CC BY
45
УДК 631.3-52+57
ОТ ЭРГАТИЧЕСКИХ СИСТЕМ К БИОМАШСИСТЕМАМ -НОВОЕ НАПРАВЛЕНИЕ БИОНИКИ
В.И. Черноиванов, академик РАН
ФГБНУ ГОСНИТИ
Е-mail: vichernoivanov@mail.ru
Аннотация. В работе предлагается новое направление бионики - биомашсистемы. Под биомашсистемой понимается машина или комплекс механизмов с интеллектуальной системой управления, включающей биоблок как решатель с иерархической памятью, в которую заложены профессиональные знания и навыки предметной области машины. В широком понимании в биомашсистему включаются человек, участвующий в управлении машиной, и те живые объекты, с которыми машина работает: растения, животные, микроорганизмы. В определенном смысле биомашсистемы представляют собой развитие эргатических систем, включающих предложенный нами ранее вариант обобщенных эргатических систем, как комплексов «человек-машина-живое». В основе работы решателя и памяти биоблока биомашсистемы лежит функционирование искусственно выращенных из стволовых клеток или клеток предшественников участков неокортекса млекопитающих, при выращивании участки подвергаются специальному обучению по предметной области машины с учетом возможности дальнейшего обучения и переобучения. В работе развертывается программа мероприятий по разработке, проектированию и реализации биомашсистем в сельхозмашиностроении.
Ключевые слова: бионика, эргатические системы, биомашсистема, автономные системы управления, нейроны, неокортекс.
Проблемы автономных систем управления в сельхозмашиностроении. Одна из всё более обостряющихся проблем сельхозтехники состоит в недостаточной автономности работы сельхозмашин и механизмов [1, 2].
Поясним это на примере зерноуборочного комбайна. В процессе работы комбайна объективно возникают такие сочетания природно-климатических, агроландшафтных и других факторов, при которых комбайнер не может оптимизировать работу, то есть он не может выбрать оптимальный режим. Подача хлебной массы зависит от трех параметров: ширины захвата жатки, урожайности убираемой культуры и скорости движения комбайна. В большинстве своем комбайнер, выбирая скорость движения комбайна, ориентируется примерно на среднюю урожайность, которая, к сожалению, имеет разброс в 20-30% от среднего значения. Чтобы не забить молотилку хлебной массой, комбайнеры работают на скорости ниже паспортной. Средняя скорость комбайна около 2 м/с, среднее время срабатывания зрительной и нервной системы комбайнера около 4-5 с. К
тому же команда комбайнера не выполняется мгновенно, время запаздывания составляет еще около 2 с, итого комбайн успеет пройти до 13-15 м. Оказавшись уже в другом агро-фоне, комбайнер должен принимать уже новое решение; в результате, комбайнер практически перестраховывается и работает с меньшим захватом жатки на скорости ниже оптимальной, лишь бы не сбить молотилку и не останавливать комбайн.
Ситуация доходит до критической в случае использования дорогостоящих комбайнов, поскольку недоиспользование ресурсов существенно уменьшает рентабельность применения сложной машины. Современные комбайны насыщаются разнообразными электронными устройствами для автоматизации различных технологических процессов. Последние модели ведущих фирм выпускают комбайны с буквой «Ь> - интеллектуальные машины, тем самым подчеркивая необходимость автоматизации и интеллектуализации комбайновой уборки. Однако актуальность проблемы требует кардинальных технических решений на основе создания интеллектуального комбайна, других машин
и механизмов нового поколения, в которых оператор (комбайнер) максимально исключен из системы управления машиной (комбайном в процессе уборки и т.п.).
Для решения подобных проблем и увеличения автономности и интеллектуализации машин и механизмов более двух лет назад была сформирована группа ученых и специалистов и начато новое направление научно-технических исследований и работ [3]. Реализация программы работ проходит на основе двух выдвинутых подходов: создания так называемого блока Поста как решателя, основанного на искусственном интеллекте, для автономной системы управления [2,4,5] и биоблока - решателя системы управления с возможным непосредственным размещением участков неокортекса млекопитающих в системе управления машиной [2,3,5].
Наука бионика, новые направления в бионике. Наука бионика - одна из старейших. Сам термин «бионика» появился 13 сентября 1960 года на американском национальном симпозиуме «Живые прототипы — ключ к новой технике» (г. Дайтон) и истолковывается очень широко - как применение знаний о живом к искусственным, разрабатываемым человеком системам. Первые попытки применения в технике способностей живого, как известно, относят к конструированию Леонардо да Винчи летательного аппарата с машущими крыльями, он начинал моделирование с полёта стрекозы (в наше время подобная задача решена в виде робота-стрекозы Bionic Opter компании Festo, есть и другие решения).
Классическим примером успеха бионики является липучка-застежка, всем известная как элемент одежды (изобретатель обратил внимание на цепляющиеся к шерсти его собаки «репьи»). Как оказалось, конструкция Эйфелевой башни в точности повторяет строение большой берцовой кости, легко выдерживающей тяжесть человеческого тела, вплоть до того, что совпадают даже углы между несущими поверхностями. Есть и другие примеры, которые, как и приведенный, относят к так называемой архитектурно-строительной бионике.
В настоящее время бионика переживает интенсивное развитие с появлением нано-технологий, изучением нервной системы и работы мозга животных и человека. Появились такие её подразделы, как нейробионика, помогающая разрабатывать новые элементы и устройства автоматики и телемеханики, совершенствовать вычислительную технику на основе знаний о живом.
Поскольку нас интересует сейчас автономное поведение машин и механизмов, то обратим внимание в этом отношении на животных. Проблема выработки новых способов поведения в ситуациях нештатных, таких, в которые животное не попадало ранее, не просто решена в живом мире, а, можно сказать, решается ежечасно и постоянно. Полностью автономным поведением обладает не только человек, но и млекопитающие, и, как это не покажется неожиданным, даже одноклеточные животные. При этом механизмы выработки новых алгоритмов поведения у различных животных самые разнообразные: у человека и млекопитающих основой выработки алгоритмов является неокор-текс (новая кора головного мозга), у бактерий - набор рецепторов, включая бактериальные жгутики.
Разобравшись в этих механизмах принятия решений у животных, мы, оставаясь в рамках бионики, делаем попытки создать аналоги для роботов и других искусственных машин. О неокортексе скажу ниже, а вот у бактерии Е.еоМ, самого изученного на сегодня живого организма [6], процесс принятия решения можно описать следующим образом.
Для примера рассмотрим поиск бактерией пищи, скажем, аминокислоты серин по «запаху». Бактерия при движении совершает пробеги приблизительно вдоль прямой, периодически останавливается, вращается на случайный угол, после чего осуществляет очередной пробег уже в новом направлении. При увеличении концентрации молекул се-рина, с которыми сталкивается бактерия, эти молекулы захватываются рецепторами бактерии, протаскиваются сквозь оболочку и вызывают каскад биохимических реакций с
образованием ряда белков, которые блокируют (уменьшают вероятность) механизм вращения, в результате бактерия не меняет (реже меняет) направление прямолинейного пробега, приближаясь к источнику серина.
Механизм передвижения бактерии Е.еоМ традиционный, встречающийся у многих других одноклеточных [7], а именно - набор флагеллиновых жгутиков, нити которых вращаются за счет встроенного в оболочку бактерии протонового моторчика. Моторчики жгутиков, совершая сотни оборотов в секунду, согласованно раскручивают жгутики против часовой стрелки, и бактерия, отталкиваясь от окружающей ее жидкости, двигается по прямой.
Остановка и вращение (скорее «кувыркание») бактерии начинается, когда моторчики начинают крутить нити жгутиков по часовой стрелке, причем уже не так согласованно, как раньше, в результате жгутики «растопыриваются» и бактерия начинает «кувыркаться», что меняет направление ее дальнейшего движения.
Подобный алгоритм поведения при движении, по-видимому, генетически определен. Однако появляется новый алгоритм поведения, когда после деления что-то в перетяжке не срабатывает и бактерии не могут разойтись, оставаясь сцепленными. Появившаяся двойная (а также тройная и т.д.) химера-бактерия уже, очевидно, не может осуществлять поиск пищи, как одиночная бактерия, но она (две сцепленные бактерии делают это согласованно) вырабатывает новый алгоритм движения [8] - двигается вдоль оси в обоих направлениях, совершает остановки и т.п. - и не гибнет от голода, все же находит пищу, двигаясь по-новому. А вот случайно зацепившиеся друг за друга два робота в такой ситуации просто становятся неспособными выполнять свои функции!
Как же бактерия принимает решение, куда и как ей двигаться для достижения пищи? Исследованная часть опирается на сложную биохимию таксиса (ответа на сигналы, в нашем случае «запахи» пищи) бактерии. Здесь многое прояснено, а вот как она вырабатывает новые алгоритмы, пока детально неизвест-
но, одно из поднаправлений нашей работы состоит в исследованиях подобного рода совместно с биологами с дальнейшей реализацией найденного механизма принятия решений или каких-то его фрагментов в системах управления машинами и механизмами. Как видим, это самая настоящая бионика, точнее нанобионика.
У человека и млекопитающих, обладающих хорошо развитым неокортексом, совсем другие выработанные природой решения проблемы автономного поведения. Здесь задействованы системы нейронов и их связей. Ключевая особенность состоит в том, что в неокортексе формируется некая картина мира - модель окружающей среды, которая специфическим образом также позволяет прогнозировать развитие событий.
Исследования механизмов выработки новых алгоритмов в участках неокортекса и у бактерии с дальнейшим применением в системах управления машинами уже следует относить к новому разделу бионики, разрабатываемому нашей группой ученых и специалистов. Более того, возникает масштабное новое направление бионики, которое мы называем теорией биомашсистем. Об этом направлении скажу ниже подробнее.
Эргатические системы и их обобщение до биомашсистем, нового направления в бионике. Предложенное мной [1] расширение понятия эргатической системы вместо традиционного комплекса «человек-машина-животное» опирается на триаду
Эргатические системы трактуются шире обычного комплекса «человек-машина-животное» включением в рассмотрение комплексов вида «человек-машина-растение». Другими словами, вводится еще более общая трактовка рассматривать понятие обобщенной эргатической системы как комплекс «человек-машина-живое». При этом подразумевается связь «человек-живое» не только через звено «машина», но и непосредственно.
Поясню, что я имею здесь в виду.
Вторая сигнальная система, присущая человеку в виде речи, конечно, у животных и растений отсутствует. Но любой зоотехник вам уверенно скажет, что он прекрасно общается с животными и без слов. У него нет сомнений в том, что домашние и сельскохозяйственные животные обладают сознанием. Что касается растений, то стоит принять к сведению, что растения движутся, реагируют на раздражители, болеют, умеют прогнозировать (например, подсчитывать запасенный до утра объем питательных веществ) и по большому счету имеют соответствующие аналоги сознательных функций.
В традиционное понятие эргатических систем не вкладывается такое взаимодействие машины и живого, которое учитывает состояние этого живого в текущий момент времени. Обычный подход использует представление о некоем среднестатистическом животном, и под него конструируется механизм или агрегат. В предложенном расширении понятия эргатической системы, и этот фактор является ведущим, агрегаты и сельхозмашины нового поколения при взаимодействии с живым подстраиваются под состояние живого в текущий момент, при необходимости вырабатывают новые алгоритмы поведения в зависимости от поступающих сигналов от живого (нервной системы и мозга животного и т.п.).
Теперь перейдем к дальнейшему обобщению эргатических систем - к биомашсисте-мам. Под биомашсистемой понимается машина или комплекс механизмов с интеллектуальной системой управления, включающей биоблок, как решатель с иерархической памятью, в которую заложены профессиональные знания и навыки предметной области машины. В широком понимании в биомаш-систему включаются человек, участвующий в управлении машиной, и те живые объекты, с которыми машина работает: растения, животные, микроорганизмы.
Новый характерный для биомаш-систем уровень интегрирования частей триады «человек-машина-живое» происходит на основе структуры биобло-
ка, встраиваемого в систему управления машиной. Биоблок содержит функциональные участки неокортекса или другие, обладающие необходимыми возможностями совокупности живых нейронов млекопитающих. На данном этапе предполагается задействование в биомашсистеме не только способности биоблока обеспечить в решателе процедурную часть, но и способности системы иерархической памяти, которой обладает неокортекс млекопитающих и человека. Это - дальнейший шаг в рамках нейробионики в нашем подходе создания автономных интеллектуальных машин и механизмов. Напомним, что наше предложение использовать биоблок для системы управления основано на том, что неокортекс млекопитающих прекрасно решает проблемы автономного поведения и выработки при необходимости требуемых ситуацией алгоритмов поведения, хотя до разгадки и объяснения таких способностей, по-видимому, еще далеко. При этом создание подобных автономных систем на основе искусственного интеллекта, в частности, традиционных подходов в искусственном интеллекте, весьма отдаленная перспектива.
В основе работы решателя и памяти биоблока биомашсистемы лежит функционирование искусственно выращенных из стволовых клеток или клеток-предшественников участков неокортекса млекопитающих; при выращивании участки подвергаются специальному обучению по предметной области машины с учетом возможности дальнейшего обучения и переобучения. Биомашсистему
можно оха-рактеризо-вать аналогично эргати-ческим системам следующей схемой:
Возможно, что успехи в искусственном интеллекте позволят в какое-то время смоделировать обсуждаемые способности живых нейронов и их связей, и биоблок можно будет заменить на искусственную систему (искусственный биоблок), однако это может оказаться просто ненужным. Ведь уже несколько лет функционируют компьютеры на молекулах ДНК, а вживление в организмы искусственных частей зеркально начало отражаться, как в нашем подходе, внедрением в машины живых подсистем!
Таким образом, учитывая значимость для науки и техники достижения целей развиваемого подхода, можно говорить о зарождении нового направления бионики - теории и практики биомашсистем. Далее мы уделяем внимание биоблоку, его памяти и решателю.
Модель неокортекса как математической конструкции. В развиваемом подходе для биоблока системы управления машиной мы опираемся на предложенную и развиваемую в [9] гиперграфовую модель неокортекса млекопитающих. Нейроны неокортекса, который представляет собой тонкую в несколько мм пленку, покрывающую кору головного мозга (у человека на 98%), как показало развитие нейробиологии, организованы согласно трудам В. Маунткастла [10] и других ученых в иерархическую структуру. Эта структура в указанной гиперграфовой модели соответствует так называемым математическим конструкциям. С помощью этих образований удалось построить, как частные случаи помимо обычных математических понятий, которые преподаются в вузах, также основные структуры, используемые в современной математике, так называемые категории высших порядков и др., что послужило причиной названия «математические конструкции». Гиперграфовая модель, помимо прочего, формализует две основные функции неокортек-
са, которые используются в биоблоке - вычислительную и функцию памяти. Важно отметить, что вариант модели иерархический памяти некортекса развивается около 15 лет и уже дал практические приложения в подходе Дж. Хокинса [11] как HTM (Hierarchical temporal memory) модель. Как сама модель, так и реализованный в значительной степени язык программирования HTM, могут быть использованы в гиперграфовой модели для практических приложений. Таким образом, развиваемый нашей группой подход начинает использовать другие современные подходы к моделированию работы мозга.
Попробую простым языком пояснить основные идеи модели, детали изложены в [9]. Нейроны головного мозга крайне разнообразны, однако неокортекс состоит из небольшого числа их разновидностей. Схематически нейрон у^С показан на рис. 1.
Рис. 1. Схематическое изображение нейрона
В. Маункастл [10] выдвинул подтвержденную в дальнейшем идею об однородности неокортекса, о выполнении одной и той же процедуры обработки информации в нео-кортексе независимо от того, какую функциональную зону (зрительную, моторную, слуховую и проч.) представляет рассматриваемый участок неокортекса. Основная единица обработки информации - колонка нейронов. У высших приматов и человека в колонке по 260 нейронов. На рис. 2 можно наблюдать слои неокортекса I-VI, отдельные тела нейронов и их связей, а также горизонтальные и вертикальные связи нейронов разных слоев. Колонки лучше всего обнаруживаются с помощью электрического возбуждения. Сходно реагирующие на электрическое возбуждение нейроны выстраиваются в коре мозга вертикально в виде указанных колонок.
Рис. 2. Слои коры мозга - неокортекс, тела нейронов и их связи
Неокортекс разбит по поверхности на зоны, отвечающие зрительному анализатору, слуховому и другим функциональным участкам, каждая из зон разбита на подзоны, например, для зрительного анализатора это подзоны со специальными обозначениями V! V2, V4, 1Т. Подзоны образуют иерархию для отдельной зоны, сами зоны также образуют между собой иерархию. Сигналы, например, в случае зрительного анализатора, приходят от нейронов сетчатки в подзону VI, в которой каждый нейрон (точнее нейроны в колонках четвертого слоя) реагирует на отрезки с наклоном под определенным углом. Далее вверх по иерархии сигналы уже от нейронов подзоны VI направляются в подзону V2, в которой реакция нейронов возникает на более сложные линии и так далее. Так, в случае общеизвестного феномена «нейрон Клинтона» на лицо Клинтона реагируют нейроны колонки на некотором уровне иерархии: пока лицо Клинтона находится в поле зрения человека (знающего, кто такой Клинтон) эти нейроны возбуждены. Вниз по иерархии мозгом направляются сигналы прогнозов, которые сравниваются с приходящими сигналами, на этой основе форми-
руются ветви обратной связи как один из элементов функционирования мозга.
Подобная иерархия отражена в структуре математических конструкций, свойства которых описывают соответствующие свойства нейронов неокортекса и их связей, в частности, возможные формализмы вычислительных процессов. Например, в виде иерархической структуры конструкций выражаются выводы логической системы, являющиеся доказательствами утверждений. В подходе Дж. Хокинса, моделирующего иерархическую структуру неокортекса, упор сделан на построение иерархической модели памяти, обладающей возможностью формирования картины окружающей среды («картины мира»). Так, здание с этажами, квартирами, комнатами, крышей и т.д. отражается в иерархической памяти неокортекса и его модели по Хокинсу в виде отдельных нейронов -понятий («инвариантных представлений» по Хокинсу), привязанных к различным подзонам, соответствующим иерархии, имеющейся в самом здании: вход-этаж-квартиры-ком-наты...-этаж (следующий)-квартиры этажа-комнаты.. .-крыша (и т.п.). Иерархия, используемая в подходе Дж. Хокинса, вписывается в подход математических конструкций как частный случай. Разработанный в подходе Дж. Хокинса так называемый НТМ-язык программирования оказывается полезным в развиваемом нашей группой подходе и может быть использован для эффективных приложений в практической области. Адаптация результатов подхода Дж. Хокинса в гиперграфовую модель неокортекса, развиваемую в нашем подходе, является важным этапом на пути к разработке автономных систем управления машинами и механизмами, а также биомашсистем различного масштаба.
К программе дальнейших исследований и приложений. Можно сказать, что работы группы специалистов обсуждаемого направления в значительной степени ведут к проектированию и созданию биомашсистем. Поэтому к имеющимся программам и планам данная статья вносит дополнения и конкретизацию. Стоит отметить, что на сегодняшний день ряд шагов уже сделан.
Одним из важных разделов развиваемого направления являются исследования и приложения выращивания in vitro стволовых клеток и дифференцировка из них других клеток, в частности, клеток мышечной ткани. В нашем подходе используются методы, развитые школой акад. И.А. Рогова, одного из ведущих ученых нашего подхода. В настоящее время разработаны основы специализированного биореактора, предназначенного для выращивания значительного количества стволовых клеток, при этом учитываются особенности возможного применения для выращивания нейронов. К продолжению работ со стволовыми клетками уже в целях создания биоблока на нейронах приступила в рамках развиваемого подхода совместно с Отделом биотехнологий ВНИИМЖ группа лаборатории стволовой клетки ВИЭВ при непосредственном руководстве акад. М.И. Гулюкина, расширены площади лаборатории, идет ее дооборудование. Предполагается сотрудничество с ведущими центрами в Пущино, МГУ, Курчатовского института.
Литература:
1. Черноиванов В.И. Ресурсосбережение и машины с элементами человеческого интеллекта - ответ на кризисные вызовы современности и будущего // Прикл. матем., квант. теория и программ. 2013. Т. 10, №3.
2. Интеллектуальная сельскохозяйственная техника / В.И. Черноиванов и др. М., 2014. 124 с.
3. Интеллектуальная сельскохозяйственная техника нового поколения / Иванов Ю.А. и др. // Вестник ВНИИМЖ. Приложение к №3(15). 2014. С. 1-65.
4. Черноиванов В.И., Толоконников Г.К. Методы интеллектуализации сельзхозмашин нового поколения на примере типовой модели автономного агента // Труды ГОСНИТИ. М., 2015. С. 4-23.
5. Черноиванов В.И. Возможности применения интеллектуальных систем в конструкциях машин нового поколения // Машины для села. 2015. №1. С. 7-12.
6. Berg H.C. E.coli in motion. New York, 2004.
7. Метлина А.Л. Жгутики прокариот как система биологической подвижности // Успехи биологической химии. 2001. T.41. C. 229-282.
8. Непомнящих В.А. Модели автономного поискового поведения // От моделей поведения к искусственному интеллекту. М., 2014. С. 200-242.
9. Толоконников Г.К. Вычислимые и невычислимые физические теории по Р. Пенроузу. Ч. 3 // Прикл. матем., квант. теория и программ. 2012. Т. 9, №4. С. 3.
10. Эделман Дж. Разумный мозг. М., 1981. 135 с.
11. Хокинс Дж., Блейксли С. Об интеллекте. М., 2007.
Literatura:
1. Chernoivanov V.I. Resursosberezhenie i mashiny s ehlementami chelovecheskogo intellekta - otvet na kri-zisnye vyzovy sovremennosti i budushchego // Prikl. ma-tem., kvant. teoriya i programm. 2013. T. 10, №3.
2. Intellektual'naya sel'skohozyajstvennaya tekhnika / V.I. Chernoivanov i dr. M., 2014. 124 s.
3. Intellektual'naya sel'skohozyajstvennaya tekhnika no-vogo pokoleniya / Ivanov Y.A. i dr. // Vestnik VNIIMZH. Prilozhenie k №3(15). 2014. S. 1-65.
4. Chernoivanov V.I., Tolokonnikov G.K. Metody intel-lektualizacii sel'zhozmashin novogo pokoleniya na prime-re tipovoj modeli avtonomnogo agenta // Trudy GOSNI-TI. M., 2015. S. 4-23.
5. Chernoivanov V.I. Vozmozhnosti primeneniya intel-lektual'nyh sistem v konstrukciyah mashin novogo pokoleniya // Mashiny dlya sela. 2015. №1. S. 7-12.
6. Berg H.C. E.coli in motion. New York, 2004.
7. Metlina A.L. ZHgutiki prokariot kak sistema biologi-cheskoj podvizhnosti // Uspekhi biologicheskoj himii. 2001. T.41. C. 229-282.
8. Nepomnyashchih V.A. Modeli avtonomnogo poiskovo-go povedeniya // Ot modelej povedeniya k iskusstvenno-mu intellektu. M., 2014. S. 200-242.
9. Tolokonnikov G.K. Vychislimye i nevychislimye fizi-cheskie teorii po R. Penrouzu. Ch. 3 // Prikl. matem., kvant. teoriya i programm. 2012. T. 9, №4. S. 3-294.
10. Ehdelman Dzh. Razumnyj mozg. M., 1981. 135 s.
11. Hokins Dzh., Blejksli S. Ob intellekte. M., 2007.
FROM ERGATIC SYSTEMS TILL BIOMACHINE ONES, IT IS NEW FIELD OF ART - BIONICS V.I. Chernoivanov, RAN academician FGBNU GOSNITI
Abstract. The paper proposes a new bionics direction - biomashine system. Biomashine system is a machine or mechanisms' complex with intelligent control system comprising a biounit as a hierarchical memory solver, in what professional knowledge and the subject machine area skills are involved. In a broad conception in biomashine system people as machine operator are included, so as those living objects with which the machine works: plants, animals, microorganisms are involved as well. In a particular sense, biomashines are presented the ergatics'systems development, with previously proposed ergatic systems generalized variant like "man-machine-live" systems. The biomashine's solver work and its biounit memory based on artificially grown from stem cells or precursor stem cells, mammals neocortex areas functioning, the areas when it growing exposed to special training in the machine subject with regard to further learning and re-learning opportunities.There program activity is developing in the work as to biomachine measures, design and there implementation in the agricultural farm machinery sector. Keywords: bionics, ergatic system, biomashine system, an autonomous control system, neurons, neocortex.
