Нейросетевая педагогика как новый подход к теоретической педагогике

Neural network pedagogy as new way to theoretical pedagogy

Grigoriy Zakharov

Teacher Training Institute of Irkutsk State University, Russia, Irkutsk

Аннотация. Нейропедагогика включает в себя разработки теории машинного обучения и нейрофизиологии, чтобы усовершенствовать теорию педагогики.

Abstract. Neural network pedagogy include deep learning and neurophisiology progress to improve pedagogical theory.

Ключевые слова: нейросеть; нейропедагогика

Keywords: neural network; neuropedagogy

В конце XX - начале XXI века на стыке кибернетики, нейро­биологии, педагогики и ряда других наук стала возникать концепция под названием “нейропедагогика”.

Возникновение её тесно связано с изучением человеческого мозга и появлением теории нейронных сетей.

Начиная с середины XX века в кибернетике и информатике активно изучалась и решалась проблема машинного (теоретического) обучения. К концу XX века решения этой проблемы сформировали теорию нейронных сетей.

Если попытаться объяснить её популярно, то нейронные сети - схемы, состоящие из соединенных между собой нейронов.

Нейрон в теории нейросетей - условный элемент, имеющий некоторое количество входов и один выход и принимающий опреде­ленные состояния. Входы имеют название “синапс”, значение функции состояния нейрона зависит от параметров на входах и удельных весов каждого входа и обычно его представляют как ответ на некоторый вопрос в диапазоне от “нет”(0) до “да”(1).

Рисунок 1. Нейрон [1]

Рисунок 2. Функция нейрона (примеры) [3]

Ключевой особенностью нейрона, что и привела эту модель к использованию в машинном обучении, является то, что нейрон может быть обучен отвечать на этот произвольный вопрос. Например - при подаче на входы различных изображений верно отвечать на вопрос «есть ли там человек?» в зависимости от того, есть там человек или нет.

Обучением нейрона называется процесс расстановки удельных весов синапсов нейрона. Это происходит в режиме обучения нейрона, в котором при подаче на входе нейронов некоторого набора данных, для которых заранее известно значение функции нейрона (положительное либо отрицательное), соответственно положительно или отрицательно изменяются удельные веса соответствующих синапсов (см. рис.1, w₁-w_n).

После обучения нейрона его можно использовать для, например, распознавания образов - значение функции нейрона будет тем выше, чем ближе данные на входе к обучающим данным. В режиме исполь­зования веса синапсов используются и не изменяются.

В случае с нейросетью, состоящей из многих нейронов, обучение и применение их от случая с одиночным нейроном отличаются незначительно. Стоит упомянуть только наличие в этом случае скрытых слоёв между входным и выходным нейронными слоями.

Рисунок 3. Нейросеть из трёх слоёв со скрытым слоем [1]

Более популярно работа и применение искусственных нейронных сетей показаны в статьях [1-4].

Мозг человека, как и нервная система любого животного, является нейронной сетью, состоящей из аналоговых нейронов.

Рисунок 4. Нейрон человеческого мозга

Аналогично нейронам искусственным, нейроны естественного происхождения имеют функцию состояния, входы и выход, могут обу­чаться, но есть ряд характерных особенностей, которые кардинально изменяют задачу обучения:

1. У естественных нейронов нет выделенного режима обучения. Режим обучения и режим работы у естественных нейронов слиты воедино, и поэтому можно даже сказать о сравнении естественных нейросетей с квантовыми объектами - любое измерение/воздействие изменяет состояние (обученности нейрона).

2. Сейчас нет инструментов, позволяющих напрямую считать состояния и удельные веса синапсов нейронов естественной нейросети. Значения на входах и выходах естественных нейросетей вводятся и выводятся через промежуточные нейросети органов чувств и исполнительных механизмов, в частности, речевого и опорно-двигательного аппаратов.

3. Обучение естественной нейросети точно так же, как и искус­ственной, оказывается связанным с поощрением и наказанием, точнее, положительными и отрицательными стимуляциями, а именно - обозначением верных и неверных обучающих данных соответственно.

4. В отличие от обычно жёстко заданных структурно искусствен­ных нейросетей, естественные нейросети умеют изменять собственную конфигурацию в некоторых пределах. В частности через соединение близких нейронов дендритными выростами.

Эти отличия приводят к ряду интересных следствий.

Поговорим об этих следствиях.

Первое следствие. ЦНС человека и его мозг в частности имеет смысл рассматривать как набор разнообразных нейросетей, по-разному обученных и с разнообразными целевыми задачами - а также отличающихся исходной структурой, чьё развитие зависит от генетики и эпигенетических факторов (т. н. врожденные особенности).

Второе следствие. Воспитание, образование и обучение ребёнка есть лишь различные наборы данных. Обучение ребёнка при нейропеда­гогическом подходе совпадает практически с определением обучения нейросети. Отдельно сформулировать это можно следующим образом:

· Обучение естественной нейросети есть ввод известных наборов данных с практически однозначно соответствующими и известными значениями функций состояния нейросетей, при котором близость получаемого значения функции состояния к заранее известному стимулируется положительно, а удаление - отрицательно.

· Воспитание есть обучение нейросетей на всей поступающей извне информации.

· Образование есть обучение ребёнка конкретными наборами данных, направленное на получение им знаний, умений и навыков.

Третье следствие. Относительно четвертой особенности стоит заметить, что подвижность биологических нейронов может приводить не только к качественному росту нейронной сети, но так же и к качест­венной же её деградации - потере обученности. Другой же особенностью человеческого мозга является рост числа нейронов до 7 лет и после­дующее снижение числа нейронов к старости, достигающее половины от исходной величины [5], что отрицательно сказывается на возможности обучения и переобучения. Возрастные изменения даже более характерны, поскольку с возрастом теряются не только нейроны, но и возможности связей между ними [6].

Четвертое следствие. Очень интересен тот факт, что измерение обученности нейросети возможно только через отклик самой нейросети, и сам факт измерения чего-либо изменяет нейросеть.

Из этого же вытекает особенность памяти нейросети, памяти человека. Можно провести параллели с т. н. DRAM - динамической памятью современных компьютеров, а именно: в памяти типа DRAM значения в ячейках памяти обновляются, перезаписываются каждый такт. Аналогия же в том, что память нейросетей так же обновляется - но не периодическим сигналом, а при повторных обращениях к одному и тому участку нейросети. Без такого обновления информация в памяти понемногу теряется, для компьютерной памяти DRAM это наносекунды, для памяти живых нейросетей это может составлять год и более.

В настоящем времени нейропедагогика как наука только начинает развиваться, и выделяют отдельно нейрообучение, нейропедагогику, нейродидактику (примеры см. [7-9]), и вариант, описанный здесь, лишь один из списка частных подходов к проблеме формулирования данной перспективной науки.

Но осознанно понимать принципы обучения живых нейросетей необходимо каждому, поскольку обучающиеся нейросети - это все вокруг нас, в том числе и мы сами.