Обработка информации, поступающей в мозг, осуществляется на нескольких уровнях. Элементарные процессы обработки происходят в мембранных структурах специализированных клеток - нейронов, взаимодействующих между собой и с другими клетками мозга посредством синаптических, а также других, например электрических, связей [1]. Более сложные процессы, в том числе отвечающие за выполнение таких функций мозга, как обучение, распознавание образов и др., являются результатом коллективного действия тех или иных групп ансамблей нейронов [1, 2].
Функции, выполняемые таким ансамблем (содержащим 102-104 клеток) определяются как типом участвующих нейронов, так и характером связей между ними. "Средний нейрон" образует 102 - 104 связей с другими клетками мозга, от которых получает и (или) которым передает информацию, закодированную значением частоты следования нервных импульсов. Синаптические связи могут модифицироваться в процессе обработки поступающих в мозг сигналов. Этот процесс, как считается, может обеспечивать запоминание части информации, поступающей в мозг. Таким образом, "долговременная память" нейронной сети оказывается рассредоточенной по большому числу межнейронных связей; извлечение информации, содержащейся в ней, возможно лишь в процессах ассоциативного типа, т.е. путем предъявления стимула, который ансамбль нейронов должен распознать и сформировать в соответствии с ним определенную ответную реакцию. Кроме того, процесс обработки информации мозгом носит, вероятнее всего, параллельный характер [3, 4].
Известным примером физической ситуации, в которой реализуется процесс параллельной обработки распределенной информации, является голография [5], по аналогии с которой был предложен ряд моделей распределенной памяти - "моделей голографической памяти" [6]. При имитации поведения ансамбля нейронов в таких моделях обычно используют переменные, описывающие состояние нейронов ("вектор состояния" s), переменные, описывающие связи между нейронами ("оператор памяти" V), и постулируются два уравнения, описывающие изменение s и V со временем. Одно из этих уравнений описывает изменение s под действием оператора V (выработка реакции на стимул), а второе - изменение матрицы V, квадратичное по s (запоминание). Отметим, что системы уравнений, имеющие аналогичную структуру, кроме голографии, описывают также целый ряд других физических ситуаций, например явление модуляционной неустойчивости (коллапса) турбулентной плазмы [7], некоторые явления в нелинейной оптике и др.
В последнее время в ряде работ [8-14] было предложено моделировать нейронные ансамбли с помощью динамических уравнений подходящей нелинейной системы. При этом вектор состояния ансамбля нейронов представляет собой вектор в фазовом пространстве динамической системы, а "память" реализована как система аттракторов. Запоминание новой информации осуществляется путем усложнения по определенному алгоритму структуры аттракторов. Такой подход допускает простую механическую аналогию, если представлять себе вектор состояния как положение частицы, движущейся под действием сил тяжести и трения по некоторому рельефу (см. ниже).
В работе Андерсона и др. [8] рассматривался процесс перехода (релаксации) начального значения о к одному из углов N-мерного куба (N - число нейронов в ансамбле), а Дж. Хопфилдом [9] в задаче о такой релаксации с заданной матрицей V было введено понятие энергии, т.е. функции состояния ансамбля, которая уменьшалась в процессе релаксации.
Описываемые таким образом нейронные ансамбли имеют ряд интересных свойств, которые могут быть интерпретированы как обучение, распознавание образов, выработка прототипа, забывание, бистабильность восприятия, феномен обращения и др.