Опыты показали, что животные сначала медленно разведывали, изучали лабиринт, а затем с каждым разом преодолевали маршрут все быстрее, и, наконец, наступал момент, когда животные автоматически решали задачу, находя камеру с приманкой.

 
Не всех животных приходится "обучать" лабиринтным прогулкам. Летучая мышь, например, и без тренировок ловко ориентируется в темном лабиринте. Она посылает в пространство ультразвуки и ловит их отражение от возникающих на пути преград. Подробнее об этом вы можете прочесть в книге крупнейшего нидерландского этолога, лауреата Нобелевской премии Н. Тинбергена "Поведение животных" (М.: Мир, 1985.- 192 с.). Но опыты с животными не раскрыли алгоритм, которым пользуются они в поисках выхода из лабиринта. Пришлось подняться еще на одну ступень сложности и попробовать разобраться, как это будут делать машины.
Американский ученый, один из создателей математической теории информации К. Шеннон (р. 1916), для обучения решению лабиринтных задач сконструировал мышь-робот - "Тесей". "Мышь" сначала последовательно изучает незнакомый лабиринт. При этом в случае выбора дальнейшего пути мышь не действует наугад, как поступал бы человек, а, двигаясь в одну определенную сторону, всегда выбирает ближайший коридор. После того как "мышь" нашла дорогу к цели, запоминающие устройства позволяют ей второй раз пройти через лабиринт без ошибок - идя к цели, она не заходит в тупики, хотя может прокладывать маршрут и не кратчайшим путем. (Живая мышь обучается отыскивать дорогу в лабиринте гораздо медленнее, поскольку использует метод проб и ошибок, и только после многократных успехов правильный путь закрепляется в ее памяти.)
Сконструирован робот, который, обучившись в одном лабиринте, может перенести приобретенный опыт на любой другой аналогичный лабиринт, как ни была бы изменена длина и форма стенок. Он может находить также кратчайший путь в лабиринте и решать другие лабиринтные задачи.
Конструкторы ЭВМ рассматривают роботов, умеющих находить дорогу в лабиринтах, как составную часть программы создания самообучающихся машин, то есть машин, способных, подобно живым организмам, извлекать ценную для себя информацию из опыта. Очевидно, что именно самообучающиеся машины - роботы - станут выполнять самые неожиданные и сложные виды работ в автоматизированных системах будущего.
Лабиринты оказались удобным средством для изучения сложных механизмов памяти, а также поведения живого организма в экстремальных ситуациях.
Конечно, механизмы этих сложных процессов моделируются сначала на поведении животных. Для этого используется лабиринт, который создает постоянный психоэмоциональный стресс.
Идея лабиринта как неупорядоченной структуры пространства нашла-многочисленные применения в технике. Например, в любой гидравлической системе наиболее ответственными элементами, обеспечивающими надежность и эффективность работы, являются уплотнения. Уплотнение - это устройство, предотвращающее или уменьшающее утечку жидкости или газа через зазоры между деталями машины или какого-либо иного сооружения, а также защищающее детали от проникновения грязи и пыли. Уплотнения бывают контактными и бесконтактными или лабиринтными. Уплотняющий эффект в лабиринтных уплотнениях достигается за счет возникновения гидравлического сопротивления при течении через малый зазор вязкой жидкости. Для повышения гидравлического сопротивления делают лабиринтные канавки, которые изменяют площадь сечения. Если магнитный кристалл (элемент ЭВМ четвертого поколения) поместить под микроскопом и высветить лазерным лучем, то обнаружится, что структура его неупорядочена и похожа на лабиринт. Нарушив эту структуру магнитной иглой, а затем постепенно намагнитив, получают элементарные магнитики - домены. Каждый из них несет единицу информации. На 10 см? можно разместить миллион таких магнитиков, то есть записать 106 единиц информации.

   1  2  3  4  5  6  7  8  9  10  11  12


Parent directory        Content         Portfolio         E-mail
"Kittim" - проект историко-искусствоведческого портала "Monsalvat"
© Idea and design by Galina Rossi
created at February 2004