Архитектура Аудит Военная наука Иностранные языки Медицина Металлургия Метрология
Образование Политология Производство Психология Стандартизация Технологии


ОГРАНИЧИВАЮЩИЕ ФАКТОРЫ ФОН НЕЙМАНОВСКОЙ АРХИТЕКТУРЫ В РЕАЛЬНЫХ ЗАДАЧАХ ОБРАБОТКИ ДАННЫХ.



 

Единственной альтернативой фон-неймановской (традиционной) архитектуре являются автоматные сети (АС). Каждый автомат, входящий в АС, является монофункциональным, то есть выполняет одну функцию, простую или сложную. Эта функция определяется индивидуальной архитектурой автомата и может изменяться в результате внешних воздействий. В автоматах АС отсутствует главный элемент фон-неймановской архитектуры – память, в которой хранится программа, состоящая из команд и соответственно нет понятия последовательного выполнения программы, хотя процесс реализации функций может быть растянут во времени. Программа работы компьютера с нетрадиционной архитектурой определяется функциями отдельных автоматов и связями между автоматами, входящими в АС. Для решения задачи в автоматной сети необходимо представить задачу не в алгоритмической, а в функциональной форме. При этом функциональная форма исходно является параллельной, так что в этом случае исчезают проблемы распараллеливания.

В живой природе нет какого-либо аналога фон-неймановскойархитектуры, а автоматные сети присутствуют повсеместно. Любая клетка является сложной автоматной сетью с динамически изменяемыми межавтоматными связями, где роль автоматов выполняют белки и аминокислоты. Отдельные органы животных и человека, организмы в целом и различные социальные структуры являются автоматными сетями, элементами которых, в свою очередь являются автоматные сети. По эффективности живые компьютеры в виде нервной системы даже небольших насекомых намного превосходят самые мощные современные суперкомпьютеры, которые до сих пор не могут смоделировать в реальном времени, например, движение муравья по пересеченной местности.

Сам Джон фон Нейман ясно представлял превосходство биологических компьютеров над вычислительными машинами с предложенной им архитектурой и полагал, что по мере развития технологий уже в 70-х годах двадцатого века компьютеры будут создаваться на базе самоорганизующихся автоматных сетей. В последние годы своей жизни он стал активно работать в этом направлении, получившем название «клеточные автоматы». Последней работой Джона фон Неймана, которую он так и не успел закончить к моменту своей смерти в феврале 1957 года, была книга«Вычислительная машина и мозг». К сожалению, прогнозы фон Нейманане оправдались. И в 21 веке, как и в середине 20-го, все компьютеры используют хранимые в памяти последовательные программы, а перспективы универсальных компьютеров в виде автоматных сетейпрактически не обсуждаются в научном сообществе.

Существует, однако, специфичный класс автоматных сетей, научные и практические исследования которых уже более 50 лет ведутся во всем мире с высокой интенсивностью. Речь идет об искусственных нейронных сетях, считающихся аналогами нейронных сетей живых организмов, и о нейрокомпьютерах, основанных на этих сетях. Специфика данных сетей заключается в том, что функции автоматов и меж­автоматные связи остаются неизменными в течение всего срока жизни сети. Более того, все автоматы сети выполняют одну и ту же функцию, характерную (как предполагается) для реальных нейронов. Каждому входу автомата(нейрона) сопоставляется целочисленный весовой коэффициент. Если взвешенная сумма входных сигналов превышает целочисленный порог, то на все выходы автомата выдается единичный выходной сигнал. Одновременно изменяются весовые коэффициенты и значение порога. Одна нейронная сеть отличается от другой числом нейронов, структурой межнейронных связей и способом изменения весовых коэффициентов и порога. Основная методика программирования – обучение.

Если сопоставить интеллектуальные, временные и материальные ресурсы, затраченные на исследования и разработки нейрокомпьютеров и нейронных сетей, начиная с 1943 года, то следует заметить, что результаты весьма скромные. Ни один из современных нейрокомпьютеров не нашел широкого промышленного применения, и не видно, за счет чего возможно их дальнейшее развитие. Хотя быстродействие искусственных нейронов на несколько порядков выше, чем у естественных, однако по эффективности и степени универсальности нейрокомпьютеры просто несопоставимы с реальными нейронными сетями даже при сравнимом числе нейронов. Достаточно снова упомянуть муравья, нейронная сеть которого содержит всего около 100000 нейронов, и которая эффективно работает вообще без обучения, хотя и способна обучаться. По мнению некоторых нейрофизиологов, возможная причина такого явления заключается в том, что реальные нейроны являются не примитивными пороговыми автоматами, а сложными вычислительными устройствами (автоматными сетями), выходные сигналы которых соответствуют большим информационным пакетам, распределенным в пространстве и времени. Эти пакеты трансформируются в ходе передачи по связям (аксонам), изменяя при этом состояние указанных связей.

Электрические сигналы, получаемые от нейронов в ходе их исследования нейрофизиологами, отображают лишь некоторую, очень грубую интегральную картину происходящих на химическом уровне процессов. Итак, нейрокомпьютеры, хотя и относятся к автоматным сетям, не способны составить реальную конкуренцию традиционным компьютерам, поскольку работают по раз и навсегда заданной программе. В то же время автоматные сети фон Неймана (клеточные автоматы) предполагали динамическое изменение, как функций автоматов, так и связей между ними (что и происходит в живых системах на клеточном уровне).

Почему Джон фон Нейман считал архитектуру компьютеров, которую он сам и предложил, бесперспективной? Здесь можно выделить три основных фактора.

Первый фактор – надежность. В традиционных компьютерах неисправность любого элемента выводит из строя всю систему, и чем больше элементов содержит компьютер, тем ниже его надежность. Во времена фон Неймана компьютеры больше чинились, чем работали. Надежность автоматных сетей, наоборот, возрастает с ростом числа элементов (автоматов), что хорошо видно на примере живых систем.

Второй фактор – производительность (объем вычислений, выполняемых в единицу времени). В традиционном компьютере производительность ограничена быстродействием основных элементов, а в автоматных сетях определяется числом автоматов и в общем случае не имеет ограничений.

Третий фактор – эффективность (стоимость, энергопотребление, объемы аппаратуры, приходящиеся на единицу производительности). Здесь превосходство автоматных сетей наиболее заметно, если сравнить современные суперкомпьютеры, занимающие целые здания и потребляющие мегаватты энергии, с тем же муравьем.

 


Поделиться:



Популярное:

Последнее изменение этой страницы: 2016-08-24; Просмотров: 734; Нарушение авторского права страницы


lektsia.com 2007 - 2024 год. Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав! (0.014 с.)
Главная | Случайная страница | Обратная связь