Обложка Левашов О.В. Искусственное зрение. Искусственный интеллект. Нейронные модели живых сенсорных систем
Id: 277645
599 руб.

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

URSS. 2022. 248 с. ISBN 978-5-9710-9300-8.
Типографская бумага

Аннотация

Всеобщий интерес к теме искусственного интеллекта постоянно растет и вызывает настоящий ажиотаж в средствах массовой информации и в научной литературе. Такому вниманию мы обязаны, в частности, успехам математиков и программистов по обучению искусственных нейронных сетей («глубокому обучению»). Однако сенсорные системы и мозг простых живых систем (например, летающих насекомых) по эффективности намного превосходят искусственные нейронные... (Подробнее)


Оглавление
Оглавление5
Предисловие10
Введение12
Благодарности16
Глава 1. Зрение как уникальная биоинженерная конструкция17
1. Сетчатка глаза19
2. Полезная инерционность зрения21
3. Почему мир кажется нам стабильным?23
4. Оптические недостатки глаза25
Литература к главе 128
Глава 2. Нейроны-математики29
1. Рецептивные поля нейронов30
2. Нейроны как детекторы признаков32
3. Нейроны как элементы распознавания образов34
Литература к главе 235
Глава 3. Моделирование процессов начального анализа зрительных сцен в зрении36
1. Анализ цвета, яркости, перепадов яркости36
2. Реконструкция объема по плоским изображениям41
3. Моделирование более высоких уровней45
Литература к главе 349
Глава 4. Пространственно-частотные модели зрительного анализа52
1. Физиологические данные53
2. Нейрофизиологические данные57
3. Обсуждение данных60
4. Фурье-анализ и текстуры64
5. Модель обработки изображений Д. Марра75
6. Роль ПЧ-анализа в зрении: узнавание или текстурный анализ?77
Литература к главе 479
Глава 5. Моделирование зрения в движении81
1. Метод «оптомоторной стимуляции»82
2. Различение объекта на сложном фоне в движении83
3. Оценка дальности в полете85
4. Свойства детекторов движения в зрении86
5. Моделирование восприятия оптического потока90
6. Стереозрение94
7. Стереограммы97
8. Оптический поток и двигательный параллакс100
Литература к главе 5104
Глава 6. Моделирование бинокулярного зрения105
1. Физиология бинокулярного зрения105
2. Бинокулярное слияние106
3. Локальность стереовосприятия107
4. Морфологическое представительство стереозрения108
5. Наружное коленчатое тело109
6. Проекционные зоны зрительной коры110
7. Нейронные сети для выделения границ текстур112
8. Бинокулярные нейроны и вычисление диспаратности115
9. Роль движений глаз в стереозрении119
10. Модели и алгоритмы технического стереозрения124
11. Вычислительный подход к стереозрению125
12. Модели бинокулярного слияния128
13. Моделирование стереопсиса133
14. Вычислительные алгоритмы стереосинтеза142
15. Нерешенные проблемы в моделировании стереозрения147
Литература к главе 6148
Глава 7. Нейронные сети как вычислительные модели150
1. Нейронные сети с непрерывной логикой150
2. Модель анализа в слуховой системе154
3. Нейронная модель бинокулярного слияния160
4. Нейронная модель тактильного анализа165
5. Модели обоняния165
6. Нейронные сети хопфилдовского типа167
7. Модели поведения хопфилдовских нейронных сетей170
8. Ассоциативная память на хопфилдовских сетях171
9. Хопфилдовские сети и распознавание образов172
10. Другие применения хопфилдовскихсетей174
11. Перспективы использования нейронных сетей175
Литература к главе 7177
Глава 8. Проблемы зрительного узнавания: модели и теории180
1. Гештальт-психология зрительного восприятия180
2. Законы группировки183
3. Физиологические основы гештальт-восприятия183
4. Инвариантность (константность) зрительного восприятия185
5. На пути к искусственному зрению186
6. Распознавание образов как техническая задача187
7. «Перебор» и способы уменьшения перебора при обучении190
8. Узнавание и конкретизация — две стороны одной медали192
9. Автоматический пространственный анализ193
10. Вычислительная теория зрения Д. Марра198
11. Модель зрительного анализатора200
12. Модель кусочного фурье-анализа201
13. Модель активного зрительного анализатора Д. Кирвялиса204
14. Гештальт-модель Г. Зенкина и А. Петрова205
15. Современные теории зрительного узнавания207
16. Модель О. В. Левашова211
Литература к главе 8215
Глава 9. Нейронные сети с «глубоким обучением»217
1. Возрождение метафоры перцептрона217
2. Плюсы и минусы «глубокого обучения»220
3. Недостатки «обратного распространения ошибки»221
4. Перебор при глубоком обучении222
5. Глубокое обучение и искусственный интеллект223
6. Глубокому обучению недостает глубокого понимания223
Литература к главе 9226
Глава 10. Продуктивное мышление227
1. Два полушария — два разных способа понимания мира227
2. Что происходит в процессе мышления?232
3. Что такое продуктивное мышление233
4. Формирование модели мира235
5. Визуальное мышление237
6. Сенсомоторные основы мышления240
7. Чего не хватает «модельерам» искусственного интеллекта242
Литература к главе 10243
Вместо заключения На пути к искусственному зрению и искусственному интеллекту245

Предисловие
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.


Об авторе
Левашов Олег Вадимович
Кандидат биологических наук по специальности «биофизика». Директор центра Brain & Body Development Centre (Далат-Сити, Вьетнам). Окончил МФТИ как инженер-физик и много лет работал в Институте проблем управления (Москва) в лаборатории моделирования живых сенсорных систем (заведующий Н. В. Позин). В последние годы работал в отделе исследования мозга Научного центра неврологии РАН. С 1992 г. — член Международного научного нейроэтологического общества.

Основным научным интересом О. В. Левашова до сих пор остается нейроинженерия зрительного мозга, то есть исследование и моделирование нейронных механизмов зрительного анализа трехмерных сцен и зрительного узнавания формы. Он автор более 70 научных работ, в том числе книг «Вычислительные модели сенсорных систем» (1989), «Зрение, мозг, движение» (2018, 2021), а также соавтор уникальной коллективной монографии «Элементы теории биологических анализаторов», написанной под руководством Н. В. Позина в Институте проблем управления.