Левашов О.В. Искусственное зрение.
Искусственный интеллект. Нейронные модели живых сенсорных систем. №38; №282

---

Оглавление				5
Предисловие				10
Введение				12
Благодарности				16
Глава 1. Зрение как уникальная биоинженерная конструкция				17
1. Сетчатка глаза				19
2. Полезная инерционность зрения				21
3. Почему мир кажется нам стабильным?				23
4. Оптические недостатки глаза				25
Литература к главе 1				28
Глава 2. Нейроны-математики				29
1. Рецептивные поля нейронов				30
2. Нейроны как детекторы признаков				32
3. Нейроны как элементы распознавания образов				34
Литература к главе 2				35
Глава 3. Моделирование процессов начального анализа зрительных сцен в зрении				36
1. Анализ цвета, яркости, перепадов яркости				36
2. Реконструкция объема по плоским изображениям				41
3. Моделирование более высоких уровней				45
Литература к главе 3				49
Глава 4. Пространственно-частотные модели зрительного анализа				52
1. Физиологические данные				53
2. Нейрофизиологические данные				57
3. Обсуждение данных				60
4. Фурье-анализ и текстуры				64
5. Модель обработки изображений Д. Марра				75
6. Роль ПЧ-анализа в зрении: узнавание или текстурный анализ?				77
Литература к главе 4				79
Глава 5. Моделирование зрения в движении				81
1. Метод «оптомоторной стимуляции»				82
2. Различение объекта на сложном фоне в движении				83
3. Оценка дальности в полете				85
4. Свойства детекторов движения в зрении				86
5. Моделирование восприятия оптического потока				90
6. Стереозрение				94
7. Стереограммы				97
8. Оптический поток и двигательный параллакс				100
Литература к главе 5				104
Глава 6. Моделирование бинокулярного зрения				105
1. Физиология бинокулярного зрения				105
2. Бинокулярное слияние				106
3. Локальность стереовосприятия				107
4. Морфологическое представительство стереозрения				108
5. Наружное коленчатое тело				109
6. Проекционные зоны зрительной коры				110
7. Нейронные сети для выделения границ текстур				112
8. Бинокулярные нейроны и вычисление диспаратности				115
9. Роль движений глаз в стереозрении				119
10. Модели и алгоритмы технического стереозрения				124
11. Вычислительный подход к стереозрению				125
12. Модели бинокулярного слияния				128
13. Моделирование стереопсиса				133
14. Вычислительные алгоритмы стереосинтеза				142
15. Нерешенные проблемы в моделировании стереозрения				147
Литература к главе 6				148
Глава 7. Нейронные сети как вычислительные модели				150
1. Нейронные сети с непрерывной логикой				150
2. Модель анализа в слуховой системе				154
3. Нейронная модель бинокулярного слияния				160
4. Нейронная модель тактильного анализа				165
5. Модели обоняния				165
6. Нейронные сети хопфилдовского типа				167
7. Модели поведения хопфилдовских нейронных сетей				170
8. Ассоциативная память на хопфилдовских сетях				171
9. Хопфилдовские сети и распознавание образов				172
10. Другие применения хопфилдовскихсетей				174
11. Перспективы использования нейронных сетей				175
Литература к главе 7				177
Глава 8. Проблемы зрительного узнавания: модели и теории				180
1. Гештальт-психология зрительного восприятия				180
2. Законы группировки				183
3. Физиологические основы гештальт-восприятия				183
4. Инвариантность (константность) зрительного восприятия				185
5. На пути к искусственному зрению				186
6. Распознавание образов как техническая задача				187
7. «Перебор» и способы уменьшения перебора при обучении				190
8. Узнавание и конкретизация — две стороны одной медали				192
9. Автоматический пространственный анализ				193
10. Вычислительная теория зрения Д. Марра				198
11. Модель зрительного анализатора				200
12. Модель кусочного фурье-анализа				201
13. Модель активного зрительного анализатора Д. Кирвялиса				204
14. Гештальт-модель Г. Зенкина и А. Петрова				205
15. Современные теории зрительного узнавания				207
16. Модель О. В. Левашова				211
Литература к главе 8				215
Глава 9. Нейронные сети с «глубоким обучением»				217
1. Возрождение метафоры перцептрона				217
2. Плюсы и минусы «глубокого обучения»				220
3. Недостатки «обратного распространения ошибки»				221
4. Перебор при глубоком обучении				222
5. Глубокое обучение и искусственный интеллект				223
6. Глубокому обучению недостает глубокого понимания				223
Литература к главе 9				226
Глава 10. Продуктивное мышление				227
1. Два полушария — два разных способа понимания мира				227
2. Что происходит в процессе мышления?				232
3. Что такое продуктивное мышление				233
4. Формирование модели мира				235
5. Визуальное мышление				237
6. Сенсомоторные основы мышления				240
7. Чего не хватает «модельерам» искусственного интеллекта				242
Литература к главе 10				243
Вместо заключения На пути к искусственному зрению и искусственному интеллекту				245

---

В последние годы внимание специалистов и научной общественности все больше привлекает так называемое цифровое машинное обучение (или deep learning, «глубокое обучение»). Этот подход позволил получить новые решения в самых разных практических задачах — от автоматического распознавания лиц и управления беспилотными авто до синтеза новых лекарств. Этого удалось достичь с помощью нового вычислительного инструмента — цифровых параллельных «нейронных сетей», организованных по исходной модели трехслойного перцептрона Розенблатта.

Возможно, что именно успехи глубокого обучения слегка вскружили голову разработчикам так называемого искусственного интеллекта (ИИ), поэтому и они, и широкая научная общественность вот уже несколько лет ожидают скорого прихода ИИ во многие сферы жизни.

Однако для того чтобы сначала хотя бы осознать всю сложность задач, решаемых мозгом человека, и, соответственно, тех же задач, которые придется решать ИИ, мы должны рассмотреть многие их аспекты: как устроен зрительный мозг человека, что такое «проблема узнавания», какие принципы работы мозга уже известны сейчас, а также какие модели и алгоритмы, напоминающие по эффективности живые сенсорные системы, уже разработаны. Именно этому и посвящена данная книга.

Особое внимание в книге уделено наиболее сложным задачам, с которыми столкнулись ученые и программисты на пути к ИИ. Это анализ реальных трехмерных сцен в движении, запоминание и узнавание множества предметов в окружающей среде независимо от их вида и положения, а также собственно сам процесс «вычислительного мышления», необходимого устройству с ИИ для принятия решений и действий на основе обработанной входной информации об окружающей среде.

Несколько слов об истории создания этой книги. В книге «Нейробионика», написанной в 1983 г. академиком Е. Н. Соколовым и моим коллегой по лаборатории бионики Л. А. Шмелевым, были описаны нейронные модели, которые воспроизводили поведение различных живых систем. В 1989 г. вышла моя книга «Вычислительные модели сенсорных систем», которая продолжала тему нейробионики и другого, нового подхода к моделированию таких систем — вычислительного моделирования. В ней был сделан обзор самых разных моделей, описанных в литературе в период примерно с 1967 по 1989 гг. Редакция издательства URSS, ознакомившись с книгой, предложила мне переработать материал этой книги, добавив туда новые подходы и направления, отраженные в литературе после 1989 г. вплоть до настоящего времени.

---