* Данный текст распознан в автоматическом режиме, поэтому может содержать ошибки
построена только на основе обучения без указания зара нее заданных признаков. Сравнительно простые задачи различения сигналов должны решаться детерминирован ными системами разомкнутого типа, а более сложные — при отсутствии заранее заданных признаков — обуча ющимися системами с положительной обратной связью и 'комбинированными системами. Рассмотрим, например, вопрос о конструировании диагностической машины. Принципиально возможно соз дание диагностических систем, способных к самооргани зации, которые без помощи врачей в короткие сроки пройдя то, что сделало человечество на протяжении всей истории, создадут новую классификацию болезней по признакам и будут ставить диагнозы в соответствии с этой классификацией. Если проделать такой опыт, то несомненно были бы получены данные, представляющие интерес для медицинской науки. Возможно, что машина создала бы более 'целесообразную классификацию и диагностику болезней. Однако легко убедиться в большой стоимости такого опыта. Машина должна была бы быть очень,большой и, кроме того, сравнительно долго обучаться. Наряду с по лезными она будет опробовать -много вариантов, уже опробованных и отброшенных людьми. Естественно, что с целью уменьшения объема машины и ее обучения це лесообразно использовать все, что уже знает человече ство: какие признаки являются наиболее полезными и стабильными, какие болезни нужно различать и т. п. Каждое достоверное сведение из медицинской науки уменьшает объем машины и длительность процесса обу чения. Что же будет, если наряду с правильными сведения ми будут использованы и недостоверные сведения? Система без положительных связей будет действовать неверно, с ошибкой. В системах, способных к самоорга низации, в действие придут положительные обратные связи, исправят положение и укажут на ошибку. Однако ясно, что насколько достоверные сведения уменьшают объем системы .и длительность обучения, настолько не верные сведения снова увеличивают их. Таким образом, существует некоторое оптимальное (с точки зрения объ ема машины и длительности обучения) соотношение между тем, что должно быть внесено при обучении (т. е.
265
