistemih tipa nevronskih mrež (bioloških in umetnih, elektronskih) se popolnoma razlikuje od obdelave informacij, ki jo izvajajo klasični računalniki. Kohonenovim razlikam je Stonier dodal naslednji dve razliki: 1. Spomin klasičnih digitalnih računalnikov merimo s pomočjo možnega števila preusmeritev on/off. Spomin računalniških nevronskih mrež temelji na številu možnih medsebojnih povezav. 2. Hitrost klasičnih računalnikov merimo s številom instrukcij v sekundi, hitrost računalnikov tipa nevronskih mrež s številom možnih sprememb medsebojnih povezav v sekundi. V klasičnih računalnikih se informacije shranjujejo kot vzorci preusmeritev on/off in se obdelava informacij izvaja po teh vzorcih s pomočjo rekurzivnih nizov logičnih instrukcij ali algoritmov, s premikanjem informacij med pomnilnikom in procesorjem nazaj in naprej. Ena sistemska enota informacije shranjuje, druga pa obdeluje. Pri nevronskih mrežah se informacije shranjujejo kot vzorci medsebojnih povezav in nevronskih poti. Obdelava informacij vključuje predelavo teh vzorcev. Sistem, ki shranjuje informacije, jih tudi obdeluje. Takšna obdelava vključuje spreminjanje stanj znotraj elementov, iz katerih sestoji sistem, in sicer s pomočjo spreminjanja moči medsebojnih povezav. Te notranje spremembe niso digitalne, temveč vključujejo kvantitativne spremembe. Sistemov tipa nevronskih mrež ni treba programirati, pač pa jim je treba omogočiti, da se učijo. Zaradi sposobnosti Tvrtko-Matija Šercar: PLAIDOYER ZA PRENOVLJENO TEORIJO INFORMACIJ ...