Два инженера-бионика из Университета Южной Калифорнии, Теодор Бергер и Джим-Ши Ляу, создали первую в мире электронную систему, способную выделять из фонового шума и распознавать устную речь гораздо лучше, чем тончайший человеческий слух. Устройства этого типа будут весьма полезны для глухих, для авиадиспетчеров, для голосового управления компьютерами и другими машинами в реальных условиях современной шумной жизни. Новые принципы распознавания образов, положенные в основу устройства Бергера и Ляу, могут найти применения в медицине для тонкой диагностики заболеваний по данным электрокардиографии и рентгеновской томографии. В числе спонсоров проекта не случайно оказались и американские военные моряки, но не речь они хотят выделять из шума моря, а звуки подводных лодок. А теперь - некоторые подробности. Лучшие из существующих компьютерных систем распознавания речи терпят неудачу, если голос маскируется белым шумом, превосходящим полезный сигнал в 10 раз по интенсивности. Человеческий слух еще способен улавливать отдельные слова, если шум перекрывает голос в 100 раз. Электронная система Бергера и Ляу слышит тоньше человека: она правильно распознает 60% слов при уровне белого шума, превосходящем в 560 раз уровень голосового сигнала. Это новое, распознающее звуковые образы устройство представляет собой специализированный нейрокомпьютер в строгом смысле слова, то есть реализованную в кремнии нейронную сеть, а не программную эмуляцию нейронной сети посредством универсального компьютера. Данный нейрокомпьютер весьма скромен по своей архитектуре: в нем всего лишь 11 кремниевых нейронов и около 30 связей между ними, что не впечатляет при сравнении с другими нейронными сетями, содержащими до 1000 нейронов и 10000 связей и показывающими гораздо худшие результаты. Главный недостаток разработанных ранее нейронных сетей Бергер и Ляу видят в том, что в их основу было положено слишком упрощенное представление о живом нейроне как о примитивном элементе нечеткой логики, который суммирует интенсивности сигналов на своих входах и посылает соответствующий сумме сигнал на свой выход. Однако исследования, выполненные нейрофизиологами за последние несколько лет, доказали, что реальный нейрон не так-то прост. В частности, в работе природных нейронных сетей ключевую роль играет временной фактор: живой нейрон очень чувствителен к точному времени прихода импульсов на его входы и, соответственно, тонко подстраивает время "выстрела" импульсом на своем выходе. Бергер и Ляу положили эти свежие представления в основу разработки своего нейрокомпьютера. Каждый из 11 кремниевых нейронов их машины представляет собой довольно сложный чип, очень точно копирующий свойства и характеристики живого нейрона из гиппокампа. Гиппокамп (буквально: "морской конек") - это отдел головного мозга, активно участвующий в процессе ассоциативного обучения. В своем подражании природе Бергер и Ляу пошли еще дальше: они сделали все 11 кремниевых нейронов чуть-чуть различными по характеристикам, потому что не бывает в гиппокампе двух совершенно одинаковых нейронов. Возможно, это было уж слишком... Зато дало хороший результат. Вот уже и в распознавании звуковых образов машины нас "обштопали"... Эх, не знала матушка-природа, что нейроны следует делать из кремния!

Иван ЖИЛИН,
sci@au.ru